CN112017763B - 医疗影像数据传输方法、装置、设备及介质 - Google Patents

医疗影像数据传输方法、装置、设备及介质 Download PDF

Info

Publication number
CN112017763B
CN112017763B CN202010917032.3A CN202010917032A CN112017763B CN 112017763 B CN112017763 B CN 112017763B CN 202010917032 A CN202010917032 A CN 202010917032A CN 112017763 B CN112017763 B CN 112017763B
Authority
CN
China
Prior art keywords
data
medical image
target
subfile
image data
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
Application number
CN202010917032.3A
Other languages
English (en)
Other versions
CN112017763A (zh
Inventor
顾秋杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ping An Smart Healthcare Technology Co ltd
Original Assignee
Shenzhen Ping An Smart Healthcare Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Ping An Smart Healthcare Technology Co ltd filed Critical Shenzhen Ping An Smart Healthcare Technology Co ltd
Priority to CN202010917032.3A priority Critical patent/CN112017763B/zh
Publication of CN112017763A publication Critical patent/CN112017763A/zh
Application granted granted Critical
Publication of CN112017763B publication Critical patent/CN112017763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression

Abstract

本发明涉及大数据领域，提供一种医疗影像数据传输方法、装置、设备及介质，能够首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输，采用基于区块链的分布式存储技术生成每个子文件的区块信息，将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。此外，本发明还可应用于智慧医疗，从而推动智慧城市的建设及数字医疗的发展。本发明还涉及区块链技术，分片数据及区块信息可存储于区块链节点中。

