CN112149735A - 数据处理方法以及装置 - Google Patents
数据处理方法以及装置 Download PDFInfo
- Publication number
- CN112149735A CN112149735A CN202011011377.9A CN202011011377A CN112149735A CN 112149735 A CN112149735 A CN 112149735A CN 202011011377 A CN202011011377 A CN 202011011377A CN 112149735 A CN112149735 A CN 112149735A
- Authority
- CN
- China
- Prior art keywords
- data processing
- data
- processed
- target
- group
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 343
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims description 15
- 230000001960 triggered effect Effects 0.000 claims description 15
- 230000000694 effects Effects 0.000 abstract description 9
- 230000017531 blood circulation Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000002600 positron emission tomography Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000003902 lesion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种数据处理方法以及装置,该方法包括:当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果。本发明实施例的技术方案,通过从预先集成的与各个模态相对应的数据处理工具中,确定与待处理数据相对应的数据处理工具对其进行处理时,提高了对数据处理的便捷性以及高效性的技术效果。
Description
技术领域
本发明实施例涉及医疗技术领域,尤其涉及一种数据处理方法以及装置。
背景技术
针对现有的图像后处理软件,不同软件之间相互独立,即无法将不同软件处理的数据通过同一个软件来处理。例如,基于CT设备拍摄的CT图像,只能基于CT数据处理软件来对其进行处理,基于MR设备拍摄的MR图像,只能基于MR数据处理软件来实现,无法通过同一个程序对CT图像和MR图像处理,即,基于现有图像处理软件,无法同时对不同模态的数据进行处理。
若需要对不同模态的数据进行处理时,需要开发至少两种模态组合对应的数据处理软件,每开发一个数据处理软件均需要较长的开发周期,导致开发成本较高以及人工成本较高的技术问题。进一步的,由于模态组合的数量是呈指数级增长的,若针对每一组模态组合均开发相应的图像处理软件时,极大的增加了开发成本、开发周期以及人工成本的技术问题。
发明内容
本发明提供一种数据处理方法以及装置,以实现基于同一软件对不同模态获取到的数据进行处理,从而提高数据处理效率的技术效果。
第一方面,本发明实施例提供了一种数据处理方法,该方法包括:
当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;
基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;
当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果;
所述数据处理工具包含多种模态影像数据处理工具。
进一步的,所述当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具,包括:
当检测到触发至少一组待处理数据时,分别确定与每一组待处理数据相对应的扫描序列;所述待处理数据中包括同一待扫描部位所对应的多幅图像;
基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具。
进一步的,所述基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具,包括:
针对每一组待处理数据,基于所述映射关系表确定与所述待处理数据相对应的至少一个待选择数据处理工具;
当检测到触发所述待选择数据处理工具的操作时,将触发的待选择数据处理工具作为所述数据处理工具。
进一步的,在所述基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果之后,还包括:
将与所述待处理数据相对应的数据处理结果缓存,并确定与所述数据处理结果相对应的标签;
将所述标签显示在目标显示区域中,并建立所述标签与数据处理结果之间的对应关系,以在检测到触发标签的操作时,基于所述对应关系从缓存中调取与所述标签相对应的数据处理结果。
