CN111916185A - 为ai诊断模型提供影像数据的管理系统及方法 - Google Patents
为ai诊断模型提供影像数据的管理系统及方法 Download PDFInfo
- Publication number
- CN111916185A CN111916185A CN202010827194.8A CN202010827194A CN111916185A CN 111916185 A CN111916185 A CN 111916185A CN 202010827194 A CN202010827194 A CN 202010827194A CN 111916185 A CN111916185 A CN 111916185A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- module
- diagnostic
- diagnosis
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 56
- 238000003745 diagnosis Methods 0.000 claims abstract description 220
- 238000013500 data storage Methods 0.000 claims abstract description 101
- 238000000605 extraction Methods 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000007726 management method Methods 0.000 claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 34
- 239000000284 extract Substances 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 201000010099 disease Diseases 0.000 claims description 34
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 34
- 238000012552 review Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 7
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 description 18
- 239000012634 fragment Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000003902 lesion Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000011976 chest X-ray Methods 0.000 description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 230000001394 metastastic effect Effects 0.000 description 4
- 206010061289 metastatic neoplasm Diseases 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
Images
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
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种为AI诊断模型提供影像数据的管理系统,包括当患者拍摄完检查项目时,图像预处理模块对DICOM图像序列进行拆分、删除无效图像、格式转换并重命名等预处理,图像类别提取模块提取与AI诊断单元名称一致的重命名后的DICOM图像,图像质量分析模块识别影像诊断的情况,AI调度模块提取符合质量要求的图像和/或与该AI诊断单元匹配的在先运行的AI诊断单元输出的在先数据发送给该AI诊断单元;每个AI诊断单元基于符合质量要求的图像和/或在先数据输出诊断数据;诊断结果判断模块将诊断数据与预设阈值进行对比,对正确诊断结果或错误诊断结果进行标记并发送给数据存储模块。本发明还公开一种为AI诊断模型提供影像数据的管理方法。本发明降低了开发成本,提高了运算效率。
Description
技术领域
本发明涉及医疗信息领域,更具体地,涉及一种为AI诊断模型提供影像数据的管理系统及方法。
背景技术
在单病种多个序贯AI诊断模型运用的场景下,一个检查的图像呆板地传输给多个AI诊断模块,其带宽、存储、运算压力无形增大很多倍,而且每个AI诊断模型都对图像质量和诊断结果质量都有要求。如果在单病种的诊断场景下序贯的使用多个AI诊断模型,都需要进行图像质量和诊断结果的判断,不仅每个AI诊断模型的开发成本高,而且严重浪费系统的存储空间、带宽,影响运算能力。现有技术中,还未有一个通用的管理层系统来解决上述问题。
发明内容
有鉴于此,本发明的主要目的在于提供一种为AI诊断模型提供影像数据的管理系统及方法,能够解决现有技术中存在的AI诊断模型开发成本高、占用存储空间大以及传输带宽高的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一方面,本发明提供了一种为AI诊断模型提供影像数据的管理系统,包括影像信息管理模块、图像预处理模块、图像类别提取模块、图像质量分析模块、AI调度模块、复数个单病种AI诊断模块、诊断结果判断模块和数据存储模块,其中,影像信息管理模块,与图像预处理模块相连,用于当患者扫描完某项检查项目时,将该患者的DICOM图像发送给图像预处理模块;每个单病种AI诊断模块,分别与AI调度模块和诊断结果判断模块相连,包括N个AI诊断单元;图像预处理模块,分别与影像信息管理模块和图像类别提取模块相连,用于基于每个DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,定义为第一图像,根据预设的规则和DICOM图像头文件信息对第一图像进行格式转换并重命名,输出第二图像发送给图像类别提取模块,基于DICOM图像头文件信息对第一图像设置标签,生成第一标签数据发送给图像类别提取模块;图像类别提取模块,分别与图像预处理模块、数据存储模块和图像质量分析模块相连,用于将第二图像的名称和AI诊断单元的分类名称进行对比,若第二图像的名称与AI诊断单元的分类名称一致,则将第二图像以及第一标签数据发送给图像质量分析模块,若第二图像的名称与AI诊断单元的分类名称不一致,则生成第一提示信息,将第一提示信息发送给数据存储模块;图像质量分析模块,分别与图像类别提取模块和数据存储模块相连,用于基于与AI诊断单元匹配的预设条件,对第二图像进行质量的分析,将符合预设条件的第二图像以及第一标签数据发送给数据存储模块;其中,符合预设条件的第二图像定义为第三图像;AI调度模块,分别与数据存储模块、每个单病种AI诊断模块相连,用于提取第三图像和/或与该AI诊断单元匹配的在先运行的AI诊断单元输出的在先数据发送给该AI诊断单元;每个AI诊断单元,用于基于第三图像和/或在先数据,输出诊断数据;其中,诊断数据包括诊断图像和诊断标签数据;诊断结果判断模块,分别每个单病种AI诊断模块、数据存储模块相连,用于将诊断数据与预设阈值进行对比,为在预设阈值范围内的诊断数据设置为正确标签,在预设阈值范围外的诊断数据生成第二提示信息,并将正确标签或第二提示信息发送给数据存储模块;数据存储模块,分别与图像类别提取模块、图像质量分析模块、AI调度模块和诊断结果判断模块相连,用于存储第一提示信息、第三图像、诊断数据、正确标签和第二提示信息,供AI调度模块调用。
