CN111833993B - 一种基于ai的区域影像远程质控管理系统 - Google Patents
一种基于ai的区域影像远程质控管理系统 Download PDFInfo
- Publication number
- CN111833993B CN111833993B CN202010702647.4A CN202010702647A CN111833993B CN 111833993 B CN111833993 B CN 111833993B CN 202010702647 A CN202010702647 A CN 202010702647A CN 111833993 B CN111833993 B CN 111833993B
- Authority
- CN
- China
- Prior art keywords
- patient
- image
- terminal
- patient image
- grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003908 quality control method Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 18
- 238000012916 structural analysis Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Radiology & Medical Imaging (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请实施例公开了一种基于AI的区域影像远程质控管理系统,该系统包括:第一终端,用于获取患者影像图像,并将所述患者影像图像发送至第二终端;第二终端,用于在接收到所述患者影像图像的情况下,获取根据所述患者影像图像输入的第一指导数据;对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据所述第一指导数据和第二指导数据得到汇总指导数据,将所述汇总指导数据发送至所述第一终端。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种基于AI的区域影像远程质控管理系统。
背景技术
医疗技术在不断地发展,但是不同的城市接受信息的程度不同,导致不同城市的医疗技术发展情况也不同。对于一些比较偏远的地区,医生接受的培训不全面,医疗资源也相对落后,会导致偏远地区的患者得不到比较好的医疗条件,不利于患者的康复。
发明内容
本申请实施例提供一种基于AI的区域影像远程质控管理系统,可以提高处理影像图像的准确性。
一种基于AI的区域影像远程质控管理系统,包括:
第一终端,用于获取患者影像图像,并将所述患者影像图像发送至第二终端;
第二终端,用于在接收到所述患者影像图像的情况下,获取根据所述患者影像图像输入的第一指导数据;对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据所述第一指导数据和第二指导数据得到汇总指导数据,将所述汇总指导数据发送至所述第一终端。
进一步地,所述第一终端在执行所述将所述患者影像图像发送至第二终端步骤时,还用于:
获取所述患者影像图像的图像类型和患者等级,获取多个第二候选终端分别对应的终端类型和终端等级;
将所述患者影像图像的图像类型与各个所述第二候选终端的终端类型进行匹配,从所述多个第二候选终端中确定匹配上的第二候选终端;
根据所述患者影像图像的患者等级,从所述匹配上的第二候选终端中确定用于接收所述患者影像图像的第二终端;
将所述患者影像图像发送至所述第二终端。
进一步地,所述第一终端在执行所述根据所述患者影像图像的患者等级,从所述匹配上的第二候选终端中确定用于接收所述患者影像图像的第二终端步骤时,还用于:
在所述患者影像图像的患者等级小于等级阈值的情况下,获取各个所述匹配上的第二候选终端的待处理图像数量,从所述匹配上的第二候选终端中获取待处理图像数量最小的第二候选终端,作为用于接收所述患者影像图像的第二终端;
在所述患者影像图像的患者等级大于或等于所述等级阈值的情况下,从所述匹配上的第二候选终端中确定所述患者等级对应的第二中间终端,获取各个所述第二中间终端对应的待处理图像数量,将对应所述待处理图像数量最小的所述第二中间终端,作为用于接收所述患者影像图像的第二终端。
进一步地,所述第二终端在执行所述在接收到所述患者影像图像的情况下,获取根据所述患者影像图像输入的第一指导数据步骤时,还用于:
在执行所述在接收到所述患者影像图像的情况下,将接收到的所述患者影像图像插入图像队列,获取所述图像队列中包含的各个患者影像图像的患者等级和生成时间,根据获取到的所述患者等级和所述生成时间对所述图像队列中的患者影像图像进行排序;
从排序后的图像队列中逐一读取待处理的患者影像图像数据,并获取根据所述待处理的患者影像图像输入的第一指导数据;
所述第二终端在执行所述对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:
对所述待处理的患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据。
进一步地,所述第二终端在执行所述根据获取到的所述患者等级和所述生成时间对所述图像队列中的患者影像图像进行排序步骤时,还用于:
将所述图像队列中对应患者等级大于等级阈值的患者影像图像作为第一患者影像数据,并按照对应的患者等级将所述第一患者影像数据降序排列,将排列后的第一患者影像数据置于所述图像队列的队首;
将所述图像队列中对应生成时间超过时间阈值的患者影像图像作为第二患者影像数据,并按照生成时间从早到晚的顺序将所述第二患者影像数据进行排列,将排列后的第二患者影像数据置于所述图像队列中所有所述第一患者影像数据之后的位置;
将所述图像队列中除所述第一患者影像数据和所述第二患者影像数据之外的患者影像数据,作为第三患者影像数据;根据所述第三患者影像数据对应的生成时间得到所述第三患者影像数据的第一排序权重,根据所述第三患者影像数据对应的患者等级得到所述第三患者影像数据的第二排序权重,将所述第一排序权重和所述第二排序权重相加得到排序权重,并根据所述排序权重由高到低的顺序将所述第三患者影像数据进行排序,并将排序后的第三患者影像数据置于所述请求队列中所有所述第二患者影像数据之后的位置。
进一步地,所述第二终端在执行所述对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:
检测所述患者影像图像的拍摄质量参数,根据所述拍摄质量参数得到所述患者影像图像的质量分析结果;
对所述患者影像图像中的拍摄对象进行结构分析,得到所述拍摄对象的结构分析结果;
根据所述质量分析结果和所述结构分析结果中至少之一生成第二指导数据。
进一步地,所述拍摄质量参数至少包括清晰度和完整度中至少之一;
所述第二终端在执行所述根据所述拍摄质量参数得到所述患者影像图像的质量分析结果时,还用于:
获取所述患者影像图像中的拍摄对象,检测所述拍摄对象进行清晰度和/或完整度得到拍摄质量参数;
在所述拍摄对象的拍摄质量参数小于第一阈值的情况下,得到所述患者影像图像不合格的质量分析结果;
在所述拍摄对象的拍摄质量参数大于所述第一阈值且小于第二阈值的情况下,对所述患者影像图像进行清晰度和/或完整度的恢复处理,其中,所述第一阈值小于所述第二阈值;
检测恢复处理后的所述患者影像图像中的拍摄对象的清晰度和/或完整度,得到第二拍摄参数;
在所述第二拍摄参数小于第二阈值的情况下,得到所述患者影像图像不合格的质量分析结果。
一种基于AI的区域影像远程质控管理方法,包括:
通过第一终端获取患者影像图像,并将所述患者影像图像发送至第二终端;
通过第二终端在接收到所述患者影像图像的情况下,获取根据所述患者影像图像输入的第一指导数据;对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据所述第一指导数据和第二指导数据得到汇总指导数据,将所述汇总指导数据发送至所述第一终端。
一种电子设备,包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时实现上述方法。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现上述方法。
上述基于AI的区域影像远程质控管理,第一终端可以将获取的患者影像图像发送给第二终端,第二终端的用户再根据接收到的患者影像图像生成拍摄的指导数据,并将指导数据发送给第一终端。这样的话,第一终端的用户就可以根据指导数据及时地调整拍摄,从而拍摄得到更符合标准患者影像图像,以保证图像拍摄的准确性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为一个实施例中基于的区域影像远程质控管理系统。
图2为一个实施例中基于AI的区域影像远程质控管理方法。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
图1为一个实施例中基于AI(Artificial Intelligence,人工智能)的区域影像远程质控管理系统,如图1所示,该系统包括第一终端102和第二终端104,其中:
第一终端102,用于获取患者影像图像,并将患者影像图像发送至第二终端。
患者影像图像是指对患者身体拍摄的图像,包括不限于是X光片、核磁共振图、心电图等。第一终端可以是拍摄患者影像图像的终端设备,也可以是可获取患者影像图像的任意终端设备,在此不做限定。例如,可以是患者手持的终端设备、医生用于会诊的终端设备等。
具体的,第一终端获取的患者影像图像可以但不限于是直接拍摄得到的、其他设备发送的、用户上传的等。第一终端获取到患者影像图像之后,可以将患者影像图像发送至第二终端进行审核。
第二终端104,用于在接收到患者影像图像的情况下,获取根据患者影像图像输入的第一指导数据;对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据第一指导数据和第二指导数据得到汇总指导数据,将汇总指导数据发送至第一终端。
在一个实施例中,第二终端与第一终端可以进行数据的交互,第一终端将患者影像图像发送给第二终端之后,第二终端可以对患者影像图像进行检测,并生成最后的指导性建议,返回给第一终端。
第二终端生成指导数据的方式有两种,一种可以是通过第二终端的用户手动输入第一指导数据。例如,第二终端上显示患者影像图像,医生凭经验直接输入相应地指导建议。另一种方式可以是自动对患者影像图像进行质量检测,然后根据质量检测的结果生成第二指导数据。例如,通过深度学习的方法分析患者影像图像的拍摄清晰度,拍摄部位的完整度等,如果不清晰或者不完整则输出相应的指导性意见。
