CN113488189A - 相似病例检索装置、方法及计算机可读存储介质 - Google Patents
相似病例检索装置、方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113488189A CN113488189A CN202110887842.3A CN202110887842A CN113488189A CN 113488189 A CN113488189 A CN 113488189A CN 202110887842 A CN202110887842 A CN 202110887842A CN 113488189 A CN113488189 A CN 113488189A
- Authority
- CN
- China
- Prior art keywords
- case
- historical
- key
- current
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 252
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 20
- 210000003625 skull Anatomy 0.000 description 17
- 238000011282 treatment Methods 0.000 description 10
- 210000004283 incisor Anatomy 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 230000003340 mental effect Effects 0.000 description 5
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 210000001847 jaw Anatomy 0.000 description 4
- 206010061274 Malocclusion Diseases 0.000 description 3
- 238000010990 cephalometric method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 210000004513 dentition Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036346 tooth eruption Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- MSVZUEGLXXVUJS-UHFFFAOYSA-N hydron;n-(2-piperidin-1-ylethyl)-n-(pyridin-2-ylmethyl)aniline;chloride Chemical compound Cl.C=1C=CC=NC=1CN(C=1C=CC=CC=1)CCN1CCCCC1 MSVZUEGLXXVUJS-UHFFFAOYSA-N 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 208000024891 symptom Diseases 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及医学图像处理技术领域，提供一种相似病例检索装置、方法及计算机可读存储介质，其中相似病例检索装置包括预处理单元，基于当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；权重调节单元，基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；相似度确定单元，分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。本申请能够从历史病例库中检索符合需要的相似病例。
Description
技术领域
本申请涉及医学图像处理技术领域，尤其涉及一种相似病例检索装置、方法及计算机可读存储介质。
背景技术
目前，在医疗领域中患者多医生少是主要问题之一，而一名专业的医生培养周期较长，成本高昂，口腔正畸领域亦是如此。
随着计算机技术的发展，我们有多种方法通过提高医生的工作效率而不是数量来解决上述矛盾，其中通过参考历史病例中治愈先例或者失败先例作为参考依据是目前最高效的方法之一。
X线头颅侧位片是从侧位对头颅进行X线(X Ray)摄片所获取的包含头颅软、硬组织结构的医学图像，是X线头影测量分析(Cephalometric Analysis)的基础。在口腔正畸技术领域中，通过对患者病例的X线头颅侧位片进行分析、检索，找到头颅结构相似的病例，可以为医生提供辅助信息，如果结构相似度足够高，先例又是成功案例，甚至可以完全拷贝方案及治疗方法。正是因为口腔正畸疾病与头颅结构(几何结构)的紧密相关性，而不像其他大多医疗疾病中使用文字方案模糊搜索相似病例，所以正畸患者的相似病例搜索可以做到高度相似，从而做到安心复制大部分成功治疗手段及经验来节省大量的医生时间及节约社会资源，并亦可用于往后的所有相似病例。
快速查找相似病例，由于可以针对性不断获取真实病例经验，也可以间接的缩短初级医生的培养周期，从而从数量上也可以解决患者多医生少的问题。
发明内容
本申请的目的在于提供一种相似病例检索装置、方法及计算机可读存储介质，用于从X线头颅侧位片的历史病例库中检索与当前病例相似的历史病例。
本申请的一个方面提供一种相似病例检索装置，包括：
预处理单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
权重调节单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
相似度确定单元，被配置为分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
在一些实施例中，所述预处理单元包括：
当前病例信息获取模块，被配置为获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数；
检索目标确定模块，被配置为基于所述当前病例的信息确定检索目标；
测量项及当前病例测量值确定模块，被配置为根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
在一些实施例中，所述权重调节单元包括：