优选地,该系统还包括第一数据处理模块,分别与质量分析模块和数据存储模块相连,用于对第三图像进行优化处理,输出第四图像,并将第四图像以及对第三图像优化的记录数据发送给数据存储模块;对第一标签数据进行优化处理,输出第二标签数据,并将第二标签数据以及对第一标签数据优化的记录数据发送给数据存储模块;此时,AI调度模块用于提取第四图像和/或在先数据发送给该AI诊断单元。
优选地,该系统还包括第二数据处理模块和第二数据存储模块,其中,第二数据处理模块,分别与每个单病种AI诊断模块和第二数据存储模块相连,用于对诊断数据进行优化处理,输出优化后的诊断数据并发送给第二数据存储模块,同时,将对诊断数据优化的记录数据发送给第二数据存储模块;第二数据存储模块,分别与第二数据处理模块和诊断结果判断模块相连,用于存储优化后的诊断数据以及对诊断数据优化的记录数据,并将优化后的诊断数据发送给诊断结果判断模块。
优选地,该系统还包括结构化报告模块,与AI调度模块相连,用于接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,供医生查看;此时,AI调度模块还用于将第一提示信息、第二提示信息发送给结构化报告模块,供医生实时处理。
优选地,当AI诊断单元为非第一时间运行的AI诊断单元时,图像类别提取模块还包括第一图像提取单元,与AI调度模块相连,基于DICOM图像头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,即,第二图像,并将第二图像发送给图像质量分析模块;此时,AI调度模块还用于将在先数据发送给第一图像提取单元。
另一方面,本发明还提供了一种为AI诊断模型提供影像数据的管理方法,包括:当患者扫描完某项检查项目时,影像信息管理模块将该患者的DICOM图像发送给图像预处理模块;图像预处理模块基于每个DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,定义为第一图像,根据预设的规则和DICOM图像头文件信息对第一图像进行格式转换并重命名,输出第二图像发送给图像类别提取模块,基于DICOM图像头文件信息对第一图像设置标签,生成第一标签数据发送给图像类别提取模块;图像类别提取模块将第二图像的名称和AI诊断单元的分类名称进行对比,若第二图像的名称与AI诊断单元的分类名称一致,则将第二图像以及第一标签数据发送给图像质量分析模块,若第二图像的名称与AI诊断单元的分类名称不一致,则生成第一提示信息,将第一提示信息发送给数据存储模块;图像质量分析模块基于与AI诊断单元匹配的预设条件,对第二图像进行质量的分析,将符合预设条件的第二图像以及第一标签数据发送给数据存储模块;其中,符合所述预设条件的第二图像定义为第三图像;AI调度模块提取第三图像和/或与该AI诊断单元匹配的在先运行的AI诊断单元输出的在先数据发送给该AI诊断单元;每个单病种AI诊断模块包括N个AI诊断单元,每个AI诊断单元基于第三图像和/或在先数据,输出诊断数据;其中,诊断数据包括诊断图像和诊断标签数据;诊断结果判断模块将诊断数据与预设阈值进行对比,为在预设阈值范围内的诊断数据设置为正确标签,在预设阈值范围外的诊断数据生成第二提示信息,并将正确标签或第二提示信息发送给数据存储模块;数据存储模块存储第一提示信息、第三图像、诊断数据、正确标签和第二提示信息,供AI调度模块调用。
优选地,该方法还包括:第一数据处理模块对第三图像进行优化处理,输出第四图像,并将第四图像以及对第三图像优化的记录数据发送给数据存储模块;对第一标签数据进行优化处理,输出第二标签数据,并将第二标签数据以及对第一标签数据优化的记录数据发送给数据存储模块;此时,AI调度模块提取第四图像和/或在先数据发送给该AI诊断单元。
优选地,该方法还包括:第二数据处理模块对诊断数据进行优化处理,输出优化后的诊断数据并发送给第二数据存储模块,同时,将对诊断数据优化的记录数据发送给第二数据存储模块块;第二数据存储模块存储优化后的诊断数据以及对诊断数据优化的记录数据,并将优化后的诊断数据发送给诊断结果判断模块。
优选地,该方法还包括:结构化报告模块接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,供医生查看;此时,AI调度模块还将第一提示信息、第二提示信息发送给结构化报告模块,供医生实时处理。
优选地,当AI诊断单元为非第一时间运行的AI诊断单元时,该方法还包括:图像类别提取模块中的第一图像提取单元基于DICOM图像头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,即,第二图像,并将第二图像发送给图像质量分析模块;此时,AI调度模块还用于将在先数据发送给第一图像提取单元。
本发明的技术效果:
1.由于本发明中设置了图像预处理模块、图像类别提取模块、图像质量分析模块和诊断结果判断模块,当患者拍摄完检查项目时,图像预处理模块对DICOM图像序列进行拆分、删除无效图像、格式转换并重命名等预处理,图像类别提取模块提取与AI诊断单元名称一致的重命名后的DICOM图像,图像质量分析模块识别影像诊断的情况,如图像伪影、图像对比度差、图像信噪比低等,诊断结果判断模块将诊断数据与预设阈值进行对比,对正确诊断结果或错误诊断结果进行标记;本系统针对单病种序贯运用多个影像AI诊断模型的场景下,提供了一个通用的管理层系统,个性化地为每个AI诊断模型提供特定需要的图像,并进行图像质量的判断,同时,对AI诊断模型输出结果正确与否的判定;本系统降低了每个AI诊断模型的开发成本以及整个系统的存储空间、传输带宽的要求,提高了GPU的运算效率;
2.由于本发明设置了第一数据处理模块,可以对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等,可以更高效的用于AI诊断单元的训练及诊断,提高了训练的精度和诊断的精度;同时,将优化的方法存储到数据存储模块中,能够方便的供医生查看优化过程;
3.由于本发明设置了第二数据处理模块和第二数据存储模块,可以在诊断结果判断模块运行之前,对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等,可以使得诊断数据更接近金标准;同时,第二数据存储模块存储了对诊断数据优化的记录数据,可以方便医生查看,使得系统更加人性化;