得到第一指导数据和第二指导数据之后,第二终端会将第一指导数据和第二指导数据汇总生成最后的指导数据,然后将汇总之后的指导数据发送给第一终端。第一终端的用户就可以根据指导数据相应地调整拍摄策略,重新拍摄更符合标准的患者影像图像。
上述实施例提供的基于AI的区域影像远程质控管理系统,第一终端可以将获取的患者影像图像发送给第二终端,第二终端的用户再根据接收到的患者影像图像生成拍摄的指导数据,并将指导数据发送给第一终端。这样的话,第一终端的用户就可以根据指导数据及时地调整拍摄,从而拍摄得到更符合标准患者影像图像,以保证图像拍摄的准确性。
在一个实施例中,第一终端在执行将患者影像图像发送至第二终端步骤时,还用于:获取患者影像图像的图像类型和患者等级,获取多个第二候选终端分别对应的终端类型和终端等级;将患者影像图像的图像类型与各个第二候选终端的终端类型进行匹配,从多个第二候选终端中确定匹配上的第二候选终端;根据患者影像图像的患者等级,从匹配上的第二候选终端中确定用于接收患者影像图像的第二终端;将患者影像图像发送至第二终端。
图像类型用于区分图像的不同类别,例如患者影像图像的图像类别可以分为X光图、核磁共振图、心电图等不限于此。不同类别的患者影像图像可以匹配不同的医生去进行审核指导,因此可以根据图像类型来匹配不同的医生所在的终端。终端类型就是标记不同科室的终端,用来将患者影像图像匹配到不同的医生进行审核。患者等级用于区分患者影像图像所拍摄的患者的重要程度,例如可以将患者分为急诊科患者和普通患者,这样对于急诊科患者就可以优先处理。终端等级可以对应专业程度不同的医生所在的终端,对于重要等级较高的患者可以匹配等级较高的医生所在的终端。
在本申请提供的另一个实施例中,第一终端在执行根据患者影像图像的患者等级,从匹配上的第二候选终端中确定用于接收患者影像图像的第二终端步骤时,还用于:在患者影像图像的患者等级小于等级阈值的情况下,获取各个匹配上的第二候选终端的待处理图像数量,从匹配上的第二候选终端中获取待处理图像数量最小的第二候选终端,作为用于接收患者影像图像的第二终端;在患者影像图像的患者等级大于或等于等级阈值的情况下,从匹配上的第二候选终端中确定患者等级对应的第二中间终端,获取各个第二中间终端对应的待处理图像数量,将对应待处理图像数量最小的第二中间终端,作为用于接收患者影像图像的第二终端。
具体的,患者等级较低的时候,可以认为该患者影像图像被审核的需求不是特别的强烈,则在这种情况下就可以主要根据各个第二候选终端的待处理任务的多少,来决定审核该患者影像图像的终端,通常会选择任务数量最少的终端来进行处理。在患者等级较高的时候,需要考虑第二终端的终端等级是否可以用来处理高等级的患者影像图像,因此在匹配第二终端的时候,需要先确认第二候选终端的终端等级,根据终端等级筛选出第二中间终端之后,在根据第二中间终端的待处理图像数量来确定最终用于审核该患者影像图像的第二终端。
在本申请提供的其中一个实施例中,第二终端在执行在接收到患者影像图像的情况下,获取根据患者影像图像输入的第一指导数据步骤时,还用于:在执行在接收到患者影像图像的情况下,将接收到的患者影像图像插入图像队列,获取图像队列中包含的各个患者影像图像的患者等级和生成时间,根据获取到的患者等级和生成时间对图像队列中的患者影像图像进行排序;从排序后的图像队列中逐一读取待处理的患者影像图像数据,并获取根据待处理的患者影像图像输入的第一指导数据;第二终端在执行对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:对待处理的患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据。
第二终端在接收患者影像图像之后,可以将接收到的患者影像图像存储到图像队列中,然后按照队列的顺序依次处理。具体的,第二终端可以将所有待处理的患者影像图像存放到图像队列中,并将图像队列中的患者影像图像进行排序,然后依次处理。
图像队列中的患者影像图像可以按照患者等级和生成时间进行排序,患者等级越高的图像排序越靠前。相应地,生成时间越早的患者影像图像排序也越靠前。其中,生成时间是指生成患者影像图像的时间,也可以是指第一终端发送患者影像图像到第二终端的时间,在此不限定。
在本申请提供的其他实施例中,第二终端在执行根据获取到的患者等级和生成时间对图像队列中的患者影像图像进行排序步骤时,还用于:将图像队列中对应患者等级大于等级阈值的患者影像图像作为第一患者影像数据,并按照对应的患者等级将第一患者影像数据降序排列,将排列后的第一患者影像数据置于图像队列的队首;将图像队列中对应生成时间超过时间阈值的患者影像图像作为第二患者影像数据,并按照生成时间从早到晚的顺序将第二患者影像数据进行排列,将排列后的第二患者影像数据置于图像队列中所有第一患者影像数据之后的位置;将图像队列中除第一患者影像数据和第二患者影像数据之外的患者影像数据,作为第三患者影像数据;根据第三患者影像数据对应的生成时间得到第三患者影像数据的第一排序权重,根据第三患者影像数据对应的患者等级得到第三患者影像数据的第二排序权重,将第一排序权重和第二排序权重相加得到排序权重,并根据排序权重由高到低的顺序将第三患者影像数据进行排序,并将排序后的第三患者影像数据置于请求队列中所有第二患者影像数据之后的位置。