进一步的,所述当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果融合,得到目标处理结果,包括:
当检测到触发数据处理结果融合的控件时,获取预先选择的目标标签;
基于所述目标标签以及所述对应关系,调取与所述目标标签相对应的数据处理结果;
基于与各个目标标签对应的数据处理结果,得到目标处理结果;
所述目标处理结果中包括融合后的图像。
进一步的,在得到所述目标处理结果之后,所述方法还包括:
确定与所述目标处理结果相对应的目标数据处理工具,以基于所述目标数据处理工具对所述目标处理结果进行再次数据处理。
进一步的,所述待处理数据的数据处理结果包括多种模态影像数据处理工具处理后的结果。
进一步的,所述数据处理结果进行融合包括对多种模态影像数据处理工具处理后的结果进行融合。
进一步的,所述标签包括多个标签,对应于多种模态影像数据处理工具处理后的结果。
第二方面,本发明实施例还提供了一种数据处理装置,该装置包括:
数据处理工具确定模块,用于当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;
数据处理结果确定模块,用于基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;
目标处理结果确定模块,用于当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果;
所述数据处理工具包含多种模态影像数据处理工具。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的数据处理方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的数据处理方法。
本发明实施例的技术方案,在检测到触发至少一组待处理数据的操作时,从预先存储的与不同模态对应的数据处理工具中,确定与待处理数据相对应的目标数据处理工具,进而基于目标数据处理工具对待处理数据进行处理,以得到待处理数据的目标处理结果,提高了对各个模态得到的数据处理的便捷性以及准确性的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种数据处理方法流程示意图;
图2为本发明实施例一所提供的显示界面示意图;
图3为本发明实施例二所提供的一种数据处理装置结构示意图;
图4为本发明实施例三所提供的一种设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种数据处理方法流程示意图,本实施例可适用于基于同一软件对各种模态下获取到的数据进行处理处理的情形,该方法可以由数据处理装置来执行,该装置可以通过软件和/或硬件的形式实现,该硬件可以是电子设备或服务器。
如图1所述,本实施例的方法包括:
S110、当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具。
需要说明的是,在本实施例中,可以预先建立数据处理系统,数据处理系统中融合了不同模态不同序列所对应的数据处理工具,以在检测到触发不同模态对应的序列时,可以确定与该模态相对应的数据处理工具,进而基于确定的数据处理工具对获取到的数据进行处理的情形。当然,为了提高确定数据处理工具的便捷性,可以建立不同数据处理工具与不同模态之间的对应的关系,以在检测到触发待处理数据时,可以根据预先建立的对应关系,调取与待处理数据对应的数据处理工具。
其中,至少一组待处理数据的数量可以是一组、两组或者多组。待处理数据可以是基于不同模态或者相同模态处理后得到的序列,可选的,待处理数据可以是包括病灶的序列图。由于待处理数据中不仅包括模态还可以包括病灶信息,因此在确定待处理数据后,可以根据待处理数据的模态信息和/或病灶信息,确定与待处理数据相对应的数据处理工具,即选择哪些数据处理工具对待处理数据进行处理。
在本实施例中,所述当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具,包括:当检测到触发至少一组待处理数据时,分别确定与每一组待处理数据相对应的扫描序列;所述待处理数据中包括同一待扫描部位所对应的多幅图像;基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具。
需要说明的是,为了实现对不同模态或者医疗设备拍摄图像进行处理,可以预先建立不同模态和/或病灶与数据处理工具之间的对应关系,以便在检测到触发待处理数据时,可以根据待处理数据的关联信息以及对应关系表,确定与待处理数据对应的目标数据处理工具。也就是说,为了提高对待处理数据处理的便捷性以及通用性,可以预先建立不同模态与数据处理工具之间的映射关系,以在获取到待处理数据后,基于映射关系表调取与待处理数据对应的数据处理工具。
可以理解为,在检测到触发至少一组待处理数据时,可以分别确定每一组待处理数据的模态信息以及根据待处理数据中的多幅图像确定病灶信息,可选的,模态信息可以是MR的扫描序列。根据预先建立的数据处理工具和扫描序列之间的映射关系表,确定与每一组待处理数据对应的数据处理工具,以便基于数据处理工具对待处理数据处理,得到目标处理结果。