4.由于本发明设置了结构化报告模块,接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,把AI诊断单元测量的结果转化为定性判断,用于后续报告接入流程,供医生查看,提高了医生对疾病的诊断精度;
5.由于本发明设置了第一图像提取单元,能基于DICOM图像的头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度;可以针对不同的检查类型,提取与AI诊断单元匹配的DICOM图像,系统的通用性更强。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明实施例一的为AI诊断模型提供影像数据的管理系统结构示意图;
图2示出了根据本发明实施例二的为AI诊断模型提供影像数据的管理系统结构示意图;
图3示出了根据本发明实施例三的为AI诊断模型提供影像数据的管理系统结构示意图;
图4示出了根据本发明实施例四的为AI诊断模型提供影像数据的管理系统结构示意图;
图5示出了根据本发明实施例五的为AI诊断模型提供影像数据的管理系统结构示意图;
图6示出了根据本发明实施例六的为AI诊断模型提供影像数据的管理方法的流程图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
实施例一
图1示出了根据本发明实施例一的为AI诊断模型提供影像数据的管理系统结构示意图;如图1所示,该系统包括:影像信息管理模块10、图像预处理模块20、图像类别提取模块30、图像质量分析模块40、AI调度模块60、复数个单病种AI诊断模块70、诊断结果判断模块80和数据存储模块50,其中,
影像信息管理模块10,与图像预处理模块20相连,用于当患者扫描完某项检查项目时,将该患者的DICOM图像发送给图像预处理模块20;
其中,影像信息管理模块为RIS(Radiology Information System)系统。
每个单病种AI诊断模块70,分别与AI调度模块60和诊断结果判断模块80相连,包括N个AI诊断单元;
图像预处理模块20,分别与影像信息管理模块10和图像类别提取模块30相连,用于基于每个DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,定义为第一图像,根据预设的规则和DICOM图像头文件信息对第一图像进行格式转换并重命名,输出第二图像发送给图像类别提取模块,基于DICOM图像头文件信息对第一图像设置标签,生成第一标签数据发送给图像类别提取模块;
图像预处理模块将每个检查号下的图像分成多个序列,如相同序列内同一扫描区域有多重不同性质的图像,保证同一序列内仅有同一性质的图像,如动态增强扫描的不同期相拆分成不同序列图像;
基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,比如,删除无效图像,删除2D数据、重组数据等不能用于AI诊断的图像。
DICOM图像头文件信息包括序列描述、序列采集时间、层厚、扫描方向、图像位置、扫描参数等,根据预设的规则,对第一图像进行格式转换,转换成nifty格式的图像并重命名。
对第一图像设置标签,生成第一标签数据,比如胸部X线DICOM图像,对肺部的病灶位置设置标签,把肺部病灶标注出来。
图像类别提取模块30,分别与图像预处理模块20、数据存储模块50和图像质量分析模块40相连,用于将第二图像的名称和AI诊断单元的分类名称进行对比,若第二图像的名称与AI诊断单元的分类名称一致,则将第二图像以及第一标签数据发送给图像质量分析模块40,若第二图像的名称与AI诊断单元的分类名称不一致,则生成第一提示信息,将第一提示信息发送给数据存储模块50;
如果AI诊断单元分类名称与第二图像的名称一致,则可用于后续的AI工作流程,即运行图像质量分析模块,并将图像的类别信息存储到数据存储模块;如果AI诊断单元分类名称与第二图像的名称不一致,则终止后续的AI工作流程,并将第一提示信息发送给数据存储模块,供管理员查看处理。
单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,比如有些模型需要在特定的序列下进行组织/器官的分割,有些模型在分割数据当中寻找病灶,有些模型基于在先运行的模型的判断结果到另外的图像序列中寻找转移的病灶等等。在患者的DICOM数据到达时,由其他决策支持根据临床申请目的,已经锁定了某个特定的序贯AI诊断单元组合处理方案。
例如,胸部X线影像的诊断,所需要的AI诊断模型为:图像质量分割模型、金属植入物诊断模型、置入物分割模型、术后筛查模型、肺野分割诊断模型、二分类诊断模型,则图像类别提取模块将第二图像的名称和AI诊断单元的分类名称进行对比,基于提取与上述模型匹配的第二图像并发送给图像质量分析模块。其中,与每个AI诊断单元对应的图像要求可以用列表的形式体现,图像类别提取模块根据列表中每个AI诊断单元对应的要求进行提取,比如,肺野分割诊断模型需要正位胸片图像。
每个AI诊断单元所对应的图像要求体现的形式在此不做任何限定。
图像质量分析模块40,分别与图像类别提取模块30和数据存储模块50相连,用于基于与AI诊断单元匹配的预设条件,对第二图像进行质量的分析,将符合预设条件的第二图像以及第一标签数据发送给数据存储模块50;其中,符合预设条件的第二图像定义为第三图像;
图像质量分析模块识别影像诊断的情况,比如图像伪影、图像对比度差、图像信噪比低等,这些都不符合预设条件,影像AI诊断单元的诊断,如果无图像质量不合格,则可用于后续AI工作流程,将图像的质量合格信息存储到数据存储模块;如果有图像质量不合格,则终止AI诊断流程,将图像质量不合格的信息存储到数据存储模块。
AI调度模块60,分别与数据存储模块50、每个单病种AI诊断模块70相连,用于提取第三图像和/或与该AI诊断单元匹配的在先运行的AI诊断单元输出的在先数据发送给该AI诊断单元;
由于单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,而且每个AI诊断单元之间存在逻辑关系,运行的顺序有可能是并行也有可能是顺序进行,还有可能是在后运行的AI诊断单元需要利用在先运行的AI诊断单元,所以,AI调度模块在提取第三图像的同时会根据该AI诊断单元的需求提取在先数据,本技术点已经在同日申请的序贯型AI诊断模型临床应用调度管理系统及其方法发明专利中进行了详细的阐述,在此不做赘述。
每个AI诊断单元,用于基于第三图像和/或在先数据,输出诊断数据;其中,诊断数据包括诊断图像和诊断标签数据;
诊断结果判断模块80,分别每个单病种AI诊断模块70、数据存储模块50相连,用于将诊断数据与预设阈值进行对比,为在预设阈值范围内的诊断数据设置为正确标签,在预设阈值范围外的诊断数据生成第二提示信息,并将正确标签或第二提示信息发送给数据存储模块50;
诊断结果判断模块统计单个或多个AI诊断单元输出的定量和分类结果,与预设阈值进行比较,筛选出偏畸值、矛盾值等等,如果有偏畸值或矛盾值,则终止接入报告流程,或给出明确指示信息(第二提示信息)以便人工处理,如果无偏畸值、矛盾值(正确标签)则将AI诊断单元输出结果接入报告流程。