在对图像队列中的患者影像图像进行排序的时候,可以按照不同需求进行不同的排序。在本实施例中,优先考虑高等级的患者影像图像,当患者等级大于等级阈值的时候,可以认为该患者影像图像非常重要,对于这一类患者影像图像优先进行处理,并将根据患者等级排序后的第一患者影像数据置于图像队列的队首。其次对于生成时间超过时间阈值的患者影像图像,可以认为等待时间过长,对于这类患者影像图像可以按照生成时间从早到晚的顺序排序,并放置于高等级患者影像图像之后进行处理。最后再处理既不是高等级也不是等待时间过长的那部分患者影像图像,以综合提高图像的处理效率。
对于既不是高等级也不是等待时间过长的那部分患者影像图像,可以综合考虑患者等级和生成时间,根据患者等级和生成时间来计算排序权重。然后根据排序权重将这部分患者影像图像进行排序,并将排序后的患者影像图像置于队末。
在一个实施例中,第二终端在执行对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:检测患者影像图像的拍摄质量参数,根据拍摄质量参数得到患者影像图像的质量分析结果;对患者影像图像中的拍摄对象进行结构分析,得到拍摄对象的结构分析结果;根据质量分析结果和结构分析结果中至少之一生成第二指导数据。
可以理解的是,拍摄质量参数是指拍摄患者影像图像的图像质量的相关参数,具体可以是图像的清晰度、完整度、图像曝光度、图像亮度等参数,不限于此。例如,图像拍摄太模糊,看不清拍摄部位的细节信息,就可以认为图像拍摄的质量比较低。结构分析是指对图像中所拍摄部位的结构是否符合标准进行的分析。例如图像拍摄的骨架结构是否对称,结构的大小是否符合要求等,不限于此。
根据对患者影像图像的质量或结构分析得到分析结果之后,再根据患者影像图像的质量分析结果和结构分析结果中的至少之一,生成第二指导数据。
在一个实施例中,拍摄质量参数至少包括清晰度和完整度中至少之一;第二终端在执行根据拍摄质量参数得到患者影像图像的质量分析结果时,还用于:获取患者影像图像中的拍摄对象,检测拍摄对象进行清晰度和/或完整度得到拍摄质量参数;在拍摄对象的拍摄质量参数小于第一阈值的情况下,得到患者影像图像不合格的质量分析结果;在拍摄对象的拍摄质量参数大于第一阈值且小于第二阈值的情况下,对患者影像图像进行清晰度和/或完整度的恢复处理,其中,第一阈值小于第二阈值;检测恢复处理后的患者影像图像中的拍摄对象的清晰度和/或完整度,得到第二拍摄参数;在第二拍摄参数小于第二阈值的情况下,得到患者影像图像不合格的质量分析结果。
在得到拍摄质量参数之后,如果拍摄质量参数小于第一阈值,则可以认为患者影像图像的质量的不合格的分析结果,可以直接生成相应地指导数据。如果拍摄质量参数大于第一阈值且小于第二阈值的情况,则可以自动对该患者影像图像进行修复,并检测修复后的患者影像图像的拍摄质量参数。如果修复后的患者影像图像的拍摄参数大于第二阈值,则认为修复后的患者影像图像的质量合格,可以根据修复处理的结果生成指导数据;如果修复后的患者影像图像的拍摄参数仍小于第二阈值,则认为修复后的患者影像图像的质量不合格,并生成相应的指导数据。
图2为一个实施例中基于AI的区域影像远程质控管理方法,如图2所示,该方法包括步骤202至步骤204,其中:
步骤202,通过第一终端获取患者影像图像,并将患者影像图像发送至第二终端。
步骤204,通过第二终端在接收到患者影像图像的情况下,获取根据患者影像图像输入的第一指导数据;对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据第一指导数据和第二指导数据得到汇总指导数据,将汇总指导数据发送至第一终端。
上述实施例提供的基于AI的区域影像远程质控管理方法,第一终端可以将获取的患者影像图像发送给第二终端,第二终端的用户再根据接收到的患者影像图像生成拍摄的指导数据,并将指导数据发送给第一终端。这样的话,第一终端的用户就可以根据指导数据及时地调整拍摄,从而拍摄得到更符合标准患者影像图像,以保证图像拍摄的准确性。
在一个实施例中,所述将患者影像图像发送至第二终端包括:获取患者影像图像的图像类型和患者等级,获取多个第二候选终端分别对应的终端类型和终端等级;将患者影像图像的图像类型与各个第二候选终端的终端类型进行匹配,从多个第二候选终端中确定匹配上的第二候选终端;根据患者影像图像的患者等级,从匹配上的第二候选终端中确定用于接收患者影像图像的第二终端;将患者影像图像发送至第二终端。
在一个实施例中,所述根据患者影像图像的患者等级,从匹配上的第二候选终端中确定用于接收患者影像图像的第二终端,包括:在患者影像图像的患者等级小于等级阈值的情况下,获取各个匹配上的第二候选终端的待处理图像数量,从匹配上的第二候选终端中获取待处理图像数量最小的第二候选终端,作为用于接收患者影像图像的第二终端;在患者影像图像的患者等级大于或等于等级阈值的情况下,从匹配上的第二候选终端中确定患者等级对应的第二中间终端,获取各个第二中间终端对应的待处理图像数量,将对应待处理图像数量最小的第二中间终端,作为用于接收患者影像图像的第二终端。
在一个实施例中,所述接收到患者影像图像的情况下,获取根据患者影像图像输入的第一指导数据,包括:在执行在接收到患者影像图像的情况下,将接收到的患者影像图像插入图像队列,获取图像队列中包含的各个患者影像图像的患者等级和生成时间,根据获取到的患者等级和生成时间对图像队列中的患者影像图像进行排序;从排序后的图像队列中逐一读取待处理的患者影像图像数据,并获取根据待处理的患者影像图像输入的第一指导数据;所述对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据,包括:对待处理的患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据。
