CN112927776A - 一种面向医学检验报告的人工智能自动解读系统 - Google Patents
一种面向医学检验报告的人工智能自动解读系统 Download PDFInfo
- Publication number
- CN112927776A CN112927776A CN202110150277.2A CN202110150277A CN112927776A CN 112927776 A CN112927776 A CN 112927776A CN 202110150277 A CN202110150277 A CN 202110150277A CN 112927776 A CN112927776 A CN 112927776A
- Authority
- CN
- China
- Prior art keywords
- medical examination
- report
- medical
- detection
- text
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 26
- 238000002558 medical inspection Methods 0.000 title claims description 20
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000012015 optical character recognition Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000007170 pathology Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000002604 ultrasonography Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012800 visualization 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Epidemiology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种面向医学检验报告的人工智能自动解读系统，包括：医学检验报告检测与分类系统，对图像或视频中的医学检验报告进行定位和检测分类，确定该报告的具体类别；医学检验报告文本检测与识别系统，将分类后的医学检验报告中的文本进行定位检测与识别，实现报告文本信息的结构化输出；医学检验知识图谱，集成医学检验相关的知识数据，为自动化解读提供底层数据支持；知识信息搜索与呈现系统，将医学检验报告文本检测与识别系统结构化输出的数据在医学检验知识图谱中进行查询，并将查询结果可视化呈现给用户。本发明可对医学检验报告进行自动解读并可视化呈现结果，为用户提供专业解读，降低了医疗机构人力成本，提升了医疗机构的效率及医疗服务水平。
Description
技术领域
本发明属于人工智能以及医疗信息化技术领域，特别涉及一种面向医学检验报告的人工智能自动解读系统。
背景技术
医学检验是人们日常体检、健康管理中不可或缺的环节，然而医学检验类别指标繁多，对应指标的含义往往晦涩难懂，指标异常对应的原因、发展趋势走向以及后续诊疗方案需要专业医生进行解读。体检人在拿到检验报告后难以完全读懂，尤其是对于异常指标对应的原因、结果均不清楚，存在询医问诊的迫切需求。但实际上大部分检测指标定义、含义以及异常的询问往往非常浅显且不具备必要性。对于医疗机构而言，这种大量非必要的问诊占据了医疗人员大量时间，造成了医疗资源的严重浪费；对于体检人自身而言，询医问诊需要重新排队挂号，浪费了金钱和大量时间。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种面向医学检验报告的人工智能自动解读系统，以计算机视觉技术、自然语言处理技术、知识图谱技术等人工智能技术为基础，通过大量医学检验报告训练了医学检验报告检测与分类模型、医学检验报告文本检测与识别模型等计算机视觉人工智能网络模型，同时组织集成了大量医学知识，实现了医学检验报告的自动解读，并进行了可视化的呈现。本发明为用户提供高效准确的医学检验解读，降低了医疗资源浪费，提升了医疗服务机构的运行效率。
为了实现上述目的，本发明采用的技术方案是：
一种面向医学检验报告的人工智能自动解读系统，包括：
医学检验报告检测与分类系统，对图像或视频中的医学检验报告进行定位和检测分类，确定该报告的具体类别；
医学检验报告文本检测与识别系统，将分类后的医学检验报告中的文本进行定位检测与识别，实现报告文本信息的结构化输出；
医学检验知识图谱，集成医学检验相关的知识数据，为自动化解读提供底层数据支持；
知识信息搜索与呈现系统，将医学检验报告文本检测与识别系统结构化输出的数据在医学检验知识图谱中进行查询，并将查询结果可视化呈现给用户。
所述医学检验报告检测与分类系统由单个或多个计算机视觉人工智能模型组成，检测分类的结果为医学检验报告的细分类别。
所述人工智能模型为目标检测模型、语义分割模型或实例分割模型，所述细分类别为超声检测报告、CT检测报告、血常规检测报告、病理检测报告或体检报告。
所述定位和检测分类的具体过程如下：
A，区分图像或视频中的前景和背景，确定医学检验报告所在的位置；
B，确定医学检验报告在图像中的朝向，朝向包括朝上、朝下、朝左、朝右，朝向的判断以报告中文字的方向为标准；
C，在输入图像或视频中，对医学检验报告部分进行提取，并根据朝向信息，对提取出的医学检验报告进行包括仿射变换、色彩亮度恢复在内的操作，提升图像质量；在经过仿射变化后的医学检验报告图像中，文字的方向是正面朝上；
D，对医学检验报告进行分类，确定其细分类别；
E，输出经过提取修正后的医学检验报告图像以及其所属的细分类别。
所述医学检验报告文本检测与识别系统为光学字符识别(OCR)系统，其包括文本检测子模型和文本识别子模型，并利用医学语料库训练文本识别子模型以提升识别准确度。
所述定位检测与识别的具体过程如下：
A，对医学检验报告中的文本进行检测定位，确定报告中每一个文本块所在的位置；
B，对医学检验报告中每一个文本区域进行提取，并对每一个提取的文本区域进行处理以提高文本区域图像质量；
C，利用文本识别子模型对文本区域图像进行文本的识别；
D，在文本识别完成以后，根据医学检验报告分类的具体结果，结合每个文本区域的坐标位置，对文本识别的结果进行key-value形式的结构化输出。
所述文本识别子模型的实现方式为CNN+CTC、CNN+RNN+CTC、CNN+Attentio或CNN+RNN+Attention。
所述医学检验相关的数据，包括检测指标定义、检测指标的正常范围、检测指标异常解释以及检测指标异常诊疗建议。
所述系统可以运行在计算机、手机或云服务器上，可以集成于医疗机构、体检机构等各相关机构的网站、微信小程序或手机应用程序中，也可以单独形成计算机软件、网站、微信小程序或手机应用程序。
系统可以在原图中每个文本区域处生成一个对应专业医学信息的链接。
与现有技术相比，本发明的有益效果是：本发明可以对医学检验报告进行自动解读并进行结果的可视化呈现，具有快速、准确、直观的特点；可为用户提供专业可靠的医学解读，让用户快速有效地获取相关检验指标含义、检验指标异常原因、异常危害度、异常后续诊疗方案等专业医疗信息，从而降低了医疗服务机构相关人力成本，提升了医疗机构的效率及医疗服务水平。
附图说明
图1为本发明医学检验报告的人工智能自动解读系统的整体原理结构示意图。
图2为本发明的医学检验报告检测与分类系统的一种实现方法。
图3为本发明医学检验报告文本检测与识别系统的文本检测模型的一种实现。
图4为医学检验报告文本检测与识别系统的整体结构框图。
图5为本发明输出信息的一种可视化呈现方式。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如图1所示，以含有体检报告单的照片图像作为示例，本发明一种面向医学检验报告的人工智能自动解读系统，包括医学检验报告检测与分类系统1、医学检验报告文本检测与识别系统2、医学检验知识图谱3和知识信息搜索与呈现系统4，在进行医学检验报告的自动解读时，图片数据将经过检验报告目标检测、检验报告分类、检验报告文本识别、知识图谱数据检索、解读结果可视化等多个步骤，最终呈现在相关软件系统、小程序或着手机应用程序的用户界面中。
其中，医学检验报告检测与分类系统1由单个或多个计算机视觉人工智能模型组成，可以对图像或视频中的医学检验报告进行定位和检测分类，检测分类的结果为医学检验报告的细分类别，如超声检测报告、CT检测报告、血常规检测报告、病理检测报告或体检报告等，从而确定该报告的具体类别，并最终输出经过提取、变换修正后的医学检验报告图像及其对应的报告细分类别。
具体地，采用的人工智能模型可以为目标检测模型、语义分割模型或实例分割模型等，当医学检验报告图像或视频输入到医学检验报告检测与分类系统1后，医学检验报告检测与分类系统1的工作包括：
A，区分图像或视频中的前景和背景，确定医学检验报告所在的位置；
B，确定医学检验报告在图像中的朝向，朝向包括朝上、朝下、朝左、朝右，朝向的判断以报告中文字的方向为标准；
C，在输入图像或视频中，对医学检验报告部分进行提取，并根据朝向信息，对提取出的医学检验报告进行包括仿射变换、色彩亮度恢复等操作，提升图像质量；在经过仿射变化后的医学检验报告图像中，文字的方向是正面朝上，符合日常阅读习惯；
D，对医学检验报告进行分类，确定其细分类别，具体细分类别包括检验报告、病理报告、超声报告还是CT报告等；
E，输出经过提取修正后的医学检验报告图像以及其所属的细分类别。
图2以常用的语义分割模型U-net为例说明了医学检验报告检测与分类系统1的工作过程，U-net是一种常用的语义分割模型，输入图像经过多次卷积与池化得到更深更小的特征图，这些更深更小的特征图通过逆卷积并与上层特征图的部分特征信息逐层融合，最终输出语义分割图像。U-net可以较好完成本发明中所需要的医学检验报告检测与分类任务,除此之外，实例分割模型如Mask-RCNN等，目标检测模型Yolo v3等人工智能模型都可以较好地完成本发明所需要的医学检验报告检测与分类任务。
在图1所示实施例中，医学检验报告检测与分类系统1首先检测到图像中含有医学检验报告同时完成定位，并将其类别判断为体检报告单；在对图像中体检报告单的区域进行提取后，依照体检报告单的边界坐标以及报告中文本的朝向，医学检验报告检测与分类系统1对提取图像进行了仿射变换，将体检报告单变换为平整、文本方向朝上的高质量图像。
医学检验报告文本检测与识别系统2为一个针对医学检验报告的光学字符识别(OCR)系统，其包括文本检测、文本识别等计算机视觉子模型，同时医学语料库将被用于模型训练以提升识别准确度，将分类后的医学检验报告中的文本进行定位检测与识别，实现报告文本信息的结构化输出。
具体地，医学检验报告文本检测与识别系统2的工作包括：
A，对医学检验报告中的文本进行检测定位，确定报告中每一个文本块所在的位置；
B，对医学检验报告中每一个文本区域进行提取，并对每一个提取的文本区域进行仿射变化等处理以提高文本区域图像质量；
C，利用文本识别子模型对文本区域图像进行文本的识别；目前文本识别人工智能网络有多种实现方式，包括CNN+CTC，CNN+LSTM+CTC,CNN+Attention,CNN+LSTM+Attention等；在本发明中，为了提升识别准确度，在训练中加入了医学专用语料库，因此采用了CNN+LSTM+CTC的人工智能网络结构；
D，在文本识别完成以后，根据医学检验报告分类的具体结果，结合每个文本区域的坐标位置，对文本识别的结果进行key-value形式的结构化输出，其最终的输出为key-value形式结构化数据对以及各个文本区域对应的坐标数据。
图3给出了常用的实例分割模型Mask-RCNN。图4给出了医学检验报告文本检测与识别系统2的整体结构框图。其中文本识别部分的实现采用了Resnet+LSTM+CTC架构，也是目前较为常见的一种实现方法。
在图1所示实施例中，医学检验报告文本检测与识别系统2首先检测提交报告单中的文本并进行定位和提取工作；在根据文本区域坐标信息进行仿射变换等操作后，医学检验报告文本检测与识别系统2对文本区域进行文本识别，最终输出每个文本区域的坐标，并根据体检报告单模板，输出key-value形式的结构化数据，如图1中所示的“姓名：张三”,“白细胞-95”等。
医学检验知识图谱3集成医学检验相关的知识数据，如检测指标定义、检测指标的正常范围、检测指标异常解释以及检测指标异常诊疗建议等，为自动化解读提供底层数据支持。
知识信息搜索与呈现系统4，将医学检验报告文本检测与识别系统2结构化输出的数据在医学检验知识图谱3中进行搜索查询，并将查询结果可视化呈现给用户，用户可以通过常规交互方式获取各种专业医学信息。
图5给出了输出信息的一种可视化呈现方式。经过医学检验报告检测与分类系统1和医学检验报告文本检测与识别系统2两个模型推理后，整个系统已经获得了医学检验报告以及每个文本区域在原图中的坐标。整个系统在原图中每个文本区域处生成一个链接，当用户需要获取相关文本区域对应的医学信息时，只需要点击该文本区域，即可进入包含对应专业医学信息的链接；当查阅完成后，可以退回到原图以查询其他信息。在原图中，指标异常区域将有高亮等特别显示处理；较为严重的异常会有更加重大的显示处理以提醒用户。
本发明系统可以运行在计算机、手机或云服务器上，可以集成于医疗机构、体检机构等各相关机构的网站、微信小程序或手机应用程序中，也可以单独形成计算机软件、网站、微信小程序或手机应用程序。
本发明可以对医学检验报告进行自动解读并进行结果的可视化呈现，为用户提供专业可靠的医学解读，降低了医疗服务机构相关人力成本，提升了医疗机构的效率及医疗服务水平。
Claims (10)
1.一种面向医学检验报告的人工智能自动解读系统，其特征在于，包括：
医学检验报告检测与分类系统(1)，对图像或视频中的医学检验报告进行定位和检测分类，确定该报告的具体类别；
医学检验报告文本检测与识别系统(2)，将分类后的医学检验报告中的文本进行定位检测与识别，实现报告文本信息的结构化输出；
医学检验知识图谱(3)，集成医学检验相关的知识数据，为自动化解读提供底层数据支持；
知识信息搜索与呈现系统(4)，将医学检验报告文本检测与识别系统(2)结构化输出的数据在医学检验知识图谱(3)中进行查询，并将查询结果可视化呈现给用户。
2.根据权利要求1所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述医学检验报告检测与分类系统(1)由单个或多个计算机视觉人工智能模型组成，检测分类的结果为医学检验报告的细分类别。
3.根据权利要求2所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述人工智能模型为目标检测模型、语义分割模型或实例分割模型，所述细分类别为超声检测报告、CT检测报告、血常规检测报告、病理检测报告或体检报告。
4.根据权利要求1或2或3所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述定位和检测分类的具体过程如下：
A，区分图像或视频中的前景和背景，确定医学检验报告所在的位置；
B，确定医学检验报告在图像中的朝向，朝向包括朝上、朝下、朝左、朝右，朝向的判断以报告中文字的方向为标准；
C，在输入图像或视频中，对医学检验报告部分进行提取，并根据朝向信息，对提取出的医学检验报告进行包括仿射变换、色彩亮度恢复在内的操作，提升图像质量；在经过仿射变化后的医学检验报告图像中，文字的方向是正面朝上；
D，对医学检验报告进行分类，确定其细分类别；
E，输出经过提取修正后的医学检验报告图像以及其所属的细分类别。
5.根据权利要求1所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述医学检验报告文本检测与识别系统(2)为光学字符识别(OCR)系统，其包括文本检测子模型和文本识别子模型，并利用医学语料库训练文本识别子模型以提升识别准确度。
6.根据权利要求1或5所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述定位检测与识别的具体过程如下：
A，对医学检验报告中的文本进行检测定位，确定报告中每一个文本块所在的位置；
B，对医学检验报告中每一个文本区域进行提取，并对每一个提取的文本区域进行处理以提高文本区域图像质量；
C，利用文本识别子模型对文本区域图像进行文本的识别；
D，在文本识别完成以后，根据医学检验报告分类的具体结果，结合每个文本区域的坐标位置，对文本识别的结果进行key-value形式的结构化输出。
7.根据权利要求6所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述文本识别子模型的实现方式为CNN+CTC、CNN+RNN+CTC、CNN+Attentio或CNN+RNN+Attention。
8.根据权利要求1所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述医学检验相关的数据，包括检测指标定义、检测指标的正常范围、检测指标异常解释以及检测指标异常诊疗建议。
9.根据权利要求1所述面向医学检验报告的人工智能自动解读系统，其特征在于，所述系统运行在计算机、手机或云服务器上，或集成于医疗机构、体检机构的网站、微信小程序或手机应用程序中，或单独形成计算机软件、网站、微信小程序或手机应用程序。
10.根据权利要求1所述面向医学检验报告的人工智能自动解读系统，其特征在于，在原图中每个文本区域处生成一个对应专业医学信息的链接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110150277.2A CN112927776A (zh) | 2021-02-03 | 2021-02-03 | 一种面向医学检验报告的人工智能自动解读系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110150277.2A CN112927776A (zh) | 2021-02-03 | 2021-02-03 | 一种面向医学检验报告的人工智能自动解读系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112927776A true CN112927776A (zh) | 2021-06-08 |
Family
ID=76169788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110150277.2A Pending CN112927776A (zh) | 2021-02-03 | 2021-02-03 | 一种面向医学检验报告的人工智能自动解读系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112927776A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113380380A (zh) * | 2021-06-23 | 2021-09-10 | 上海电子信息职业技术学院 | 一种医疗报告的智能解读装置 |
| CN114332844A (zh) * | 2022-03-16 | 2022-04-12 | 武汉楚精灵医疗科技有限公司 | 医学图像的智能分类应用方法、装置、设备和存储介质 |
| CN114360679A (zh) * | 2022-01-07 | 2022-04-15 | 启康保(北京)健康科技有限公司 | 体检报告数字化管理方法及系统 |
| CN114400062A (zh) * | 2021-12-21 | 2022-04-26 | 广州金域医学检验中心有限公司 | 检验报告的解读方法及装置、计算机设备及存储介质 |
| CN117809798A (zh) * | 2024-03-01 | 2024-04-02 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777519A (zh) * | 2016-11-24 | 2017-05-31 | 深圳市景旺电子股份有限公司 | 一种图形资料的输出方法及系统 |
| CN110459289A (zh) * | 2019-07-25 | 2019-11-15 | 珠海九松科技有限公司 | 基于人工智能和图像识别的医学诊疗报告解释系统 |
| CN110619332A (zh) * | 2019-08-13 | 2019-12-27 | 中国科学院深圳先进技术研究院 | 基于视野检查报告的数据处理方法、装置及设备 |
| CN111048170A (zh) * | 2019-12-23 | 2020-04-21 | 山东大学齐鲁医院 | 基于图像识别的消化内镜结构化诊断报告生成方法与系统 |
| CN111223085A (zh) * | 2020-01-09 | 2020-06-02 | 北京安德医智科技有限公司 | 一种基于神经网络的头部医疗影像辅助判读报告生成方法 |
| CN111652162A (zh) * | 2020-06-08 | 2020-09-11 | 成都知识视觉科技有限公司 | 一种医疗单证结构化知识提取的文本检测与识别方法 |
| CN112116968A (zh) * | 2019-06-21 | 2020-12-22 | 上海交通大学医学院附属瑞金医院 | 一种医学检验报告的识别方法、装置、设备及存储介质 |
-
2021
- 2021-02-03 CN CN202110150277.2A patent/CN112927776A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777519A (zh) * | 2016-11-24 | 2017-05-31 | 深圳市景旺电子股份有限公司 | 一种图形资料的输出方法及系统 |
| CN112116968A (zh) * | 2019-06-21 | 2020-12-22 | 上海交通大学医学院附属瑞金医院 | 一种医学检验报告的识别方法、装置、设备及存储介质 |
| CN110459289A (zh) * | 2019-07-25 | 2019-11-15 | 珠海九松科技有限公司 | 基于人工智能和图像识别的医学诊疗报告解释系统 |
| CN110619332A (zh) * | 2019-08-13 | 2019-12-27 | 中国科学院深圳先进技术研究院 | 基于视野检查报告的数据处理方法、装置及设备 |
| CN111048170A (zh) * | 2019-12-23 | 2020-04-21 | 山东大学齐鲁医院 | 基于图像识别的消化内镜结构化诊断报告生成方法与系统 |
| CN111223085A (zh) * | 2020-01-09 | 2020-06-02 | 北京安德医智科技有限公司 | 一种基于神经网络的头部医疗影像辅助判读报告生成方法 |
| CN111652162A (zh) * | 2020-06-08 | 2020-09-11 | 成都知识视觉科技有限公司 | 一种医疗单证结构化知识提取的文本检测与识别方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113380380A (zh) * | 2021-06-23 | 2021-09-10 | 上海电子信息职业技术学院 | 一种医疗报告的智能解读装置 |
| CN114400062A (zh) * | 2021-12-21 | 2022-04-26 | 广州金域医学检验中心有限公司 | 检验报告的解读方法及装置、计算机设备及存储介质 |
| CN114400062B (zh) * | 2021-12-21 | 2024-03-22 | 广州金域医学检验中心有限公司 | 检验报告的解读方法及装置、计算机设备及存储介质 |
| CN114360679A (zh) * | 2022-01-07 | 2022-04-15 | 启康保(北京)健康科技有限公司 | 体检报告数字化管理方法及系统 |
| CN114332844A (zh) * | 2022-03-16 | 2022-04-12 | 武汉楚精灵医疗科技有限公司 | 医学图像的智能分类应用方法、装置、设备和存储介质 |
| CN117809798A (zh) * | 2024-03-01 | 2024-04-02 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
| CN117809798B (zh) * | 2024-03-01 | 2024-04-26 | 金堂县第一人民医院 | 基于大模型的检验报告解读方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112927776A (zh) | 一种面向医学检验报告的人工智能自动解读系统 | |
| US10438050B2 (en) | Image analysis device, image analysis system, and image analysis method | |
| Şevik et al. | Identification of suitable fundus images using automated quality assessment methods | |
| US20190294921A1 (en) | Field identification in an image using artificial intelligence | |
| Wilkinson et al. | Neural Ctrl-F: segmentation-free query-by-string word spotting in handwritten manuscript collections | |
| US11861925B2 (en) | Methods and systems of field detection in a document | |
| US20210366055A1 (en) | Systems and methods for generating accurate transaction data and manipulation | |
| US11341319B2 (en) | Visual data mapping | |
| CN110046264A (zh) | 一种面向手机文档的自动分类方法 | |
| Geng et al. | An improved helmet detection method for YOLOv3 on an unbalanced dataset | |
| CN111898528B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
| Geng et al. | DPSA: dense pixelwise spatial attention network for hatching egg fertility detection | |
| CN117372816A (zh) | 一种智能驾驶的图像自动标注方法、标注系统及存储介质 | |
| CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
| CN111597936A (zh) | 基于深度学习的人脸数据集标注方法、系统、终端及介质 | |
| CN111753618A (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
| CN115937887A (zh) | 文档结构化信息的提取方法及装置、电子设备、存储介质 | |
| CN115186240A (zh) | 基于关联性信息的社交网络用户对齐方法、装置、介质 | |
| CN111428724B (zh) | 一种试卷手写统分方法、装置及存储介质 | |
| Liu et al. | A fast button surface defects detection method based on convolutional neural network | |
| Zhao et al. | Object detection of face mask recognition based on improved faster RCNN | |
| Bhatt et al. | Text Extraction & Recognition from Visiting Cards | |
| Wang et al. | Research on blood type card image automatic recognition algorithm | |
| Lu et al. | Complementary pseudolabel based on global-and-channel information for unsupervised person reidentification | |
| Hu et al. | Design of chip character recognition system based on neural network |
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 |