CN113053487B - 基于结构化报告历史数据自动给出诊断建议的方法及装置 - Google Patents

基于结构化报告历史数据自动给出诊断建议的方法及装置 Download PDF

Info

Publication number
CN113053487B
CN113053487B CN202110438367.1A CN202110438367A CN113053487B CN 113053487 B CN113053487 B CN 113053487B CN 202110438367 A CN202110438367 A CN 202110438367A CN 113053487 B CN113053487 B CN 113053487B
Authority
CN
China
Prior art keywords
diagnosis
types
imaging characteristics
imaging
type
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
CN202110438367.1A
Other languages
English (en)
Other versions
CN113053487A (zh
Inventor
薛蕴菁
岳新
曾芳
幸章力
林霖
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.)
Beijing Smarttree Medical Technology Co Ltd
Original Assignee
Beijing Smarttree Medical 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 Beijing Smarttree Medical Technology Co Ltd filed Critical Beijing Smarttree Medical Technology Co Ltd
Priority to CN202110438367.1A priority Critical patent/CN113053487B/zh
Publication of CN113053487A publication Critical patent/CN113053487A/zh
Application granted granted Critical
Publication of CN113053487B publication Critical patent/CN113053487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请提供一种基于结构化报告历史数据自动给出诊断建议的方法,包括:获取诊断影像的至少一个影像学特征和影像学特征对应的部位信息;根据影像学特征和影像学特征对应的部位信息,从知识库中匹配相对应的诊断类型;根据预设的筛选条件从诊断类型中确定用于排序的待排序诊断类型;根据预设的排序规则,对待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。根据影像学特征和部位信息匹配对应的诊断类型,经过对诊断类型的筛选和排序,实现多影像学特征自动查询,更智能、便捷的为影像学诊断提供帮助,自动给出诊断顺序建议,提高工作效率,把控诊断品质。本申请还提供一种基于结构化报告历史数据自动给出诊断建议的装置。

