CN113127360A - 一种医学影像人工智能辅助诊断软件测试服务方法及系统 - Google Patents
一种医学影像人工智能辅助诊断软件测试服务方法及系统 Download PDFInfo
- Publication number
- CN113127360A CN113127360A CN202110442590.3A CN202110442590A CN113127360A CN 113127360 A CN113127360 A CN 113127360A CN 202110442590 A CN202110442590 A CN 202110442590A CN 113127360 A CN113127360 A CN 113127360A
- Authority
- CN
- China
- Prior art keywords
- test
- data set
- image
- data
- software
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
-
- 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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种医学影像人工智能辅助诊断软件测试服务方法及系统,应用于医学人工智能辅助诊断领域,方法包括:数据采集处理,进行图像和非图像数据采集处理;标签管理,进行图像标注信息和非图像关键信息的抽取与存储、标签定义;测试资源申请,为第三方软件提供测试资源和测试数据集申请;测试,第三方软件登录测试资源,上传软件包,导入测试数据集,运行测试后生成测试结果数据集;测试结果处理,测试结果数据集按照数据集自动生成标准进行划分,与测试数据集的划分结果进行比对和展示。本发明提供一种测试服务方法及系统,解决了当前智能诊断软件种类繁多而测试数据不统一、测试结果不理想等问题。
Description
技术领域
本发明涉及医学人工智能辅助诊断技术领域,更具体的说是涉及一种医学影像人工智能辅助诊断软件测试服务方法及系统。
背景技术
医学影像是指为了医疗或医学研究,对人体或人体某部分,以非侵入方式取得内部组织影像的技术与处理过程。传统的诊断方法是医生通过肉眼对医学影像进行观察,然而通过肉眼观察医学影像存在诸多弊端,医生根据观察结果做出判断时,主观意识较为强烈,且很多医学影像相差不大,医生在做出判断时容易出现人工失误。因此随着技术的发展,医学影像人工智能辅助诊断软件应运而生,极大地提高了诊断的稳定性和准确性,减轻了医疗人员的工作强度。
医学影像人工智能辅助诊断软件并不是单纯依靠影像进行诊断,而是结合医嘱、病史、检查检验等各种医疗数据,因而基于影像智能诊断的方法存在较大风险,智能诊断软件需要对医学影像、影像报告、检验报告、电子病历等多模态医疗数据进行综合分析,以提供更快、更准确的诊断参考。
目前的医学影像人工智能辅助诊断软件种类繁多,测试数据不统一,测试结果不理想,因此急切需要一个能对多源医疗大数据的统一存储和管理、能为不同智能诊断软件提供数据集验证等服务的系统。
因此如何为医学影像人工智能辅助诊断软件建立一套测试服务系统,用于提供多病种测试服务,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种医学影像人工智能辅助诊断软件测试服务方法及系统。
为了实现上述目的,本发明提供如下技术方案:
一种医学影像人工智能辅助诊断软件测试服务方法,包括:
数据采集处理,具体包括图像采集处理和非图像数据采集处理,并将处理后的数据存储至存储系统和/或数据库,为后续DICOM图像标注信息和非DICOM图像关键信息的抽取提供基础;
标签管理,将存储系统和/或数据库中存储的数据进行图像标注信息抽取与存储、非图像关键信息抽取与存储、标签定义,其中图像和非图像数据均为上述数据采集处理模块中存入存储系统和/或数据库中的数据,另外的,将标注信息和关键信息进行标签定义,是为了将信息进行分组,方便后续通过关键字进行查找、下载相关数据信息;
测试资源申请,根据标签定义后的数据为第三方软件提供测试资源申请和测试数据集申请,并生成测试数据集,所述测试数据集根据数据集自动生成标准进行划分;
测试,第三方软件登录所述测试资源申请模块申请的测试资源,上传软件包,导入所述测试数据集,第三方软件运行测试,生成测试结果数据集;
测试结果处理,对所述测试结果数据集按照数据集自动生成标准进行划分,与所述测试数据集的划分结果进行比对和展示。
进一步的,所述图像采集处理为DICOM图像采集处理,具体包括:通过DICOM协议或HTTP协议或HTTPS协议,采集DICOM图像,经解析脱敏后存入所述数据库和存储系统。
进一步的,所述非图像数据采集处理为非DICOM图像数据采集处理,具体包括:通过HL7标准采集病例资料,将所述病例资料进行解析、脱敏、去冗余后存入所述数据库;