在一个实施例中,所述根据获取到的患者等级和生成时间对图像队列中的患者影像图像进行排序,包括:将图像队列中对应患者等级大于等级阈值的患者影像图像作为第一患者影像数据,并按照对应的患者等级将第一患者影像数据降序排列,将排列后的第一患者影像数据置于图像队列的队首;将图像队列中对应生成时间超过时间阈值的患者影像图像作为第二患者影像数据,并按照生成时间从早到晚的顺序将第二患者影像数据进行排列,将排列后的第二患者影像数据置于图像队列中所有第一患者影像数据之后的位置;将图像队列中除第一患者影像数据和第二患者影像数据之外的患者影像数据,作为第三患者影像数据;根据第三患者影像数据对应的生成时间得到第三患者影像数据的第一排序权重,根据第三患者影像数据对应的患者等级得到第三患者影像数据的第二排序权重,将第一排序权重和第二排序权重相加得到排序权重,并根据排序权重由高到低的顺序将第三患者影像数据进行排序,并将排序后的第三患者影像数据置于请求队列中所有第二患者影像数据之后的位置。
在一个实施例中,所述对患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据,包括:检测患者影像图像的拍摄质量参数,根据拍摄质量参数得到患者影像图像的质量分析结果;对患者影像图像中的拍摄对象进行结构分析,得到拍摄对象的结构分析结果;根据质量分析结果和结构分析结果中至少之一生成第二指导数据。
在一个实施例中,所述拍摄质量参数至少包括清晰度和完整度中至少之一;所述根据拍摄质量参数得到患者影像图像的质量分析结果时,还用于:获取患者影像图像中的拍摄对象,检测拍摄对象进行清晰度和/或完整度得到拍摄质量参数;在拍摄对象的拍摄质量参数小于第一阈值的情况下,得到患者影像图像不合格的质量分析结果;在拍摄对象的拍摄质量参数大于第一阈值且小于第二阈值的情况下,对患者影像图像进行清晰度和/或完整度的恢复处理,其中,第一阈值小于第二阈值;检测恢复处理后的患者影像图像中的拍摄对象的清晰度和/或完整度,得到第二拍摄参数;在第二拍摄参数小于第二阈值的情况下,得到所述患者影像图像不合格的质量分析结果。
可以理解的是,上述实施例中提供的终端或服务器可以先不限于包括输入装置、输出装置、处理器和存储器。该输入装置、输出装置、存储器和处理器之间通过总线相互连接。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
以上上述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种基于AI的区域影像远程质控管理系统,其特征在于,包括:
第一终端,用于获取患者影像图像,并将所述患者影像图像发送至第二终端;
第二终端,用于在接收到所述患者影像图像的情况下,获取根据所述患者影像图像手动输入的第一指导数据;自动对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据;根据所述第一指导数据和第二指导数据得到汇总指导数据,将所述汇总指导数据发送至所述第一终端;
所述第一终端在执行所述将所述患者影像图像发送至第二终端步骤时,还用于:
获取所述患者影像图像的图像类型和患者等级,获取多个第二候选终端分别对应的终端类型和终端等级;
将所述患者影像图像的图像类型与各个所述第二候选终端的终端类型进行匹配,从所述多个第二候选终端中确定匹配上的第二候选终端;
根据所述患者影像图像的患者等级,从所述匹配上的第二候选终端中确定用于接收所述患者影像图像的第二终端;
将所述患者影像图像发送至所述第二终端;
其中,所述第二终端在执行所述在接收到所述患者影像图像的情况下,获取根据所述患者影像图像输入的第一指导数据步骤时,还用于:
在执行所述在接收到所述患者影像图像的情况下,将接收到的所述患者影像图像插入图像队列,获取所述图像队列中包含的各个患者影像图像的患者等级和生成时间,根据获取到的所述患者等级和所述生成时间对所述图像队列中的患者影像图像进行排序;
从排序后的图像队列中逐一读取待处理的患者影像图像数据,并获取根据所述待处理的患者影像图像输入的第一指导数据;
其中,所述第二终端在执行所述对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:
检测所述患者影像图像的拍摄质量参数,根据所述拍摄质量参数得到所述患者影像图像的质量分析结果;
对所述患者影像图像中的拍摄对象进行结构分析,得到所述拍摄对象的结构分析结果;
根据所述质量分析结果和所述结构分析结果中至少之一生成第二指导数据;
所述拍摄质量参数至少包括清晰度和完整度中至少之一;
所述第二终端在执行所述根据所述拍摄质量参数得到所述患者影像图像的质量分析结果时,还用于:
获取所述患者影像图像中的拍摄对象,检测所述拍摄对象进行清晰度和/或完整度得到拍摄质量参数;
在所述拍摄对象的拍摄质量参数小于第一阈值的情况下,得到所述患者影像图像不合格的质量分析结果;
在所述拍摄对象的拍摄质量参数大于所述第一阈值且小于第二阈值的情况下,对所述患者影像图像进行清晰度和/或完整度的恢复处理,其中,所述第一阈值小于所述第二阈值;
检测恢复处理后的所述患者影像图像中的拍摄对象的清晰度和/或完整度,得到第二拍摄参数;
