CN111951952A - 一种基于医疗影像信息自动诊断骨科疾病的装置 - Google Patents
一种基于医疗影像信息自动诊断骨科疾病的装置 Download PDFInfo
- Publication number
- CN111951952A CN111951952A CN202010690344.5A CN202010690344A CN111951952A CN 111951952 A CN111951952 A CN 111951952A CN 202010690344 A CN202010690344 A CN 202010690344A CN 111951952 A CN111951952 A CN 111951952A
- Authority
- CN
- China
- Prior art keywords
- medical image
- image information
- diagnosis
- orthopedics
- layer
- 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.)
- Pending
Links
- 230000000399 orthopedic effect Effects 0.000 title claims abstract description 45
- 201000010099 disease Diseases 0.000 title claims abstract description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 10
- 238000003745 diagnosis Methods 0.000 claims abstract description 53
- 238000002372 labelling Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 210000000845 cartilage Anatomy 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 3
- 206010017076 Fracture Diseases 0.000 description 7
- 210000000588 acetabulum Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000020084 Bone disease Diseases 0.000 description 1
- 206010053206 Fracture displacement Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于医疗影像信息自动诊断骨科疾病的装置，其特征在于，所述装置包括：医疗影像获取模块、识别模块、骨科知识数据库、诊断推理机，输出模块；所述医疗影像获取模块，用于获取医疗影像信息；所述识别模块，用于对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注；所述骨科知识数据库，用于存储包含骨科的实体和关系的骨科知识图谱；所述诊断推理机，用于将所述医疗影像信息中识别到的实体和关系与所述骨科知识图谱相结合，进行推理判断，获得诊断结果；所述输出模块，用于输出所述诊断结果。所述装置能够显著提高骨科疾病诊断的准确性和效率。
Description
技术领域
本发明属于医疗器械技术领域，具体地说，涉及一种基于医疗影像信息自动诊断骨科疾病的装置。
背景技术
在骨科医生在进行疾病诊断的时候，绝大部分都依赖于患者的医疗影像。目前医生对于医疗影像的运用，基本都是先进行现场查看，然后根据自己的知识和经验给出诊断结果。由于不同医生的知识储备和临床经验均存在差异，因此会导致诊断结果和治疗方案存在较大偏差。而且这种方式耗时较长，效率低、准确率也不高。
为了解决上述问题，现在有些医生采用在医疗影像器械或者影像原片上进行手动标记，然后再以此为基础进行参数测量，最终给出诊断结果的处理方式。但是这种方式也非常耗时，而且存在比较大的测量误差；更重要的是，如果病灶在影像上表现不明显，或者医生知识和经验缺乏就很容易出现漏诊误诊的情况。
因此，目前急需一种能够有效解决骨科诊断效率低、错误率高，且能够大规模推广使用的技术方案。
发明内容
为了解决现有技术中存在的问题，本发明提出了一种基于医疗影像信息自动诊断骨科疾病的装置。
根据本发明的一个方面，提供一种基于医疗影像信息自动诊断骨科疾病的装置，其特征在于，所述装置包括：医疗影像获取模块、识别模块、骨科知识数据库、诊断推理机和输出模块；
所述医疗影像获取模块，用于获取医疗影像信息；
所述识别模块，用于对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注；
所述骨科知识数据库，用于存储包含骨科的实体和关系的骨科知识图谱；
所述诊断推理机，用于将所述医疗影像信息中识别到的实体和关系与所述骨科知识图谱相结合，进行推理判断，获得诊断结果；
所述输出模块，用于输出所述诊断结果。
根据本发明的一个具体实施方式，
所述诊断推理机，还用于对所述诊断结果中的参数进行测量，并将所述参数与所述骨科知识图谱相结合，获得诊断建议；
所述输出模块，还用于输出所述诊断建议。
根据本发明的另一个具体实施方式，所述诊断建议包括针对于所述诊断结果的治疗方案、术式和/或康复信息。
根据本发明的又一个具体实施方式，
所述实体包括：关键、软骨、病灶和/或术式；
所述关系包括：包含、属于、行为和/或推理。
根据本发明的又一个具体实施方式，所述识别模块采用多层神经网络对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。
根据本发明的又一个具体实施方式，所述多层神经网络包括：输入层、卷积层、池化层、全连接层、迭代层和输出层。