所述病历资料包括检验报告、病例报告、影像报告、电子病历报告。
进一步的,所述DICOM图像标注信息抽取与存储具体包括两部分,一部分为:获取医生对DICOM图像的标注信息,将所述标注信息存储至所述数据库;另一部分为:通过智能检测软件对DICOM图像进行自动病灶检测,经医生确认后将检测信息保存至所述数据库;
所述标注信息指病灶的描述信息,具体包括层数、坐标、标注框。
进一步的,所述非DICOM图像关键信息抽取与存储具体包括:
A.抽取电子病历中的性别、年龄、吸烟史、肿瘤史个人信息;
B.抽取电子病历中的就诊记录和临床诊断信息;
C.抽取化验报告中不正常的指标信息;
D.抽取病理报告中的诊断结果;
E.抽取影像报告中的病灶位置、大小、形态信息;
并将抽取的关键信息经医生确认后存储至所述数据库。
进一步的,所述标签定义具体为:将所述数据库和存储系统中的图像、图像的关键信息、标注信息进行分组,并为每一组设定关键字。
进一步的,所述测试资源包括GPU型号数量、内存、硬盘、CPU;
所述测试数据集指根据用户输入的关键字和数据集合类型搜索相应的标签,获取测试数据集;
所述数据集合类型,指需要的测试数据集为图像或文本或图像文本组合;
所述数据集自动生成标准,指根据关键字匹配比例划分数据集的一系列组件。
一种医学影像人工智能辅助诊断软件测试服务系统,包括:
数据采集处理模块,用于数据采集处理,进行图像采集处理和非图像数据采集处理,将并将处理后的数据存储至存储系统和/或数据库;
标签管理模块,用于标签管理,将存储系统和/或数据库中存储的数据进行图像标注信息抽取与存储、非图像关键信息抽取与存储以及标签定义;
测试资源申请模块,用于测试资源的申请,根据标签定义后的数据为第三方软件提供测试资源申请和测试数据集申请,并生成测试数据集,所述测试数据集根据数据集自动生成标准进行划分;
测试模块,用于为第三方软件提供测试服务,第三方软件登录所述测试资源申请模块申请的测试资源,上传软件包,导入所述测试数据集,第三方软件运行测试,生成测试结果数据集;
测试结果处理模块,用于进行测试结果的处理,对所述测试结果数据集按照数据集自动生成标准进行划分,与所述测试数据集的划分结果进行比对和展示。
进一步的,所述数据采集处理模块中,图像采集处理为DICOM图像采集处理,具体包括:通过DICOM协议或HTTP协议或HTTPS协议,采集DICOM图像,经解析脱敏后存入所述数据库和存储系统;所述非图像数据采集处理为非DICOM图像数据采集处理,具体包括:通过HL7标准采集病例资料,将所述病例资料进行解析、脱敏、去冗余后存入所述数据库;
所述病历资料包括检验报告、病例报告、影像报告、电子病历报告。
一种医学影像人工智能辅助诊断软件测试服务装置,其特征在于,包括:
存储器,用于存储程序;
处理器,用于加载所述程序以执行上述所述的一种软件测试服务方法。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种医学影像人工智能辅助诊断软件测试服务方法及系统,具有以下有益效果:
(1)本发明为医学影像人工智能辅助诊断软件提供了一种测试服务方法及系统,解决了当前智能诊断软件种类繁多而测试数据不统一、测试结果不理想的问题。
(2)本发明将多源数据(即DICOM图像和非DICOM图像数据)分类脱敏管理,对相关性数据进行了分组标签定义,减少了重复存储,降低了复杂度,提高医学影像人工智能辅助诊断软件的可靠性,极大推动了医学影像人工智能辅助诊断软件的临床应用发展。
(3)本发明具有易操作的交互界面,具有标注数据显示确认、标签定义、资源申请、测试集合生成、测试结果管理等功能,便于医生和第三方软件进行操作,实现统一管理。
(4)本发明对医院现有信息系统运行无任何副作用或对其性能有任何影响。
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,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的整体示意图;
图2为本发明数据采集处理过程的示意图;
图3为本发明标签管理过程的示意图;
图4为本发明测试资源申请过程的示意图;
图5为本发明测试过程的示意图;
图6为本发明测试结果处理过程的示意图。
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。
在一种实施例中公开了一种医学影像人工智能辅助诊断软件测试服务方法及系统,使用Kubernetes(K8S)在多个主机上应用部署,本发明由多源数据采集处理、关键信息提取、数据集合标签管理、K8S资源管理以及人机友好交互界面等组成,具体的,参见图1,本发明包括:
数据采集处理,指数据采集、清洗和存储的过程,具体包括数据采集、DICOM(Digital Imaging and Communications in Medicine,医学图像格式和传输标准)图像处理和非DICOM图像数据处理,参见图2,其中DICOM图像采集与处理具体包括:通过DICOM协议或HTTP协议或HTTPS协议,采集DICOM图像,经解析脱敏后存入所述数据库和存储系统;非DICOM图像数据采集与处理具体包括:通过HL7(Health Level Seven健康信息交换第七层协议)标准或其他协议采集病例资料,如检验报告、病例报告、影像报告、电子病历报告等,将所述病例资料进行解析、脱敏、去冗余后存入数据库;
上述数据采集处理过程采用的是大数据处理技术,使用FLINK流式处理,与相关医院信息系统对接,并行获取文本数据,对应的DICOM图像通过DICOM协议发送至系统中,并保存在HDFS分布式存储里(即所述存储系统),文本数据和关键信息保存在PostgreSQL数据库中。
标签管理,进行DICOM图像标注信息抽取与存储、非DICOM图像关键信息抽取与存储、标签定义,参见图3;其中DICOM图像标注信息抽取与存储具体包括两部分,一部分为:专业医生在人机交互界面调阅存储系统中相关的DICOM图像,对DICOM图像进行病灶勾画和信息标注,并将生成的标注信息存储至PostgreSQL数据库,其中标注信息指病灶的描述信息,具体包括层数、坐标、标注框;另一部分为:通过智能检测软件对DICOM图像进行自动病灶检测,初步检测后经专业医生在人机交互界面确认后将检测信息导入所述PostgreSQL数据库。
非DICOM图像关键信息抽取具体包括:
A.抽取电子病历中的性别、年龄、吸烟史、肿瘤史个人信息;
B.抽取电子病历中的就诊记录和临床诊断信息;
C.抽取化验报告中不正常的指标信息;
D.抽取病理报告中的诊断结果;
E.抽取影像报告中的病灶位置、大小、形态信息;
上述电子病历数据通过关键信息抽取软件对性别、年龄、吸烟史、肿瘤史个人信息和就诊记录、临床诊断信息进行抽取,再由专业医生在人机交互界面中进行确认;检验报告通过关键信息抽取软件对不正常指标进行抽取;影像报告通过关键信息抽取软件对病灶位置、大小、形态等信息进行抽取,再由专业医生在人机交互界面中进行确认。所述的关键信息抽取软件指使用自然语言处理方法分别对电子病历、检验报告、影像报告数据建立训练模型,将抽取的文本数据关键信息以JSON格式保存至PostgreSQL数据库中。
抽取关键信息后将所述关键信息存储至数据库,之后进行标签的定义,将数据库和存储系统中的图像、图像的关键信息、标注信息进行分组,并为每一组设定一个或多个关键字。
测试资源申请,为第三方软件提供测试资源申请和测试数据集申请,并生成测试数据集,参见图4,所述测试数据集根据数据集自动生成标准进行划分,所述数据集自动生成标准,指根据关键字匹配比例划分数据集的一系列组件;其中测试资源包括GPU型号数量、内存、硬盘、CPU等资源,测试数据集指根据用户输入的关键字和数据集合类型搜索相应的标签,获取测试数据集,所述数据集合类型,指需要的测试数据集为图像或文本或图像文本组合。
参见图4,为测试资源申请的流程示意图,测试者(即第三方软件的用户)登录测试界面,进行登录校验(即身份验证),测试者登录系统后填写所需要的申请资源,并填写测试数据集类型以及测试标签(即关键字),填写完毕后为测试者分配测试资源和测试数据集,并将数据集索引放在系统的特定界面供测试者下载测试。
本发明统一采用Docker容器技术,Linux操作系统,在交互界面完成测试资源的申请后,调用后台Python服务,生成预装Python环境的Docker容器,包括测试IP、测试数据集发布的内网链接等。测试者可通过SSH命令登录和操作该容器。
参见图5,为测试过程的示意图,测试者(即第三方软件)登录在上述测试资源申请模块中申请的测试资源(包括GPU型号数量、内存、硬盘、CPU等),上传自己的软件包,导入上述测试资源申请模块中下载的测试数据集,第三方软件运行测试,生成测试结果数据集,并上传至本发明的系统;
测试结果处理,参见图6,接收第三方软件运行生成的测试结果数据集,对所述测试结果数据集按照数据集自动生成标准进行划分,将划分结果与所述测试数据集的划分结果进行比对、验证和展示,其中将划分结果进行比对包括数据集比例匹配度、有效性和正确性匹配度等。
在另一种实施例中还公开了一种医学影像人工智能辅助诊断软件测试服务装置,包括:存储器,用于存储程序;处理器,用于加载所述程序以执行上述所述的一种软件测试服务方法。
在具体实施例中,为专业医生和测试者提供的人机交互界面采用HTML5技术,前端VUE框架,后台JAVA服务端和PostgreSQL数据库,包括数据管理、关键信息和标签定义、测试资源管理、系统配置、用户管理等功能。
(1)数据管理:以(脱敏)病人为中心的多源数据列表、数据查询和调阅、数据有效性判断和注解;
(2)DICOM图像标注和导入:提供DICOM图像调阅界面,导入已有的标注文件,显示标注信息,并提供操作工具供专业医生修改;
(3)文本关键信息确认:提供各种报告调阅界面,显示关键信息,并提供操作工具供专业医生修改;
(4)标签定义:对每一组数据(图像、电子病历、检验报告、影像报告等)进行多个关键字标识,定义标签。
(5)测试资源管理:测试资源列表、使用状态、分配、回收等;
(6)测试管理:在用、已用资源清单,测试结果查询等;
(7)系统配置:存储配置、基于路由的规则定义、数据集类型定义、划分标准定义、测试结果校验标准定义等;
(8)用户管理:用户、角色、权限三级管理,角色可分为测试者、管理员、医生等,分别对应不同的权限,对用户设定账号和密码。
关于数据集自动生成标准实现组件:
在具体实施例中,数据集自动生成标准实现组件划分数据集可以按关键字匹配比例,如所有关键字匹配、50%关键字匹配和不匹配的比例分别为80:15:5,即提供的测试数据集80%的数据是软件需要的测试数据,15%是根据部分关键字获取的数据,是软件能部分测出的数据,5%是软件不能测出的数据,用以验证软件的鲁棒性。
在一种实施例中,输入“肺结节3mm”,那么测试数据集将有80%的数据是包含两个关键字的数据,15%的数据只包含“肺结节”或“3mm”的数据,有可能是肺结节病灶大于3mm的也有可能是乳腺结节3mm的数据,另外5%的数据可能来自正常人的数据或者其他病种的数据。
该组件由JAVA程序实现,以jar包形式供调用,输入为关键字数组,输出为JSON格式的对象。
关于校验结果标准实现组件:
测试结果应包含对每组数据进行智能分析的结果,如病灶、位置、大小、疾病等。在测试结果比对中,根据使用的数据集对每组数据结果进行校验,按上述的关键字匹配比例,测试结果应有80%的数据为软件可正确输出结果,15%的数据为未知输出,5%的数据为软件可输出错误结果。基于上述对比,人机交互界面将对比结果进行展示,实现对医学影像人工智能辅助诊断软件的智能测试。
该组件由JAVA程序实现,以jar包形式供调用,输入为JSON格式的测试结果对象,输出为JSON格式的校验结果对象。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,包括:
数据采集处理,具体包括图像采集处理和非图像数据采集处理,并将处理后的数据存储至存储系统和/或数据库;
标签管理,将存储系统和/或数据库中存储的数据进行图像标注信息抽取与存储、非图像关键信息抽取与存储、标签定义;
测试资源申请,根据标签定义后的数据为第三方软件提供测试资源申请和测试数据集申请,并生成测试数据集,所述测试数据集根据数据集自动生成标准进行划分;
测试,第三方软件登录所述测试资源申请模块申请的测试资源,上传软件包,导入所述测试数据集,第三方软件运行测试,生成测试结果数据集;
测试结果处理,对所述测试结果数据集按照数据集自动生成标准进行划分,与所述测试数据集的划分结果进行比对和展示。
2.根据权利要求1所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,所述图像采集处理为DICOM图像采集处理,具体包括:通过DICOM协议或HTTP协议或HTTPS协议,采集DICOM图像,经解析脱敏后存入所述数据库和存储系统。
3.根据权利要求1所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,
所述非图像数据采集处理为非DICOM图像数据采集处理,具体包括:通过HL7标准采集病例资料,将所述病例资料进行解析、脱敏、去冗余后存入所述数据库;
所述病历资料包括检验报告、病例报告、影像报告、电子病历报告。
4.根据权利要求2所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,所述DICOM图像标注信息抽取与存储具体包括两部分,一部分为:获取医生对DICOM图像的标注信息,将所述标注信息存储至所述数据库;另一部分为:通过智能检测软件对DICOM图像进行自动病灶检测,经医生确认后将检测信息保存至所述数据库;
所述标注信息指病灶的描述信息,具体包括层数、坐标、标注框。
5.根据权利要求3所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,所述非DICOM图像关键信息抽取与存储具体包括:
A.抽取电子病历中的性别、年龄、吸烟史、肿瘤史个人信息;
B.抽取电子病历中的就诊记录和临床诊断信息;
C.抽取化验报告中不正常的指标信息;
D.抽取病理报告中的诊断结果;
E.抽取影像报告中的病灶位置、大小、形态信息;
并将抽取的关键信息经医生确认后存储至所述数据库。
6.根据权利要求1所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,所述标签定义具体为:将所述数据库和存储系统中的图像、图像的关键信息、标注信息进行分组,并为每一组设定关键字。
7.根据权利要求1所述的一种医学影像人工智能辅助诊断软件测试服务方法,其特征在于,
所述测试资源包括GPU型号数量、内存、硬盘、CPU;
所述测试数据集指根据用户输入的关键字和数据集合类型搜索相应的标签,获取测试数据集;
所述数据集合类型,指需要的测试数据集为图像或文本或图像文本组合;
所述数据集自动生成标准,指根据关键字匹配比例划分数据集的一系列组件。
8.一种医学影像人工智能辅助诊断软件测试服务系统,其特征在于,包括:
数据采集处理模块,用于数据采集处理,进行图像采集处理和非图像数据采集处理,将并将处理后的数据存储至存储系统和/或数据库;
标签管理模块,用于标签管理,将存储系统和/或数据库中存储的数据进行图像标注信息抽取与存储、非图像关键信息抽取与存储以及标签定义;
测试资源申请模块,用于测试资源的申请,根据标签定义后的数据为第三方软件提供测试资源申请和测试数据集申请,并生成测试数据集,所述测试数据集根据数据集自动生成标准进行划分;
测试模块,用于为第三方软件提供测试服务,第三方软件登录所述测试资源申请模块申请的测试资源,上传软件包,导入所述测试数据集,第三方软件运行测试,生成测试结果数据集;
测试结果处理模块,用于进行测试结果的处理,对所述测试结果数据集按照数据集自动生成标准进行划分,与所述测试数据集的划分结果进行比对和展示。
9.根据权利要求8所述的一种医学影像人工智能辅助诊断软件测试服务系统,其特征在于,
所述数据采集处理模块中,图像采集处理为DICOM图像采集处理,具体包括:通过DICOM协议或HTTP协议或HTTPS协议,采集DICOM图像,经解析脱敏后存入所述数据库和存储系统;非图像数据采集处理为非DICOM图像数据采集处理,具体包括:通过HL7标准采集病例资料,将所述病例资料进行解析、脱敏、去冗余后存入所述数据库;
所述病历资料包括检验报告、病例报告、影像报告、电子病历报告。
10.一种医学影像人工智能辅助诊断软件测试服务装置,其特征在于,包括:
存储器,用于存储程序;
处理器,用于加载所述程序以执行如权利要求1-7任一项所述的一种软件测试服务方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442590.3A CN113127360A (zh) | 2021-04-23 | 2021-04-23 | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110442590.3A CN113127360A (zh) | 2021-04-23 | 2021-04-23 | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113127360A true CN113127360A (zh) | 2021-07-16 |
Family
ID=76779483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110442590.3A Pending CN113127360A (zh) | 2021-04-23 | 2021-04-23 | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127360A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273698A (zh) * | 2017-07-06 | 2017-10-20 | 武靖 | 人工智能训练标准库的处理与检测方法、系统 |
US20190355483A1 (en) * | 2013-03-15 | 2019-11-21 | James Paul Smurro | Cognitive Collaboration with Neurosynaptic Imaging Networks, Augmented Medical Intelligence and Cybernetic Workflow Streams |
CN111081353A (zh) * | 2019-12-17 | 2020-04-28 | 浙江明峰智能医疗科技有限公司 | 一种自动化在线学习智能辅助标注医学影像的方法和系统 |
CN111161822A (zh) * | 2018-11-08 | 2020-05-15 | 北京赛迈特锐医疗科技有限公司 | 医学影像人工智能诊断数据管理系统及其管理方法 |
CN111913871A (zh) * | 2019-05-10 | 2020-11-10 | 中国信息通信研究院 | 一种基于深度学习的肺结节检出软件测试方法 |
-
2021
- 2021-04-23 CN CN202110442590.3A patent/CN113127360A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190355483A1 (en) * | 2013-03-15 | 2019-11-21 | James Paul Smurro | Cognitive Collaboration with Neurosynaptic Imaging Networks, Augmented Medical Intelligence and Cybernetic Workflow Streams |
CN107273698A (zh) * | 2017-07-06 | 2017-10-20 | 武靖 | 人工智能训练标准库的处理与检测方法、系统 |
CN111161822A (zh) * | 2018-11-08 | 2020-05-15 | 北京赛迈特锐医疗科技有限公司 | 医学影像人工智能诊断数据管理系统及其管理方法 |
CN111913871A (zh) * | 2019-05-10 | 2020-11-10 | 中国信息通信研究院 | 一种基于深度学习的肺结节检出软件测试方法 |
CN111081353A (zh) * | 2019-12-17 | 2020-04-28 | 浙江明峰智能医疗科技有限公司 | 一种自动化在线学习智能辅助标注医学影像的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3692901A1 (en) | Automatic recognition and classification method for electrocardiogram heartbeat based on artificial intelligence | |
US8199982B2 (en) | Mapping of literature onto regions of interest on neurological images | |
US7996242B2 (en) | Automatically developing neuropsychiatric treatment plans based on neuroimage data | |
US8548823B2 (en) | Automatically determining ideal treatment plans for complex neuropsychiatric conditions | |
WO2021151302A1 (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
CN103049641A (zh) | 一种导医诊断显示方法及系统 | |
CN109785977A (zh) | 自动化信息录入方法、系统、装置及存储介质 | |
CN110648318A (zh) | 用于皮肤病的辅助分析方法及装置、电子设备、存储介质 | |
CN111599481A (zh) | 药品不良反应的监测方法、装置及可读介质 | |
Calvo et al. | A methodology to analyze heart data using fuzzy automata | |
CN111180027A (zh) | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 | |
CN113707304A (zh) | 分诊数据处理方法、装置、设备及存储介质 | |
CN113485555A (zh) | 医学影像阅片方法、电子设备和存储介质 | |
CN112927793A (zh) | 基于Web的意识障碍脑电数据分析系统 | |
CN113127360A (zh) | 一种医学影像人工智能辅助诊断软件测试服务方法及系统 | |
KR102503609B1 (ko) | 머신 러닝을 이용한 가상 환자 정보 생성 시스템 및 방법 | |
CN114783557A (zh) | 肿瘤患者数据的处理方法和装置、存储介质及处理器 | |
CN210776809U (zh) | 一种望诊图像质量评价系统、设备及存储介质 | |
CN113470775A (zh) | 信息采集方法、装置、设备及存储介质 | |
US20160371457A1 (en) | System and Method for Data Analyzing of Health-Related Data | |
CN111696677B (zh) | 利用医疗大数据支撑临床科研的信息管理系统 | |
CN115024816A (zh) | 一种冷循环微波肿瘤消融系统 | |
CN112568911A (zh) | 心电数据的分类方法、设备及具有存储功能的装置 | |
CN110889836A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
CN110660479A (zh) | 一种动态医学影像ai训练诊断系统 |
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 |