数据存储模块50,分别与图像类别提取模块30、图像质量分析模块40、AI调度模块60和诊断结果判断模块80相连,用于存储第一提示信息、第三图像、诊断数据、正确标签和第二提示信息,供AI调度模块60调用。
每组AI输出的诊断结果,都会存储到数据存储模块中供AI调度模块调用,根据结构化报告的需求,将诊断结果传输给结构化报告,自动生成影像表现。出具诊断报告的过程通常晚于患者扫描30分钟以上,在诊断医生撰写影像报告的时候,这组AI诊断单元已经运行完毕,将诊断结果呈现在结构化报告中,供医生查看。
本发明的实施例设置了图像预处理模块、图像类别提取模块、图像质量分析模块和诊断结果判断模块,当患者拍摄完检查项目时,图像预处理模块对DICOM图像序列进行拆分、删除无效图像、格式转换并重命名等预处理,图像类别提取模块提取与AI诊断单元名称一致的重命名后的DICOM图像,图像质量分析模块识别影像诊断的情况,如图像伪影、图像对比度差、图像信噪比低等,诊断结果判断模块将诊断数据与预设阈值进行对比,对正确诊断结果或错误诊断结果进行标记;本系统针对单病种序贯运用多个影像AI诊断模型的场景下,提供了一个通用的管理层系统,个性化地为每个AI诊断模型提供特定需要的图像,并进行图像质量的判断,同时,对AI诊断模型输出结果正确与否的判定;本系统降低了每个AI诊断模型的开发成本以及整个系统的存储空间、传输带宽的要求,提高了GPU的运算效率。
实施例二
图2示出了根据本发明实施例二的为AI诊断模型提供影像数据的管理系统结构示意图,如图2所示,该系统还包括第一数据处理模块90,分别与质量分析模块40和数据存储模块50相连,用于对第三图像进行优化处理,输出第四图像,并将第四图像以及对第三图像优化的记录数据发送给数据存储模块50;对第一标签数据进行优化处理,输出第二标签数据,并将第二标签数据以及对第一标签数据优化的记录数据发送给数据存储模块50;此时,AI调度模块60用于提取第四图像和/或在先数据发送给该AI诊断单元。
比如,对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等。
本发明的实施例设置了第一数据处理模块,可以对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等,可以更高效的用于AI诊断单元的训练及诊断,提高了训练的精度和诊断的精度;同时,将优化的方法存储到数据存储模块中,能够方便的供医生查看优化过程。
实施例三
图3示出了根据本发明实施例三的为AI诊断模型提供影像数据的管理系统结构示意图;如图3所示,该系统还包括第二数据处理模块100和第二数据存储模块110,其中,
第二数据处理模块100,分别与每个单病种AI诊断模块70和第二数据存储模块50相连,用于对诊断数据进行优化处理,输出优化后的诊断数据并发送给第二数据存储模块110,同时,将对诊断数据优化的记录数据发送给第二数据存储模块110;
第二数据存储模块110,分别与第二数据处理模块100和诊断结果判断模块80相连,用于存储优化后的诊断数据以及对诊断数据优化的记录数据,并将优化后的诊断数据发送给诊断结果判断模块80。
比如,第二数据处理模块对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等。
本发明的实施例设置了第二数据处理模块和第二数据存储模块,可以在诊断结果判断模块运行之前,对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等,可以使得诊断数据更接近金标准;同时,第二数据存储模块存储了对诊断数据优化的记录数据,可以方便医生查看,使得系统更加人性化。
实施例四
图4示出了根据本发明实施例四的为AI诊断模型提供影像数据的管理系统结构示意图;如图4所示,该系统还包括结构化报告模块120,与AI调度模块60相连,用于接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,供医生查看。
此时,AI调度模块60还用于将第一提示信息、第二提示信息发送给结构化报告模块120,供医生实时处理。医生能够及时分析相关图像或手动修改标注。
本发明的实施例设置了结构化报告模块,接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,把AI诊断单元测量的结果转化为定性判断,用于后续报告接入流程,供医生查看,提高了医生对疾病的诊断精度。
实施例五
图5示出了根据本发明实施例五的为AI诊断模型提供影像数据的管理系统结构示意图,如图5所示,当AI诊断单元为非第一时间运行的AI诊断单元时,图像类别提取模块30还包括第一图像提取单元302,与AI调度模块60相连,基于DICOM图像头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,即,第二图像,并将第二图像发送给图像质量分析模块40;此时,AI调度模块60还用于将在先数据发送给第一图像提取单元302。
单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,比如有些模型需要在特定的序列下进行组织/器官的分割,有些模型在分割数据当中寻找病灶,有些模型基于在先运行的模型的判断结果到另外的图像序列中寻找转移的病灶等等。在患者的DICOM数据到达时,由其他决策支持根据临床申请目的,已经锁定了某个特定的序贯AI诊断单元组合处理方案。第一图像提取单元根据DICOM图像的头文件信息和/或在先数据提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度。
本发明的实施例设置了第一图像提取单元,能基于DICOM图像的头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度;可以针对不同的检查类型,提取与AI诊断单元匹配的DICOM图像,系统的通用性更强。
实施例六
图6示出了根据本发明实施例六的为AI诊断模型提供影像数据的管理方法的流程图;如图6所示,该方法包括以下步骤:
步骤S601,当患者扫描完某项检查项目时,影像信息管理模块将该患者的DICOM图像发送给图像预处理模块;
其中,影像信息管理模块为RIS(Radiology Information System)系统;
步骤S602,图像预处理模块基于每个DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,定义为第一图像,根据预设的规则和DICOM图像头文件信息对第一图像进行格式转换并重命名,输出第二图像发送给图像类别提取模块,基于DICOM图像头文件信息对第一图像设置标签,生成第一标签数据发送给图像类别提取模块;
图像预处理模块将每个检查号下的图像分成多个序列,如相同序列内同一扫描区域有多重不同性质的图像,保证同一序列内仅有同一性质的图像,如动态增强扫描的不同期相拆分成不同序列图像;
基于图像的大小和DICOM图像头文件信息提取符合AI诊断单元要求的DICOM图像,比如,删除无效图像,删除2D数据、重组数据等不能用于AI诊断的图像。
DICOM图像头文件信息包括序列描述、序列采集时间、层厚、扫描方向、图像位置、扫描参数等,根据预设的规则,对第一图像进行格式转换,转换成nifty格式的图像并重命名。