在所述第二拍摄参数小于第二阈值的情况下,得到所述患者影像图像不合格的质量分析结果。
2.根据权利要求1所述的系统,其特征在于,所述第一终端在执行所述根据所述患者影像图像的患者等级,从所述匹配上的第二候选终端中确定用于接收所述患者影像图像的第二终端步骤时,还用于:
在所述患者影像图像的患者等级小于等级阈值的情况下,获取各个所述匹配上的第二候选终端的待处理图像数量,从所述匹配上的第二候选终端中获取待处理图像数量最小的第二候选终端,作为用于接收所述患者影像图像的第二终端;
在所述患者影像图像的患者等级大于或等于所述等级阈值的情况下,从所述匹配上的第二候选终端中确定所述患者等级对应的第二中间终端,获取各个所述第二中间终端对应的待处理图像数量,将对应所述待处理图像数量最小的所述第二中间终端,作为用于接收所述患者影像图像的第二终端。
3.根据权利要求1或2所述的系统,其特征在于,
所述第二终端在执行所述对所述患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据步骤时,还用于:
对所述待处理的患者影像图像进行质量检测,并根据质量检测结果生成第二指导数据。
4.根据权利要求3所述的系统,其特征在于,所述第二终端在执行所述根据获取到的所述患者等级和所述生成时间对所述图像队列中的患者影像图像进行排序步骤时,还用于:
将所述图像队列中对应患者等级大于等级阈值的患者影像图像作为第一患者影像数据,并按照对应的患者等级将所述第一患者影像数据降序排列,将排列后的第一患者影像数据置于所述图像队列的队首;
将所述图像队列中对应生成时间超过时间阈值的患者影像图像作为第二患者影像数据,并按照生成时间从早到晚的顺序将所述第二患者影像数据进行排列,将排列后的第二患者影像数据置于所述图像队列中所有所述第一患者影像数据之后的位置;
将所述图像队列中除所述第一患者影像数据和所述第二患者影像数据之外的患者影像数据,作为第三患者影像数据;根据所述第三患者影像数据对应的生成时间得到所述第三患者影像数据的第一排序权重,根据所述第三患者影像数据对应的患者等级得到所述第三患者影像数据的第二排序权重,将所述第一排序权重和所述第二排序权重相加得到排序权重,并根据所述排序权重由高到低的顺序将所述第三患者影像数据进行排序,并将排序后的第三患者影像数据置于所述图像队列中所有所述第二患者影像数据之后的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010702647.4A CN111833993B (zh) | 2020-07-18 | 2020-07-18 | 一种基于ai的区域影像远程质控管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010702647.4A CN111833993B (zh) | 2020-07-18 | 2020-07-18 | 一种基于ai的区域影像远程质控管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111833993A CN111833993A (zh) | 2020-10-27 |
CN111833993B true CN111833993B (zh) | 2024-04-19 |
Family
ID=72923739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010702647.4A Active CN111833993B (zh) | 2020-07-18 | 2020-07-18 | 一种基于ai的区域影像远程质控管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833993B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115185667B (zh) * | 2022-09-13 | 2022-12-20 | 天津市天河计算机技术有限公司 | 可视化应用的加速方法、装置、电子设备和存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003093354A (ja) * | 2001-09-21 | 2003-04-02 | J-Phone Tokai Co Ltd | 携帯情報端末を利用した医療用診断装置 |
CN202916835U (zh) * | 2012-10-30 | 2013-05-01 | 中国医学科学院阜外心血管病医院 | 心血管影像远程会诊系统 |
US9298884B1 (en) * | 2014-12-17 | 2016-03-29 | Vitaax Llc | Remote instruction and monitoring of health care |
CN106126913A (zh) * | 2016-06-22 | 2016-11-16 | 扬州立兴科技发展合伙企业(有限合伙) | 一种带影像资料电子病历的音视频远程分级诊断系统 |
CN106446567A (zh) * | 2016-09-29 | 2017-02-22 | 北京和缓医疗科技有限公司 | 一种实现远程医疗影像会诊的方法及装置 |
CN106529139A (zh) * | 2016-10-25 | 2017-03-22 | 深圳市易特科信息技术有限公司 | 基于虚拟现实的远程急救控制系统及方法 |