根据本发明的又一个具体实施方式，所述识别模块采用图像算法与浅层机器学习模型相结合的方式，对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。
本发明提供的装置通过将AI技术、机器学习和骨科知识图谱有机结合，实现了机器自动读片，并给出辅助诊断建议；能够更快更好地实现读片诊断，得到更精准的诊断结论。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1所示为根据本发明提供的一种基于医疗影像信息自动诊断骨科疾病的装置的一个具体实施方式的结构示意图；
图2所示为本发明中医疗影像获取模块所获取的医疗影像信息的一个具体实施方式的示意图；
图3所示为本发明中骨科知识数据库中所存储的骨科知识图谱的一个具体实施方式的示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
参见图1，本发明提供了一种基于医疗影像信息自动诊断骨科疾病的装置。所述装置包括：医疗影像获取模块10、识别模块20、骨科知识数据库30、诊断推理机40和输出模块50。
所述医疗影像获取模块10，用于获取医疗影像信息。所述医疗影像信息种类繁多，例如可以是X光片、CT光片、医疗热影像、核磁造影等等。因此，医疗影像获取模块10包括但不限于：超声诊断单元、数字X射线成像单元、磁共振单元、PET/CT单元和/或医学摄像机。
所述识别模块20，用于对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。所述实体包括：关键、软骨、病灶和/或术式；所述关系包括：包含、属于、行为和/或推理。
优选的，所述识别模块20采用多层神经网络对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。其中，所述多层神经网络包括：输入层、卷积层、池化层、全连接层、迭代层和输出层。多层神经网络用于从医疗影像信息中提取出影像特征，并在这些影像特征的基础上完成分类、回归等图像识别和标注行为。每层实现的效果根据神经网络拓扑结构的不同而不同。
除了采用多层神经网络之外，所述识别模块20还可以采用图像算法与浅层机器学习模型相结合的方式，对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。
经过发明人反复研究和多次试验发现，采用多层神经网络的方式识别和标注的准确性更高。
所述骨科知识数据库30，用于存储包含骨科的实体和关系的骨科知识图谱。在骨科知识图谱中的实体和关系包含有识别模块20所能够识别的所有实体和关系，涵盖了骨科诊疗所需要的所有相关知识和结构。这样能够保证将识别模块20识别的内容与骨科知识数据库30中存储的内容相结合时，获得所需的结果。
所述诊断推理机40，用于将所述医疗影像信息中识别到的实体和关系与所述骨科知识图谱相结合，进行推理判断，获得诊断结果。
所述输出模块50，用于输出所述诊断结果。
此外，所述诊断推理机40，还用于对所述诊断结果中的参数进行测量，并将所述参数与所述骨科知识图谱相结合，获得诊断建议。
所述输出模块50，还用于输出所述诊断建议。优选的，所述诊断建议包括针对于所述诊断结果的治疗方案、术式和/或康复信息。
以下通过以具体实施例对本发明所请求保护的装置进行说明：
图2为医疗影像获取模块10所获取的医疗影像信息。
识别模块20对该医疗影像信息进行分析后，识别和标注的实体包括：髋臼顶、泪滴尖端、坐骨结节、髋臼顶连接线、泪滴尖端连接线、坐骨结节连接线、髋臼顶连接线和泪滴尖端连接线夹角、泪滴尖端连接线和坐骨结节连接线夹角；识别和标注的关系包括：解剖部位和连接线的关系、连接线和夹角的关系。
图3所示为骨科知识数据库30中所存储的若干骨科知识图谱中的一个，也是与图2所示医疗影像信息最为相关的一个。
诊断推理机40，将图2中识别的实体和关系与图3所示的骨科知识图谱相结合，进行推理判断，即可得出“髌骨关节外骨折”的诊断结果。具体地，诊断推理机40根据标注的髌骨骨折区域，可以得到骨折区域所处部位为关节外；再在图谱中查找到髌骨骨折及发生部位关节外的节点，并根据关联节点推理出“髌骨关节外骨折”的诊断结果。
此时，输出模块50，输出“髌骨关节外骨折”的诊断结果。
进一步地，诊断推理机40还可以结合诊断结果和骨科知识图谱，对一些诊断参数进行测量，并具体给出诊断建议。诊断参数测量是指在已经完成实体和关系的标注之后，对相关参数进行计算的一个过程，比如：对髋臼顶标志线和泪滴尖端标志线进行倾斜夹角计算，得出倾斜角度参数。具体的参数测量方法根据不同的参数进行选择，常见的测量方法包括：关键位置标记、画标记线、夹角计算等。
继续上例，由于测量了倾斜角度，即可知道该病例存在骨位移。此时，诊断推理机40将诊断结果(“髌骨关节外骨折”)、存在骨移位以及倾斜角度等参数，与骨科知识数据库30中的骨科知识图谱(“髌骨关节外骨折骨移位分型”)相结合，进行推理判断后，即可知道该病例存在“肢体长度差异”，可以给出的“需要进行截骨手术”诊断建议。
再进一步，如果结合患者身高等其他参数，还能继续进行推理判断，例如可以得到截骨长度、需要的手术器械型号等。
此时，输出模块50，可以输出上述的诊断建议。
本发明提供的装置使得基于医疗影像资料的诊断效率得到了数倍的提升，同时实现了诊断错误率数倍的下降。
虽然关于示例实施例及其优点已经详细说明，应当理解在不脱离本发明的精神和所附权利要求限定的保护范围的情况下，可以对这些实施例进行各种变化、替换和修改。对于其他例子，本领域的普通技术人员应当容易理解在保持本发明保护范围内的同时，工艺步骤的次序可以变化。
此外，本发明的应用范围不局限于说明书中描述的特定实施例的工艺、机构、制造、物质组成、手段、方法及步骤。从本发明的公开内容，作为本领域的普通技术人员将容易地理解，对于目前已存在或者以后即将开发出的工艺、机构、制造、物质组成、手段、方法或步骤，其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结果，依照本发明可以对它们进行应用。因此，本发明所附权利要求旨在将这些工艺、机构、制造、物质组成、手段、方法或步骤包含在其保护范围内。
Claims (7)