对第一图像设置标签,生成第一标签数据,比如胸部X线DICOM图像,对肺部的病灶位置设置标签,把肺部病灶标注出来。
步骤S603,图像类别提取模块将第二图像的名称和AI诊断单元的分类名称进行对比,若第二图像的名称与AI诊断单元的分类名称一致,则将第二图像以及第一标签数据发送给图像质量分析模块,若第二图像的名称与AI诊断单元的分类名称不一致,则生成第一提示信息,将第一提示信息发送给数据存储模块;
如果AI诊断单元分类名称与第二图像的名称一致,则可用于后续的AI工作流程,即运行图像质量分析模块,并将图像的类别信息存储到数据存储模块;如果AI诊断单元分类名称与第二图像的名称不一致,则终止后续的AI工作流程,并将第一提示信息发送给数据存储模块,供管理员查看处理。
单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,比如有些模型需要在特定的序列下进行组织/器官的分割,有些模型在分割数据当中寻找病灶,有些模型基于在先运行的模型的判断结果到另外的图像序列中寻找转移的病灶等等。在患者的DICOM数据到达时,由其他决策支持根据临床申请目的,已经锁定了某个特定的序贯AI诊断单元组合处理方案。
例如,胸部X线影像的诊断,所需要的AI诊断模型为:图像质量分割模型、金属植入物诊断模型、置入物分割模型、术后筛查模型、肺野分割诊断模型、二分类诊断模型,则图像类别提取模块将第二图像的名称和AI诊断单元的分类名称进行对比,基于提取与上述模型匹配的第二图像并发送给图像质量分析模块。其中,与每个AI诊断单元对应的图像要求可以用列表的形式体现,图像类别提取模块根据列表中每个AI诊断单元对应的要求进行提取,比如,肺野分割诊断模型需要正位胸片图像。
每个AI诊断单元所对应的图像要求体现的形式在此不做任何限定。
步骤S604,图像质量分析模块基于与AI诊断单元匹配的预设条件,对第二图像进行质量的分析,将符合预设条件的第二图像以及第一标签数据发送给数据存储模块;其中,符合所述预设条件的第二图像定义为第三图像;
图像质量分析模块识别影像诊断的情况,比如图像伪影、图像对比度差、图像信噪比低等,这些都不符合预设条件,影像AI诊断单元的诊断,如果无图像质量不合格,则可用于后续AI工作流程,将图像的质量合格信息存储到数据存储模块;如果有图像质量不合格,则终止AI诊断流程,将图像质量不合格的信息存储到数据存储模块。
步骤S605,AI调度模块提取第三图像和/或与该AI诊断单元匹配的在先运行的AI诊断单元输出的在先数据发送给该AI诊断单元;
由于单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,而且每个AI诊断单元之间存在逻辑关系,运行的顺序有可能是并行也有可能是顺序进行,还有可能是在后运行的AI诊断单元需要利用在先运行的AI诊断单元,所以,AI调度模块在提取第三图像的同时会根据该AI诊断单元的需求提取在先数据,本技术点已经在同日申请的序贯型AI诊断模型临床应用调度管理系统及其方法发明专利中进行了详细的阐述,在此不做赘述。
步骤S606,每个单病种AI诊断模块包括N个AI诊断单元,每个AI诊断单元基于第三图像和/或在先数据,输出诊断数据;其中,诊断数据包括诊断图像和诊断标签数据;
步骤S607,诊断结果判断模块将诊断数据与预设阈值进行对比,为在预设阈值范围内的诊断数据设置为正确标签,在预设阈值范围外的诊断数据生成第二提示信息,并将正确标签或第二提示信息发送给数据存储模块;
诊断结果判断模块统计单个或多个AI诊断单元输出的定量和分类结果,与预设阈值进行比较,筛选出偏畸值、矛盾值等等,如果有偏畸值或矛盾值,则终止接入报告流程,或给出明确指示信息(第二提示信息)以便人工处理,如果无偏畸值、矛盾值(正确标签)则将AI诊断单元输出结果接入报告流程。
步骤S608,数据存储模块存储第一提示信息、第三图像、诊断数据、正确标签和第二提示信息,供AI调度模块调用。
每组AI输出的诊断结果,都会存储到数据存储模块中供AI调度模块调用,根据结构化报告的需求,将诊断结果传输给结构化报告,自动生成影像表现。出具诊断报告的过程通常晚于患者扫描30分钟以上,在诊断医生撰写影像报告的时候,这组AI诊断单元已经运行完毕,将诊断结果呈现在结构化报告中,供医生查看。
其中,该方法还包括:第一数据处理模块对第三图像进行优化处理,输出第四图像,并将第四图像以及对第三图像优化的记录数据发送给数据存储模块;对第一标签数据进行优化处理,输出第二标签数据,并将第二标签数据以及对第一标签数据优化的记录数据发送给数据存储模块;此时,AI调度模块提取第四图像和/或在先数据发送给该AI诊断单元。
比如,对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等。
其中,该方法还包括:第二数据处理模块对诊断数据进行优化处理,输出优化后的诊断数据并发送给第二数据存储模块,同时,将对诊断数据优化的记录数据发送给第二数据存储模块块;第二数据存储模块存储优化后的诊断数据以及对诊断数据优化的记录数据,并将优化后的诊断数据发送给诊断结果判断模块。
比如,第二数据处理模块对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等。
其中,该方法还包括:结构化报告模块接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,供医生查看。此时,AI调度模块还将第一提示信息、第二提示信息发送给结构化报告模块,供医生实时处理。医生能够及时分析相关图像或手动修改标注。
其中,当AI诊断单元为非第一时间运行的AI诊断单元时,该方法还包括:图像类别提取模块中的第一图像提取单元基于DICOM图像头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,即,第二图像,并将第二图像发送给图像质量分析模块;此时,AI调度模块还用于将在先数据发送给第一图像提取单元。
单病种的序贯AI诊断模型的应用往往集成了5-7个AI诊断单元的应用,比如有些模型需要在特定的序列下进行组织/器官的分割,有些模型在分割数据当中寻找病灶,有些模型基于在先运行的模型的判断结果到另外的图像序列中寻找转移的病灶等等。在患者的DICOM数据到达时,由其他决策支持根据临床申请目的,已经锁定了某个特定的序贯AI诊断单元组合处理方案。第一图像提取单元根据DICOM图像的头文件信息和/或在先数据提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度。