CN106725541A (zh) * | 2016-11-03 | 2017-05-31 | 深圳圣诺医疗设备股份有限公司 | 一种乳腺远程观片方法及系统 |
CN106845145A (zh) * | 2017-03-25 | 2017-06-13 | 深圳市前海安测信息技术有限公司 | 用于远程医疗的现场影像终端、远程影像终端及影像共享系统 |
CN107563116A (zh) * | 2017-08-25 | 2018-01-09 | 北京渡梦家教育科技有限公司 | 一种用于口腔医疗远程指导/教学的系统及服务方法 |
CN107578808A (zh) * | 2017-09-06 | 2018-01-12 | 上海联影医疗科技有限公司 | 基于医疗云系统的影像数据分析方法、云系统及云服务器 |
CN108877897A (zh) * | 2018-05-28 | 2018-11-23 | 牙博士医疗控股集团有限公司 | 牙科诊疗方案生成方法、装置及诊疗系统 |
CN109801258A (zh) * | 2018-12-18 | 2019-05-24 | 重庆市忠县人民医院 | 一种医学影像诊断质量管理系统及方法 |
CN110111329A (zh) * | 2019-05-17 | 2019-08-09 | 四川大学华西第二医院 | 一种基于人工智能超声影像检测方法及系统 |
CN110752025A (zh) * | 2019-08-30 | 2020-02-04 | 陈翔 | 皮肤病的数据融合分级诊疗方法与服务平台 |
CN110751637A (zh) * | 2019-10-14 | 2020-02-04 | 北京至真互联网技术有限公司 | 糖尿病视网膜病变检测系统、方法、设备和训练系统 |
CN111180031A (zh) * | 2019-12-31 | 2020-05-19 | 贵州精准健康数据有限公司 | 数据管理系统及方法 |
CN111388880A (zh) * | 2020-03-20 | 2020-07-10 | 上海联影医疗科技有限公司 | 一种弧形放射治疗校验方法、装置、设备及存储介质 |
CN111415725A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6716628B2 (ja) * | 2018-05-01 | 2020-07-01 | オリンパス株式会社 | 医療支援システム、情報端末装置、医療支援方法、情報端末装置作動方法、情報端末装置作動プログラム |
US10929973B2 (en) * | 2018-10-02 | 2021-02-23 | Siemens Healtcare Gmbh | Medical image pre-processing at the scanner for facilitating joint interpretation by radiologists and artificial intelligence algorithms |
-
2020
- 2020-07-18 CN CN202010702647.4A patent/CN111833993B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003093354A (ja) * | 2001-09-21 | 2003-04-02 | J-Phone Tokai Co Ltd | 携帯情報端末を利用した医療用診断装置 |
CN202916835U (zh) * | 2012-10-30 | 2013-05-01 | 中国医学科学院阜外心血管病医院 | 心血管影像远程会诊系统 |
US9298884B1 (en) * | 2014-12-17 | 2016-03-29 | Vitaax Llc | Remote instruction and monitoring of health care |
CN106126913A (zh) * | 2016-06-22 | 2016-11-16 | 扬州立兴科技发展合伙企业(有限合伙) | 一种带影像资料电子病历的音视频远程分级诊断系统 |
CN106446567A (zh) * | 2016-09-29 | 2017-02-22 | 北京和缓医疗科技有限公司 | 一种实现远程医疗影像会诊的方法及装置 |
CN106529139A (zh) * | 2016-10-25 | 2017-03-22 | 深圳市易特科信息技术有限公司 | 基于虚拟现实的远程急救控制系统及方法 |
CN106725541A (zh) * | 2016-11-03 | 2017-05-31 | 深圳圣诺医疗设备股份有限公司 | 一种乳腺远程观片方法及系统 |
CN106845145A (zh) * | 2017-03-25 | 2017-06-13 | 深圳市前海安测信息技术有限公司 | 用于远程医疗的现场影像终端、远程影像终端及影像共享系统 |
CN107563116A (zh) * | 2017-08-25 | 2018-01-09 | 北京渡梦家教育科技有限公司 | 一种用于口腔医疗远程指导/教学的系统及服务方法 |
CN107578808A (zh) * | 2017-09-06 | 2018-01-12 | 上海联影医疗科技有限公司 | 基于医疗云系统的影像数据分析方法、云系统及云服务器 |
