CN112365971A - 一种基于5g的远程互联网大数据智慧医疗系统 - Google Patents
一种基于5g的远程互联网大数据智慧医疗系统 Download PDFInfo
- Publication number
- CN112365971A CN112365971A CN202011239065.3A CN202011239065A CN112365971A CN 112365971 A CN112365971 A CN 112365971A CN 202011239065 A CN202011239065 A CN 202011239065A CN 112365971 A CN112365971 A CN 112365971A
- Authority
- CN
- China
- Prior art keywords
- focus image
- focus
- mobile terminal
- sample
- feature vector
- 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
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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Abstract
本发明实施例提供一种基于5G的远程互联网大数据智慧医疗系统和医疗辅助方法,旨在为医生提供更丰富的病灶图像。其中,所述医疗系统包括移动终端和服务器;所述服务器中预设有病灶康复函数;所述服务器用于接收移动终端上传的病灶图像及历史就诊时间;计算所述历史就诊时间距离当前时间的治疗时间长度;提取所述病灶图像的特征向量,并从病灶康复函数中,确定与该特征向量匹配的目标样本特征向量;以目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;将病灶图像、历史就诊时间、以及样本病灶图像发送给目标医生的移动终端。
Description
技术领域
本发明涉及移动互联网技术领域,特别是涉及一种基于5G的远程互联网大数据智慧医疗系统和医疗辅助方法。
背景技术
随着移动互联网技术和5G通信技术的发展,越来越多的用户开始借助移动终端,线上地开展业务。通过远程医疗系统诊断时,用户通常需要利用移动终端拍摄自身的病灶图像,并将病灶图像发送给医生的移动终端,从而使得医生根据用户的病灶图像,做出相应的诊断。
然而,由于用户上传的病灶图像仅代表用户当前治疗节段的病情,医生难以直观地观察到用户在早期的治疗时期的病灶图像。因此,由于早期病灶图像数据的缺失,不太利于医生做出比较准确的诊断。
发明内容
本发明实施例的目的在于提供一种基于5G的远程互联网大数据智慧医疗系统和医疗辅助方法,旨在为医生提供更丰富的病灶图像数据,从而帮助医生做出更准确的诊断,包括更准确的治疗效果评估以及更准确的确诊。具体技术方案如下:
在本发明实施例的第一方面,提供一种基于5G的远程互联网大数据智慧医疗系统,所述医疗系统包括移动终端和服务器;
所述服务器中预设有病灶康复函数,所述病灶康复函数以治疗时间为自变量,以每个治疗时间的样本病灶图像的样本特征向量为因变量,所述服务器中还存储有每个样本特征向量对应的样本病灶图像;
所述移动终端用于在用户的操作下,通过5G通讯技术,将所述用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息上传给所述服务器;
所述服务器用于接收移动终端上传的病灶图像、历史就诊时间以及目标医生的信息;
所述服务器还用于根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度;
所述服务器还用于提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,服务器将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量;
所述服务器还用于以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;
所述服务器还用于将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
作为优选,如果所述用户的病灶图像相较于提取的样本病灶图像出现了明显的异常,包括病灶位置完全不重叠和病灶面积扩大超过预设的阈值时,则系统向目标医生报警提示需要重新诊断;
当系统发生2次报警时,强制锁定诊疗进度,并向预设的上级管理员发生警报,以启动上级强制介入避免出现重大误诊事故。
在本发明实施例的第二方面,提供一种基于5G的远程互联网大数据智慧医疗辅助方法,应用于服务器,所述服务器中预设有病灶康复函数,所述病灶康复函数以治疗时间为自变量,以每个治疗时间的样本病灶图像的样本特征向量为因变量,所述服务器中还存储有每个样本特征向量对应的样本病灶图像;所述方法包括:
接收移动终端通过5G通讯技术上传的如下信息:用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息;
根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度;
提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,以及将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量;
以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;
将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
如果所述用户的病灶图像相较于提取的样本病灶图像出现了明显的异常,包括病灶位置完全不重叠和病灶面积扩大超过预设的阈值时,则系统向目标医生报警提示需要重新诊断;
当同一诊疗过程中,系统发生2次报警时,强制向预设的上级管理员发生警报并暂停当前诊疗程序,启动上级强制介入避免出现重大误诊事故;此时当事医生需要上传图文情况说明供上级管理员查验,如果上级管理员经人工查验为系统误报警,则可实时解除警报并恢复正常诊疗程序;如果上级管理员经人工查验确实存在误诊风险,则正式启动干预,如启动会审。
同一诊疗过程是指同一患者对同一疾病的诊疗过程。
图文情况说明是指包含图片信息的情况说明,包括图片信息可以更好说明疾病情况。
本发明的优点:
(1)本发明中,服务器接收移动终端上传的病灶图像和历史就诊时间,并计算治疗时间长度,以及提取所述病灶图像的特征向量(包括包块的大小、形状、CT值、位置、超声灰度、血流信号值等)。服务器从预设的病灶康复函数中确定该特征向量对应的目标样本特征向量,然后以该目标样本特征向量为起点,向前推移所述治疗时间长度,从而确定历史就诊时间所对应的样本特征向量。之后,服务器提取该样本特征向量对应的样本病灶图像,并将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。如此,目标医生不仅收到用户当前的病灶图像,还收到历史就诊时间对应的样本病灶图像,医生基于这些图像,可以更直观地判断用户的治疗情况,从而有利于医生做出更准确的诊断。
(2)互联网医疗往往存在缺乏监管,诊断结果较为容易出现误诊的缺陷,本发明的智慧医疗系统创造性的设置了如果病灶康复函数出现了明显的异常,包括病灶位置完全不重叠和病灶面积扩大超过预设的阈值时,则系统向目标医生报警提示需要重新诊断;而当系统发生2次报警时,强制向预设的上级管理员发生警报,以启动上级强制介入避免出现重大误诊事故。同时,为了防止系统误报耽误诊疗时间,浪费程序,本发明同时也设置了查验环节,如果是系统误报,此时当事医生需要上传图文情况说明供上级管理员查验,如果上级管理员经人工查验为系统误报警,则可实时解除警报并立刻恢复正常诊疗程序,避免了耽误时间以及浪费程序。可见,用本发明的方法可以兼顾避免误诊和效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1是本发明一实施例提出的基于5G的远程互联网大数据智慧医疗系统的示意图;
图2是本发明一所述提出的病灶康复函数示意图;
图3是本发明一实施例提出的基于5G的远程互联网大数据智慧医疗辅助方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着移动互联网技术和5G通信技术的发展,越来越多的用户开始借助移动终端,线上地开展业务。以通过远程医疗系统诊断皮肤病为例,用户通常需要利用移动终端拍摄自身的病灶图像,并将病灶图像发送给医生的移动终端,从而使得医生根据用户的病灶图像,做出相应的诊断。
然而,由于用户上传的病灶图像仅代表用户当前治疗节段的病情,医生难以直观地观察到用户在早期的治疗时期的病灶图像。因此,由于早期病灶图像数据的缺失,不太利于医生做出比较准确的诊断。
有鉴于此,本发明通过以下实施例提出基于5G的远程互联网大数据智慧医疗系统和医疗辅助方法旨在为医生提供更丰富的病灶图像数据,从而帮助医生做出更准确的诊断。
参考图1,图1是本发明一实施例提出的基于5G的远程互联网大数据智慧医疗系统的示意图。如图1所示,所述医疗系统包括移动终端和服务器。
其中,所述服务器中预设有病灶康复函数,所述病灶康复函数以治疗时间为自变量,以每个治疗时间的样本病灶图像的样本特征向量为因变量,所述服务器中还存储有每个样本特征向量对应的样本病灶图像。
所述移动终端用于在用户的操作下,通过5G通讯技术,将所述用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息上传给所述服务器。
所述服务器用于接收移动终端上传的病灶图像、历史就诊时间以及目标医生的信息。
所述服务器还用于根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度。