测量项评估模块，被配置为基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响；
权重确定模块，被配置为基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
在一些实施例中，所述相似度确定单元包括：
标准差确定模块，被配置为确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数；
相似度确定模块，被配置为：
依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度；
相似历史病例检索模块，被配置为将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
在一些实施例中，所述相似病例检索装置还包括：
相似病例信息提取单元，被配置为从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并在显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。。
在一些实施例中，所述相似病例检索装置还包括：
历史病例库管理单元，被配置为将所述当前病例的信息追加到所述历史病例库中。
在一些实施例中，所述关键头影测量项的权重为用户根据所述当前病例的信息选择的预设值和/或手动设置的值。
在一些实施例中，用户能够根据所述终端设备上显示的所述前P个最小值对应的所述历史病例的信息，调整所述关键头影测量项的权重并重新依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
本申请的另一方面提供一种相似病例检索方法，用于从X线头颅侧位片的历史病例库中检索与当前病例相似的历史病例，所述方法包括以下步骤：
基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
在一些实施例中，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值进一步包括以下步骤：
获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数；
基于所述当前病例的信息确定检索目标；
根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
在一些实施例中，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重进一步包括以下步骤：
基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响；
基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
在一些实施例中，所述分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例进一步包括以下步骤：
确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数；
依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度；
将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
在一些实施例中，所述相似病例检索方法还包括以下步骤：
从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。
在一些实施例中，所述相似病例检索方法还包括以下步骤：
将所述当前病例的信息追加到所述历史病例库中。
在一些实施例中，所述关键头影测量项的权重为用户根据所述当前病例的信息选择的预设值和/或手动设置的值。
在一些实施例中，用户能够根据所述终端设备上显示的所述前P个最小值对应的所述历史病例的信息，调整所述关键头影测量项的权重并重新依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
本申请的又一方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述相似病例检索方法。
本申请的有益效果
本申请提供的一种相似病例检索装置至少具有以下有益效果：根据当前病例的信息确定对于检索结果影响较大的关键头影测量项及对应的权重，通过上述设置，用户可以根据特定需求，在历史病例库中检索符合特定需求的相似病例；所述关键头影测量项权重为预设值或用户手动设置的值，从而使得用户可以根据对所述当前病例信息的具体情况的评估及检索目标确定各项关键头影测量项的权重，以精确地检索到符合特定需要的相似历史病例；用户可根据所述终端设备上显示的与所述当前病例相似的历史病例的信息，调整所述关键头影测量项权重的值进行重新检索，从而在检索结果不满足需要的情况下，通过调整各个关键头影测量项的权重，不断优化检索结果，以更加精确地检索到符合治疗研究需要的相似历史病例。
附图说明
图1为根据本申请实施例的相似病例检索装置的整体架构示意图；
图2为根据本申请实施例的具体当前病例的X线头颅侧位片及标定的测量标志点；
图3为根据本申请实施例的具体当前病例的多个头影测量项和多个头影测量项的测量值；
图4为根据本申请实施例的具体当前病例的关键头影测量项和关键头影测量项的测量值；
图5为根据本申请实施例的具体当前病例的关键头影测量项的权重；
图6为根据本申请实施例的具体当前病例的关键头影测量项的标准差；
图7(a)、图7(b)为根据本申请实施例的具体当前病例的检索结果；
图8为根据本申请实施例的具体当前病例的X线头颅侧位片及标定的测量标志点；
图9(a)、图9(b)为根据本申请实施例的具体当前病例的检索结果；
图10为根据本申请实施例的相似病例检索方法的流程图；
图11为根据本申请实施例的相似病例检索方法中，确定关键头影测量项及当前病例的关键头影测量项的测量值的流程图；
图12为根据本申请实施例的相似病例检索方法中，确定所述关键头影测量项的权重的流程图；
图13为根据本申请实施例的相似病例检索方法中，确定所述历史病例库中每一个历史病例与所述当前病例的相似度并检索出与所述当前病例具有相似的X线头颅侧位片的历史病例的流程图。
具体实施方式
在对本申请的优选的实施例的技术方案进行详细说明之前，首先对本实施例的技术背景做简要的说明。
X线(X Ray)头影测量分析技术是口腔正畸领域的重要技术，通过对X线头颅定位照相所得的影像标定出牙颌、颅面上的各个测量标志点，并对由各个测量标志点构成的线、角等测量项进行测量与分析，从而了解人体牙颌、颅面软硬组织结构，使对牙颌、颅面的检查诊断由表面形态深入到内部骨骼结构中去，是口腔正畸临床诊断及治疗的一种重要手段。
在口腔正畸的临床诊断、治疗、研究过程中，首先通过标定测量单元对现有病例的X线头颅侧位片图像进行人工标定或在人工辅助下进行自动或半自动标定，以获得测量标志点，测量标志点为本领域技术人员公知的用于X线头影测量分析的测量标志点，包括颅部的蝶鞍点(S)、鼻根点(N)、解剖耳点(P)，上颌骨部的前鼻棘点(ANS)、上牙槽座点(A)、上中切牙点(UI)，下颌骨部的下牙槽座点(B)、下中切牙点(LI)、颏前点(Pog)、颏下点(Me)、颏顶点(Gn)等。
进行完上述测量标志点的标定后，利用本领域技术人员公知的X线头影分析方法，例如Steiner分析法，北医分析法，Tweed分析法，Downs分析法，Wits分析法，Ricketts分析法，Coben分析法等，通过人工计算或计算机自动计算，可以得到X线头影分析所需要的各个测量项的测量值，例如：通过计算蝶鞍点、鼻根点及上牙槽座点所构成的角，可以得到测量项SNA的测量值，通过计算蝶鞍点、鼻根点及下牙槽座点所构成的角，可以得到测量项SNB的测量值。
在传统的口腔正畸临床诊断、治疗、研究中，医生和研究人员通过对患者病例的上述各项测量项的测量值进行分析，进而评估患者牙颌、颅面软硬组织结构，从而进行进一步的治疗或研究。
由于口腔正畸领域各类疾病与头颅结构(几何结构)具有紧密相关性，如果能够从历史病例库中检索得到与当前患者病例结构相似度足够高的历史病例，则可以在很大程度上作为当前患者病例的参考，甚至可以完全拷贝治疗方案及治疗方法。
以下，基于优选的实施方式并参照附图对本申请进行进一步说明，应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种相似病例检索装置，用于从历史病例库中检索与当前病例具有相似的X线头颅侧位片的历史病例，图1示出了本申请实施例的相似病例检索装置架构图。
如图1所示，本申请实施例的相似病例检索装置包括：
预处理单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
权重调节单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
相似度确定单元，被配置为分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
以下对本实施例的预处理单元进行详细说明，预处理单元包括：
当前病例信息获取模块，被配置为获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数。
在本实施例中，用于显示当前病例的信息的终端设备可以是台式电脑、笔记本电脑或平板电脑等设备的显示部件。
在本实施例中，当前病例的信息可以来自于当前病例就诊医院的HIS系统(Hospital Information System，医院信息管理系统)，也可以来自其他医学数据库系统，当前病例的信息中以Dicom格式或其他标准格式存保存的X线头颅侧位片图像，通过标定测量单元进行人工或自动、半自动方式的测量标志点标定，以及基于测量标志点的位置信息生成多项头影测量项的测量值后，由预处理单元读取上述当前病例的X线头颅侧位片图像、X线头颅侧位片测量标志点信息、多项测量项的测量值以及基本身份信息，包括当前病例的编号、姓名、年龄、性别等信息。
在本实施例的一种实现方式中，预处理单元获取的测量标志点可以包括颅部的蝶鞍点(S)、鼻根点(N)、解剖耳点(P)，上颌骨部的前鼻棘点(ANS)、上牙槽座点(A)、上中切牙点(UI)，下颌骨部的下牙槽座点(B)、下中切牙点(LI)、颏前点(Pog)、颏下点(Me)、颏顶点等(Gn)；获取的多项头影测量值v(itemj)，j＝1...M，可以是对北医分析法包含的16项头影测量项计算得到的测量值，即M＝16。
下表1列出了北医分析法包含的16项头影测量项的具体含义。
表1
在本实施例的其他实现方式中，预处理单元获取的多项头影测量值还可以是对北医分析法结合Tweed分析法、Steiner分析法等多种分析法所包含的多项头影测量项计算得到的对应的测量值。
预处理单元还包括：
检索目标确定模块，被配置为基于所述当前病例的信息确定检索目标。
在本实施例的一种实现方式中，根据当前病例的信息中的X线头颅侧位片图像所显示出的整体和/或局部结构特征对当前病例情况进行评估，确定检索目标：例如检索目标为通过检索得到整体头颅结构与当前病例相似的历史病例。
在本实施例的其他实现方式中，还可以根据对当前病例头颅构整体或某一局部结构特征研究的需要，确定检索目标：例如根据对当前病例切牙倾斜度的评估，确定检索目标为检索与当前病例切牙倾斜程度类似的历史病例。
预处理单元还包括：
测量项及当前病例测量值确定模块，被配置为根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
在本实施例中，确定检索目标后，使用者从多项头影测量项item1～itemM中选取对检索目标影响较大的N个测量项作为关键头影测量项key1～keyN，并从当前病例的多项头影测量值中选取与上述各关键头影测量项对应的测量值，生成当前病例的关键头影测量项的测量值v(keyi)。
在本实施例中，关键头影测量项key1～keyN的项数N可以与多项头影测量项item1～itemM的项数M相同，即N＝M，从而key1～keyN＝item1～itemM，但在某些情况下，例如需要重点关注某一类咬合类型或头颅结构时，可以将关键头影测量项的选择范围缩小到只与该类咬合类型或头颅结构具备较强相关性的头影测量项上，即N＜M，从而使得使用者可以检索出与其期望的检索目标相符合的相似病例。
以下对权重调节单元进行详细介绍，权重调节单元包括：
测量项评估模块，被配置为基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响。
关键头影测量项通过对由X线头颅侧位片的测量标志点构成的角度、线距的测量，以及对线距比例、角度比例和多角度求和、多线距求和的测量，从不同分析维度及测量尺度综合表征了同一头颅结构的解剖特征，每个关键测量项所依据的代表特定解剖结构的点、线等参照物均不相同，测量尺度也有所区别，如与上颌中切牙倾斜度相关的测量项U1-SN,U1-NA，同为描述上颌中切牙倾斜度，但其依据的参照物分别为SN平面和NA平面。其中U1-SN尺度拉的更大，参照物离的更远，测量更加以宏观为主，相反U1-NA相对更加微观一些。因此虽都是对于同一头颅结构解剖特征进行表征的测量项，但由于参照物不同，对检索结果存在不同影响。
在本实施例中，通过对当前病例的X线头颅侧位片图像所反映的具体头颅结构解剖特征进行分析，根据所述检索目标并结合使用者经验综合评估每个关键头影测量项对检索结果准确性的影响程度的高低，为确定所述当前病例的关键头影测量项的权重提供依据。
权重确定模块，被配置为基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
在本实施例的一种实现方式中，相似度权重调节单元可以根据不同的检索目标及上述关键头影测量项对检索结果影响的评估，预设多组权重，例如针对不同年龄、性别或不同咬合类型分别提供不同的预设权重，以方便使用者便捷地确定符合自己检索目标的权重。
在本实施例的其他实现方式中，还可以在权重调节单元中手动设置关键头影测量项各项的权重，从而可以更精准地检索到符合检索目标的相似历史病例。
以下详细介绍相似度确定单元，相似度确定单元包括：
标准差确定模块，被配置为确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数。
在本实施例中，对于每一项关键头影测量项keyi，相似度确定单元对历史病例库中存储的全部历史病例的该项关键头影测量项的测量值进行统计，得到该关键头影测量项的标准差，如，对于关键头影测量项SNA，统计历史病例库中全部L个历史病例该项的测量值，从而得到SNA项的标准差σ(SNA)，其他关键头影测量项的标准差可通过同样方式得到。
相似度确定单元还包括：
相似度确定模块，被配置为：
依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
在本实施例中，相似度确定模块依次提取历史病例库中的每一个历史病例的N个关键头影测量项的测量值yk(key1)～yk(keyN)，，然后通过计算得到每一个历史病例的X线头颅侧位片与当前病例的X头颅侧位片的相似度sk，在计算过程中，通过
进行标准化处理，然后加权求和，得到sk，sk的值越小，代表历史病例的X线头颅侧位片与当前病例的X线头颅侧位片相似度越高。
相似度确定单元还包括：
相似历史病例检索模块，被配置为将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
在本实施例的一些实现方式中，相似病例检索装置还可以包括：
相似病例信息提取单元，被配置为从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并在显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。
具体地，相似病例信息提取单元从历史病例库中提取相似度确定单元检索出的P个相似历史病例所包含的X线头颅侧位片图像、X线头颅侧位片测量标志点信息、基本身份信息以及多个头影测量项的测量值，以单个或多个页面的形式显示在终端设备上，为研究分析当前病例提供辅助参考。
进一步地，可以对以单个或多个页面显示的相似历史病例信息进行分析，判断检索出的相似历史病例是否满足与检索目标相符合，并可以调整关键头影测量项各项的权重值进行重新检索。
在本实施例的一些实现方式中，相似病例检索装置还可以包括：
历史病例库管理单元，被配置为将所述当前病例的信息追加到所述历史病例库中。
本实施例提供的一种相似病例检索装置，根据当前病例的信息确定对于检索结果影响较大的关键头影测量项及对应的权重，通过上述设置，用户可以根据特定需求，在历史病例库中检索符合特定需求的相似病例；所述关键头影测量项权重为预设值或用户手动设置的值，从而使得用户可以根据对所述当前病例的信息的具体情况的评估及检索目标确定各项关键头影测量项的权重，以精确地检索到符合特定需要的相似历史病例；用户可根据所述终端设备上显示的与所述当前病例相似的历史病例的信息，调整所述关键头影测量项权重的值进行重新检索，从而在检索结果不满足需要的情况下，通过调整各个关键头影测量项的权重，不断优化检索结果，以更加精确地检索到符合治疗研究需要的相似历史病例。
以下结合图2至图7(b)具体说明本实施例提供的相似病例检索装置应用于第一个具体当前病例的情况。
图2示出根据本申请实施例的第一个具体当前病例的X线头颅侧位片图像及其上各个测量标志点信息。该病例年龄为31岁，处于恒牙期。
图3示出根据本申请实施例的第一个具体当前病例的多个头影测量项和当前病例的多个头影测量项的测量值，具体的，该具体当前病例的多个头影测量项的测量值为通过当前病例的测量标志点计算北医分析法所包含的16项头影测量项所得到的测量值。
图4示出根据本申请实施例的第一个具体当前病例的关键头影测量项和当前病例的关键头影测量项的测量值，具体的，使用者根据该具体当前病例的X线头颅侧位片图像所显示出的整体结构特征对该具体当前病例的症状进行评估，确定检索目标为检索与该具体当前病例具有相似的整体头颅结构的历史病例，进而确定关键头影测量项为北医分析法所包含的16项头影测量项。
图5示出根据本申请实施例的第一个具体当前病例的关键头影测量项的权重。
图6示出根据本申请实施例的第一个具体当前病例的关键头影测量项标准差，具体的，历史病例库共有8000个历史病例，即L＝8000，相似度确定单元依次对全部8000个历史病例的关键头影测量项对应的测量值进行统计，得到对应的各个关键头影测量项的标准差。
图7(a)示出根据本申请实施例的相似度确定单元检索得到的该具体当前病例的1个相似历史病例的X线头颅侧位片图像，具体的，相似度确定单元依次计算历史病例库中的8000个历史病例的X线头颅侧位片与该具体当前病例的X线头颅侧位片的相似度sk，k＝1...8000；检索得到最小值为sp1＝12.85，即历史病例库中第p1个病例为与该具体当前病例最相似的病例；相似病例信息提取单元从历史病例库中提取第p1个历史病例的信息并在终端设备上显示。
作为对比，图7(b)示出了历史病例库中第p2个历史病例的X线头影侧位片图像，该历史病例的X线头影侧位片与该具体当前病例的X线头影侧位片的相似度sp2＝30.24。
通过比较图2、图7(a)、图7(b)，明显可以看出第p2项历史病例与该具体当前病例在整体头颅结构上的差异明显大于第p1项历史病例与该具体当前病例在整体头颅结构上的差异，从而说明了本实施例的相似病例检索装置能够精确地从历史病例库中检索出与当前病例具有相似头颅结构的历史病例。
以下结合图8至图9(b)具体说明本实施例提供的相似病例检索装置应用于第二个具体当前病例的情况。
图8示出根据本申请实施例的第二个具体当前病例的X线头颅侧位片图像及其上各个测量标志点信息。该病例年龄为8岁，处于替牙期。
根据对该具体当前病例的X线头颅侧位片图像所显示的头颅结构分析，确定其错牙合(牙合为一个字，该字为口腔医学领域用字，指上下牙列之间的接触关系)畸形类型为替牙期骨性III类低角，进而确定检索目标为在历史病例库中检索符合替牙期骨性III类低角特征的相似历史病例，根据该检索目标，选择头颅结构中与骨性特征异常和垂直向角度异常密切相关的测量项ANB、SN-GoGn、FH-MP作为关键测量项，并根据替牙期儿童头颅结构特征选择相应的预设权重，利用上述相似病例检索装置检索得到与该具体当前病例的错牙合类型最相似的历史病例，相似度为sq1＝1.91。
图9(a)示出该最相似历史病例的X线侧位片图像，作为对比，图9(b)示出历史病例库中第q2个历史病例的X线头颅侧位片图像，该历史病例与当前病例的相似度为sq2＝13.13。
通过比较图8、图9(a)、图9(b)，可以看出第q1个历史病例的头颅结构相比于第q2个历史病例的头颅结构，明显呈现与当前病例更相符合的骨性III类低角特征，从而说明本实施例的相似病例检索装置能够精确地从历史病例库中检索得到符合检索目标的相似历史病例。
本实施例还提供一种相似病例检索方法，用于从X线头颅侧位片的历史病例库中检索与当前病例相似的历史病例，图10示出了该方法的流程图，包括以下步骤：
S1：基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
S2：基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
S3：分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
进一步的，如图11所示，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值包括以下步骤：
S101：获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数；
S102：基于所述当前病例的信息确定检索目标；
S103：根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
进一步的，如图12所示，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重包括以下步骤：
S201：基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响；
S202：基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
进一步的，如图13所示，所述分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例包括以下步骤：
S301：确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数；
S302：依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度；
S303：将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
进一步的，本实施例的相似病例检索方法还包括以下步骤：
从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。
进一步的，本实施例的相似病例检索方法还包括以下步骤：
将所述当前病例的信息追加到所述历史病例库中。
在本申请实施例的一些实现方式中，所述关键头影测量项的权重为用户根据所述当前病例的信息选择的预设值和/或手动设置的值。
在本申请实施例的一些实现方式中，用户能够根据所述终端设备上显示的所述前P个最小值对应的所述历史病例的信息，调整所述关键头影测量项的权重并重新依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述相似病例检索方法。
以上对本申请的具体实施方式作了详细介绍，对于本技术领域的技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也属于本申请权利要求的保护范围。
Claims (17)
1.一种相似病例检索装置，用于从X线头颅侧位片的历史病例库中检索与当前病例相似的历史病例，其特征在于，包括：
预处理单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
权重调节单元，被配置为基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
相似度确定单元，被配置为分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
2.根据权利要求1所述的相似病例检索装置，其特征在于，所述预处理单元包括：
当前病例信息获取模块，被配置为获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数；
检索目标确定模块，被配置为基于所述当前病例的信息确定检索目标；
测量项及当前病例测量值确定模块，被配置为根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
3.根据权利要求2所述的相似病例检索装置，其特征在于，所述权重调节单元包括：
测量项评估模块，被配置为基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响；
权重确定模块，被配置为基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
4.根据权利要求3所述的相似病例检索装置，其特征在于，所述相似度确定单元包括：
标准差确定模块，被配置为确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数；
相似度确定模块，被配置为：
依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X 线头颅侧位片的相似度；
相似历史病例检索模块，被配置为将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
5.根据权利要求4所述的相似病例检索装置，其特征在于，还包括：
相似病例信息提取单元，被配置为从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并在显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。
6.根据权利要求2至5中任意一项所述的相似病例检索装置，其特征在于，还包括：
历史病例库管理单元，被配置为将所述当前病例的信息追加到所述历史病例库中。
7.根据权利要求3至5中任意一项所述的相似病例检索装置，其特征在于，所述关键头影测量项的权重为用户根据所述当前病例的信息选择的预设值和/或手动设置的值。
8.根据权利要求5所述的相似病例检索装置，其特征在于，用户能够根所述终端设备上显示的所述前P个最小值对应的所述历史病例的信息，调整所述关键头影测量项的权重并重新依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
9.一种相似病例检索方法，用于从X线头颅侧位片的历史病例库中检索与当前病例相似的历史病例，其特征在于，所述方法包括以下步骤：
基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值；
基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重；以及
分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例。
10.根据权利要求9所述的相似病例检索方法，其特征在于，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项及所述关键头影测量项的测量值进一步包括：
获取所述当前病例的信息，所述当前病例的信息包括所述当前病例的X线头颅侧位片图像、所述当前病例的X线头颅侧位片测量标志点信息、所述当前病例的基本身份信息、所述当前病例的多个头影测量项itemj和所述当前病例的多个头影测量项的测量值v(itemj)，其中所述当前病例的多个头影测量项的测量值v(itemj)根据所述当前病例的X线头颅侧位片测量标志点信息计算得到，j＝1...M，M为所述多个头影测量项的个数；
基于所述当前病例的信息确定检索目标；
根据所述检索目标从所述多个头影测量项itemj中确定所述当前病例的关键头影测量项keyi并从多个头影测量项的测量值v(itemj)中确定所述当前病例的关键头影测量项的测量值v(keyi)，其中，i＝1...N，N为所述关键头影测量项的个数且N≤M。
11.根据权利要求10所述的相似病例检索方法，其特征在于，所述基于所述当前病例的信息确定所述当前病例的关键头影测量项的权重进一步包括：
基于所述当前病例的信息，评估所述当前病例的关键头影测量项对检索结果的影响；
基于所述影响确定所述当前病例的关键头影测量项的权重w(keyi)。
12.根据权利要求11所述的相似病例检索方法，其特征在于，所述分别确定所述历史病例库中每一个历史病例与所述当前病例的相似度并基于所述相似度确定与所述当前病例相似的历史病例进一步包括：
确定关键头影测量项keyi的标准差σ(keyi)，其中，σ(keyi)通过对所述历史病例库中L个历史病例的关键头影测量项的测量值进行统计确定，L为所述历史病例库中历史病例的个数；
依次提取所述历史病例库中每一个历史病例的关键头影测量项的测量值yk(keyi)，其中，k＝1...L，yk(keyi)为所述历史病例库中第k个历史病例的关键头影测量项keyi的测量值，以及
按照如下等式依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度：
其中，sk为所述历史病例库中第k个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度；
将所有相似度中的前P个最小值所对应的历史病例确定为与所述当前病例相似的历史病例，其中，P为用户指定的正整数。
13.根据权利要求12所述的相似病例检索方法，其特征在于，还包括：
从所述历史数据库中提取与所述前P个最小值对应的历史病例的信息并显示在终端设备上，所述历史病例的信息包括所述历史病例的X线头颅侧位片图像、所述历史病例的X线头颅侧位片测量标志点信息、所述历史病例的基本身份信息以及所述历史病例的多个头影测量项的测量值。
14.根据权利要求10至13中任意一项所述的相似病例检索方法，其特征在于，还包括：
将所述当前病例的信息追加到所述历史病例库中。
15.根据权利要求11至13中任意一项所述的相似病例检索方法，其特征在于，所述关键头影测量项的权重为用户根据所述当前病例的信息选择的预设值和/或手动设置的值。
16.根据权利要求13所述的相似病例检索方法，其特征在于，用户能够根据所述终端设备上显示的所述前P个最小值对应的所述历史病例的信息，调整所述关键头影测量项的权重并重新依次计算所述历史病例库中每一个历史病例的X线头颅侧位片与所述当前病例的X线头颅侧位片的相似度。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求9至16中任意一项所述的相似病例检索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110887842.3A CN113488189B (zh) | 2021-08-03 | 2021-08-03 | 相似病例检索装置、方法及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110887842.3A CN113488189B (zh) | 2021-08-03 | 2021-08-03 | 相似病例检索装置、方法及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113488189A true CN113488189A (zh) | 2021-10-08 |
| CN113488189B CN113488189B (zh) | 2024-07-02 |
Family
ID=77945378
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110887842.3A Active CN113488189B (zh) | 2021-08-03 | 2021-08-03 | 相似病例检索装置、方法及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113488189B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911077A (zh) * | 2007-12-27 | 2010-12-08 | 皇家飞利浦电子股份有限公司 | 用于细化相似病例搜索的方法和装置 |
| JP2014029644A (ja) * | 2012-07-31 | 2014-02-13 | Panasonic Corp | 類似症例検索装置および類似症例検索方法 |
| WO2017218040A1 (en) * | 2016-06-17 | 2017-12-21 | Carestream Health, Inc. | Method and system for 3d cephalometric analysis |
| US20180314797A1 (en) * | 2017-05-01 | 2018-11-01 | Rohit Madan | Cephalometric analysis and patient management software application for mobile devices |
| CN108804549A (zh) * | 2018-05-21 | 2018-11-13 | 电子科技大学 | 基于医学图像特征权重调整的眼底造影图像检索方法 |
| CN109767841A (zh) * | 2019-01-15 | 2019-05-17 | 北京大学口腔医学院 | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 |
| CN110960333A (zh) * | 2019-11-21 | 2020-04-07 | 西安博恩生物科技有限公司 | 基于ai算法的错颌畸形矫治模型匹配方法 |
| CN111414393A (zh) * | 2020-03-26 | 2020-07-14 | 湖南科创信息技术股份有限公司 | 一种基于医学知识图谱的语义相似病例检索方法及设备 |
| US20210019342A1 (en) * | 2018-03-29 | 2021-01-21 | Google Llc | Similar medical image search |
| CN112800248A (zh) * | 2021-01-19 | 2021-05-14 | 天河超级计算淮海分中心 | 相似病例检索方法、装置、计算机设备及存储介质 |
| US20210169576A1 (en) * | 2018-08-08 | 2021-06-10 | Ceevra, Inc. | System and method for identifying comparable cases in preoperative surgical planning |
-
2021
- 2021-08-03 CN CN202110887842.3A patent/CN113488189B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911077A (zh) * | 2007-12-27 | 2010-12-08 | 皇家飞利浦电子股份有限公司 | 用于细化相似病例搜索的方法和装置 |
| JP2014029644A (ja) * | 2012-07-31 | 2014-02-13 | Panasonic Corp | 類似症例検索装置および類似症例検索方法 |
| WO2017218040A1 (en) * | 2016-06-17 | 2017-12-21 | Carestream Health, Inc. | Method and system for 3d cephalometric analysis |
| US20180314797A1 (en) * | 2017-05-01 | 2018-11-01 | Rohit Madan | Cephalometric analysis and patient management software application for mobile devices |
| US20210019342A1 (en) * | 2018-03-29 | 2021-01-21 | Google Llc | Similar medical image search |
| CN108804549A (zh) * | 2018-05-21 | 2018-11-13 | 电子科技大学 | 基于医学图像特征权重调整的眼底造影图像检索方法 |
| US20210169576A1 (en) * | 2018-08-08 | 2021-06-10 | Ceevra, Inc. | System and method for identifying comparable cases in preoperative surgical planning |
| CN109767841A (zh) * | 2019-01-15 | 2019-05-17 | 北京大学口腔医学院 | 一种基于颅颌面三维形态数据库的相似模型检索方法及装置 |
| CN110960333A (zh) * | 2019-11-21 | 2020-04-07 | 西安博恩生物科技有限公司 | 基于ai算法的错颌畸形矫治模型匹配方法 |
| CN111414393A (zh) * | 2020-03-26 | 2020-07-14 | 湖南科创信息技术股份有限公司 | 一种基于医学知识图谱的语义相似病例检索方法及设备 |
| CN112800248A (zh) * | 2021-01-19 | 2021-05-14 | 天河超级计算淮海分中心 | 相似病例检索方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113488189B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bulatova et al. | Assessment of automatic cephalometric landmark identification using artificial intelligence | |
| Nik-Hussein et al. | Validity of Demirjian and Willems methods for dental age estimation for Malaysian children aged 5–15 years old | |
| US10007988B2 (en) | Systems and methods for approximating the soft tissue profile of the skull of an unknown subject | |
| TW202145961A (zh) | 脊椎壓迫性骨折偵測方法與系統 | |
| Macaluso Jr | Sex discrimination potential of permanent maxillary molar cusp diameters | |
| Ferrario et al. | Soft tissue facial angles in Down's syndrome subjects: a three-dimensional non-invasive study | |
| Kılınç et al. | Evaluation and comparison of smartphone application tracing, web based artificial intelligence tracing and conventional hand tracing methods | |
| Ramos et al. | A new method to geometrically represent bite marks in human skin for comparison with the suspected dentition | |
| Ahmed et al. | Artificial intelligence and its application in endodontics: a review | |
| Nie et al. | OII-DS: A benchmark Oral Implant Image Dataset for object detection and image classification evaluation | |
| Yousefi et al. | Dental age estimation using cone-beam computed tomography: A systematic review and meta-analysis | |
| Putra et al. | Automated permanent tooth detection and numbering on panoramic radiograph using a deep learning approach | |
| Lee et al. | Commercial artificial intelligence lateral cephalometric analysis: part 1--the possibility of replacing manual landmarking with artificial intelligence service. | |
| US20230215001A1 (en) | Method for facilitating caries detection | |
| CN113488189B (zh) | 相似病例检索装置、方法及计算机可读存储介质 | |
| Grogger et al. | Identification of ‘Point A’as the prevalent source of error in cephalometric analysis of lateral radiographs | |
| Menezes et al. | Assessment of landmark detection in cephalometric radiographs with different conditions of brightness and contrast using the an artificial intelligence software | |
| Indermun et al. | Human examination and artificial intelligence in cephalometric landmark detection—is AI ready to take over? | |
| Martina et al. | Reproducibility of the assessment of the Fränkel manoeuvre for the evaluation of sagittal skeletal discrepancies in Class II individuals | |
| Alqutaibi et al. | Dental implant planning using artificial intelligence: A systematic review and meta-analysis | |
| Bu et al. | Accuracy comparison of tooth volume and mesiodistal diameter measurements for sex dimorphism based on cone-beam computed tomography: a study for the northern Chinese population | |
| Welk | Prediction of canine eruption problems and other developmental anomalies in panoramic radiographs using machine learning | |
| Safarzadeh et al. | Evaluating soft tissue thickness in different anterior-posterior skeletal classifications informative | |
| Utsuno et al. | Morphological Observation of the Alar Region between the Piriform Aperture and the Alar Soft Tissue for Facial Approximation (Reconstruction). | |
| Ogodescu et al. | Biology of Dentofacial Growth and Development: Updating Standards using Digital Imaging Technologies |
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 |