本发明的实施例中的图像预处理模块、图像类别提取模块、图像质量分析模块和诊断结果判断模块,当患者拍摄完检查项目时,图像预处理模块对DICOM图像序列进行拆分、删除无效图像、格式转换并重命名等预处理,图像类别提取模块提取与AI诊断单元名称一致的重命名后的DICOM图像,图像质量分析模块识别影像诊断的情况,如图像伪影、图像对比度差、图像信噪比低等,诊断结果判断模块将诊断数据与预设阈值进行对比,对正确诊断结果或错误诊断结果进行标记;本系统针对单病种序贯运用多个影像AI诊断模型的场景下,提供了一个通用的管理层系统,个性化地为每个AI诊断模型提供特定需要的图像,并进行图像质量的判断,同时,对AI诊断模型输出结果正确与否的判定;本系统降低了每个AI诊断模型的开发成本以及整个系统的存储空间、传输带宽的要求,提高了GPU的运算效率;本发明实施例中的第一数据处理模块,可以对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等,可以更高效的用于AI诊断单元的训练及诊断,提高了训练的精度和诊断的精度;同时,将优化的方法存储到数据存储模块中,能够方便的供医生查看优化过程;本发明实施例中的第二数据处理模块和第二数据存储模块,可以在诊断结果判断模块运行之前,对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等,可以使得诊断数据更接近金标准;同时,第二数据存储模块存储了对诊断数据优化的记录数据,可以方便医生查看,使得系统更加人性化;本发明实施例中的结构化报告模块,接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,把AI诊断单元测量的结果转化为定性判断,用于后续报告接入流程,供医生查看,提高了医生对疾病的诊断精度;本发明实施例中的第一图像提取单元,能基于DICOM图像的头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度;可以针对不同的检查类型,提取与AI诊断单元匹配的DICOM图像,系统的通用性更强。
从以上描述中,可以看出,本发明的上述实施例实现了如下技术效果:由于本发明的实施例设置了图像预处理模块、图像类别提取模块、图像质量分析模块和诊断结果判断模块,当患者拍摄完检查项目时,图像预处理模块对DICOM图像序列进行拆分、删除无效图像、格式转换并重命名等预处理,图像类别提取模块提取与AI诊断单元名称一致的重命名后的DICOM图像,图像质量分析模块识别影像诊断的情况,如图像伪影、图像对比度差、图像信噪比低等,诊断结果判断模块将诊断数据与预设阈值进行对比,对正确诊断结果或错误诊断结果进行标记;本系统针对单病种序贯运用多个影像AI诊断模型的场景下,提供了一个通用的管理层系统,个性化地为每个AI诊断模型提供特定需要的图像,并进行图像质量的判断,同时,对AI诊断模型输出结果正确与否的判定;本系统降低了每个AI诊断模型的开发成本以及整个系统的存储空间、传输带宽的要求,提高了GPU的运算效率;由于本发明的实施例设置了第一数据处理模块,可以对第三图像进行优化处理,去除图像周边的无效区域、图像平滑、图像减影、阈值分割等,对第一标签数据进行优化处理,去除小的标注碎片区域、保留标签的最大连通域、标签运算等,可以更高效的用于AI诊断单元的训练及诊断,提高了训练的精度和诊断的精度;同时,将优化的方法存储到数据存储模块中,能够方便的供医生查看优化过程;由于本发明的实施例设置了第二数据处理模块和第二数据存储模块,可以在诊断结果判断模块运行之前,对诊断数据进行优化处理,去除小的碎片区域、保留最大连通域、标签平滑、标签插值、腐蚀、膨胀等,可以使得诊断数据更接近金标准;同时,第二数据存储模块存储了对诊断数据优化的记录数据,可以方便医生查看,使得系统更加人性化;由于本发明的实施例设置了结构化报告模块,接收优化后的诊断数据,基于优化后的诊断数据自动生成诊断印象,把AI诊断单元测量的结果转化为定性判断,用于后续报告接入流程,供医生查看,提高了医生对疾病的诊断精度;由于本发明的实施例设置了第一图像提取单元,能基于DICOM图像的头文件信息和/或在先数据,提取与该AI诊断单元匹配的DICOM图像,既能仅基于DICOM图像的头文件信息,也能基于在先数据,还能两者兼有的方法,提高了提取DICOM图像的准确度;可以针对不同的检查类型,提取与AI诊断单元匹配的DICOM图像,系统的通用性更强。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种为AI诊断模型提供影像数据的管理系统,其特征在于,包括影像信息管理模块、图像预处理模块、图像类别提取模块、图像质量分析模块、AI调度模块、复数个单病种AI诊断模块、诊断结果判断模块和数据存储模块,其中,
所述影像信息管理模块,与所述图像预处理模块相连,用于当患者扫描完某项检查项目时,将该患者的DICOM图像发送给所述图像预处理模块;
每个所述单病种AI诊断模块,分别与所述AI调度模块和所述诊断结果判断模块相连,包括N个AI诊断单元;
所述图像预处理模块,分别与所述影像信息管理模块和所述图像类别提取模块相连,用于基于每个所述DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和所述DICOM图像头文件信息提取符合所述AI诊断单元要求的所述DICOM图像,定义为第一图像,根据预设的规则和所述DICOM图像头文件信息对所述第一图像进行格式转换并重命名,输出第二图像发送给所述图像类别提取模块,基于所述DICOM图像头文件信息对所述第一图像设置标签,生成第一标签数据发送给所述图像类别提取模块;
所述图像类别提取模块,分别与所述图像预处理模块、所述数据存储模块和所述图像质量分析模块相连,用于将所述第二图像的名称和所述AI诊断单元的分类名称进行对比,若所述第二图像的名称与所述AI诊断单元的分类名称一致,则将所述第二图像以及所述第一标签数据发送给所述图像质量分析模块,若所述第二图像的名称与所述AI诊断单元的分类名称不一致,则生成第一提示信息,将所述第一提示信息发送给所述数据存储模块;
所述图像质量分析模块,分别与所述图像类别提取模块和所述数据存储模块相连,用于基于与所述AI诊断单元匹配的预设条件,对所述第二图像进行质量的分析,将符合所述预设条件的所述第二图像以及所述第一标签数据发送给所述数据存储模块;其中,所述符合所述预设条件的所述第二图像定义为第三图像;
所述AI调度模块,分别与所述数据存储模块、每个所述单病种AI诊断模块相连,用于提取所述第三图像和/或与该AI诊断单元匹配的在先运行的所述AI诊断单元输出的在先数据发送给该AI诊断单元;
每个所述AI诊断单元,用于基于所述第三图像和/或所述在先数据,输出诊断数据;其中,所述诊断数据包括诊断图像和诊断标签数据;
所述诊断结果判断模块,分别每个所述单病种AI诊断模块、所述数据存储模块相连,用于将所述诊断数据与预设阈值进行对比,为在所述预设阈值范围内的所述诊断数据设置为正确标签,在所述预设阈值范围外的所述诊断数据生成第二提示信息,并将所述正确标签或所述第二提示信息发送给所述数据存储模块;
所述数据存储模块,分别与所述图像类别提取模块、所述图像质量分析模块、所述AI调度模块和所述诊断结果判断模块相连,用于存储所述第一提示信息、所述第三图像、所述诊断数据、所述正确标签和所述第二提示信息,供所述AI调度模块调用。
2.根据权利要求1所述的为AI诊断模型提供影像数据的管理系统,其特征在于,该系统还包括第一数据处理模块,分别与所述质量分析模块和所述数据存储模块相连,用于对所述第三图像进行优化处理,输出第四图像,并将所述第四图像以及对所述第三图像优化的记录数据发送给所述数据存储模块;对所述第一标签数据进行优化处理,输出第二标签数据,并将所述第二标签数据以及对所述第一标签数据优化的记录数据发送给所述数据存储模块;此时,所述AI调度模块用于提取所述第四图像和/或所述在先数据发送给该AI诊断单元。