Description

医疗影像数据传输方法、装置、设备及介质
技术领域
本发明涉及大数据技术领域，尤其涉及一种医疗影像数据传输方法、装置、设备及介质。
背景技术
随着人工智能技术的不断发展，人工智能技术被广泛应用于医疗影像辅助诊断系统，辅助诊断系统通过对上传的医疗影像进行智能分析以辅助诊断。
在使用辅助诊断系统时，首先需要从医学影像信息系统(Picture Archiving andCommunication Systems，PACS)中将待分析的影像导出到本地计算机，然后再上传到辅助诊断系统，并且，大部分的辅助诊断都是通过web前端使用上传组件，或使用本地文件传输程序进行传输，在文件传输成功后，再发起AI服务分析请求进行分析。
然而，目前采用的影像文件传输方式还存在以下不足：
(1)只是简单地根据文件格式进行过滤，导致非法文件无法被有效过滤，不仅影响AI诊断，还占用了大量的带宽，影响正常文件的传输；
(2)上传到云服务或者私有服务器上的影像文件存在一定的安全隐患。
发明内容
鉴于以上内容，有必要提供一种医疗影像数据传输方法、装置、设备及介质，能够不仅有效避免了对AI诊断的影响，同时节约了带宽，且实现了对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
一种医疗影像数据传输方法，所述医疗影像数据传输方法包括：
响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据；
读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据；
采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器；
根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件；
对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据；
采用基于区块链的分布式存储技术生成每个子文件的区块信息；
将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
根据本发明优选实施例，所述根据所述医疗影像数据传输指令确定待传输数据包括：
解析所述医疗影像数据传输指令的方法体，得到所述医疗影像数据传输指令所携带的信息；
获取预设标签；
将所述预设标签与所述医疗影像数据传输指令所携带的信息进行匹配，并将匹配的信息确定为目标文件路径；
链接至所述目标文件路径对应的目标文件夹，并将所述目标文件夹中所包含的数据确定为所述待传输数据。
根据本发明优选实施例，所述根据所述属性信息过滤所述待传输数据，得到目标数据包括：
根据所述属性信息从所述待传输数据中获取DICOM格式的数据作为第一数据；
读取所述第一数据的tag信息；
从所述tag信息中识别目标标识；
将所述第一数据中与所述目标标识对应的数据确定为第二数据；
从所述第一数据中删除所述第二数据，得到所述目标数据。
根据本发明优选实施例，所述采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型包括：
提取每个目标数据的差分特征；
将每个目标数据的差分特征输入至所述分类模型中，输出每个目标数据属于的各个类型的概率；
从每个目标数据属于的各个类型中筛选出概率最大的类型作为每个目标数据的类型；
整合筛选出的所有类型作为所述目标数据的至少一个类型。
根据本发明优选实施例，所述方法还包括：
当检测到有子文件上传失败时，获取上传失败的子文件中的数据作为第三数据；
记录所述第三数据的已上传状态；
计算所述第三数据的哈希值；
创建临时文件夹，基于所述第三数据的哈希值将所述第三数据及所述第三数据的已上传状态存储至所述临时文件夹。
根据本发明优选实施例，所述方法还包括：
当接收到对所述第三数据的续传指令时，根据所述第三数据的哈希值从所述临时文件夹中调取所述第三数据；
根据所述第三数据的已上传状态确定待续传的首个分片数据；
从所述首个分片数据开始上传所述第三数据；
当检测到所述第三数据上传完成后，确定所述第三数据对应的子文件；
整合所述子文件对应的所有分片数据。
根据本发明优选实施例，在将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点后，所述方法还包括：
当接收到分析指令时，确定待分析数据；
从所述区块链节点上获取所述待分析数据；
将所述待分析数据输入至指定分析模型，并获取所述指定分析模型的输出数据作为分析结果。
一种医疗影像数据传输装置，所述医疗影像数据传输装置包括：
确定单元，用于响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据；
过滤单元，用于读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据；
分类单元，用于采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器；
拆分单元，用于根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件；
分片单元，用于对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据；
生成单元，用于采用基于区块链的分布式存储技术生成每个子文件的区块信息；
上传单元，用于将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现所述医疗影像数据传输方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述医疗影像数据传输方法。
由以上技术方案可以看出，本发明能够响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据，读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据，不同于现有技术中仅简单地根据文件格式进行过滤，本实施方式首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输，采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器，根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件，对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据，采用基于区块链的分布式存储技术生成每个子文件的区块信息，将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
附图说明
图1是本发明医疗影像数据传输方法的较佳实施例的流程图。
图2是本发明医疗影像数据传输装置的较佳实施例的功能模块图。