所述服务器还用于提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,服务器将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量。
所述服务器还用于以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像。
所述服务器还用于将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
为便于理解,参考图2,图2是本发明一所述提出的病灶康复函数示意图。如图2所示,该病灶康复函数表示为一个曲线,该曲线是由多个离散点组成的。每个离散点的自变量为治疗时间,因变量为每个治疗时间的样本病灶图像的样本特征向量。
当服务器接收到用户的病灶图像和历史就诊时间后,提取该病灶图像的特征向量。然后将该特征向量与每个离散点的样本特征向量比较,计算该特征向量与每个样本特征向量之间的向量距离。最后将向量距离最小(也即与该特征向量最相近的样本特征向量),确定为与该特征向量匹配的目标样本特征向量。如此,相当于在病灶康复函数曲线上定位出病灶图像的位置,从而也锁定了病灶图像对应的治疗时间。如图2所示,图2所示的圆圈,表示病灶图像对应的治疗时间。
然后以该治疗时间为起点,向前推移治疗时间长度,该治疗时间长度等于当前时间点减去移动终端上传的历史就诊时间。例如当前时间为11月5日,历史就诊时间为10月24日,则治疗时间长度为11月5日减去10月24日,也即12天。如图2所示,向前推移治疗时间长度后,在病灶康复函数曲线上定位出历史就诊时间对应的治疗时间。图2中所示的三角形表示历史就诊时间对应的治疗时间。
然后服务器获取历史就诊时间对应的治疗时间所对应的样本病灶图像,如此,相当于获得了历史就诊时间时,与用户的病灶情况相匹配的样本病灶图像。
最后,服务器将移动终端上传的病灶图像、移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给目标医生的移动终端。医生基于这些图像,可以更直观地判断用户的治疗情况,从而有利于医生做出更准确的诊断。
可选地,在一些具体实施方式中,服务器为了提取病灶图像的特征向量,具体可以执行以下步骤:
对所述病灶图像进行高斯滤波,以过滤所述病灶图像中的图像噪声,得到滤波后的病灶图像;然后将原始的病灶图像与滤波后的病灶图像叠加,使得原始的病灶图像中的每个像素值减去滤波后的病灶图像中的相应像素值,得到叠加后的病灶图像,叠加后的病灶图像高亮地显示出病灶点;确定病灶点的像素个数,以及确定病灶点的像素个数占整个病灶区域的比例;将病灶点的像素个数和所述比例构建成所述病灶图像的特征向量。
其中,通过对病灶图像进行高斯滤波,相当于滤除了病灶图像的细节部分,也即除皮肤以外的病灶点并滤除。然后将滤波后的病灶图像与原始图像叠加,使原始病灶图像的每个像素值减去减去滤波后的病灶图像中的相应像素值。换言之,对于同一位置处的两个像素点(其中一个是原始病灶图像的像素点,另一个是滤波后的病灶图像的像素点),利用原始病灶图像的像素值减去滤波后的病灶图像的像素值。最终,得到叠加后的病灶图像。叠加后的病灶图像中,更突出得显示了原始病灶图像中的细节部分,也即病灶点部分,病灶点部分的像素具有更高的亮度。
此后,可以将亮度高于预设阈值的像素点,作为病灶点所在的位置,并统计这些像素点的个数,从而将这些像素点的个数作为病灶点的像素个数。
另外,为了确定病灶点的像素个数占整个病灶区域的比例,可以执行以下步骤:从叠加后的病灶图像的所有病灶点像素中,确定图像最上方的病灶点象素、图像最下方的病灶点象素、图像最左方的病灶点象素、图像图像最右方的病灶点象素。然后将这四个像素点连接成四边形,作为大致的病灶区域。然后统计病灶区域内的像素点个数,并利用病灶点像素个数除以病灶区域内的像素点个数,得到病灶点的像素个数占整个病灶区域的比例。
在确定出病灶点像素个数和病灶点的像素个数占整个病灶区域的比例后,将两个数值作为向量元素,从而组成一个包括两个向量元素的特征向量。如此,相当于从病灶图像中提取出特征向量。
可选地,在一些具体实施方式中,服务器在将提取的特征向量与病灶康复函数中的各个样本特征向量比较时,为了提高比较效率,可以执行以下步骤:
以治疗时间等于0为起点,向后推移所述治疗时间长度,然后针对该治疗时间长度所对应的样本特征向量及其之后的样本特征向量,逐个与提取的特征向量进行比较。
为便于理解,假设当前时间为11月5日,服务器接收的历史就诊时间为10月24日,则治疗时间长度为11月5日减去10月24日,也即12天。然后对于病灶康复函数曲线中治疗时间大于12天的各个离散点,将病灶图像的特征向量依次与这些离散点的样本特征向量比较。而对于治疗时间小于12天的各个离散点,则不需要将病灶图像的特征向量依次与这些离散点的样本特征向量比较。
如此,可以有效缩小向量比较范围,从而更高效地确定出与病灶图像的特征向量相匹配的目标样本特征向量。