3.根据权利要求1所述的为AI诊断模型提供影像数据的管理系统,其特征在于,该系统还包括第二数据处理模块和第二数据存储模块,其中,
所述第二数据处理模块,分别与每个所述单病种AI诊断模块和所述第二数据存储模块相连,用于对所述诊断数据进行优化处理,输出优化后的诊断数据并发送给所述第二数据存储模块,同时,将对所述诊断数据优化的记录数据发送给所述第二数据存储模块;
所述第二数据存储模块,分别与所述第二数据处理模块和所述诊断结果判断模块相连,用于存储所述优化后的诊断数据以及对所述诊断数据优化的记录数据,并将所述优化后的诊断数据发送给所述诊断结果判断模块。
4.根据权利要求3所述的为AI诊断模型提供影像数据的管理系统,其特征在于,该系统还包括结构化报告模块,与所述AI调度模块相连,用于接收所述优化后的诊断数据,基于所述优化后的诊断数据自动生成诊断印象,供医生查看;此时,所述AI调度模块还用于将所述第一提示信息、所述第二提示信息发送给所述结构化报告模块,供医生实时处理。
5.根据权利要求1所述的为AI诊断模型提供影像数据的管理系统,其特征在于,当所述AI诊断单元为非第一时间运行的AI诊断单元时,所述图像类别提取模块还包括第一图像提取单元,与所述AI调度模块相连,基于所述DICOM图像头文件信息和/或所述在先数据,提取与该AI诊断单元匹配的所述DICOM图像,即,所述第二图像,并将所述第二图像发送给所述图像质量分析模块;此时,所述AI调度模块还用于将所述在先数据发送给所述第一图像提取单元。
6.一种为AI诊断模型提供影像数据的管理方法,其特征在于,包括:
当患者扫描完某项检查项目时,影像信息管理模块将该患者的DICOM图像发送给图像预处理模块;
所述图像预处理模块基于每个所述DICOM图像的性质将该DICOM图像序列进行拆分,每个图像序列中的图像性质相同;基于图像的大小和所述DICOM图像头文件信息提取符合所述AI诊断单元要求的所述DICOM图像,定义为第一图像,根据预设的规则和所述DICOM图像头文件信息对所述第一图像进行格式转换并重命名,输出第二图像发送给图像类别提取模块,基于所述DICOM图像头文件信息对所述第一图像设置标签,生成第一标签数据发送给所述图像类别提取模块;
所述图像类别提取模块将所述第二图像的名称和AI诊断单元的分类名称进行对比,若所述第二图像的名称与所述AI诊断单元的分类名称一致,则将所述第二图像以及所述第一标签数据发送给所述图像质量分析模块,若所述第二图像的名称与所述AI诊断单元的分类名称不一致,则生成第一提示信息,将所述第一提示信息发送给所述数据存储模块;
所述图像质量分析模块基于与所述AI诊断单元匹配的预设条件,对所述第二图像进行质量的分析,将符合所述预设条件的所述第二图像以及所述第一标签数据发送给所述数据存储模块;其中,所述符合所述预设条件的所述第二图像定义为第三图像;
AI调度模块提取所述第三图像和/或与该AI诊断单元匹配的在先运行的所述AI诊断单元输出的在先数据发送给该AI诊断单元;
每个单病种AI诊断模块包括N个所述AI诊断单元,每个所述AI诊断单元基于所述第三图像和/或所述在先数据,输出诊断数据;其中,所述诊断数据包括诊断图像和诊断标签数据;
诊断结果判断模块将所述诊断数据与预设阈值进行对比,为在所述预设阈值范围内的所述诊断数据设置为正确标签,在所述预设阈值范围外的所述诊断数据生成第二提示信息,并将所述正确标签或所述第二提示信息发送给所述数据存储模块;
所述数据存储模块存储所述第一提示信息、所述第三图像、所述诊断数据、所述正确标签和所述第二提示信息,供所述AI调度模块调用。
7.根据权利要求6所述的为AI诊断模型提供影像数据的管理方法,其特征在于,该方法还包括:第一数据处理模块对所述第三图像进行优化处理,输出第四图像,并将所述第四图像以及对所述第三图像优化的记录数据发送给所述数据存储模块;对所述第一标签数据进行优化处理,输出第二标签数据,并将所述第二标签数据以及对所述第一标签数据优化的记录数据发送给所述数据存储模块;此时,所述AI调度模块提取所述第四图像和/或所述在先数据发送给该AI诊断单元。
8.根据权利要求6所述的为AI诊断模型提供影像数据的管理方法,其特征在于,该方法还包括:第二数据处理模块对所述诊断数据进行优化处理,输出优化后的诊断数据并发送给第二数据存储模块,同时,将对所述诊断数据优化的记录数据发送给所述第二数据存储模块;所述第二数据存储模块存储所述优化后的诊断数据以及对所述诊断数据优化的记录数据,并将所述优化后的诊断数据发送给所述诊断结果判断模块。
9.根据权利要求8所述的为AI诊断模型提供影像数据的管理方法,其特征在于,该方法还包括:结构化报告模块接收所述优化后的诊断数据,基于所述优化后的诊断数据自动生成诊断印象,供医生查看;此时,所述AI调度模块还将所述第一提示信息、所述第二提示信息发送给所述结构化报告模块,供医生实时处理。
10.根据权利要去6所述的为AI诊断模型提供影像数据的管理方法,其特征在于,当所述AI诊断单元为非第一时间运行的AI诊断单元时,该方法还包括:所述图像类别提取模块中的第一图像提取单元基于所述DICOM图像头文件信息和/或所述在先数据,提取与该AI诊断单元匹配的所述DICOM图像,即,所述第二图像,并将所述第二图像发送给所述图像质量分析模块;此时,所述AI调度模块还用于将所述在先数据发送给所述第一图像提取单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010827194.8A CN111916185B (zh) | 2020-08-17 | 2020-08-17 | 为ai诊断模型提供影像数据的管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010827194.8A CN111916185B (zh) | 2020-08-17 | 2020-08-17 | 为ai诊断模型提供影像数据的管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111916185A true CN111916185A (zh) | 2020-11-10 |
CN111916185B CN111916185B (zh) | 2024-02-20 |
Family
ID=73279078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010827194.8A Active CN111916185B (zh) | 2020-08-17 | 2020-08-17 | 为ai诊断模型提供影像数据的管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111916185B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309550A (zh) * | 2020-11-11 | 2021-02-02 | 复旦大学 | 一种多维医疗影像数据存储管理系统 |