图3是本发明实现医疗影像数据传输方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明医疗影像数据传输方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述医疗影像数据传输方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据。
其中，所述医疗影像数据传输指令可以由相关工作人员触发，也可以配置为定时触发(如闲时自动触发)，本发明不限制。
在本发明的至少一个实施例中，所述根据所述医疗影像数据传输指令确定待传输数据包括：
解析所述医疗影像数据传输指令的方法体，得到所述医疗影像数据传输指令所携带的信息；
获取预设标签；
将所述预设标签与所述医疗影像数据传输指令所携带的信息进行匹配，并将匹配的信息确定为目标文件路径；
链接至所述目标文件路径对应的目标文件夹，并将所述目标文件夹中所包含的数据确定为所述待传输数据。
通过上述实施方式，能够通过预设标签准确定位到目标文件夹，并进一步获取到待传输数据。
需要说明的是，所述目标文件夹可以提前构建，所述目标文件夹用于存储需要上传的医疗影像数据。
具体地，所述医疗影像数据包括，但不限于：X光片、CT影像、磁共振影像。
S11，读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据。
其中，所述属性信息可以包括文件格式信息等。
在本实施例中，所述根据所述属性信息过滤所述待传输数据，得到目标数据包括：
根据所述属性信息从所述待传输数据中获取DICOM格式的数据作为第一数据；
读取所述第一数据的tag信息；
从所述tag信息中识别目标标识；
将所述第一数据中与所述目标标识对应的数据确定为第二数据；
从所述第一数据中删除所述第二数据，得到所述目标数据。
具体地，可以采用函数info＝dicominfo(filename)读取所述第一数据的tag信息，或者使用pydicom包读取所述第一数据的tag信息，本发明不限制。
在本实施例中，所述第一数据是指DICOM格式的医疗影像数据，例如：X光片、CT影像等。
所述第二数据是指所述第一数据中不能用于AI(Artificial Intelligence，人工智能)分析的数据，例如：定位片信息、患者序列信息、信息说明片等。
不同于现有技术中仅简单地根据文件格式进行过滤，本实施方式首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输。
S12，采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器。
在本实施例中，所述采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型包括：
提取每个目标数据的差分特征；
将每个目标数据的差分特征输入至所述分类模型中，输出每个目标数据属于的各个类型的概率；
从每个目标数据属于的各个类型中筛选出概率最大的类型作为每个目标数据的类型；
整合筛选出的所有类型作为所述目标数据的至少一个类型。
需要说明的是，采用差分特征是由于差分特征操作简单，且具有明确的统计意义，运算速度较快，可以提高随机蕨分类器的分类速度，提高分类效率。
在本发明的至少一个实施例中，所述提取每个目标数据的差分特征包括：
从每个目标数据的像素点中随机抽取指定数量的像素组，每个像素组中包含像素点x及像素点y，其中，x、y是任意不同的两个大于0的正整数，将所述像素点x的像素值及所述像素点y的像素值的大小进行比较。当所述像素点x的像素值大于所述像素点y的像素值时，对应像素组的差分特征值为1，或者是，当所述像素点x的像素值小于或者等于所述像素点y的像素值时，对应像素组的差分特征值为0，将每个目标数据的所有像素组的差分特征值进行随机组合，得到每个目标数据的差分特征。
例如：在图片A中随机选择像素点A和像素点B作为像素组1，并且像素点A的像素值大于像素点B的像素值，则像素组1的差分特征值为1，同理，再随机选择九个像素组，所述九个像素组的差分特征值分别为011011010，则可以确定所述图片A的差分特征为1011011010。
在本发明的至少一个实施例中，在提取每个目标数据的差分特征时，所述方法包括：
获取所述电子设备的性能参数，并根据的性能参数，确定每个目标数据中用于计算差分特征的像素组数。
在本发明的至少一个实施例中，所述性能参数包括，但不限于：CPU的处理速度及功耗等、存储器的存储量、总线的响应速度、输入/输出设备的运行速度等。
例如：当CPU的处理速度快，且存储器的存储量较高时，可以配置每个目标数据中用于计算差分特征的像素组数为10，而当CPU的处理速度慢，且存储器的存储量较低时，可以配置每个目标数据中用于计算差分特征的像素组数为8。
需要说明的是，通过结合性能参数确定计算差分特征的像素组数，可以避免由于运算数据过大造成运算崩溃的现象发生，也可以避免运算过程不流畅等卡顿的情况发生，还可以避免由于运算系统的超负荷运行造成的系统损害，同时提高了运算性能。
S13，根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件。
例如：当所述至少一个类型为类型X及类型Y时，将属于所述类型X的数据划分为一类，作为一个子文件，并将属于所述类型Y的数据划分为一类，作为另一个子文件。
S14，对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据。
具体地，可以将每个子文件进行预设数量的均分，得到每个子文件的多个分片数据。
例如：当子文件F为100M时，将所述子文件F将均分为10份，得到大小为10M的10个分片。
也可以将每个子文件优先按照预设大小进行拆分。
例如：当子文件P为5M时，优先按照一个分片2M进行拆分，则可以将所述子文件P拆分为两个2M的分片及一个1M的分片。
当然，在其他实施例中还可以采用其他拆分方式，本发明不限制。
S15，采用基于区块链的分布式存储技术生成每个子文件的区块信息。
其中，所述区块信息可以包括，但不限于：分片信息、DICOM文件序列ID信息、所属医疗机构信息、存储节点信息。
需要说明的是，由于所述基于区块链的分布式存储技术属于相对成熟的技术，在此不赘述。
S16，将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
通过上述实施方式，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
在本实施例中，所述方法还包括：
当检测到有子文件上传失败时，获取上传失败的子文件中的数据作为第三数据；
记录所述第三数据的已上传状态；
计算所述第三数据的哈希值；
创建临时文件夹，基于所述第三数据的哈希值将所述第三数据及所述第三数据的已上传状态存储至所述临时文件夹。