Description

基于结构化报告历史数据自动给出诊断建议的方法及装置
技术领域
本申请涉及一种影像诊断技术,尤其涉及一种基于结构化报告历史数据自动给出诊断建议的方法。本申请还涉及一种基于结构化报告历史数据自动给出诊断建议的装置。
背景技术
影像诊断学是现代医疗诊断不可或缺的身体检查手段之一,通过包括X线、CT、磁共振、DSA、超声、核医学等诸多成像技术,使医生在为患者进行疾病的诊断过程中,能直观的看到患者内部结构和器官的影像,从而了解病理变化。影像诊断学的应用,其以透视的方式直观的显示身体内部情况,扩大了对人体检查的范围,可以进行人体的各个组织和器官的疾病检查,成为医疗工作中的重要支柱。医疗工作中通过对影像学的表现进行分析,有可能发现许多孤立病症、单个疾病侵犯不同组织或者器官的情况或者存在并发症、合并症的情况,这会导致在影像诊断中产生复杂多变的分析方式和诊断结果。对每个医生而言,针对多种疾病和多种组织器官存在并发症或/和合并症的前提下,诊断类型的描述顺序就会至关重要,但是需要先描述那种组织器官的那种疾病,完全是由个人的能力和经验进行判断。因此,由于不同的医生具有不同的能力和经验,针对相同的情况可能采用不同的诊断逻辑和顺序,得到最终的结果也不尽相同,导致诊断质量难以控制。
现有技术中,在进行影像学诊断时可以采用一些参考诊断和鉴别诊断的辅助工具,用于辅助医生进行影像分析,这些工具可以为医生在进行诊断时提供许多有意义的帮助,完成最终诊断结果的形成。目前,所述辅助工具具体提供的辅助能力归纳起来可以分为两类,其中一类是根据诊断类型,提示该诊断类型主要的影像学特征、鉴别所述影像学特征以及所述影像学特征的区别点;另一类是基于影像学表现,给出用于参考的诊断类型,以及所述影像学表现的区别点。因此在现有辅助工具中,只是简单的将影像学表现单独的和可能的疾病进行对应关联。
现有影像学诊断的辅助工具中,能够为影像学诊断提供一定的帮助,但是还存在一些问题。虽然一些辅助工具可以提供一些参考价值,但是并没有将业务模块和系统直接联系起来,不能根据影像学表现在系统中自动进行查询;现有的辅助工具不具备多特征影像学诊断分析的医疗知识和能力,无法进行多影像学特征查询。
发明内容
为解决上述技术问题,本申请的目的旨在提出一种基于结构化报告历史数据自动给出诊断建议的方法以实现业务和系统连接实现自动查询,并实现多影像学也在查询,同时本申请还提供一种基于结构化报告历史数据自动给出诊断建议的装置。
本申请提供的一种基于结构化报告历史数据自动给出诊断建议的方法,包括:
获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;
根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;
根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;
根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。
可选的,所述从知识库中匹配相对应的诊断类型,包括:
将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型。
可选的,所述知识库采用三元组形式记录内容,至少包括:
部位和部位的关系、部位和疾病的关系、影像学特征和疾病的关系。
可选的,所述预设的筛选条件包括:
判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;
若是,将所述诊断类型删除;
若否,将所述诊断类型列为待排序诊断类型。
可选的,所述预设的排序规则包括:
从待排序诊断类型中选择两项诊断类型;
分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的所述诊断类型排序提前,否则采用历史概率排序。
可选的,所述历史概率排序包括:
计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
本申请还提供一种基于结构化报告历史数据自动给出参考诊断建议的装置,包括:
获取模块,获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;
匹配模块,根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;
筛选模块,根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;
排序诊断模块,根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。
可选的,所述匹配模块还包括:
匹配单元,用于将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型。
可选的,所述知识库采用三元组形式记录语义学概念与所述影像学特征和部位信息的关联,包括:
部位和部位的关系、部位和疾病的关系、影像学特征和疾病的关系。
可选的,所述预设的筛选条件包括:
判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;
若是,将所述诊断类型删除;
若否,将所述诊断类型列为待排序诊断类型。
可选的,所述排序诊断模块还包括:
第一排序单元,用于从待排序诊断类型中选择两项诊断类型;分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的所述诊断类型排序提前,否则采用历史概率排序。
可选的,所述排序诊断模块还包括:
第二排序单元,用于计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
与现有技术相比,本申请的优点如下:
本申请提供一种基于结构化报告历史数据自动给出参考诊断建议的方法,包括:获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。依托于影像结构化报告,系统自动获取影像学特征和部位信息,并根据影像学特征和部位信息匹配对应的诊断类型,经过对诊断类型的筛选和排序,实现多影像学特征自动查询,更智能、便捷的为影像学诊断提供帮助,自动给出诊断顺序建议,提高工作效率,把控诊断品质。
附图说明
图1是本申请中在影像学诊断中诊断类型排序方法的流程图。
图2是本申请中的乳腺腺体检查的CDE模块界面示意图。
图3是本申请中的肿块检查的CDE模块界面示意图。
图4是本申请中的在影像学诊断中诊断类型排序装置的结构示意图。
具体实施方式
以下内容详细的阐述了本申请中技术方案的具体技术细节以使本申请的目的、特征和优点更为明显易懂。下面所记载的内容仅仅用于解释本发明的各种细节,不是对本发明的限定。本领域的普通技术人员能够在理解本发明的构思后,依据本发明的核心内涵在实施手段和应用场景中做出各种变化,而这种变化不脱离本申请的保护范围。
本申请通过结构化报告模块,自动获取影像学诊断特征和部位信息,将影像诊断业务和系统连接,实现了在系统中可以直接查询影像学特征,不再需要人工录入资料。同时,在匹配到影像学特征和部位信息对应的诊断类型后,通过筛选和排序获取最终诊断文本,具备多影像学特征的查询能力。具体是,获取诊断影像的至少一个影像学特征及和所述影像学特征对应的部位信息,发送到结构化报告的CDE模块中;根据所述影像学特征及和所述影像学特征对应的所述部位信息以及所述影像学特征和部位信息的上位概念,从知识库中匹配相对应的诊断类型,形成诊断类型列表;根据所述诊断类型对应的每个所述影像学特征的专一性,确定所述诊断类型表中用于排序的待排序诊断类型;根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和所述CDE模块生成诊断文本。
图1展示了本申请中在影像学诊断中诊断类型排序方法的流程图。
请参照图1所示,步骤S101获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;
本申请中,所述影像学特征和部位信息是相对应的,所述部位信息可以是部位的位置信息,例如各种形式的坐标、方向等,所述影像学特征,则是所述部位的影像学表现。所述获取影像学特征和所述影像学特征对应的部位信息,是通过自动分析工具获取影像学特征和部位信息。所述自动分析工具可以是任何一种图像分析模型,执行分析图像的操作,例如获取影像坐标,影像内容的操作,优选的,所述自动分析工具是智能AI模型。
本申请中依靠影像结构化报告包括的CDE模块获取影像学特征和所述影像学特征对应的部位信息,所述CDE模块内置语法模板,用于描述临床和影像学检查中的各种信息,并且可以根据需要自由组合。本步骤中,通过自动分析工具分析用于影像学诊断的影像,获取影像学特征和部位信息,并将所述影像学特征和部位信息填写到结构化报告的CDE模块中,然后从所述CDE模块中获取影像学特征和所述影像学特征对应的部位信息。
图2展示了本申请中的乳腺腺体检查的CDE模块界面示意图。
请参照图2所示,乳腺腺体的部位信息和影像学特征的详细信息,在影像结构化报告中的CDE模块界面中直观的呈现出来。其中,乳腺腺体的部位信息可以是左乳和右乳,用过乳腺的密度分类则可以表示影像学特征,例如乳腺腺体密度可以分为以下几个类别:脂化型、纤维腺体型、不均匀腺体型、致密型。进一步的,可以获取乳腺腺体的整体情况,例如判断所述乳腺正常、轻微异常、增生、钙化弥漫等,以及获取所述诊断类型的BI-RADS分类等。
图3展示了本申请中的肿块检查的CDE模块界面示意图。
请参照图3所示,所述肿块检查的界面示意图展示了一些部位的肿块情况,所示部位信息是确定的,例如结合图2所展示的CDE界面示意图,可知部位信息是左乳或者右乳。通过肿块检查的CDE模块界面示意图,可以呈现的是肿块的详细信息,例如数量、大小、形状、边缘、密度等影像学特征。
将所述影像学特征和部位信息发送到CDE模块中后,即可进行下一步。
步骤S102根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;
本申请中,知识库可以是存储有医疗知识的存储装置,所述知识库采用三元组的形式,至少记录有部位和部位的关系,例如肺叶和肺之间的关系,还包括部位和疾病的关系、影像学表现和疾病的关系等。
通常情况下,根据影像学特征和部位信息即可确定诊断类型,但是,本申请中还可以根据所述影像学特征和部位信息获得其上位概念,并根据上位概念确定诊断类。
为获取诊断类型,执行如下步骤:
将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型。
上述步骤可以根据多个部位信息和影像学特征确定多个诊断类型,这些诊断类型可以形成一个诊断类型的列表,用于后续步骤当中。
步骤S103根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;
在获取到诊断类型后,需要根据预设的筛选条件,通过影像学特征对各个诊断类型进行筛选以获取最合适的用于排序的诊断类型。本申请中,所述预设的筛选条件可以通过多种方式实现,优选的,所述预设的筛选条件包括:判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;若是,将所述诊断类型删除;若否,将所述诊断类型列为待排序诊断类型。因此,假设有两个诊断类型D1、D2,诊断类型D1相较于诊断类型D2,仅仅是缺少一个或者几个影像学特征,而本身对应的影像学特征已经完全被诊断类型D2对应的影像学特征包含在内,则可以称诊断类型D1为本次检查中的伪诊断类型。所述伪诊断类型是缺少影像学特征的诊断类型,所以不能准确表示疾病,应当筛选掉。
本申请中,诊断类型的筛选是通过比较实施的,假设诊断类型D1具有d1和d2两个影像学特征,诊断类型D2具有d1、d2和d3三个影像学特征,则可以判断诊断类型D2包含了诊断类型D1,则删除诊断类型D1,保留D2,被删除的诊断类型是伪诊断类型。
上述筛选是在所有所述诊断类型中选出诊断类型两两比较,直到任选两个诊断类型进行比较,不存在伪诊断类型为止。
在经过上述筛选后,得到的诊断类型为待排序诊断类型。
步骤S104根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。其中,完成排序的诊断类型用于确定诊断文本对各个诊断类型的先后顺序,预设的语法模板用于诊断文本的生成。
本申请中,诊断类型的排序可以是基于诊断目的或者其他实际需要,采用冒泡法进行排序。
冒泡法是一种排序方法,通过依次比较相邻的两个元素进行比较,下面结合本申请中诊断类型排序特点,进行详细的描述。
第一排序:
从待排序诊断类型中选择两项诊断类型;
分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的诊断类型排序提前,否则采用历史概率排序。
例如,首先选择两个诊断类型A和B,调取诊断类型A、B的既往检查结果,分别判断所述诊断类型A、B的既往检查结果中是否有相关与诊断类型的确定结论。若A、B其中一个有,另一个没有,则将具有确定结论的诊断类型排序提前。上述情况之外,则进行历史概率排序。
第二排序:
计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
还以上述例子进行说明,例如诊断类型A、B都具有既往检查结果中的确定结论,则调取A、B同时出现的全部同类型既往检查结果,所述同类型诊断结论包括不同病例的既往诊断结论。分别计算在既往检查结果中A、B同时出现时,A或者B排序靠前的次数,出现次数多的诊断结论在排序中提前。
在具体的排序操作中,首先采用第一排序,其次若有第一排序的方法无法进行排序的两个诊断类型出现,则用第二排序进行诊断类型的排序,若以上两种排序方法都不能进行排序,则将两种诊断类型并列。
最后,根据排序的诊断类型结合CDE模块预设的语法,生成诊断文本,并将所述文本添加到对应的诊断章节中。
上述实施例描述了一种关于基于结构化报告历史数据自动给出参考诊断建议的方法,对应于所述基于结构化报告历史数据自动给出参考诊断建议的方法,本申请还提供一种基于结构化报告历史数据自动给出参考诊断建议的装置。
图4展示了本申请中的影像学诊断中诊断类型排序装置的结构示意图。
请参照图4所示,本申请中所述影像学诊断装置包括获取模块101、匹配模块102、筛选模块103和排序诊断模块104,具体如下:
获取模块101,用于获取诊断影像的至少一个影像学特征及和所述影像学特征对应的部位信息,发送到结构化报告的CDE模块中;
本申请中,所述影像学特征和部位信息是相对应的,所述获取影像学特征和所述影像学特征对应的部位信息,是通过自动分析工具获取影像学特征和部位信息。所述自动分析工具可以是任何一种图像分析模型,执行分析图像的操作,例如获取影像坐标,影像内容的操作,优选的,所述自动分析工具是智能AI模型。
所述获取模块101,获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息。本申请中所述影像结构化报告包括有CDE模块,所述CDE模块可以描述临床和影像学检查中的各种信息,并且可以根据需要自由组合。
请参照图2所示的CDE模块界面示意图,乳腺腺体的部位信息和影像学特征的详细信息,在影像结构化报告中的CDE模块界面中直观的呈现出来。其中,乳腺腺体的部位信息可以是左乳和右乳,用过乳腺的密度分类则可以表示影像学特征,例如乳腺腺体密度可以分为以下几个类别:脂化型、纤维腺体型、不均匀腺体型、致密型。进一步的,可以获取乳腺腺体的整体情况,例如判断所述乳腺正常、轻微异常、增生、钙化弥漫等,以及获取所述诊断类型的BI-RADS分类等。
请参照图3所示的CDE模块界面示意图,所述肿块检查的界面示意图展示了一些部位的肿块情况,所示部位信息是确定的,例如结合图2所展示的CDE界面示意图,可知部位信息是左乳或者右乳。通过肿块检查的CDE模块界面示意图,可以呈现的是肿块的详细信息,例如数量、大小、形状、边缘、密度等影像学特征。
将所述影像学特征和部位信息发送到CDE模块中后,即可进行下一步。
匹配模块102,根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;
本申请中,知识库可以是存储医疗知识的存储装置,所述知识库采用三元组的形式,至少记录有部位和部位的关系、部位和疾病的关系、影像学表现和疾病的关系。
通常情况下,根据影像学特征和部位信息即可确定诊断类型,但是,本申请中还可以根据所述影像学特征和部位信息获得其上位概念,并根据上位概念确定诊断类。
为获取诊断类型,本申请中所述匹配模块102还包括匹配单元,执行如下步骤:
将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型。
所述匹配模块102可以根据多个部位信息和影像学特征确定多个诊断类型,这些诊断类型可以形成一个诊断类型的列表,用于后续模块运行。
筛选模块103,根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;
在获取到诊断类型列表后,需要通过影像学特征对各个诊断类型进行筛选以获取最合适的用于排序的诊断类型。
本申请中,所述筛选模块包括筛选单元:用于判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;若是,将所述诊断类型删除;若否,将所述诊断类型列为待排序诊断类型。
诊断类型是对应于一个或者多个影像学特征的,而一个诊断类型和其他的诊断类型相比较,可能仅仅是缺少一个或者几个影像学特征其余都是相同的。因此,假设有两个诊断类型D1、D2,诊断类型D1相较于诊断类型D2,仅仅是缺少一个或者几个影像学特征,而本身对应的影像学特征已经完全被诊断类型D2对应的影像学特征包含在内,则可以称诊断类型D1为本次检查中的伪诊断类型。所述伪诊断类型是缺少影像学特征的诊断类型,所以不能准确表示疾病,应当筛选掉。
本申请中,诊断类型的筛选是通过比较实施的,假设诊断类型D1具有d1和d2两个影像学特征,诊断类型D2具有d1、d2和d3三个影像学特征,则可以判断诊断类型D2包含了诊断类型D1,则删除诊断类型D1,保留D2。
上述筛选是将所述诊断类型列表中选出的诊断类型两两比较,直到任选两个诊断类型进行比较,不存在伪诊断类型为止。
在经过上述筛选后,得到的诊断类型为待排序诊断类型。
排序诊断模块104,根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本。
本申请中,诊断类型的排序可以是基于诊断目的或者其他实际需要,通过排序诊断模块104采用冒泡法进行排序。
冒泡法是一种排序方法,通过依次比较相邻的两个元素进行比较,下面结合本申请中诊断类型排序特点,进行详细的描述。
第一排序:
从待排序诊断类型中选择两项诊断类型;
分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的诊断类型排序提前,否则采用历史概率排序。
例如,首先选择两个诊断类型A和B,调取诊断类型A、B的既往检查结果,分别判断所述诊断类型A、B的既往检查结果中是否有相关与诊断类型的确定结论。若A、B其中一个有,另一个没有,则将具有确定结论的诊断类型排序提前。上述情况之外,则进行历史概率排序。
第二排序:
历史概率排序是计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
例如诊断类型A、B都具有既往检查结果中的确定结论,调取A、B同时出现的全部既往检查结果,分别计算在既往检查结果中A、B同时出现时,A或者B排序靠前的次数,出现次数多的诊断结论在排序中提前。
在具体的排序操作中,首先采用第一排序,其次若有第一排序的方法无法进行排序的两个诊断类型出现,则用第二排序进行诊断类型的排序,若以上两种排序方法都不能进行排序,则将两种诊断类型并列。最后,根据排序的诊断类型结合CDE模块预设的语法,生成诊断文本,并将文本添加到对应的诊断章节中。

Claims (2)

1.一种基于结构化报告历史数据自动给出诊断建议的方法,其特征在于,包括:
获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;
根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;其中,从所述知识库中匹配相对应的诊断类型包括:将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型;所述知识库采用三元组形式记录内容,至少包括:部位和部位的关系、部位和疾病的关系、影像学特征和疾病的关系;
根据预设的筛选条件从所述诊断类型中确定待排序诊断类型;其中,所述预设的筛选条件包括:判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;若是,将所述诊断类型删除;若否,将所述诊断类型列为待排序诊断类型;
根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本;其中,所述预设的排序规则包括:
从所述待排序诊断类型中选择两项诊断类型;分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的所述诊断类型排序提前,否则采用历史概率排序;其中,所述历史概率排序包括:计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
2.一种基于结构化报告历史数据自动给出诊断建议的装置,其特征在于,包括:
获取模块,获取诊断影像的至少一个影像学特征和所述影像学特征对应的部位信息;
匹配模块,根据所述影像学特征和所述影像学特征对应的所述部位信息,从知识库中匹配相对应的诊断类型;其中,所述匹配模块还包括:匹配单元,用于将所述影像学特征和所述影像学特征对应的部位信息发送到知识库,分别获取所述影像学特征的上位概念和所述部位信息的上位概念,根据所述影像学特征、所述部位信息、所述影像学特征的上位概念和所述部位信息的上位概念中至少一种信息,确定所述影像学特征对应的诊断类型;其中,所述知识库采用三元组形式记录语义学概念与所述影像学特征和部位信息的关联,包括:部位和部位的关系、部位和疾病的关系、影像学特征和疾病的关系;
筛选模块,根据预设的筛选条件从所述诊断类型中确定用于排序的待排序诊断类型;其中,所述筛选模块包括筛选单元,用于判断支持所述诊断类型的影像学特征是否还支持其他诊断类型;若是,将所述诊断类型删除;若否,将所述诊断类型列为待排序诊断类型;
排序诊断模块,根据预设的排序规则,对所述待排序诊断类型进行排序,结合排序完成的诊断类型和预设的语法模板生成诊断文本;其中,所述排序诊断模块包括第一排序单元和第二排序单元,第一排序单元,用于从待排序诊断类型中选择两项诊断类型;分别判断所述两项诊断类型是否具有既往诊断结论,若所述两项诊断类型中的一项具有既往诊断结论,另一项不具有既往诊断结论,则将具有既往诊断结论的所述诊断类型排序提前,否则采用历史概率排序;第二排序单元用于计算所述两项诊断类型的同类型既往诊断结论中每个排序靠前诊断类型的统计学概率,将所述统计学概率大的诊断类型排序提前。
CN202110438367.1A 2021-04-22 2021-04-22 基于结构化报告历史数据自动给出诊断建议的方法及装置 Active CN113053487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110438367.1A CN113053487B (zh) 2021-04-22 2021-04-22 基于结构化报告历史数据自动给出诊断建议的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110438367.1A CN113053487B (zh) 2021-04-22 2021-04-22 基于结构化报告历史数据自动给出诊断建议的方法及装置

Publications (2)

Publication Number Publication Date
CN113053487A CN113053487A (zh) 2021-06-29
CN113053487B true CN113053487B (zh) 2023-03-24

Family

ID=76520281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110438367.1A Active CN113053487B (zh) 2021-04-22 2021-04-22 基于结构化报告历史数据自动给出诊断建议的方法及装置

Country Status (1)

Country Link
CN (1) CN113053487B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382360A (zh) * 2020-12-03 2021-02-19 卫宁健康科技集团股份有限公司 一种诊断报告自动生成系统、存储介质及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100114597A1 (en) * 2008-09-25 2010-05-06 Algotec Systems Ltd. Method and system for medical imaging reporting
WO2010109351A1 (en) * 2009-03-26 2010-09-30 Koninklijke Philips Electronics N.V. A system that automatically retrieves report templates based on diagnostic information
CN107463786A (zh) * 2017-08-17 2017-12-12 王卫鹏 基于结构化报告模板的医学影像知识库建立方法
CN110111887A (zh) * 2019-05-15 2019-08-09 清华大学 临床辅助决策方法及装置
CN112562816A (zh) * 2020-11-13 2021-03-26 陈卫霞 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法
CN112562818B (zh) * 2020-12-02 2022-06-24 薛蕴菁 基于结构化报告子模板的设计实现诊断逻辑的系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382360A (zh) * 2020-12-03 2021-02-19 卫宁健康科技集团股份有限公司 一种诊断报告自动生成系统、存储介质及电子设备

Also Published As

Publication number Publication date
CN113053487A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
US10818048B2 (en) Advanced medical image processing wizard
US7130457B2 (en) Systems and graphical user interface for analyzing body images
US7979383B2 (en) Atlas reporting
US6901277B2 (en) Methods for generating a lung report
CN1977283B (zh) 用于医疗诊断的智能定性和定量分析的系统
US8423571B2 (en) Medical image information display apparatus, medical image information display method, and recording medium on which medical image information display program is recorded
CN102573614B (zh) 医学图像显示设备、医学图像显示方法和医学图像显示程序
US20190051215A1 (en) Training and testing system for advanced image processing
US20020133062A1 (en) Embedded measurement values in medical reports
RU2451335C2 (ru) Приложения для эффективной диагностики, зависимые от изображения и контекста, относящиеся к анатомии
CN102855618A (zh) 用于图像产生和图像分析的方法
US20090106047A1 (en) Integrated solution for diagnostic reading and reporting
US11756673B2 (en) Medical information processing apparatus and medical information processing method
US11837346B2 (en) Document creation support apparatus, method, and program
CN112562818B (zh) 基于结构化报告子模板的设计实现诊断逻辑的系统及方法
CN108492885B (zh) 检查工作流推荐方法、装置及终端
JP3989896B2 (ja) 医用画像処理装置、関心領域抽出方法、ならびに、プログラム
CN113053487B (zh) 基于结构化报告历史数据自动给出诊断建议的方法及装置
CN103705271A (zh) 一种用于医学影像诊断的人机交互系统和方法
EP3362925B1 (en) Systems and methods for generating correct radiological recommendations
US20100274116A1 (en) Computer-supported medical image acquisition and/or assessment
RU120799U1 (ru) Система поиска областей интереса в трехмерных медицинских изображениях
CN111035403A (zh) 一种扫描时机确定方法、装置、设备及存储介质
US7596252B2 (en) Method for post-editing a medical image data set
Burtseva et al. Ultrasound diagnostics system SonaRes: structure and investigation process

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