1.一种基于医疗影像信息自动诊断骨科疾病的装置，其特征在于，所述装置包括：医疗影像获取模块、识别模块、骨科知识数据库、诊断推理机和输出模块；
所述医疗影像获取模块，用于获取医疗影像信息；
所述识别模块，用于对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注；
所述骨科知识数据库，用于存储包含骨科的实体和关系的骨科知识图谱；
所述诊断推理机，用于将所述医疗影像信息中识别到的实体和关系与所述骨科知识图谱相结合，进行推理判断，获得诊断结果；
所述输出模块，用于输出所述诊断结果。
2.根据权利要求1所述的装置，其特征在于，
所述诊断推理机，还用于对所述诊断结果中的参数进行测量，并将所述参数与所述骨科知识图谱相结合，获得诊断建议；
所述输出模块，还用于输出所述诊断建议。
3.根据权利要求2所述的装置，其特征在于，所述诊断建议包括针对于所述诊断结果的治疗方案、术式和/或康复信息。
4.根据权利要求1所述的装置，其特征在于，
所述实体包括：关键、软骨、病灶和/或术式；
所述关系包括：包含、属于、行为和/或推理。
5.根据权利要求4所述的装置，其特征在于，所述识别模块采用多层神经网络对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。
6.根据权利要求5所述的装置，其特征在于，所述多层神经网络包括：输入层、卷积层、池化层、全连接层、迭代层和输出层。
7.根据权利要求4所述的装置，其特征在于，所述识别模块采用图像算法与浅层机器学习模型相结合的方式，对所述医疗影像信息进行分析，对所述医疗影像信息中包含的实体和关系进行识别和标注。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010690344.5A CN111951952A (zh) | 2020-07-17 | 2020-07-17 | 一种基于医疗影像信息自动诊断骨科疾病的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010690344.5A CN111951952A (zh) | 2020-07-17 | 2020-07-17 | 一种基于医疗影像信息自动诊断骨科疾病的装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111951952A true CN111951952A (zh) | 2020-11-17 |
Family
ID=73340067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010690344.5A Pending CN111951952A (zh) | 2020-07-17 | 2020-07-17 | 一种基于医疗影像信息自动诊断骨科疾病的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951952A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112530550A (zh) * | 2020-12-10 | 2021-03-19 | 武汉联影医疗科技有限公司 | 影像报告生成方法、装置、计算机设备和存储介质 |
| CN112790790A (zh) * | 2020-12-23 | 2021-05-14 | 居天医疗科技(深圳)有限公司 | 基于ai识别的运动关节损伤检测设备 |
| CN115062120A (zh) * | 2022-08-18 | 2022-09-16 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 读片知识图谱构建方法、装置、处理器及报告生成方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1913871A1 (en) * | 2006-10-19 | 2008-04-23 | Esaote S.p.A. | Method and apparatus for determining indications helping the diagnosis of orthopedical diseases |
| CN106548038A (zh) * | 2016-12-09 | 2017-03-29 | 江西中科九峰智慧医疗科技有限公司 | 一种基于知识的医疗影像采集分析系统 |
| CN108389614A (zh) * | 2018-03-02 | 2018-08-10 | 西安交通大学 | 基于图像分割与卷积神经网络构建医学影像图谱的方法 |
| CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
| CN110265136A (zh) * | 2019-05-16 | 2019-09-20 | 宁波大学 | 基于红外热成像的骨关节炎症检测分析系统 |
| CN110660480A (zh) * | 2019-09-25 | 2020-01-07 | 上海交通大学 | 脊骨脱位辅助诊断方法及系统 |
| CN111292821A (zh) * | 2020-01-21 | 2020-06-16 | 上海联影智能医疗科技有限公司 | 一种医学诊疗系统 |
-
2020
- 2020-07-17 CN CN202010690344.5A patent/CN111951952A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1913871A1 (en) * | 2006-10-19 | 2008-04-23 | Esaote S.p.A. | Method and apparatus for determining indications helping the diagnosis of orthopedical diseases |
| CN106548038A (zh) * | 2016-12-09 | 2017-03-29 | 江西中科九峰智慧医疗科技有限公司 | 一种基于知识的医疗影像采集分析系统 |
| CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
| CN108389614A (zh) * | 2018-03-02 | 2018-08-10 | 西安交通大学 | 基于图像分割与卷积神经网络构建医学影像图谱的方法 |
| CN110265136A (zh) * | 2019-05-16 | 2019-09-20 | 宁波大学 | 基于红外热成像的骨关节炎症检测分析系统 |
| CN110660480A (zh) * | 2019-09-25 | 2020-01-07 | 上海交通大学 | 脊骨脱位辅助诊断方法及系统 |
| CN111292821A (zh) * | 2020-01-21 | 2020-06-16 | 上海联影智能医疗科技有限公司 | 一种医学诊疗系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112530550A (zh) * | 2020-12-10 | 2021-03-19 | 武汉联影医疗科技有限公司 | 影像报告生成方法、装置、计算机设备和存储介质 |
| CN112790790A (zh) * | 2020-12-23 | 2021-05-14 | 居天医疗科技(深圳)有限公司 | 基于ai识别的运动关节损伤检测设备 |
| CN115062120A (zh) * | 2022-08-18 | 2022-09-16 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 读片知识图谱构建方法、装置、处理器及报告生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111951952A (zh) | 一种基于医疗影像信息自动诊断骨科疾病的装置 | |
| JP6875559B2 (ja) | 映像整合装置及び映像整合方法 | |
| US20220233159A1 (en) | Medical image processing method and device using machine learning | |
| US8194959B2 (en) | Medical image part recognition apparatus and medical image part recognition program | |
| CN108309334B (zh) | 一种脊柱x线影像的数据处理方法 | |
| JP6657210B2 (ja) | テキスト認識に基づくテキストイメージリンキングを伴うピクチャアーカイビングシステム | |
| JP2007528746A (ja) | Ｃａｄ（コンピュータ援用決定）プロセスを日常的なｃａｄシステム利用から得られた知識に適合させるために機械学習を利用する医用画像診断用のｃａｄ支援 | |
| CN1666710A (zh) | 用于产生检查对象结果图像的方法 | |
| US20120278105A1 (en) | Protocol guided imaging procedure | |
| CN110246580B (zh) | 基于神经网络和随机森林的颅侧面影像分析方法和系统 | |
| Bano et al. | AutoFB: automating fetal biometry estimation from standard ultrasound planes | |
| CN116072255B (zh) | 基于人工智能的颈椎退行性疾病ct检查结构化报告系统 | |
| JP2006102353A (ja) | 関節動作解析装置、関節動作解析方法及び関節動作解析プログラム | |
| CN116825266A (zh) | 一种基于医学影像大数据的诊断报告辅助生成系统 | |
| CN115206478A (zh) | 医学报告生成方法以及装置、电子设备、可读存储介质 | |
| JP2005533578A (ja) | コンピュータ支援検出アプリケーションをデジタル画像に割り当てるシステム及び方法 | |
| CN108492885A (zh) | 检查工作流推荐方法、装置及终端 | |
| CN110916695A (zh) | 确定脊柱扫描视野的方法、装置及图像处理设备 | |
| Alzubaidi et al. | Comprehensive review of deep learning in orthopaedics: Applications, challenges, trustworthiness, and fusion | |
| WO2021177357A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| CN117322865B (zh) | 基于深度学习的颞下颌关节盘移位mri检查诊断系统 | |
| Jeong et al. | Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning | |
| US8045779B2 (en) | Method and device for evaluation of an image and/or of a time sequence of images of tissue or tissue samples | |
| US7481789B2 (en) | Method for segmenting a medical data set | |
| CN111986217A (zh) | 一种图像处理方法、装置及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |
|
| RJ01 | Rejection of invention patent application after publication |