通过上述实施方式，能够对上传失败的数据进行临时存储，以便后续需要时继续上传。同时采用哈希值进行数据的存储，也保证了数据的唯一性，有效避免数据被重复存储，或者发生存储错误。
进一步地，所述方法还包括：
当接收到对所述第三数据的续传指令时，根据所述第三数据的哈希值从所述临时文件夹中调取所述第三数据；
根据所述第三数据的已上传状态确定待续传的首个分片数据；
从所述首个分片数据开始上传所述第三数据；
当检测到所述第三数据上传完成后，确定所述第三数据对应的子文件；
整合所述子文件对应的所有分片数据。
通过上述实施方式，能够基于分片技术实现对数据的断点续传，这样，当由于网络中断等原因导致数据传输失败时，可以直接从断点处进行传输，有效节约了数据传输的时间。
在本法发明的至少一个实施例中，在将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点后，所述方法还包括：
当接收到分析指令时，确定待分析数据；
从所述区块链节点上获取所述待分析数据；
将所述待分析数据输入至指定分析模型，并获取所述指定分析模型的输出数据作为分析结果。
其中，所述指定分析模型可以包括，但不限于：病灶信息识别模型、疾病诊断模型。
通过上述实施方式，能够从区块链节点上获取到准确的待分析数据，并进一步利用AI模型实现对数据的分析。
由以上技术方案可以看出，本发明能够响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据，读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据，不同于现有技术中仅简单地根据文件格式进行过滤，本实施方式首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输，采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器，根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件，对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据，采用基于区块链的分布式存储技术生成每个子文件的区块信息，将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
如图2所示，是本发明医疗影像数据传输装置的较佳实施例的功能模块图。所述医疗影像数据传输装置11包括确定单元110、过滤单元111、分类单元112、拆分单元113、分片单元114、生成单元115、上传单元116。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
响应于医疗影像数据传输指令，确定单元110根据所述医疗影像数据传输指令确定待传输数据。
其中，所述医疗影像数据传输指令可以由相关工作人员触发，也可以配置为定时触发(如闲时自动触发)，本发明不限制。
在本发明的至少一个实施例中，所述确定单元110根据所述医疗影像数据传输指令确定待传输数据包括：
解析所述医疗影像数据传输指令的方法体，得到所述医疗影像数据传输指令所携带的信息；
获取预设标签；
将所述预设标签与所述医疗影像数据传输指令所携带的信息进行匹配，并将匹配的信息确定为目标文件路径；
链接至所述目标文件路径对应的目标文件夹，并将所述目标文件夹中所包含的数据确定为所述待传输数据。
通过上述实施方式，能够通过预设标签准确定位到目标文件夹，并进一步获取到待传输数据。
需要说明的是，所述目标文件夹可以提前构建，所述目标文件夹用于存储需要上传的医疗影像数据。
具体地，所述医疗影像数据包括，但不限于：X光片、CT影像、磁共振影像。
过滤单元111读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据。
其中，所述属性信息可以包括文件格式信息等。
在本实施例中，所述过滤单元111根据所述属性信息过滤所述待传输数据，得到目标数据包括：
根据所述属性信息从所述待传输数据中获取DICOM格式的数据作为第一数据；
读取所述第一数据的tag信息；
从所述tag信息中识别目标标识；
将所述第一数据中与所述目标标识对应的数据确定为第二数据；
从所述第一数据中删除所述第二数据，得到所述目标数据。
具体地，可以采用函数info＝dicominfo(filename)读取所述第一数据的tag信息，或者使用pydicom包读取所述第一数据的tag信息，本发明不限制。
在本实施例中，所述第一数据是指DICOM格式的医疗影像数据，例如：X光片、CT影像等。
所述第二数据是指所述第一数据中不能用于AI(Artificial Intelligence，人工智能)分析的数据，例如：定位片信息、患者序列信息、信息说明片等。
不同于现有技术中仅简单地根据文件格式进行过滤，本实施方式首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输。
分类单元112采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器。
在本实施例中，所述分类单元112采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型包括：
提取每个目标数据的差分特征；
将每个目标数据的差分特征输入至所述分类模型中，输出每个目标数据属于的各个类型的概率；
从每个目标数据属于的各个类型中筛选出概率最大的类型作为每个目标数据的类型；
整合筛选出的所有类型作为所述目标数据的至少一个类型。
需要说明的是，采用差分特征是由于差分特征操作简单，且具有明确的统计意义，运算速度较快，可以提高随机蕨分类器的分类速度，提高分类效率。
在本发明的至少一个实施例中，所述分类单元112提取每个目标数据的差分特征包括：
从每个目标数据的像素点中随机抽取指定数量的像素组，每个像素组中包含像素点x及像素点y，其中，x、y是任意不同的两个大于0的正整数，将所述像素点x的像素值及所述像素点y的像素值的大小进行比较。当所述像素点x的像素值大于所述像素点y的像素值时，对应像素组的差分特征值为1，或者是，当所述像素点x的像素值小于或者等于所述像素点y的像素值时，对应像素组的差分特征值为0，将每个目标数据的所有像素组的差分特征值进行随机组合，得到每个目标数据的差分特征。
例如：在图片A中随机选择像素点A和像素点B作为像素组1，并且像素点A的像素值大于像素点B的像素值，则像素组1的差分特征值为1，同理，再随机选择九个像素组，所述九个像素组的差分特征值分别为011011010，则可以确定所述图片A的差分特征为1011011010。
在本发明的至少一个实施例中，在提取每个目标数据的差分特征时，获取所述电子设备的性能参数，并根据的性能参数，确定每个目标数据中用于计算差分特征的像素组数。
在本发明的至少一个实施例中，所述性能参数包括，但不限于：CPU的处理速度及功耗等、存储器的存储量、总线的响应速度、输入/输出设备的运行速度等。