可选地,在一些具体实施方式中,考虑到服务器为历史就诊时间提取出的样本病灶图像可能存在误差。为此,服务器在将病灶图像、历史就诊时间、以及提取的样本病灶图像发送给目标医生的移动终端之前,还可以执行以下步骤:
(1)服务器将提取的样本病灶图像发送给用户的移动终端,以使得用户确认其在所述历史就诊时间的病灶情况是否为所述样本病灶图像所示的病灶情况;
(2)接收所述移动终端返回的确认信息,响应于所述确认信息,才将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
如此,服务器相当于将匹配出的样本病灶图像发送给用户确认,如果用户确认该样本病灶图像是准确的,并向服务器返回确认信息,服务器才将移动终端上传的病灶图像、移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给目标医生的移动终端。如此,可以进一步提高样本病灶图像的准确性。
可选地,在一些具体实施方式中,服务器还用于记录移动终端每次上传的病灶图像和上传当日的日期信息。
所述服务器在接收移动终端上传的病灶图像和历史就诊时间后,还用于查询所述服务器中是否存储有在所述历史就诊时间当天存储的历史病灶图像,如果存储有,则直接提取该历史病灶图像,并将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的历史病灶图像发送给所述目标医生的移动终端。
为便于理解,假设移动终端上传给服务器的历史就诊时间为10月24日,则服务器首先查询该用户在10月24日当天是否上传过病灶图像。如果上传过,则服务器直接获取该用户在10月24日当天上传的病灶图像(也即历史病灶图像),并将该病灶图像、历史就诊时间(也即10月24日)、以及移动终端当前上传的病灶图像发送给目标医生的移动终端。
如果该用户在10月24日当天没有上传过病灶图像,则服务器才通过提取特征向量、匹配目标样本特征向量等步骤,为10月24日提取样本病灶图像,并将移动终端上传的病灶图像、移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给目标医生的移动终端。
以上,本发明提出了基于5G的远程互联网大数据智慧医疗系统。以下,基于同样的发明构思,本发明提出了基于5G的远程互联网大数据智慧医疗辅助方法。以上实施例可与以下实施例相互参照。
参考图3,图3是本发明一实施例提出的基于5G的远程互联网大数据智慧医疗辅助方法的流程图,该方法应用于服务器。如图3所示,该方法包括以下步骤:
步骤S31:接收移动终端通过5G通讯技术上传的如下信息:用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息;
步骤S32:根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度;
步骤S33:提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,以及将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量;
步骤S34:以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;
步骤S35:将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
可选地,在一些具体实施方式中,服务器在执行上述步骤S33时,为了提取病灶图像的特征向量,可以执行以下子步骤:
子步骤S33-1:对所述病灶图像进行高斯滤波,以过滤所述病灶图像中的图像噪声,得到滤波后的病灶图像;
子步骤S33-2:然后将原始的病灶图像与滤波后的病灶图像叠加,使得原始的病灶图像中的每个像素值减去滤波后的病灶图像中的相应像素值,得到叠加后的病灶图像,叠加后的病灶图像高亮地显示出病灶点;
子步骤S33-3:确定病灶点的像素个数,以及确定病灶点的像素个数占整个病灶区域的比例,将病灶点的像素个数和所述比例构建成所述病灶图像的特征向量。
可选地,在一些具体实施方式中,服务器在执行上述步骤S33时,为了将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,可以执行以下子步骤:
子步骤S33-4:以治疗时间等于0为起点,向后推移所述治疗时间长度,然后针对该治疗时间长度所对应的样本特征向量及其之后的样本特征向量,逐个与提取的特征向量进行比较。
可选地,在一些具体实施方式中,服务器在执行上述步骤S35之前,可以先执行以下步骤:
将提取的样本病灶图像发送给所述用户的移动终端,以使得用户确认其在所述历史就诊时间的病灶情况是否为所述样本病灶图像所示的病灶情况。
服务器在接收所述移动终端返回的确认信息后,响应于所述确认信息,才执行上述步骤S35,也即将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
可选地,在一些具体实施方式中,服务器还记录有移动终端每次上传的病灶图像和上传当日的日期信息。服务器还用于执行以下步骤:
步骤S36:在接收移动终端上传的病灶图像和历史就诊时间后,查询所述服务器中是否存储有在所述历史就诊时间当天存储的历史病灶图像;
步骤S37:如果存储有,则直接提取该历史病灶图像,并将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的历史病灶图像发送给所述目标医生的移动终端。
需要说明的是,步骤S36和步骤S37,与步骤S32至步骤S35是并列方案。如果服务器查询到历史就诊时间当天存储的历史病灶图像,则服务器执行步骤S36和步骤S37。否则,服务器执行步骤S32至步骤S35。
作为优选,此时当事医生需要上传图文情况说明供上级管理员查验,如果上级管理员经人工查验为系统误报警,则可实时解除警报并恢复正常诊疗程序;如果上级管理员经人工查验确实存在误诊风险,则正式启动干预,如启动会审。
作为另一个优选实施例,例如既往为盆腔炎性包块,那么提取的样本病灶特点就包括了位置、超声血流信号、CT值的信息,通过分析比较可以得到炎性包块治疗效果的评价(短期治愈或者复发),但是当传输的信号变化出现异常,例如出现了位置的不同,超声血流信号的差异很大,那么就可以提示医生需要再考虑其他疾病可能,这样就大大提高了诊断的效率和精确度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (10)
1.一种基于5G的远程互联网大数据智慧医疗系统,其特征在于,所述医疗系统包括移动终端和服务器;
所述服务器中预设有病灶康复函数,所述病灶康复函数以治疗时间为自变量,以每个治疗时间的样本病灶图像的样本特征向量为因变量,所述服务器中还存储有每个样本特征向量对应的样本病灶图像;
所述移动终端用于在用户的操作下,通过5G通讯技术,将所述用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息上传给所述服务器;
所述服务器用于接收移动终端上传的病灶图像、历史就诊时间以及目标医生的信息;
所述服务器还用于根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度;
所述服务器还用于提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,服务器将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量;
所述服务器还用于以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;
所述服务器还用于将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
2.据权利要求1所述的基于5G的远程互联网大数据智慧医疗系统,其特征在于,如果所述用户的病灶图像相较于提取的样本病灶图像出现了明显的异常,包括病灶位置完全不重叠和病灶面积扩大超过预设的阈值时,则系统向目标医生报警提示需要重新诊断;
当同一诊疗过程中,系统发生2次报警时,强制向预设的上级管理员发生警报并暂停当前诊疗程序,启动上级强制介入避免出现重大误诊事故;此时当事医生需要上传图文情况说明供上级管理员查验,如果上级管理员经人工查验为系统误报警,则可实时解除警报并恢复正常诊疗程序;如果上级管理员经人工查验确实存在误诊风险,则正式启动干预,包括启动会审。
3.根据权利要求1或2所述的基于5G的远程互联网大数据智慧医疗系统,其特征在于,所述服务器在用于提取所述病灶图像的特征向量时,具体用于:
对所述病灶图像进行高斯滤波,以过滤所述病灶图像中的图像噪声,得到滤波后的病灶图像;然后将原始的病灶图像与滤波后的病灶图像叠加,使得原始的病灶图像中的每个像素值减去滤波后的病灶图像中的相应像素值,得到叠加后的病灶图像,叠加后的病灶图像高亮地显示出病灶点;确定病灶点的像素个数,以及确定病灶点的像素个数占整个病灶区域的比例;将病灶点的像素个数和所述比例构建成所述病灶图像的特征向量。
4.根据权利要求1所述的基于5G的远程互联网大数据智慧医疗系统,其特征在于,所述服务器在将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较时,具体用于:
以治疗时间等于0为起点,向后推移所述治疗时间长度,然后针对该治疗时间长度所对应的样本特征向量及其之后的样本特征向量,逐个与提取的特征向量进行比较;
所述服务器在将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端之前,还用于:
将提取的样本病灶图像发送给所述用户的移动终端,以使得用户确认其在所述历史就诊时间的病灶情况是否为所述样本病灶图像所示的病灶情况;
接收所述移动终端返回的确认信息,响应于所述确认信息,才将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
5.根据权利要求1所述的基于5G的远程互联网大数据智慧医疗系统,其特征在于,所述服务器还用于记录移动终端每次上传的病灶图像和上传当日的日期信息;
所述服务器在接收移动终端上传的病灶图像和历史就诊时间后,还用于查询所述服务器中是否存储有在所述历史就诊时间当天存储的历史病灶图像,如果存储有,则直接提取该历史病灶图像,并将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的历史病灶图像发送给所述目标医生的移动终端。
6.一种基于5G的远程互联网大数据智慧医疗辅助方法,其特征在于,应用于服务器,所述服务器中预设有病灶康复函数,所述病灶康复函数以治疗时间为自变量,以每个治疗时间的样本病灶图像的样本特征向量为因变量,所述服务器中还存储有每个样本特征向量对应的样本病灶图像;所述方法包括:
接收移动终端通过5G通讯技术上传的如下信息:用户的病灶图像、所述用户的历史就诊时间、以及所述用户指定的目标医生的信息;
根据当前时间和所述历史就诊时间,计算所述历史就诊时间距离当前时间的治疗时间长度;
提取所述病灶图像的特征向量,并将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,以计算所述特征向量与每个样本特征向量之间的向量距离,以及将向量距离最短的样本特征向量确定为与所述特征向量匹配的目标样本特征向量;
以所述目标样本特征向量对应的治疗时间为起点,向前推移所述治疗时间长度,以确定在所述历史就诊时间所对应的样本特征向量,从而提取出该样本特征向量对应的样本病灶图像;
将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端。
7.根据权利要求6所述的基于5G的远程互联网大数据智慧医疗辅助方法,其特征在于,所述提取所述病灶图像的特征向量,包括:
对所述病灶图像进行高斯滤波,以过滤所述病灶图像中的图像噪声,得到滤波后的病灶图像;
然后将原始的病灶图像与滤波后的病灶图像叠加,使得原始的病灶图像中的每个像素值减去滤波后的病灶图像中的相应像素值,得到叠加后的病灶图像,叠加后的病灶图像高亮地显示出病灶点;
确定病灶点的像素个数,以及确定病灶点的像素个数占整个病灶区域的比例,将病灶点的像素个数和所述比例构建成所述病灶图像的特征向量。
8.根据权利要求6所述的基于5G的远程互联网大数据智慧医疗辅助方法,其特征在于,所述将提取的特征向量与所述病灶康复函数中的各个样本特征向量比较,包括:
以治疗时间等于0为起点,向后推移所述治疗时间长度,然后针对该治疗时间长度所对应的样本特征向量及其之后的样本特征向量,逐个与提取的特征向量进行比较。
9.根据权利要求6所述的基于5G的远程互联网大数据智慧医疗辅助方法,其特征在于,在将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端之前,所述方法还包括:
将提取的样本病灶图像发送给所述用户的移动终端,以使得用户确认其在所述历史就诊时间的病灶情况是否为所述样本病灶图像所示的病灶情况;
在接收所述移动终端返回的确认信息后,响应于所述确认信息,才将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的样本病灶图像发送给所述目标医生的移动终端;
所述服务器还记录有移动终端每次上传的病灶图像和上传当日的日期信息;所述方法还包括:
在接收移动终端上传的病灶图像和历史就诊时间后,查询所述服务器中是否存储有在所述历史就诊时间当天存储的历史病灶图像;
如果存储有,则直接提取该历史病灶图像,并将所述移动终端上传的病灶图像、所述移动终端上传的历史就诊时间、以及提取的历史病灶图像发送给所述目标医生的移动终端。
10.权利要求6-9任一项所述的方法,其特征在于:
如果所述用户的病灶图像相较于提取的样本病灶图像出现了明显的异常,包括病灶位置完全不重叠和病灶面积扩大超过预设的阈值时,则系统向目标医生报警提示需要重新诊断;
当同一诊疗过程中,系统发生2次报警时,强制向预设的上级管理员发生警报并暂停当前诊疗程序,启动上级强制介入避免出现重大误诊事故;此时当事医生需要上传图文情况说明供上级管理员查验,如果上级管理员经人工查验为系统误报警,则可实时解除警报并恢复正常诊疗程序;如果上级管理员经人工查验确实存在误诊风险,则正式启动干预,包括启动会审。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239065.3A CN112365971B (zh) | 2020-11-09 | 2020-11-09 | 一种基于5g的远程互联网大数据智慧医疗系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239065.3A CN112365971B (zh) | 2020-11-09 | 2020-11-09 | 一种基于5g的远程互联网大数据智慧医疗系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365971A true CN112365971A (zh) | 2021-02-12 |
CN112365971B CN112365971B (zh) | 2021-06-11 |
Family
ID=74509910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239065.3A Active CN112365971B (zh) | 2020-11-09 | 2020-11-09 | 一种基于5g的远程互联网大数据智慧医疗系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365971B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863671A (zh) * | 2021-03-08 | 2021-05-28 | 广州市晨力信息科技有限公司 | 一种基于5g的智慧医疗管理系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103890807A (zh) * | 2012-10-16 | 2014-06-25 | 株式会社东芝 | 死因推测装置及其死因推测方法 |
CN103942821A (zh) * | 2014-05-06 | 2014-07-23 | 龚威平 | 一种利用遥感影像快速获取城市用地现状图序列的方法 |
CN104244818A (zh) * | 2012-02-06 | 2014-12-24 | 因赛泰克有限公司 | 在非侵入式治疗期间的基于参考的运动跟踪 |
CN206058196U (zh) * | 2016-07-25 | 2017-03-29 | 扬州市第一人民医院 | 一种医疗诊疗信息多通道保全系统 |
CN206711090U (zh) * | 2017-04-12 | 2017-12-05 | 电子科技大学成都研究院 | 一种实现远程监控及会诊的风湿病医疗系统 |
CN107622485A (zh) * | 2017-08-15 | 2018-01-23 | 中国科学院深圳先进技术研究院 | 一种融合深度张量神经网络的医学影像数据分析方法和系统 |
CN110751172A (zh) * | 2019-09-10 | 2020-02-04 | 中南大学 | 一种弱监督学习的病理全片图像类别推断方法及其系统 |
CN111062947A (zh) * | 2019-08-14 | 2020-04-24 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN111660687A (zh) * | 2019-03-08 | 2020-09-15 | 精工爱普生株式会社 | 故障时期推测装置、机器学习装置、故障时期推测方法 |
US10818386B2 (en) * | 2018-11-21 | 2020-10-27 | Enlitic, Inc. | Multi-label heat map generating system |
-
2020
- 2020-11-09 CN CN202011239065.3A patent/CN112365971B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244818A (zh) * | 2012-02-06 | 2014-12-24 | 因赛泰克有限公司 | 在非侵入式治疗期间的基于参考的运动跟踪 |
CN103890807A (zh) * | 2012-10-16 | 2014-06-25 | 株式会社东芝 | 死因推测装置及其死因推测方法 |
CN103942821A (zh) * | 2014-05-06 | 2014-07-23 | 龚威平 | 一种利用遥感影像快速获取城市用地现状图序列的方法 |
CN206058196U (zh) * | 2016-07-25 | 2017-03-29 | 扬州市第一人民医院 | 一种医疗诊疗信息多通道保全系统 |
CN206711090U (zh) * | 2017-04-12 | 2017-12-05 | 电子科技大学成都研究院 | 一种实现远程监控及会诊的风湿病医疗系统 |
CN107622485A (zh) * | 2017-08-15 | 2018-01-23 | 中国科学院深圳先进技术研究院 | 一种融合深度张量神经网络的医学影像数据分析方法和系统 |
US10818386B2 (en) * | 2018-11-21 | 2020-10-27 | Enlitic, Inc. | Multi-label heat map generating system |
CN111660687A (zh) * | 2019-03-08 | 2020-09-15 | 精工爱普生株式会社 | 故障时期推测装置、机器学习装置、故障时期推测方法 |