CN108877897A (zh) * | 2018-05-28 | 2018-11-23 | 牙博士医疗控股集团有限公司 | 牙科诊疗方案生成方法、装置及诊疗系统 |
CN109801258A (zh) * | 2018-12-18 | 2019-05-24 | 重庆市忠县人民医院 | 一种医学影像诊断质量管理系统及方法 |
CN110111329A (zh) * | 2019-05-17 | 2019-08-09 | 四川大学华西第二医院 | 一种基于人工智能超声影像检测方法及系统 |
CN110752025A (zh) * | 2019-08-30 | 2020-02-04 | 陈翔 | 皮肤病的数据融合分级诊疗方法与服务平台 |
CN110751637A (zh) * | 2019-10-14 | 2020-02-04 | 北京至真互联网技术有限公司 | 糖尿病视网膜病变检测系统、方法、设备和训练系统 |
CN111180031A (zh) * | 2019-12-31 | 2020-05-19 | 贵州精准健康数据有限公司 | 数据管理系统及方法 |
CN111415725A (zh) * | 2020-03-05 | 2020-07-14 | 北京深睿博联科技有限责任公司 | 一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质 |
CN111388880A (zh) * | 2020-03-20 | 2020-07-10 | 上海联影医疗科技有限公司 | 一种弧形放射治疗校验方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
移动护理信息系统的发展及其在伤口领域中的应用;邓悟,等;华西医学;20160930;31(09);1511-1515 * |
远程影像诊疗中心建设及远程会诊流程的设计;张喜雨;中国数字医学;20081231(第06期);66-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN111833993A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020260078B2 (en) | Computer-implemented machine learning for detection and statistical analysis of errors by healthcare providers | |
CN108960316B (zh) | 用于生成模型的方法和装置 | |
JP2019093137A5 (zh) | ||
CN109447156B (zh) | 用于生成模型的方法和装置 | |
KR102289277B1 (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
CN109191451B (zh) | 异常检测方法、装置、设备和介质 | |
EP3528179A1 (en) | Training a neural network | |
CN110852894A (zh) | 保险核保方法及装置、计算机存储介质、电子设备 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
US10943157B2 (en) | Pattern recognition method of autoantibody immunofluorescence image | |
CN113723288B (zh) | 基于多模态混合模型的业务数据处理方法及装置 | |
US20210398650A1 (en) | Medical imaging characteristic detection, workflows, and ai model management | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN111008957A (zh) | 医疗信息处理方法和装置 | |
CN112990294B (zh) | 行为判别模型的训练方法、装置、电子设备及存储介质 | |
CN111243711B (zh) | 医学成像中的特征识别 | |
CN109389169A (zh) | 用于处理图像的方法和装置 | |
CN107909088A (zh) | 获取训练样本的方法、装置、设备和计算机存储介质 | |
CN108334626B (zh) | 新闻栏目的生成方法、装置和计算机设备 | |
CN111833993B (zh) | 一种基于ai的区域影像远程质控管理系统 | |
CN113360611A (zh) | 基于检查结果的ai诊断方法、装置、存储介质和设备 | |
CN112711530A (zh) | 一种基于机器学习的代码风险预测方法及系统 | |
CN114140751B (zh) | 一种考场监控方法及系统 | |
CN111653348A (zh) | 手术数据的处理方法、装置及计算机可读存储介质 | |
CN108710901B (zh) | 一种基于深度学习的脊柱畸形筛查系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |