CN112951410A - 超声引导下的细针穿刺病理涂片快速现场评估系统 - Google Patents
超声引导下的细针穿刺病理涂片快速现场评估系统 Download PDFInfo
- Publication number
- CN112951410A CN112951410A CN202110183830.2A CN202110183830A CN112951410A CN 112951410 A CN112951410 A CN 112951410A CN 202110183830 A CN202110183830 A CN 202110183830A CN 112951410 A CN112951410 A CN 112951410A
- Authority
- CN
- China
- Prior art keywords
- module
- pathological
- smear
- information
- smears
- 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
- 230000001575 pathological effect Effects 0.000 title claims abstract description 139
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000006872 improvement Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 230000006698 induction Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000007547 defect Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 12
- 238000010835 comparative analysis Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 7
- 238000012797 qualification Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 230000007170 pathology Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010186 staining Methods 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims description 3
- 239000013076 target substance Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 21
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000001685 thyroid gland Anatomy 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G06T2207/10056—Microscopic image
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及病理检验技术领域，具体地说，涉及超声引导下的细针穿刺病理涂片快速现场评估系统。包括云端数库单元、信息传输单元、数据处理单元和结果应用单元；云端数库单元包括数据共享模块、分类归纳模块、关键匹配模块和实时更新模块；数据处理单元包括信息采集模块、信息优化模块、对比分析模块和质量评分模块；结果应用单元包括合格收录模块、驳回反馈模块和改进建议模块。本发明设计可以评估涂片的质量并识别目标量是否足够，为是否要继续或重新采集样本提供可靠依据，提高现场评估的工作效率及准确性，节省人力资源及时间，另外可以对样本采集操作过程进行评估和分析，提高病理采集操作的规范性。
Description
技术领域
本发明涉及病理检验技术领域，具体地说，涉及超声引导下的细针穿刺超声引导下的细针穿刺病理涂片快速现场评估系统。
背景技术
随着医疗技术的发展，医院每天都要进行大量病理样本检验操作，包括活检涂片、甲状腺及转移淋巴结的细针穿刺，在超声引导下细针穿刺的现场，通常需要专业人员来对涂片进行评估，观察此次病理涂片是否合格或穿刺细胞量是否足够，需要耗费大量人力资源及时间，而有些医院不具备这些条件，另外有时因人工读片时不能全面扫查整张涂片而导致诊断准确性下降。
发明内容
本发明的目的在于提供了超声引导下细针穿刺的超声引导下的细针穿刺病理涂片快速现场评估系统，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供了超声引导下的细针穿刺病理涂片快速现场评估系统，包括
云端数库单元、信息传输单元、数据处理单元和结果应用单元；所述云端数库单元、所述数据处理单元与所述结果应用单元依次通过以太网通讯连接；所述云端数库单元用于将收集的大量临床数据分类存储在云端以形成基础数据库；所述信息传输单元用于通过无线传输技术实现系统各层面之间的数据传输；所述数据处理单元用于对现场采集的病理涂片信息进行综合分析及现场评估；所述结果应用单元用于根据计算及分析的结果对病理涂片发出对应的处理指令；
所述云端数库单元包括数据共享模块、分类归纳模块、关键匹配模块和实时更新模块；
所述数据处理单元包括信息采集模块、信息优化模块、对比分析模块和质量评分模块；
所述结果应用单元包括合格收录模块、驳回反馈模块和改进建议模块。
作为本技术方案的进一步改进，所述数据共享模块的信号输出端与所述分类归纳模块的信号输入端连接，所述分类归纳模块的信号输出端与所述关键匹配模块的信号输入端连接，所述实时更新模块的信号输出端与所述数据共享模块的信号输入端连接；所述数据共享模块用于将云端数据库内的数据共享到评估系统上；所述分类归纳模块用于将云端数据按设定的划分类型分别进行归纳；所述关键匹配模块用于按照采集的现场数据的关键词匹配对应的分类数据库以便读取数据；所述实时更新模块用于将新采集的数据更新到云端数据库。
作为本技术方案的进一步改进，所述信息传输单元采用的方法包括但不限于有线网络、无线WiFi通信、GPRS、蓝牙等通讯技术。
作为本技术方案的进一步改进，所述信息采集模块的信号输出端与所述信息优化模块的信号输入端连接，所述信息优化模块的信号输出端与所述对比分析模块的信号输入端连接，所述对比分析模块的信号输出端与所述质量评分模块的信号输入端连接；所述信息采集模块用于通过全自动显微镜对现场制备的病理涂片进行扫描及通过用户终端键入对应说明等操作；所述信息优化模块用于对新采集的数据信息进行优化操作；所述对比分析模块用于通过将新采集的信息与云端数据库内对应的数据进行对比及综合分析；所述质量评分模块用于通过预设的评分标准对病理涂片的质量进行评估并分级评定。
作为本技术方案的进一步改进，所述信息优化模块包括图像处理模块、文字提取模块和目标计数模块；所述图像处理模块的信号输出端同时与所述文字提取模块、所述目标计数模块的信号输入端连接；所述图像处理模块用于对扫描的病理涂片的图像进行背景彩色二值化、降噪等优化处理；所述文字提取模块用于提取扫描得到的图片上的标签文字；所述目标计数模块用于对有数量要求的目标物质进行计数统计。
作为本技术方案的进一步改进，所述质量评分模块包括评分计算模块、分级统计模块、比重计算模块和缺陷分析模块；所述评分计算模块的信号输出端与所述分级统计模块的信号输入端连接，所述分级统计模块的信号输出端与所述比重计算模块的信号输入端连接，所述比重计算模块的信号输出端与所述缺陷分析模块的信号输入端连接，所述缺陷分析模块的输出端与用户终端连接，便于及时显示分析结果；所述评分计算模块用于对每一块病理涂片独立进行评分；所述分级统计模块用于将病理涂片按评分划分为多等级并分别对一段时间周期内各等级内的病理涂片数量进行统计；所述比重计算模块用于分别对同一时间周期内各等级病理涂片所占的比重值；所述缺陷分析模块用于在合格率较低时对病理涂片出现的缺陷类型及频次进行分析统计。
作为本技术方案的进一步改进，所述评分计算模块采用递减法，即从满分按照不合格的质量标准依次减去对应的扣分数值，直到得出最终评分，其中，评分质量标准包括但不限于涂片完整度、涂片厚度、涂片污染度、气泡量、对比清晰度、目标细胞数量等。
作为本技术方案的进一步改进，所述比重计算模块的计算公式为：
其中，i为评分的划分等级，i＝1，2，...，K；t为时间周期；n为时间周期内划分为i等级的病理涂片的数量；m为时间周期内所采集的所有病理涂片的数量。
作为本技术方案的进一步改进，所述合格收录模块与所述驳回反馈模块并列运行，所述驳回反馈模块的信号输出端与所述改进建议模块的信号输入端连接；所述合格收录模块用于对细胞数量充足且评分合格的病理涂片作出收录的评估意见并将其对应的信息传输到病理中心；所述驳回反馈模块用于对细胞数量不足或无目标细胞且评分不合格的病理涂片作出驳回的评估意见并实时显示在用户终端上；所述改进建议模块用于将被驳回的病理涂片存在的不合格因素及改进方案显示在用户终端上。
本发明的目的之二在于，提供了病理涂片快速现场评估方法，包括如下步骤：
S1、首先将装载有该系统的计算机设备及配套的全自动显微镜安装在病理涂片采集现场，并通过运行测试，保证网络通讯稳定及系统正常运行；
S2、医护人员在现场对患者进行病理涂片采集操作，并嘱采集后的患者在现场稍等；
S3、医护人员对采集的病理涂片进行染色、清洗等操作，再将涂片置于全自动显微镜下进行自动的扫描检测；
S4、全自动显微镜扫描病理涂片并将采集的信息上传到评估系统，评估系统提取该病理涂片对应的信息，在云端数据库内匹配到对应的临床数据，对两组信息进行对比分析，并对病理涂片进行评分；
S5、根据设定的评分标准，对病理涂片进行等级划分，并将其所处的等级信息经用户终端反馈给医护人员；
S6、当病理涂片包含的细胞数量充足且被划分在合格及以上等级时，系统对该病理涂片作出可以收录的评估意见，并将其对应的信息发送到病理中心，病理中心接收到信息后，则可以提前做好接收送检标本的准备，而后医护人员可以反馈给患者，并嘱患者离开；
S7、当病理涂片包含的细胞数量不足或无目标细胞且被划分在合格以下等级时，系统对该病理涂片作出驳回的评估意见，并将其存在的缺陷及对应的改进方案显示在用户终端，医护人员可以及时根据改进方案对患者进行再次的病理涂片采集操作，其中，针对细胞数量不足的涂片，则需要医护人员继续采集组织来完善涂片，针对无目标细胞的涂片，则需要医护人员更换位置重新进行采集操作；
S8、依次重复上述操作流程，直到采集的病理涂片均合格即可；
S9、收集所有的病理涂片信息，并实时更新到云端数据库内；
S10、对系统设定一个统计时间周期，对每个时间周期内的病理涂片划分在各等级的比重值进行统计，并对合格率较低的时间周期内的原因进行分析，以便给出改进建议。
本发明的目的之三在于，提供了病理涂片快速现场评估装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述任一的超声引导下的细针穿刺病理涂片快速现场评估系统。
本发明的目的之四在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一的超声引导下的细针穿刺病理涂片快速现场评估系统。
与现有技术相比，本发明的有益效果：该超声引导下的细针穿刺病理涂片快速现场评估系统中，将人工智能与采集技术相结合，收集大量临床数据存储于云端并通过深度学习，通过全自动显微镜完成涂片扫描后，系统可以通过对涂片信息与临床数据进行对比来评估涂片的质量，并可自动识别所需要细胞类型的细胞量是否足够，为是否要继续或重新采集样本提供可靠依据，提高现场评估的工作效率及准确性，节省人力资源及时间，另外可以对病理涂片进行评分、等级划分及统计操作，进而可以对样本采集操作过程进行评估和分析，并给出改进建议，提高病理采集操作的规范性。
附图说明
图1为本发明的示例性产品架构图；
图2为本发明的整体装置结构示意图；
图3为本发明的局部装置结构示意图之一；
图4为本发明的局部装置结构示意图之二；
图5为本发明的局部装置结构示意图之三；
图6为本发明的局部装置结构示意图之四；
图7为本发明的局部装置结构示意图之五；
图8为本发明的局部装置结构示意图之六。
图中各个标号意义为：
100、云端数库单元；101、数据共享模块；102、分类归纳模块；103、关键匹配模块；104、实时更新模块；
200、信息传输单元；
300、数据处理单元；301、信息采集模块；302、信息优化模块；3021、图像处理模块；3022、文字提取模块；3023、目标计数模块；303、对比分析模块；304、质量评分模块；3041、评分计算模块；3042、分级统计模块；3043、比重计算模块；3044、缺陷分析模块；
400、结果应用单元；401、合格收录模块；402、驳回反馈模块；403、改进建议模块。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
系统实施例
如图1-图8所示，本实施例的目的在于，提供了超声引导下的细针穿刺病理涂片快速现场评估系统，包括
云端数库单元100、信息传输单元200、数据处理单元300和结果应用单元400；云端数库单元100、数据处理单元300与结果应用单元400依次通过以太网通讯连接；云端数库单元100用于将收集的大量临床数据分类存储在云端以形成基础数据库；信息传输单元200用于通过无线传输技术实现系统各层面之间的数据传输；数据处理单元300用于对现场采集的病理涂片信息进行综合分析及现场评估；结果应用单元400用于根据计算及分析的结果对病理涂片发出对应的处理指令；
云端数库单元100包括数据共享模块101、分类归纳模块102、关键匹配模块103和实时更新模块104；
数据处理单元300包括信息采集模块301、信息优化模块302、对比分析模块303和质量评分模块304；
结果应用单元400包括合格收录模块401、驳回反馈模块402和改进建议模块403。
本实施例中，数据共享模块101的信号输出端与分类归纳模块102的信号输入端连接，分类归纳模块102的信号输出端与关键匹配模块103的信号输入端连接，实时更新模块104的信号输出端与数据共享模块101的信号输入端连接；数据共享模块101用于将云端数据库内的数据共享到评估系统上；分类归纳模块102用于将云端数据按设定的划分类型分别进行归纳；关键匹配模块103用于按照采集的现场数据的关键词匹配对应的分类数据库以便读取数据；实时更新模块104用于将新采集的数据更新到云端数据库。
本实施例中，信息传输单元200采用的方法包括但不限于有线网络、无线WiFi通信、GPRS、蓝牙等通讯技术。
本实施例中，信息采集模块301的信号输出端与信息优化模块302的信号输入端连接，信息优化模块302的信号输出端与对比分析模块303的信号输入端连接，对比分析模块303的信号输出端与质量评分模块304的信号输入端连接；信息采集模块301用于通过全自动显微镜对现场制备的病理涂片进行扫描及通过用户终端键入对应说明等操作；信息优化模块302用于对新采集的数据信息进行优化操作；对比分析模块303用于通过将新采集的信息与云端数据库内对应的数据进行对比及综合分析；质量评分模块304用于通过预设的评分标准对病理涂片的质量进行评估并分级评定。
进一步地，信息优化模块302包括图像处理模块3021、文字提取模块3022和目标计数模块3023；图像处理模块3021的信号输出端同时与文字提取模块3022、目标计数模块3023的信号输入端连接；图像处理模块3021用于对扫描的病理涂片的图像进行背景彩色二值化、降噪等优化处理；文字提取模块3022用于提取扫描得到的图片上的标签文字；目标计数模块3023用于对有数量要求的目标物质进行计数统计。
进一步地，质量评分模块304包括评分计算模块3041、分级统计模块3042、比重计算模块3043和缺陷分析模块3044；评分计算模块3041的信号输出端与分级统计模块3042的信号输入端连接，分级统计模块3042的信号输出端与比重计算模块3043的信号输入端连接，比重计算模块3043的信号输出端与缺陷分析模块3044的信号输入端连接，所述缺陷分析模块3044的输出端与用户终端连接，便于及时显示分析结果；评分计算模块3041用于对每一块病理涂片独立进行评分；分级统计模块3042用于将病理涂片按评分划分为多等级并分别对一段时间周期内各等级内的病理涂片数量进行统计；比重计算模块3043用于分别对同一时间周期内各等级病理涂片所占的比重值；缺陷分析模块3044用于在合格率较低时对病理涂片出现的缺陷类型及频次进行分析统计。
其中，评分计算模块3041采用递减法，即从满分按照不合格的质量标准依次减去对应的扣分数值，直到得出最终评分，其中，评分质量标准包括但不限于涂片完整度、涂片厚度、涂片污染度、气泡量、对比清晰度、目标细胞数量等。
具体地，比重计算模块3043的计算公式为：
其中，i为评分的划分等级，i＝1，2，...，K；t为时间周期；ni，t为时间周期内划分为i等级的病理涂片的数量；mt为时间周期内所采集的所有病理涂片的数量。
本实施例中，合格收录模块401与驳回反馈模块402并列运行，驳回反馈模块402的信号输出端与改进建议模块403的信号输入端连接；合格收录模块401用于对细胞数量充足且评分合格的病理涂片作出收录的评估意见并将其对应的信息传输到病理中心；驳回反馈模块402用于对细胞数量不足或无目标细胞且评分不合格的病理涂片作出驳回的评估意见并实时显示在用户终端上；改进建议模块403用于将被驳回的病理涂片存在的不合格因素及改进方案显示在用户终端上。
方法实施例
本实施例的目的在于，提供了病理涂片快速现场评估方法，包括如下步骤：
S1、首先将装载有该系统的计算机设备及配套的全自动显微镜安装在病理涂片采集现场，并通过运行测试，保证网络通讯稳定及系统正常运行；
S2、医护人员在现场对患者进行病理涂片采集操作，并嘱采集后的患者在现场稍等；
S3、医护人员对采集的病理涂片进行染色、清洗等操作，再将涂片置于全自动显微镜下进行自动的扫描检测；
S4、全自动显微镜扫描病理涂片并将采集的信息上传到评估系统，评估系统提取该病理涂片对应的信息，在云端数据库内匹配到对应的临床数据，对两组信息进行对比分析，并对病理涂片进行评分；
S5、根据设定的评分标准，对病理涂片进行等级划分，并将其所处的等级信息经用户终端反馈给医护人员；
S6、当病理涂片包含的细胞数量充足且被划分在合格及以上等级时，系统对该病理涂片作出可以收录的评估意见，并将其对应的信息发送到病理中心，病理中心接收到信息后，则可以提前做好接收送检标本的准备，而后医护人员可以反馈给患者，并嘱患者离开；
S7、当病理涂片包含的细胞数量不足或无目标细胞且被划分在合格以下等级时，系统对该病理涂片作出驳回的评估意见，并将其存在的缺陷及对应的改进方案显示在用户终端，医护人员可以及时根据改进方案对患者进行再次的病理涂片采集操作，其中，针对细胞数量不足的涂片，则需要医护人员继续采集组织来完善涂片，针对无目标细胞的涂片，则需要医护人员更换位置重新进行采集操作；
S8、依次重复上述操作流程，直到采集的病理涂片均合格即可；
S9、收集所有的病理涂片信息，并实时更新到云端数据库内；
S10、对系统设定一个统计时间周期，对每个时间周期内的病理涂片划分在各等级的比重值进行统计，并对合格率较低的时间周期内的原因进行分析，以便给出改进建议。
电子设备实施例
参阅图1，示出了本实施例所涉及的超声引导下的细针穿刺病理涂片快速现场评估系统的示例性产品架构图，包括计算机及其配套用户终端、全自动显微镜及云端数据平台。
参阅图8，示出了本实施例所涉及的病理涂片快速现场评估装置结构示意图，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心，处理器通过总线与处理器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的超声引导下的细针穿刺病理涂片快速现场评估系统。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供了计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的超声引导下的细针穿刺病理涂片快速现场评估系统。
可选的，本发明还提供了了包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面超声引导下的细针穿刺病理涂片快速现场评估系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储与计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：包括
云端数库单元(100)、信息传输单元(200)、数据处理单元(300)和结果应用单元(400)；所述云端数库单元(100)、所述数据处理单元(300)与所述结果应用单元(400)依次通过以太网通讯连接；所述云端数库单元(100)用于将收集的大量临床数据分类存储在云端以形成基础数据库；所述信息传输单元(200)用于通过无线传输技术实现系统各层面之间的数据传输；所述数据处理单元(300)用于对现场采集的病理涂片信息进行综合分析及现场评估；所述结果应用单元(400)用于根据计算及分析的结果对病理涂片发出对应的处理指令；
所述云端数库单元(100)包括数据共享模块(101)、分类归纳模块(102)、关键匹配模块(103)和实时更新模块(104)；
所述数据处理单元(300)包括信息采集模块(301)、信息优化模块(302)、对比分析模块(303)和质量评分模块(304)；
所述结果应用单元(400)包括合格收录模块(401)、驳回反馈模块(402)和改进建议模块(403)。
2.根据权利要求1所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述数据共享模块(101)的信号输出端与所述分类归纳模块(102)的信号输入端连接，所述分类归纳模块(102)的信号输出端与所述关键匹配模块(103)的信号输入端连接，所述实时更新模块(104)的信号输出端与所述数据共享模块(101)的信号输入端连接；所述数据共享模块(101)用于将云端数据库内的数据共享到评估系统上；所述分类归纳模块(102)用于将云端数据按设定的划分类型分别进行归纳；所述关键匹配模块(103)用于按照采集的现场数据的关键词匹配对应的分类数据库以便读取数据；所述实时更新模块(104)用于将新采集的数据更新到云端数据库。
3.根据权利要求1所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述信息传输单元(200)采用的方法包括但不限于有线网络、无线WiFi通信、GPRS、蓝牙等通讯技术。
4.根据权利要求1所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述信息采集模块(301)的信号输出端与所述信息优化模块(302)的信号输入端连接，所述信息优化模块(302)的信号输出端与所述对比分析模块(303)的信号输入端连接，所述对比分析模块(303)的信号输出端与所述质量评分模块(304)的信号输入端连接；所述信息采集模块(301)用于通过全自动显微镜对现场制备的病理涂片进行扫描及通过用户终端键入对应说明等操作；所述信息优化模块(302)用于对新采集的数据信息进行优化操作；所述对比分析模块(303)用于通过将新采集的信息与云端数据库内对应的数据进行对比及综合分析；所述质量评分模块(304)用于通过预设的评分标准对病理涂片的质量进行评估并分级评定。
5.根据权利要求4所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述信息优化模块(302)包括图像处理模块(3021)、文字提取模块(3022)和目标计数模块(3023)；所述图像处理模块(3021)的信号输出端同时与所述文字提取模块(3022)、所述目标计数模块(3023)的信号输入端连接；所述图像处理模块(3021)用于对扫描的病理涂片的图像进行背景彩色二值化、降噪等优化处理；所述文字提取模块(3022)用于提取扫描得到的图片上的标签文字；所述目标计数模块(3023)用于对有数量要求的目标物质进行计数统计。
6.根据权利要求4所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述质量评分模块(304)包括评分计算模块(3041)、分级统计模块(3042)、比重计算模块(3043)和缺陷分析模块(3044)；所述评分计算模块(3041)的信号输出端与所述分级统计模块(3042)的信号输入端连接，所述分级统计模块(3042)的信号输出端与所述比重计算模块(3043)的信号输入端连接，所述比重计算模块(3043)的信号输出端与所述缺陷分析模块(3044)的信号输入端连接，所述缺陷分析模块(3044)的输出端与用户终端连接，便于及时显示分析结果；所述评分计算模块(3041)用于对每一块病理涂片独立进行评分；所述分级统计模块(3042)用于将病理涂片按评分划分为多等级并分别对一段时间周期内各等级内的病理涂片数量进行统计；所述比重计算模块(3043)用于分别对同一时间周期内各等级病理涂片所占的比重值；所述缺陷分析模块(3044)用于在合格率较低时对病理涂片出现的缺陷类型及频次进行分析统计。
7.根据权利要求6所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述评分计算模块(3041)采用递减法，即从满分按照不合格的质量标准依次减去对应的扣分数值，直到得出最终评分，其中，评分质量标准包括但不限于涂片完整度、涂片厚度、涂片污染度、气泡量、对比清晰度、目标细胞数量等。
8.根据权利要求6所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述比重计算模块(3043)的计算公式为：
其中，i为评分的划分等级，i＝1，2，...，K；t为时间周期；n(i，t)为时间周期内划分为i等级的病理涂片的数量；m(t)为时间周期内所采集的所有病理涂片的数量。
9.根据权利要求1所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：所述合格收录模块(401)与所述驳回反馈模块(402)并列运行，所述驳回反馈模块(402)的信号输出端与所述改进建议模块(403)的信号输入端连接；所述合格收录模块(401)用于对细胞数量充足且评分合格的病理涂片作出收录的评估意见并将其对应的信息传输到病理中心；所述驳回反馈模块(402)用于对细胞数量不足或无目标细胞且评分不合格的病理涂片作出驳回的评估意见并实时显示在用户终端上；所述改进建议模块(403)用于将被驳回的病理涂片存在的不合格因素及改进方案显示在用户终端上。
10.根据权利要求1-9所述的超声引导下的细针穿刺病理涂片快速现场评估系统，其特征在于：该系统的具体评估方法包括如下步骤：
S1、首先将装载有该系统的计算机设备及配套的全自动显微镜安装在病理涂片采集现场，并通过运行测试，保证网络通讯稳定及系统正常运行；
S2、医护人员在现场对患者进行病理涂片采集操作，并嘱采集后的患者在现场稍等；
S3、医护人员对采集的病理涂片进行染色、清洗等操作，再将涂片置于全自动显微镜下进行自动的扫描检测；
S4、全自动显微镜扫描病理涂片并将采集的信息上传到评估系统，评估系统提取该病理涂片对应的信息，在云端数据库内匹配到对应的临床数据，对两组信息进行对比分析，并对病理涂片进行评分；
S5、根据设定的评分标准，对病理涂片进行等级划分，并将其所处的等级信息经用户终端反馈给医护人员；
S6、当病理涂片包含的细胞数量充足且被划分在合格及以上等级时，系统对该病理涂片作出可以收录的评估意见，并将其对应的信息发送到病理中心，病理中心接收到信息后，则可以提前做好接收送检标本的准备，而后医护人员可以反馈给患者，并嘱患者离开；
S7、当病理涂片包含的细胞数量不足或无目标细胞且被划分在合格以下等级时，系统对该病理涂片作出驳回的评估意见，并将其存在的缺陷及对应的改进方案显示在用户终端，医护人员可以及时根据改进方案对患者进行再次的病理涂片采集操作，其中，针对细胞数量不足的涂片，则需要医护人员继续采集组织来完善涂片，针对无目标细胞的涂片，则需要医护人员更换位置重新进行采集操作；
S8、依次重复上述操作流程，直到采集的病理涂片均合格即可；
S9、收集所有的病理涂片信息，并实时更新到云端数据库内；
S10、对系统设定一个统计时间周期，对每个时间周期内的病理涂片划分在各等级的比重值进行统计，并对合格率较低的时间周期内的原因进行分析，以便给出改进建议。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110183830.2A CN112951410A (zh) | 2021-02-08 | 2021-02-08 | 超声引导下的细针穿刺病理涂片快速现场评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110183830.2A CN112951410A (zh) | 2021-02-08 | 2021-02-08 | 超声引导下的细针穿刺病理涂片快速现场评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112951410A true CN112951410A (zh) | 2021-06-11 |
Family
ID=76245493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110183830.2A Pending CN112951410A (zh) | 2021-02-08 | 2021-02-08 | 超声引导下的细针穿刺病理涂片快速现场评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112951410A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5671288A (en) * | 1995-05-31 | 1997-09-23 | Neopath, Inc. | Method and apparatus for assessing slide and specimen preparation quality |
| US5889880A (en) * | 1995-06-07 | 1999-03-30 | Autocyte, Inc. | Interactive automated cytology method incorporating both manual and automatic determinations |
| WO2001069519A1 (en) * | 2000-03-10 | 2001-09-20 | Jadwin David F | Cervical disease management system and method |
| EP2270712A1 (en) * | 2009-06-30 | 2011-01-05 | Koninklijke Philips Electronics N.V. | Quality detection method and device for cell and tissue samples |
| US20120237107A1 (en) * | 2010-09-16 | 2012-09-20 | University Of Kansas | System and methods for digital evaluation of cellblock preparations |
| EP2594334A1 (en) * | 2011-11-21 | 2013-05-22 | Drive O2 | Sample vial for digital holographic analysis of a liquid cell sample |
| WO2017215637A1 (zh) * | 2016-06-15 | 2017-12-21 | 李翀 | 一种人子宫内膜癌的标志物、抗体及其应用 |
| CN107832838A (zh) * | 2017-11-28 | 2018-03-23 | 北京羽医甘蓝信息技术有限公司 | 评价细胞涂片标本满意度的方法和装置 |
| CN109272492A (zh) * | 2018-08-24 | 2019-01-25 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞病理涂片的处理方法及系统 |
| CN110376198A (zh) * | 2019-08-29 | 2019-10-25 | 广州锟元方青医疗科技有限公司 | 一种宫颈液基细胞切片质量检测系统 |
| CN111833296A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测审核系统及审核方法 |
| WO2021007443A1 (en) * | 2019-07-09 | 2021-01-14 | The Regents Of The University Of California | Automated rapid on-site evaluation machine and stain |
-
2021
- 2021-02-08 CN CN202110183830.2A patent/CN112951410A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5671288A (en) * | 1995-05-31 | 1997-09-23 | Neopath, Inc. | Method and apparatus for assessing slide and specimen preparation quality |
| US5889880A (en) * | 1995-06-07 | 1999-03-30 | Autocyte, Inc. | Interactive automated cytology method incorporating both manual and automatic determinations |
| WO2001069519A1 (en) * | 2000-03-10 | 2001-09-20 | Jadwin David F | Cervical disease management system and method |
| EP2270712A1 (en) * | 2009-06-30 | 2011-01-05 | Koninklijke Philips Electronics N.V. | Quality detection method and device for cell and tissue samples |
| US20120237107A1 (en) * | 2010-09-16 | 2012-09-20 | University Of Kansas | System and methods for digital evaluation of cellblock preparations |
| EP2594334A1 (en) * | 2011-11-21 | 2013-05-22 | Drive O2 | Sample vial for digital holographic analysis of a liquid cell sample |
| WO2017215637A1 (zh) * | 2016-06-15 | 2017-12-21 | 李翀 | 一种人子宫内膜癌的标志物、抗体及其应用 |
| CN107832838A (zh) * | 2017-11-28 | 2018-03-23 | 北京羽医甘蓝信息技术有限公司 | 评价细胞涂片标本满意度的方法和装置 |
| CN109272492A (zh) * | 2018-08-24 | 2019-01-25 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞病理涂片的处理方法及系统 |
| WO2021007443A1 (en) * | 2019-07-09 | 2021-01-14 | The Regents Of The University Of California | Automated rapid on-site evaluation machine and stain |
| CN110376198A (zh) * | 2019-08-29 | 2019-10-25 | 广州锟元方青医疗科技有限公司 | 一种宫颈液基细胞切片质量检测系统 |
| CN111833296A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测审核系统及审核方法 |
Non-Patent Citations (4)
| Title |
|---|
| JIANG D: "value of rapid on-site evaluation for ultrasound-guided thyoid fine needle aspiration", 《JOURNAL OF INTERNATIONAL MEDICAL RESEARCH 2019》 * |
| 司明远: "甲状腺细针穿刺质量管理", 《临床与实验病理学杂志》 * |
| 姜丹妮: "快速现场评估在超声引导下甲状腺细针穿刺中的应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》 * |
| 赵诚: "快速现场细胞学评估在甲状腺结节超声引导下针吸细胞学穿刺活检中的应用价值", 《中国超声医学工程学会第五届全国介入超声医学学术交流大会论文汇编》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9230063B2 (en) | Automated prostate tissue referencing for cancer detection and diagnosis | |
| CN102473204B (zh) | 医疗业务支援装置 | |
| CN112884724B (zh) | 一种用于肺癌组织病理分型的智能判断方法及系统 | |
| Husain et al. | Impact of deceased donor kidney procurement biopsy technique on histologic accuracy | |
| CN111833296B (zh) | 一种骨髓细胞形态学自动检测审核系统及审核方法 | |
| CN114419397A (zh) | 基于数据清洗和数据生成的数据集构建方法及装置 | |
| CN112598184A (zh) | 一种戒毒人员复吸风险预测的方法和装置 | |
| CN112016618A (zh) | 一种用于对图像语义分割模型泛化能力的度量方法 | |
| CN117152147B (zh) | 一种在线染色体协同分析方法、系统及介质 | |
| CN111027868A (zh) | 基于结构方程模型的学位论文质量影响因素评价方法 | |
| CN112767349B (zh) | 一种网织红细胞识别方法和系统 | |
| CN112951410A (zh) | 超声引导下的细针穿刺病理涂片快速现场评估系统 | |
| CN109447950B (zh) | 一种用于微生物的计数方法和系统 | |
| CN110928909A (zh) | 基于大数据分析的企业科技评估服务系统 | |
| CN111242427A (zh) | 一种儿童营养与生长发育关系的评估方法及系统 | |
| CN116110542A (zh) | 一种基于可信多视图的数据分析方法 | |
| CN116230208A (zh) | 基于深度学习的胃粘膜炎症分型辅助诊断系统 | |
| CN113673609B (zh) | 一种基于线性隐变量的调查问卷数据分析方法 | |
| CN113095666B (zh) | 一种实验室能力验证与指标判定系统及方法 | |
| CN109545375A (zh) | 一种用于临检细胞骨髓专业的多功能试验平台 | |
| Radiman et al. | The Influence of Financial Literacy and Personal Financial Attitude on Financial Behavior with Lifestyle as an Intervening Variable on Productive Generation Y in Medan City | |
| KR102138574B1 (ko) | 크라우드 소싱 기반의 작업 태스크에 대한 검수를 하는 검수자의 평가 방법 및 장치 | |
| CN115240000B (zh) | 一种用于法医鉴定的糖尿病检测装置及方法 | |
| CN110647945B (zh) | 液基宫颈细胞涂片分类方法、系统和实现装置 | |
| Prasetya et al. | Analysis and Quality Measurement of SITEDI Sub-System Against User Satisfaction Using WebQual 4.0 and End-User Computing Satisfaction (EUCS) Methods |
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: 20210611 |
|
| RJ01 | Rejection of invention patent application after publication |