CN112562816A (zh) * | 2020-11-13 | 2021-03-26 | 陈卫霞 | 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法 |
CN113509193A (zh) * | 2021-04-22 | 2021-10-19 | 北京赛迈特锐医疗科技有限公司 | 非创伤性急诊头部ct影像诊断方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555825A (zh) * | 2019-07-23 | 2019-12-10 | 北京赛迈特锐医疗科技有限公司 | 胸部x线影像智能诊断系统及其诊断方法 |
CN111161822A (zh) * | 2018-11-08 | 2020-05-15 | 北京赛迈特锐医疗科技有限公司 | 医学影像人工智能诊断数据管理系统及其管理方法 |
CN111430010A (zh) * | 2020-03-30 | 2020-07-17 | 王博 | 基于dicom图像信息推断扫描序列期相的系统及方法 |
-
2020
- 2020-08-17 CN CN202010827194.8A patent/CN111916185B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161822A (zh) * | 2018-11-08 | 2020-05-15 | 北京赛迈特锐医疗科技有限公司 | 医学影像人工智能诊断数据管理系统及其管理方法 |
CN110555825A (zh) * | 2019-07-23 | 2019-12-10 | 北京赛迈特锐医疗科技有限公司 | 胸部x线影像智能诊断系统及其诊断方法 |
CN111430010A (zh) * | 2020-03-30 | 2020-07-17 | 王博 | 基于dicom图像信息推断扫描序列期相的系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309550A (zh) * | 2020-11-11 | 2021-02-02 | 复旦大学 | 一种多维医疗影像数据存储管理系统 |
CN112562816A (zh) * | 2020-11-13 | 2021-03-26 | 陈卫霞 | 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法 |
CN113509193A (zh) * | 2021-04-22 | 2021-10-19 | 北京赛迈特锐医疗科技有限公司 | 非创伤性急诊头部ct影像诊断方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111916185B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7069359B2 (ja) | 深層学習を使用して癌検出を改善するための方法およびシステム | |
US7653227B2 (en) | Hierarchical modeling in medical abnormality detection | |
CN111916185A (zh) | 为ai诊断模型提供影像数据的管理系统及方法 | |
US7672491B2 (en) | Systems and methods providing automated decision support and medical imaging | |
US7711404B2 (en) | Patient data mining for lung cancer screening | |
CN112868020A (zh) | 用于医学成像报告的改进的分析和生成的系统和方法 | |
JP6807820B2 (ja) | 画像検索装置、方法およびプログラム | |
WO2005001769A2 (en) | Automated regional myocardial assessment for cardiac imaging | |
WO2005081168A2 (en) | Systems and methods for automated diagnosis and decision support for heart related diseases and conditions | |
CN101360453A (zh) | 医学图像的计算机辅助定性定量分析的方法和系统 | |
US11996182B2 (en) | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network | |
CN112309566A (zh) | 影像智能识别与医学智能推理的远程自动诊断系统及方法 | |
Ebersberger et al. | Fully automated derivation of coronary artery calcium scores and cardiovascular risk assessment from contrast medium-enhanced coronary CT angiography studies | |
CN113159040A (zh) | 医学图像分割模型的生成方法及装置、系统 | |
CN115206478A (zh) | 医学报告生成方法以及装置、电子设备、可读存储介质 | |
CN115089112B (zh) | 卒中后认知障碍风险评估模型建立方法、装置及电子设备 | |
KR102469907B1 (ko) | 복수의 폐질환을 스크리닝하기 위한 의료 영상 재구성 장치 및 방법 | |
CN113130050B (zh) | 一种医学信息显示方法及显示系统 | |
CN115359907A (zh) | 在胸部x线片上筛查心脏疾病的智能诊断系统及方法 | |
KR102338369B1 (ko) | 데이터 연합 기반의 질병 진단 시스템 및 그 운용 방법 | |
van de Leur et al. | Inherently explainable deep neural network-based interpretation of electrocardiograms using variational auto-encoders | |
CN111915554B (zh) | 一种基于x光影像的骨折检测定位一体化方法及装置 | |
EP4134977A1 (en) | Predicting radiologic findings with machine-learning | |
CN112508942B (zh) | 一种获取bi-rads等级的方法和系统 | |
US11749398B2 (en) | Medical image recognition system and medical image recognition method |
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 |