例如：当CPU的处理速度快，且存储器的存储量较高时，可以配置每个目标数据中用于计算差分特征的像素组数为10，而当CPU的处理速度慢，且存储器的存储量较低时，可以配置每个目标数据中用于计算差分特征的像素组数为8。
需要说明的是，通过结合性能参数确定计算差分特征的像素组数，可以避免由于运算数据过大造成运算崩溃的现象发生，也可以避免运算过程不流畅等卡顿的情况发生，还可以避免由于运算系统的超负荷运行造成的系统损害，同时提高了运算性能。
拆分单元113根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件。
例如：当所述至少一个类型为类型X及类型Y时，将属于所述类型X的数据划分为一类，作为一个子文件，并将属于所述类型Y的数据划分为一类，作为另一个子文件。
分片单元114对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据。
具体地，可以将每个子文件进行预设数量的均分，得到每个子文件的多个分片数据。
例如：当子文件F为100M时，将所述子文件F将均分为10份，得到大小为10M的10个分片。
也可以将每个子文件优先按照预设大小进行拆分。
例如：当子文件P为5M时，优先按照一个分片2M进行拆分，则可以将所述子文件P拆分为两个2M的分片及一个1M的分片。
当然，在其他实施例中还可以采用其他拆分方式，本发明不限制。
生成单元115采用基于区块链的分布式存储技术生成每个子文件的区块信息。
其中，所述区块信息可以包括，但不限于：分片信息、DICOM文件序列ID信息、所属医疗机构信息、存储节点信息。
需要说明的是，由于所述基于区块链的分布式存储技术属于相对成熟的技术，在此不赘述。
上传单元116将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
通过上述实施方式，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
在本实施例中，当检测到有子文件上传失败时，获取上传失败的子文件中的数据作为第三数据；
记录所述第三数据的已上传状态；
计算所述第三数据的哈希值；
创建临时文件夹，基于所述第三数据的哈希值将所述第三数据及所述第三数据的已上传状态存储至所述临时文件夹。
通过上述实施方式，能够对上传失败的数据进行临时存储，以便后续需要时继续上传。同时采用哈希值进行数据的存储，也保证了数据的唯一性，有效避免数据被重复存储，或者发生存储错误。
进一步地，当接收到对所述第三数据的续传指令时，根据所述第三数据的哈希值从所述临时文件夹中调取所述第三数据；
根据所述第三数据的已上传状态确定待续传的首个分片数据；
从所述首个分片数据开始上传所述第三数据；
当检测到所述第三数据上传完成后，确定所述第三数据对应的子文件；
整合所述子文件对应的所有分片数据。
通过上述实施方式，能够基于分片技术实现对数据的断点续传，这样，当由于网络中断等原因导致数据传输失败时，可以直接从断点处进行传输，有效节约了数据传输的时间。
在本法发明的至少一个实施例中，在将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点后，当接收到分析指令时，确定待分析数据；
从所述区块链节点上获取所述待分析数据；
将所述待分析数据输入至指定分析模型，并获取所述指定分析模型的输出数据作为分析结果。
其中，所述指定分析模型可以包括，但不限于：病灶信息识别模型、疾病诊断模型。
通过上述实施方式，能够从区块链节点上获取到准确的待分析数据，并进一步利用AI模型实现对数据的分析。
由以上技术方案可以看出，本发明能够响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据，读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据，不同于现有技术中仅简单地根据文件格式进行过滤，本实施方式首先过滤出DICOM格式的数据，再进一步剔除不能用于AI分析的非法信息，不仅有效避免了对AI诊断的影响，同时节约了带宽，实现对医疗影像数据的正常传输，采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器，根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件，对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据，采用基于区块链的分布式存储技术生成每个子文件的区块信息，将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点，不仅能够实现对医疗影像数据的分片存储，同时由于区块链数据不可篡改，有效提高了数据传输的安全性。
如图3所示，是本发明实现医疗影像数据传输方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如医疗影像数据传输程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，所述电子设备1既可以是总线型结构，也可以是星形结构，所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，所述电子设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地，存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如医疗影像数据传输程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行医疗影像数据传输程序等)，以及调用存储在所述存储器12内的数据，以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个医疗影像数据传输方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成确定单元110、过滤单元111、分类单元112、拆分单元113、分片单元114、生成单元115、上传单元116。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述医疗影像数据传输方法的部分。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根箭头表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种医疗影像数据传输方法，所述处理器13可执行所述多个指令从而实现：
响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据；
读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据；