在本实施例中,基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具,包括:针对每一组待处理数据,基于映射关系表确定与所述待处理数据相对应的至少一个待选择数据处理工具;当检测到触发所述待选择数据处理工具的操作时,将选择的待选择数据处理工具作为所述数据处理工具。
在另一个实施例中,开发人员预先对不同模态的数据处理工具进行拆分,然后将至少两个模态通用的数据处理工具合并,从而减少数据处理工具的运行内存占用和提升使用效率。如对于MR、CT、PET等模态影像扫描数据的处理,其某些组织分割、渲染可以使用相同的合并工具进行处理;对于PET/CT或PET/MR等多模态同时扫描得到的影像,其融合配准工具也可以同时为至少两种模态影像的数据处理使用;而以上模态影像的图像预处理工具不能通用,则可以仍然保留各个模态的图像预处理工具,以便为各个模态调用。
需要说明的是,与不同模态对应的数据处理工具包括多个,在触发待处理数据时,可以在显示界面的应用工具区域,显示与待处理数据对应的所有可使用工具,即待选择数据处理工具。用户可以根据实际需求从应用工具区域中选择与待处理数据匹配的数据处理工具,参见图2,可以将待选择数据处理工具显示在应用工具区域。
示例性的,当检测到触发待处理数据时,根据待处理数据的模态以及映射关系表,从所有数据处理工具中调取与待处理数据相对应的待选择数据处理工具,并将待选择数据处理工具展示在显示界面上,以供用户选择。用户可以从显示界面上的所有待选择数据处理工具中选择与待处理数据相匹配的数据处理工具。
S120、基于数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果。
其中,所述待处理数据的数据处理结果包括多种模态影像数据处理工具处理后的结果。针对每一组待处理数据,可以采用与其相对应的数据处理工具对数据进行处理,可选的,对数据进行处理可以是:若待处理数据是关于心脏的图像,可以是对心脏图像的配准处理,以得到配准后的心脏图像;若待处理数据中包括对病灶多角度拍摄的图像,则可以是但不局限于是对多角度拍摄的图像整合,即得到病灶的目标图像。相应的,数据处理结果中可以包括与待处理数据相对应的各个组织的定位标识、配准之后的图像或者是各个组织等。也就是说,基于数据处理工具处理得到的数据结果,与现有技术中采用相应软件处理得到的结果是相一致的。
需要说明的是,在得到与至少一组待处理数据相对应的数据处理结果后,可以将数据处理结果缓存至预先建立的缓存中,并将与该数据处理结果相对应的标签展示在显示界面上。
可选的,将与所述待处理数据相对应的数据结果缓存,并确定与所述数据处理结果相对应的标签;将所述标签显示在目标显示区域中,并建立标签与数据处理结果之间的对应关系,以在检测到触发标签的操作时,基于对应关系从缓存中调取与标签对应的数据处理结果。
可以建立多个标签,对应不同数据。如对于一组PET/CT数据,可以存在对应于PET/CT处理前数据的缓存、PET处理前数据的缓存、CT处理前数据的缓存、PET数据工具处理后的数据缓存、CT数据工具处理后的数据缓存、PET/CT通用数据工具处理后的数据缓存等其中至少一项数据的标签。从而可以为用户选择数据提供快速便捷的操作方法。
其中,可以将标签展示在显示界面,也就是说,显示界面上包括标签显示区域,参见图2;标签为数据处理结果的唯一标识。建立数据处理结果与标签之间的对应关系,这样设置的好处在于:可以触发多个标签,基于对应关系从缓存中调取与各标签对应的数据处理结果,以便将处理结果融合在一起后将最终的处理结果展示在显示界面上。
需要说明的是,标签也可以包括一类数据和逻辑对应的另一类数据。例如当用户触发标签显示区域中的一个标签时,也可以基于对应关系从缓存至调取与标签对应的数据处理结果,并将数据处理结果展示在显示界面上的图像显示区域中。
示例性的,标签显示区域中包括多个标签,其中一个标签对应的数据处理结果为匹配后得到的心脏图。当用户触发该标签时,可以调取与该标签相对应的心脏图,并将心脏图展示在显示界面的图像显示区域中。
S130、当检测到触发数据处理结果融合的操作时,将与至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果。
其中,所述数据处理工具包含多种模态影像数据处理工具。融合的操作可以是:触发了显示界面上的多个标签,并点击确定按键,则确认用户触发了融合操作。对数据处理结果进行融合,可以是将数据处理结果整合在一起,将整合在一起得到的数据处理结果作为目标处理结果。所述数据处理结果进行融合包括对多种模态影像数据处理工具处理后的结果进行融合。
在本实施例中还包括图像显示层,在得到融合后的目标处理结果后,可以基于图像显示层显示与目标处理结果相对应的目标图像。
示例性的,标签显示区域中显示有多个标签,其中一个标签对应的数据处理结果为头部图像;第二个标签对应的数据处理结果为躯干骨骼图像,当用户触第一个标签和第二个标签后,可以将第一个标签和第二个标签对应的数据处理结果融合在一起,得到目标图像。当然,为了实现对目标图像的进一步处理,还可以确定与目标图像相对应的数据处理工具,并将数据处理工具展示在显示界面的应用工具区域。所述标签包括多个标签,对应于多种模态影像数据处理工具处理后的结果。