CN111062947A (zh) * | 2019-08-14 | 2020-04-24 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN110751172A (zh) * | 2019-09-10 | 2020-02-04 | 中南大学 | 一种弱监督学习的病理全片图像类别推断方法及其系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112863671A (zh) * | 2021-03-08 | 2021-05-28 | 广州市晨力信息科技有限公司 | 一种基于5g的智慧医疗管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112365971B (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2014271202B2 (en) | A system and method for remote medical diagnosis | |
CN111481166B (zh) | 基于眼底筛查的自动识别系统 | |
AU2019205013B2 (en) | Method and system for identification of cerebrovascular abnormalities | |
US10013528B2 (en) | Medical image storing method, information exchanging method, and apparatuses | |
CN101061483B (zh) | 用于计算机辅助诊断的原位数据收集架构 | |
CN111984771A (zh) | 一种基于智能对话的自动问诊系统 | |
CN103262083A (zh) | 具有患者特异设置的超声成像系统 | |
CN112365971B (zh) | 一种基于5g的远程互联网大数据智慧医疗系统 | |
US20220366562A1 (en) | Medical image analysis apparatus and method, and medical image visualization apparatus and method | |
JP2002253545A (ja) | 医用画像読影記録装置と、医用画像読影支援装置と、医用画像読影支援システムと、医用画像読影記録処理用プログラム及びそのプログラムの記録媒体と、医用画像読影支援処理用プログラム及びそのプログラムの記録媒体 | |
CN111475713A (zh) | 医生信息推荐方法、装置、电子设备、系统及存储介质 | |
US8121863B2 (en) | Method for detecting abnormalities in medical screening | |
CN111696100A (zh) | 基于眼底影像确定吸烟程度的方法及设备 | |
Tramontan et al. | A web-based system for the quantitative and reproducible assessment of clinical indexes from the retinal vasculature | |
CN112562860A (zh) | 分类模型的训练方法及装置、冠心病辅助筛查方法及装置 | |
CN113040812B (zh) | 医学图像分析方法、装置、计算机设备和存储介质 | |
KR20130006011A (ko) | 초음파 근육 영상 처리 장치 | |
CN113192608A (zh) | 基于医学图像的远程互联网大数据智慧医疗系统和医疗辅助方法 | |
GB2593824A (en) | Analysis method and system for feature data change of diabetic retinopathy fundus, and storage device | |
US20230047199A1 (en) | Apparatus and method for predicting biometrics based on fundus image | |
CN110393508B (zh) | 皮瓣图像获取方法、装置、存储介质及电子设备 | |
CN112750527A (zh) | 射频消融数据处理方法、装置、服务器及计算机可读存储介质 | |
CN115905960A (zh) | 一种基于心室辅助装置的不良事件检测方法及装置 | |
CN114664441A (zh) | 冠心病风险评估系统 | |
JP7404857B2 (ja) | 画像判定装置、画像判定方法及びプログラム |
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 |