采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器；
根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件；
对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据；
采用基于区块链的分布式存储技术生成每个子文件的区块信息；
将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明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，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种医疗影像数据传输方法，其特征在于，所述医疗影像数据传输方法包括：
响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据；
读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据，包括：根据所述属性信息从所述待传输数据中获取DICOM格式的数据作为第一数据；读取所述第一数据的tag信息；从所述tag信息中识别目标标识；将所述第一数据中与所述目标标识对应的数据确定为第二数据；从所述第一数据中删除所述第二数据，得到所述目标数据，其中，所述第一数据为DICOM格式的医疗影像数据，所述第二数据为所述第一数据中不能用于人工智能分析的数据；
采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器；
根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件；
对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据；
采用基于区块链的分布式存储技术生成每个子文件的区块信息；
将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
2.如权利要求1所述的医疗影像数据传输方法，其特征在于，所述根据所述医疗影像数据传输指令确定待传输数据包括：
解析所述医疗影像数据传输指令的方法体，得到所述医疗影像数据传输指令所携带的信息；
获取预设标签；
将所述预设标签与所述医疗影像数据传输指令所携带的信息进行匹配，并将匹配的信息确定为目标文件路径；
链接至所述目标文件路径对应的目标文件夹，并将所述目标文件夹中所包含的数据确定为所述待传输数据。
3.如权利要求1所述的医疗影像数据传输方法，其特征在于，所述采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型包括：
提取每个目标数据的差分特征；
将每个目标数据的差分特征输入至所述分类模型中，输出每个目标数据属于的各个类型的概率；
从每个目标数据属于的各个类型中筛选出概率最大的类型作为每个目标数据的类型；
整合筛选出的所有类型作为所述目标数据的至少一个类型。
4.如权利要求1所述的医疗影像数据传输方法，其特征在于，所述方法还包括：
当检测到有子文件上传失败时，获取上传失败的子文件中的数据作为第三数据；
记录所述第三数据的已上传状态；
计算所述第三数据的哈希值；
创建临时文件夹，基于所述第三数据的哈希值将所述第三数据及所述第三数据的已上传状态存储至所述临时文件夹。
5.如权利要求4所述的医疗影像数据传输方法，其特征在于，所述方法还包括：
当接收到对所述第三数据的续传指令时，根据所述第三数据的哈希值从所述临时文件夹中调取所述第三数据；
根据所述第三数据的已上传状态确定待续传的首个分片数据；
从所述首个分片数据开始上传所述第三数据；
当检测到所述第三数据上传完成后，确定所述第三数据对应的子文件；
整合所述子文件对应的所有分片数据。
6.如权利要求1所述的医疗影像数据传输方法，其特征在于，在将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点后，所述方法还包括：
当接收到分析指令时，确定待分析数据；
从所述区块链节点上获取所述待分析数据；
将所述待分析数据输入至指定分析模型，并获取所述指定分析模型的输出数据作为分析结果。
7.一种医疗影像数据传输装置，其特征在于，所述医疗影像数据传输装置包括：
确定单元，用于响应于医疗影像数据传输指令，根据所述医疗影像数据传输指令确定待传输数据；
过滤单元，用于读取所述待传输数据中的属性信息，并根据所述属性信息过滤所述待传输数据，得到目标数据，包括：根据所述属性信息从所述待传输数据中获取DICOM格式的数据作为第一数据；读取所述第一数据的tag信息；从所述tag信息中识别目标标识；将所述第一数据中与所述目标标识对应的数据确定为第二数据；从所述第一数据中删除所述第二数据，得到所述目标数据，其中，所述第一数据为DICOM格式的医疗影像数据，所述第二数据为所述第一数据中不能用于人工智能分析的数据；
分类单元，用于采用预先训练的分类模型对所述目标数据进行分类，得到所述目标数据的至少一个类型，其中，所述分类模型为基于差分特征训练的随机蕨分类器；
拆分单元，用于根据所述至少一个类型对所述目标数据进行拆分，得到至少一个子文件；
分片单元，用于对所述至少一个子文件中的每个子文件进行分片处理，得到每个子文件的多个分片数据；
生成单元，用于采用基于区块链的分布式存储技术生成每个子文件的区块信息；
上传单元，用于将每个子文件的多个分片数据及对应的每个子文件的区块信息分片上传至区块链节点。
8.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现如权利要求1至6中任意一项所述的医疗影像数据传输方法。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至6中任意一项所述的医疗影像数据传输方法。
CN202010917032.3A 2020-09-03 2020-09-03 医疗影像数据传输方法、装置、设备及介质 Active CN112017763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010917032.3A CN112017763B (zh) 2020-09-03 2020-09-03 医疗影像数据传输方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010917032.3A CN112017763B (zh) 2020-09-03 2020-09-03 医疗影像数据传输方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN112017763A CN112017763A (zh) 2020-12-01
CN112017763B true CN112017763B (zh) 2023-02-03