示例性的,标签显示区域中显示有多个标签,其中一个标签对应的数据处理结果为正电子发射计算机断层成像(PET)功能成像和对应的功能参数,对应的功能参数包括血压等信息;第二个标签对应的数据处理结果为CT血管模型和对应的血流参数。血流参数可以是用血流动力学或机器学习方法处理血管模型数据得到模拟数据,可以是基于用户当前参数进行计算处理得到的血流参数,也可以是修改用户当前参数进行计算处理得到的模拟的血流参数,血流参数或模拟血流参数同样包括血压或血流储备分数等信息。当用户触第一个标签和第二个标签后,可以将第一个标签和第二个标签对应的数据处理结果融合在一起,得到目标图像。
进一步的,多个标签还可以包括多个血管模型和对应的血流参数,如使用流速作为边界条件处理得到的血流参数、使用心肌质量计算得到边界条件处理得到的血流参数、使用深度学习方法处理得到的血流参数、功能成像数据和对应的功能参数等。用户可以根据需要选择其中至少两个标签进行融合显示,提升了用户操作和比对便捷性。
可选的,在得到所述目标处理结果之后,还包括:确定与所述目标处理结果相对应的目标数据处理工具,以基于所述目标数据处理工具对所述目标处理结果进行再次数据处理。
也就是说,在得到目标处理结果后,还可以确定与目标处理结果对应的数据处理工具,并将数据工具展示在显示界面的应用工具区域中,以便用户触发相应的工具对目标处理结果再次处理,提高了对数据处理结果便捷性以及高效性的技术效果。
示例性的,当多个标签包括一个标签对应的数据处理结果为功能成像和对应的功能参数、另一个标签对应的数据处理结果为血管模型和血流参数时,在得到目标图像之后,还可以确定数据处理工具为模拟放入支架或搭桥手术后的功能参数和血流参数。当用户确定在某处放入支架或进行搭桥等手术时,对目标处理结果进行进一步处理,获取放入支架或进行搭桥后的目标图像。进一步的,当用户确定在某处放入支架或进行搭桥后,也会生成一个对应的标签,用户也可以选择此标签与原始血管模型和血流参数的标签进行融合显示,以便对比手术前后效果。
本实施例的技术方案,可以将现有的各个应用程序抽象为相应的数据处理工具,即将现有的对各个模态对应的数据处理的应用程序抽象为相应的数据处理工具。在触发待处理数据后,根据待处理数据的模态信息,确定与待处理数据相对应的数据处理工具。基于确定的数据处理工具对待处理数据进行处理,得到待处理数据的数据处理结果,并确定该数据处理结果对应的显示标签。将标签显示在显示界面上,以在检测到触发标签时,调取与标签对应的数据处理结果并显示。
本发明实施例的技术方案,在检测到触发至少一组待处理数据的操作时,从预先存储的与不同模态对应的数据处理工具中,确定与待处理数据相对应的目标数据处理工具,进而基于目标数据处理工具对待处理数据进行处理,以得到待处理数据的目标处理结果,提高了对各个模态得到的数据处理的便捷性以及准确性的技术效果。
作为上述实施例的一可选实施例,可以结合图2来理解本实施例的技术方案。在显示界面上可以包括序列显示区域、图像显示区域、应用工具展示区域和标签显示区域。其中,序列显示区域用于显示序列,即待处理数据的区域,用户可以触发该区域内的待处理数据,以根据待处理数据的关联信息确定相应的数据处理工具。应用工具区域用于展示与不同待处理数据相对应的数据处理工具,用户可以触发该区域内展示的数据处理工具对待处理数据进行处理。在基于数据处理工具对待处理数据处理结束后,可以建立标签与数据处理结果之间的对应关系,并将标签展示在标签显示区域中,以在触发标签时,调取与标签相对应的数据处理结果,进而将数据处理结果展示在图像显示区域中,即图像显示区域为展示各个数据处理结果的区域。基于该框图对应的流程可以是:在接收到与各个扫描序列相对应的待处理数据时,可以将待处理数据打包,并将打包文件的名称显示在显示界面中的序列区域,即序列区域可以显示至少一个待处理序列,也就是待处理数据。在触发某个序列后,即触发待处理数据后,可以根据待处理数据的模态信息和/或病灶信息,确定该序列对应的待选择数据处理工具,可以将待选择的数据处理工具展示在应用工具层,即预先将不同的数据处理工具集成在本实施例所提供的数据处理装置中,以在检测到触发某个序列时,确定与某个序列对应的数据处理工具。在基于数据处理工具对序列处理后可以得到数据处理结果。为了能够将数据处理结果展示在显示界面上,显示界面中还包括图像显示层。图像显示层用于显示目标处理结果。需要说明的是,用户可以触发显示界面上的各个标签,以将与各个标签相对应的数据处理结果融合后展示在显示界面中的图像显示层。
基于上述技术方案可以得到本发明实施例实现了在一个工作界面上完成多模态多序列所对应的图像融合,避免了重复开发应用软件时存在开发成本较高以及开发周期较长的技术问题,实现了提高对数据处理的通用性以及便捷性的技术效果。
实施例二
图3为本发明实施例二提供的一种数据处理装置结构示意图,该装置中包括:数据处理工具确定模块310、数据处理结果确定模块320以及目标结果确定模块330。
其中,数据处理工具确定模块310,用于当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;数据处理结果确定模块320,用于基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;目标结果确定模块330,用于当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果;所述数据处理工具包含多种模态影像数据处理工具。
本发明实施例的技术方案,在检测到触发至少一组待处理数据的操作时,从预先存储的与不同模态对应的数据处理工具中,确定与待处理数据相对应的目标数据处理工具,进而基于目标数据处理工具对待处理数据进行处理,以得到待处理数据的目标处理结果,提高了对各个模态得到的数据处理的便捷性以及准确性的技术效果。
在上述技术方案的基础上,数据处理结果确定模块,包括:扫描序列确定单元,用于当检测到触发至少一组待处理数据时,分别确定与每一组待处理数据相对应的扫描序列;所述待处理数据中包括同一部位对应的多幅图像;处理工具确定单元,用于基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具。
在上述各技术方案的基础上,数据处理工具确定模块还用于:针对每一组待处理数据,基于映射关系表确定与所述待处理数据相对应的至少一个待选择数据处理工具;当检测到触发所述待选择数据处理工具的操作时,将选择的待选择数据处理工具作为所述数据处理工具。
在上述各技术方案的基础上,数据处理结果确定模块,还用于在所述基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果之后,还用于:将与所述待处理数据相对应的数据处理结果缓存,并确定与所述数据处理结果相对应的标签;将所述标签显示在目标显示区域中并建立所述标签与数据处理结果之间的对应关系,以在检测到触发标签的操作时,基于所述对应关系从缓存中调取与所述标签相对应的数据处理结果。
在上述各技术方案的基础上,所述目标处理结果确定模块,还用于:
当检测到触发数据处理结果融合的控件时,获取预先选择的目标标签;基于所述目标标签以及所述对应关系,调取与所述目标标签相对应的数据处理结果;基于与各个目标标签对应的数据处理结果,得到目标处理结果;所述目标处理结果中包括融合后的图像。
在上述各技术方案的基础上,在目标处理结果确定模块在得到所述目标处理结果之后,还用于确定与所述目标处理结果相对应的目标数据处理工具,以基于所述目标数据处理工具对所述目标处理结果进行再次数据处理。
在上述技术方案的基础上,所述待处理数据的数据处理结果包括多种模态影像数据处理工具处理后的结果。
在上述技术方案的基础上,所述数据处理结果进行融合包括对多种模态影像数据处理工具处理后的结果进行融合。
在上述技术方案的基础,所述标签包括多个标签,对应于多种模态影像数据处理工具处理后的结果。
本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例三
图4为本发明实施例三提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施例实施方式的示例性设备40的框图。图4显示的设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备40以通用计算设备的形式表现。设备40的组件可以包括但不限于:一个或者多个处理器或者处理单元401,系统存储器402,连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
总线403表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备40典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备40访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器402可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)404和/或高速缓存存储器405。设备40可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块407的程序/实用工具408,可以存储在例如存储器402中,这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该设备40交互的设备通信,和/或与使得该设备40能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,设备40还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线403与设备40的其它模块通信。应当明白,尽管图4中未示出,可以结合设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元401通过运行存储在系统存储器402中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的数据处理方法。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行数据处理方法。
该方法包括:
当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;
基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;
当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;
基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;
当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果;
所述数据处理工具包含多种模态影像数据处理工具。
2.根据权利要求1所述的方法,其特征在于,所述当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具,包括:
当检测到触发至少一组待处理数据时,分别确定与每一组待处理数据相对应的扫描序列;所述待处理数据中包括同一待扫描部位所对应的多幅图像;
基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具。
3.根据权利要求2所述的方法,其特征在于,所述基于预先建立的数据处理工具与扫描序列之间的映射关系表,分别确定与每一组扫描序列相对应的数据处理工具,包括:
针对每一组待处理数据,基于所述映射关系表确定与所述待处理数据相对应的至少一个待选择数据处理工具;
当检测到触发所述待选择数据处理工具的操作时,将触发的待选择数据处理工具作为所述数据处理工具。
4.根据权利要求1所述的方法,其特征在于,在所述基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果之后,还包括:
将与所述待处理数据相对应的数据处理结果缓存,并确定与所述数据处理结果相对应的标签;
将所述标签显示在目标显示区域中,并建立所述标签与数据处理结果之间的对应关系,以在检测到触发标签的操作时,基于所述对应关系从缓存中调取与所述标签相对应的数据处理结果。
5.根据权利要求4所述的方法,其特征在于,所述当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果融合,得到目标处理结果,包括:
当检测到触发数据处理结果融合的控件时,获取预先选择的目标标签;
基于所述目标标签以及所述对应关系,调取与所述目标标签相对应的数据处理结果;
基于与各个目标标签对应的数据处理结果,得到目标处理结果;
所述目标处理结果中包括融合后的图像。
6.根据权利要求5所述的方法,其特征在于,在得到所述目标处理结果之后,还包括:
确定与所述目标处理结果相对应的目标数据处理工具,以基于所述目标数据处理工具对所述目标处理结果进行再次数据处理。
7.根据权利要求1所述的方法,其特征在于,所述待处理数据的数据处理结果包括多种模态影像数据处理工具处理后的结果。
8.根据权利要求7所述的方法,其特征在于,所述数据处理结果进行融合包括对多种模态影像数据处理工具处理后的结果进行融合。
9.根据权利要求4所述的方法,其特征在于,所述标签包括多个标签,对应于多种模态影像数据处理工具处理后的结果。
10.一种数据处理装置,其特征在于,包括:
数据处理工具确定模块,用于当检测到触发至少一组待处理数据的操作时,分别确定与每一组待处理数据相对应的数据处理工具;
数据处理结果确定模块,用于基于所述数据处理工具对相应待处理数据进行处理,得到每一组待处理数据的数据处理结果;
目标处理结果确定模块,用于当检测到触发数据处理结果融合的操作时,将与所述至少一组待处理数据相对应的数据处理结果进行融合,得到目标处理结果;
所述数据处理工具包含多种模态影像数据处理工具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011011377.9A CN112149735A (zh) | 2020-09-23 | 2020-09-23 | 数据处理方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011011377.9A CN112149735A (zh) | 2020-09-23 | 2020-09-23 | 数据处理方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149735A true CN112149735A (zh) | 2020-12-29 |
Family
ID=73897962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011011377.9A Pending CN112149735A (zh) | 2020-09-23 | 2020-09-23 | 数据处理方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149735A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107137107A (zh) * | 2017-05-09 | 2017-09-08 | 上海联影医疗科技有限公司 | 多模态医学图像获取方法及多模态医学图像成像系统 |
CN110544252A (zh) * | 2019-09-05 | 2019-12-06 | 重庆邮电大学 | 基于多模态磁共振脑影像的帕金森病辅助诊断系统 |
CN110851209A (zh) * | 2019-11-08 | 2020-02-28 | 北京字节跳动网络技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN111260465A (zh) * | 2020-01-20 | 2020-06-09 | 深圳乐信软件技术有限公司 | 一种业务处理方法、装置、服务器及存储介质 |
-
2020
- 2020-09-23 CN CN202011011377.9A patent/CN112149735A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107137107A (zh) * | 2017-05-09 | 2017-09-08 | 上海联影医疗科技有限公司 | 多模态医学图像获取方法及多模态医学图像成像系统 |
CN110544252A (zh) * | 2019-09-05 | 2019-12-06 | 重庆邮电大学 | 基于多模态磁共振脑影像的帕金森病辅助诊断系统 |
CN110851209A (zh) * | 2019-11-08 | 2020-02-28 | 北京字节跳动网络技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
CN111260465A (zh) * | 2020-01-20 | 2020-06-09 | 深圳乐信软件技术有限公司 | 一种业务处理方法、装置、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11322256B2 (en) | Automated labeling of images to train machine learning | |
US20100293505A1 (en) | Anatomy-related image-context-dependent applications for efficient diagnosis | |
JP6433983B2 (ja) | 可視化コンピューティングシステム及び可視化方法 | |
US8638997B2 (en) | Methods and systems for medical image processing, retrieval, and reviewing | |
JPH0512352A (ja) | 医用診断支援システム | |
CN110060767A (zh) | 一种洗手的监控方法、装置、设备及存储介质 | |
CN111080583B (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
CN111273772B (zh) | 基于slam测绘方法的增强现实交互方法、装置 | |
CN111310793A (zh) | 一种医学图像分类方法、装置、移动终端及介质 | |
CN113656706A (zh) | 基于多模态深度学习模型的信息推送方法及装置 | |
US20210133956A1 (en) | Hierarchical processing technique for lesion detection, classification, and segmentation on microscopy images | |
CN112634309A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112989151A (zh) | 数据血缘关系展示方法、装置、电子设备及存储介质 | |
CN111863206A (zh) | 一种图像预处理方法、装置、设备及存储介质 | |
CN112149735A (zh) | 数据处理方法以及装置 | |
CN111881381A (zh) | 一种显示方法、装置、设备及存储介质 | |
CN109799936B (zh) | 一种图像生成方法、装置、设备及介质 | |
CN115909035A (zh) | 手术器械的清点方法、系统、设备及介质 | |
CN112819925A (zh) | 病灶标注的处理方法、装置、电子设备和介质 | |
CN102421367B (zh) | 医用图像显示装置及医用图像显示方法 | |
JP7216660B2 (ja) | 下流のニーズを総合することにより読み取り環境を決定するためのデバイス、システム、及び方法 | |
CN114037830A (zh) | 增强图像生成模型的训练方法、图像处理方法及装置 | |
CN112530554A (zh) | 一种扫描定位方法、装置、存储介质及电子设备 | |
CN112330707A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
WO2009072050A1 (en) | Automatic landmark placement |
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 |