Family

ID=73515728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010917032.3A Active CN112017763B (zh) 2020-09-03 2020-09-03 医疗影像数据传输方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN112017763B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113434909B (zh) * 2021-06-25 2023-12-29 湖北央中巨石信息技术有限公司 一种基于区块链的数据按需存证方法
CN115174553A (zh) * 2022-06-06 2022-10-11 蚂蚁区块链科技(上海)有限公司 一种文件传输的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018133080A (ja) * 2017-12-08 2018-08-23 株式会社Ｋｏｍｐａｔｈ ブロックチェーンデータ管理システム、プログラム、及びデータ構造
CN109376122A (zh) * 2018-09-25 2019-02-22 深圳市元征科技股份有限公司 一种文件管理方法、系统及区块链节点设备和存储介质
CN110223761A (zh) * 2019-06-13 2019-09-10 上海联影医疗科技有限公司 一种勾勒数据导入方法、装置、电子设备及存储介质
CN110334054A (zh) * 2019-05-17 2019-10-15 杭州亦笔科技有限公司 一种区块链文件分片存储方法
CN110600107A (zh) * 2019-08-29 2019-12-20 上海联影智能医疗科技有限公司 医学图像的筛选方法、计算机设备及可读存储介质
CN111370133A (zh) * 2020-03-03 2020-07-03 安徽高山科技有限公司 一种基于区块链的医疗数据管理平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112014018087A8 (pt) * 2012-01-27 2017-07-11 Koninklijke Philips Nv Sistema médico de seleção para geração dos dados de seleção, sistema médico de processamento para realizar exame de acompanhamento de pacientes, estação de trabalho ou aparelho de formação de imagens, rede de comunicação, método de geração de dados de seleção, e, produto de programa de computador

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018133080A (ja) * 2017-12-08 2018-08-23 株式会社Ｋｏｍｐａｔｈ ブロックチェーンデータ管理システム、プログラム、及びデータ構造
CN109376122A (zh) * 2018-09-25 2019-02-22 深圳市元征科技股份有限公司 一种文件管理方法、系统及区块链节点设备和存储介质
CN110334054A (zh) * 2019-05-17 2019-10-15 杭州亦笔科技有限公司 一种区块链文件分片存储方法
CN110223761A (zh) * 2019-06-13 2019-09-10 上海联影医疗科技有限公司 一种勾勒数据导入方法、装置、电子设备及存储介质
CN110600107A (zh) * 2019-08-29 2019-12-20 上海联影智能医疗科技有限公司 医学图像的筛选方法、计算机设备及可读存储介质
CN111370133A (zh) * 2020-03-03 2020-07-03 安徽高山科技有限公司 一种基于区块链的医疗数据管理平台

Also Published As

Publication number Publication date
CN112017763A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112671921A (zh) 数据传输方法、装置、电子设备及可读存储介质
WO2021189855A1 (zh) 基于ct序列的图像识别方法、装置、电子设备及介质
CN111738212B (zh) 基于人工智能的交通信号灯识别方法、装置、设备及介质
CN112017763B (zh) 医疗影像数据传输方法、装置、设备及介质
CN112653760B (zh) 跨服务器的文件传输方法、装置、电子设备及存储介质
CN112559535B (zh) 基于多线程的异步任务处理方法、装置、设备及介质
CN111950621A (zh) 基于人工智能的目标数据检测方法、装置、设备及介质
CN111860377A (zh) 基于人工智能的直播方法、装置、电子设备及存储介质
CN113806434B (zh) 大数据处理方法、装置、设备及介质
CN111949708A (zh) 基于时序特征提取的多任务预测方法、装置、设备及介质
CN112631731A (zh) 数据查询方法、装置、电子设备及存储介质
WO2021189914A1 (zh) 电子设备、医学图像指标生成方法、装置及存储介质
CN111476225B (zh) 基于人工智能的车内人脸识别方法、装置、设备及介质
CN111882873B (zh) 轨迹异常检测方法、装置、设备及介质
CN111950707A (zh) 基于行为共现网络的行为预测方法、装置、设备及介质
CN111985545A (zh) 基于人工智能的目标数据检测方法、装置、设备及介质
CN111538768A (zh) 基于n元模型的数据查询方法、装置、电子设备及介质
CN112330080B (zh) 基于连通图的因子筛选方法、装置、设备及介质
CN114491196A (zh) 基于信息粒度的信息导出方法、装置、设备及介质
CN114550076A (zh) 区域异常行为监控方法、装置、设备及存储介质
CN114598731A (zh) 集群日志采集方法、装置、设备及存储介质
CN111933241A (zh) 医疗数据解析方法、装置、电子设备及存储介质
CN116386831B (zh) 一种基于智慧医院管理平台的数据可视化展示方法及系统
CN113434365B (zh) 数据特征监控方法、装置、电子设备及存储介质
CN113360505B (zh) 基于时序数据的数据处理方法、装置、电子设备及可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220929

Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd.

Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000

Applicant before: Ping An International Smart City Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant