CN113509193A - 非创伤性急诊头部ct影像诊断方法和装置 - Google Patents
非创伤性急诊头部ct影像诊断方法和装置 Download PDFInfo
- Publication number
- CN113509193A CN113509193A CN202110436974.4A CN202110436974A CN113509193A CN 113509193 A CN113509193 A CN 113509193A CN 202110436974 A CN202110436974 A CN 202110436974A CN 113509193 A CN113509193 A CN 113509193A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- diagnosis
- coordinate data
- area
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 39
- 210000004556 brain Anatomy 0.000 claims abstract description 45
- 210000001519 tissue Anatomy 0.000 claims abstract description 24
- 210000003625 skull Anatomy 0.000 claims abstract description 23
- 206010018852 Haematoma Diseases 0.000 claims description 48
- 230000001154 acute effect Effects 0.000 claims description 43
- 206010008118 cerebral infarction Diseases 0.000 claims description 38
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 38
- 230000003902 lesion Effects 0.000 claims description 33
- 230000002980 postoperative effect Effects 0.000 claims description 32
- 208000032843 Hemorrhage Diseases 0.000 claims description 25
- 206010008111 Cerebral haemorrhage Diseases 0.000 claims description 24
- 206010053942 Cerebral haematoma Diseases 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 19
- 208000002403 Encephalocele Diseases 0.000 claims description 16
- 230000002861 ventricular Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008722 morphological abnormality Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000000740 bleeding effect Effects 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims 5
- 238000013170 computed tomography imaging Methods 0.000 claims 1
- 230000000472 traumatic effect Effects 0.000 abstract description 5
- 208000003906 hydrocephalus Diseases 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 11
- 210000002330 subarachnoid space Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 206010019909 Hernia Diseases 0.000 description 6
- 230000004807 localization Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000007917 intracranial administration Methods 0.000 description 5
- 229920000018 Callose Polymers 0.000 description 4
- 206010021620 Incisional hernias Diseases 0.000 description 4
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 4
- 210000000133 brain stem Anatomy 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 208000024806 Brain atrophy Diseases 0.000 description 2
- 206010015769 Extradural haematoma Diseases 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 210000001638 cerebellum Anatomy 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000002008 hemorrhagic effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000003140 lateral ventricle Anatomy 0.000 description 2
- 210000001767 medulla oblongata Anatomy 0.000 description 2
- 210000001259 mesencephalon Anatomy 0.000 description 2
- 230000001936 parietal effect Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000000542 thalamic effect Effects 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000009251 neurologic dysfunction Effects 0.000 description 1
- 208000015015 neurological dysfunction Diseases 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种非创伤性急诊头部CT影像诊断方法，包括：获取头部CT的DICOM图像；将符合第一预设条件的DICOM图像定义为第一图像；从第一图像中分割颅骨和脑区，获取坐标数据，定义为第一坐标数据；将符合第二预设条件的第一图像定义为第二图像；基于预设的诊断类型和第一坐标数据，分别从第二图像中获取诊断类型的诊断数据；获取第二图像中至少一个组织区域的坐标数据，并与病灶区域图像的坐标数据确定病灶位置；影像结构化报告整合所有数据，生成诊断印象。本发明将AI模型、影像组学模型合计与规则的程序用于非创伤性急诊头CT平扫的诊断，得到头CT平扫智能诊断结果，做出全面的定性、定量诊断。本申请还提供一种非创伤性急诊头部CT影像诊断装置。
Description
技术领域
本申请涉及一种影像诊断技术，尤其涉及一种非创伤性急诊头部CT影像诊断方法。本申请还涉及一种非创伤性急诊头部CT影像诊断装置。
背景技术
颅脑CT影像检查作为一种方便、安全、无创伤的检查方法，通过显示颅脑不同横断面的解刨关系和具体脑组织的结构，能够大大提高病变的检出率和诊断的准确性，因而广泛地应用于神经系统疾病的检查中，是急性创伤和非创伤颅内血管首选的影像检查方法，也是评价脑室引流术等手术后改变的最佳影像检查方法。临床中，怀疑急性精神状态异常、癫痫、急性神经功能障碍、伴随神经系统疾病或体征和头痛等情况时，通常以颅脑CT平扫作为一线的筛查手段。由于医用CT设备的普及和其所具有较大的诊断价值，在多数综合性医院里广泛应用于急诊中，成为医学影像服务中不可获取的检查项目之一。
由于颅脑CT影像检查在诊断检查中的广泛应用，其中的一些缺陷也逐渐显现，尤其在进行大量检查的情况下，由于影像检查任务的不连续性以及影像获取和系统分析的相对隔离，影像科医生无法快速、准确地完成影像诊断任务，及时检出危机病变并做出处理。
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非创伤性急诊头部CT影像诊断方法以实现大量检查的情况下，影像科医生快速、准确地完成影像诊断任务，及时检出危机病变并做出处理，同时本申请还提供一种非创伤性急诊头部CT影像诊断装置。
本申请提供的一种非创伤性急诊头部CT影像诊断方法，包括：
获取头部CT的DICOM图像；
基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
可选的，在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，该方法还包括：基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
可选的，该方法还包括：将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
可选的，所述从所述第二图像中获取所述诊断类型的诊断数据，包括：采用自动分析工具分析所述第二图像，获得所述诊断数据。
可选的，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
可选的，还包括：预测临床概率，执行如下步骤：
根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
本申请还提供一种非创伤性急诊头部CT影像诊断装置，包括：
获取模块，用于获取头部CT的DICOM图像；
第一筛选模块，用于基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
第一分割模块，用于从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
第二筛选模块，用于基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
诊断模块，基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
第二分割模块，基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
结论模块，用于所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
该装置还包括术后改变检出模块，用于在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
可选的，该装置还包括：比较模块，用于将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
可选的，所述诊断模块包括：诊断单元：采用自动分析工具分析所述第二图像，获得所述诊断数据。
可选的，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
可选的，该装置还包括：预测模块，用于根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
与现有技术相比，本申请的优点如下：
本申请提到的一种非创伤性急诊头部CT影像诊断方法，通过对DICOM图像的性质和质量进行筛选，将对符合条件的DICOM图像进行分割、分析，获取组织区域的坐标及诊断数据，最后确定病灶位置，生成诊断印象，本发明将AI模型、影像组学模型合计与规则的程序用于非创伤性急诊头CT平扫的诊断，得到头CT平扫智能诊断结果，做出全面的定性、定量诊断，能够在自动检测出重要危险征像时发出预警信息，提示医生进行关注和实施救治，并实现在减轻人工作业压力的同时快速、准确的进行大量CT影像检查，提高CT影像检查的效率。
附图说明
图1是本本申请的非创伤性急诊头CT影像诊断流程图。
图2是本申请中检查颅脑术后改变在影像结构化报告中的界面示意图。
图3是本申请中脑出血和出血类型在影像结构化报告中的示意图。
图4是本申请中部分脑室异常在影像结构化报告中的界面示意图。
图5是本申请中检出脑疝在影像结构化报告中的界面示意图。
图6是本申请中头部CT影像诊断装置的示意图。
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。
本申请提供了一种非创伤性急诊头CT影像诊断方法，将CT影像诊断系统接入PACS/RIS系统(医学影像信息系统)后，自动采集影像中各个诊断类型的检查数据，将所述检查数据发送到影像结构化报告，由影像结构化报告生成诊断印象。
图1展示了本申请的非创伤性急诊头CT影像诊断流程图。
请参照图1所示，步骤S101获取头部CT的DICOM图像；
本申请中，所述CT是X线计算机断层摄影技术的简称，主要应用于医学的诊断检查领域。在本申请中，首选需要获取头部CT的DICOM图像。
步骤S102基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
第一预设条件为判断所述DICOM图像是否与RIS登记的检查项目相符，输出定性判断，将定性判断数据返回影像结构化报告〞技术评估″相应控件，如下：如果判断检查项目于图像性质一致，则输出第一图像，用于后续AI诊断流程，如果判断检查项目于图像性质不一致，则中止AI诊断流程，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
步骤S103从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
将颅骨和脑区的坐标数据用于后续AI模型的掩膜(mask)。
步骤S104基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像。
此步骤为识别DICOM图像的质量，由于质量欠佳，影像后续诊断的情况，如扫描范围不全、图像伪影等。第二预设条件为判断DICOM图像扫描范围、图像是否有伪影。
如果图像质量合格，则第二图像可用于后续AI诊断流程，并将定性判断结果返回影像结构化报告〞技术评估(图像质量)″的相应控件。
如果判断图像质量不合格，则中止AI诊断流程，并将定性判断结果返回给影像结构化报告〞技术评估″的相应控件，比如质量是哪里不合格，是伪影造成的不合格还是扫描范围不全造成的不合格，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
步骤S105基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
从第二图像中获取诊断类型的诊断数据，包括：采用自动分析工具分析第二图像，获得诊断数据。此处的自动分析工具为各个AI模型。
诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
其中，诊断类型为：检出脑血肿和出血的分析流程为：基于第一坐标数据，分析第二图像，分割急性脑血肿和出血灶。输出如下诊断数据：
病灶区域图像--血肿的区域图像
病灶区域图像的坐标数据--血肿的坐标数据
定性数据--是否可见血肿；如果定性数据为可见血肿，则返回影像结构化报告〞病灶列表：血肿″的相关控件，将血肿数据(血肿的数量、体积、三维径线)，返回到影像结构化报告〞血肿径线和体积″的相应控件，并按照预设的规则生成血肿的关键图像，返回到影像结构化报告相应控件的〞关键图像″；提示信息-发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中，并进行下一个诊断类型的诊断--判断脑血肿和出血分类；
如果定性数据为未见血肿，则返回给影像结构化报告〞未见血肿″相应控件，并进行下一个诊断类型的诊断--检出急性大面积脑梗死
定量数据-血肿的数量、体积、三维径线
病灶区域图像的关键图像--血肿的关键图像。
其中，诊断类型为：判断脑血肿和出血分类，基于血肿的区域图像，对脑血肿和出血做出分类判断，输出对血肿分类的定性数据：包括脑实质血肿、脑室内出血、硬膜外血肿、硬膜线血肿和蛛网膜下腔出血，将判断的定性数据返回给结构化报告病灶列表：血肿类型相应控件。
请参考图3所示，判断脑血肿和出血分类，相应控件如图所示。
其中，诊断类型为：检出急性大面积脑梗死，基于第一坐标数据，分析第二图像，分割急性大面积脑梗死灶。输出如下诊断数据：
病灶区域图像-急性大面积脑梗死的区域图像
病灶区域图像的坐标数据-急性大面积脑梗死的坐标数据
定性数据--是否可见急性大面积脑梗死；如果定性数据为可见急性大面积脑梗死，则返回影像结构化报告〞病灶列表：急性大面积脑梗死″的相关控件，将急性大面积脑梗死数据(急性大面积脑梗死的数量、体积、三维径线)，返回到影像结构化报告〞急性大面积脑梗死径线和体积″的相应控件，并按照预设的规则生成急性大面积脑梗死的关键图像，返回到影像结构化报告相应控件的〞关键图像″；提示信息-发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
如果定性数据为未见急性大面积脑梗死，则返回给影像结构化报告〞未见急性大面积脑梗死″相应控件；
定量数据-急性大面积脑梗死的数量、体积、三维径线；
病灶区域图像的关键图像--急性大面积脑梗死的关键图像。
其中，诊断类型为：检出脑室形态异常，基于脑室区域的坐标数据，分析第二图像，对脑室形态做出分类判断，判断是否有脑积水、脑室受压。输出如下诊断数据：
定性数据一如定性判断为〞可见脑积水″或〞可见脑室受压″，则返回影像结构化报告〞病灶列表：脑积水、病灶列表″相应控件；并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像″，提示信息一发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
如定性判断的数据为未见脑积水、未见脑室受压，则返回给影像结构化报告〞未见脑积水、未见脑室受压″相应控件；
图4展示了本申请中部分脑室异常在影像结构化报告中的界面示意图。
其中，诊断类型为：检出脑疝，基于第一坐标数据，分析第二图像，判断是否有脑疝存在，包括大脑镰下疝、小脑幕切迹疝、小脑扁桃体下疝和切口疝等；
定性数据-如定性判断为〞可见脑疝″则返回影像结构化报告〞病灶列表：脑疝″的相应控件。并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像〞。发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告数据库中。
图5展示了检出脑疝在影像结构化报告中的界面示意图。
步骤S106基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
其中，组织区域的坐标数据为：大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据；
其中，大脑镰坐标数据---基于第一坐标数据，将第二图像中的大脑镰分割出来，用于后续颅内病灶的定位，以及中线偏移的分类等；
颅实质坐标数据---基于第一坐标数据，将第二图像中的脑区分割为幕上、幕下和脑干，脑实质的不同区域包括幕上(双侧额叶、顶叶、颞叶、枕叶、尾状核、豆状核、丘脑内囊、外囊；胼胝体膝部、胼胝体压部)、幕下(小脑、延髓)、脑干(中脑、桥脑)，用于后续颅内病灶的定位。
颅室坐标数据---基于第一坐标数据，将第二图像中的颅室分割为侧脑室、三脑室、四脑室，用于后续脑室内病灶的定位，以及脑积水等脑室异常的分类。
蛛网膜下腔坐标数据---基于第一坐标数据，将第二图像中的蛛网膜下腔分割出来，用于后学蛛网膜下腔病灶的定位以及脑萎缩的分类。
根据组织区域的坐标数据与病灶区域图像的坐标数据确定病灶位置，将定位数据发送到影像结构化报告：
脑实质病灶定位：将脑实质、脑室、大脑镰、蛛网膜下腔与病灶区域对比，给出病灶定位。输入第一坐标数据、大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据，输出病灶定位数据，将定位编码返回影像结构化报告相应控件的导航图。
步骤S107所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
整合所有智能化工具(AI模型、影像组学模型、程序)的发现，得出整体诊断印象。
在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，该方法还包括：基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
如定性判断为〞可见术后改变″，则返回结构化报告″整体评估：颅脑术后″的相应控件，并按预设的规则生成关键图像，返回结构化报告相应控件的″关键图像〞。
如定性判断为″未见术后改变″，则返回给结构化报告″未见术后改变″的相应控件。
图2展示了本申请中检查颅脑术后改变在影像结构化报告中的界面示意图。
请参照图2所示，这个诊断类别主要通过自动分析工具，检查术后改变，例如检查是否有颅骨缺失、软组织缺失或者异物等，例如植入物、引流管。经过检查，可以定性判断术后是否有改变，若有上述颅骨缺失、软组织缺失或者异物等情况存在，则诊断结果是″可见术后改变″，然后按照预设规则生成关于可见术后改变的″关键图像″发送到影像结构化报告中，反之，诊断结果是″未见术后改变″。最后，将诊断结果的诊断数据发送到影像结构化报告中。
其中，该方法还包括：将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
将本次检查中的阳性结果与既往检查的相应结果做比较，分为：未见变化、可见变化如定性判断为″未见变化″，则返回给结构化报告〞未见变化″的相应控件；
如定性判断为″可见变化″，则返回给结构化报告〞可见变化″的相应控件；
其中，该方法还包括：预测临床概率，执行如下步骤：
根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
例如，预测24小时再出血的概率，将该概率值返回到影像结构化报告〞预测″的相应控件。
以上是详细描述了本申请中非创伤性急诊头部CT影像诊断方法，本申请还提供一种非创伤性急诊头部CT影像诊断装置。
图6展示了本申请中头部CT影像诊断装置的示意图，
请参考6所示，本申请中头部CT影像诊断装置主要包括：
获取模块102，用于获取头部CT的DICOM图像；
第一筛选模块104，用于基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
第一预设条件为判断所述DICOM图像是否与RIS登记的检查项目相符，输出定性判断，将定性判断数据返回影像结构化报告〞技术评估″相应控件，如下：如果判断检查项目于图像性质一致，则输出第一图像，用于后续AI诊断流程，如果判断检查项目于图像性质不一致，则中止AI诊断流程，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
第一分割模块106，用于从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
将颅骨和脑区的坐标数据用于后续AI模型的掩膜(mask)。
第二筛选模块108，用于基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
此步骤为识别DICOM图像的质量，由于质量欠佳，影像后续诊断的情况，如扫描范围不全、图像伪影等。第二预设条件为判断DICOM图像扫描范围、图像是否有伪影。
如果图像质量合格，则第二图像可用于后续AI诊断流程，并将定性判断结果返回影像结构化报告〞技术评估(图像质量)″的相应控件。
如果判断图像质量不合格，则中止AI诊断流程，并将定性判断结果返回给影像结构化报告〞技术评估″的相应控件，比如质量是哪里不合格，是伪影造成的不合格还是扫描范围不全造成的不合格，并发送提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中。
诊断模块110，基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
所述诊断模块包括：诊断单元：采用自动分析工具分析所述第二图像，获得所述诊断数据。
此处的自动分析工具为各个AI模型。
诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
其中，诊断类型为：检出脑血肿和出血的分析流程为：基于第一坐标数据，分析第二图像，分割急性脑血肿和出血灶。输出如下诊断数据：
病灶区域图像--血肿的区域图像
病灶区域图像的坐标数据--血肿的坐标数据
定性数据--是否可见血肿；如果定性数据为可见血肿，则返回影像结构化报告〞病灶列表：血肿″的相关控件，将血肿数据(血肿的数量、体积、三维径线)，返回到影像结构化报告″血肿径线和体积″的相应控件，并按照预设的规则生成血肿的关键图像，返回到影像结构化报告相应控件的〞关键图像″；提示信息-发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中，并进行下一个诊断类型的诊断--判断脑血肿和出血分类；
如果定性数据为未见血肿，则返回给影像结构化报告″未见血肿″相应控件，并进行下一个诊断类型的诊断--检出急性大面积脑梗死
定量数据-血肿的数量、体积、三维径线
病灶区域图像的关键图像--血肿的关键图像。
其中，诊断类型为：判断脑血肿和出血分类，基于血肿的区域图像，对脑血肿和出血做出分类判断，输出对血肿分类的定性数据：包括脑实质血肿、脑室内出血、硬膜外血肿、硬膜线血肿和蛛网膜下腔出血，将判断的定性数据返回给结构化报告病灶列表：血肿类型相应控件。
其中，诊断类型为：检出急性大面积脑梗死，基于第一坐标数据，分析第二图像，分割急性大面积脑梗死灶。输出如下诊断数据：
病灶区域图像-急性大面积脑梗死的区域图像
病灶区域图像的坐标数据-急性大面积脑梗死的坐标数据
定性数据--是否可见急性大面积脑梗死；如果定性数据为可见急性大面积脑梗死，则返回影像结构化报告″病灶列表：急性大面积脑梗死″的相关控件，将急性大面积脑梗死数据(急性大面积脑梗死的数量、体积、三维径线)，返回到影像结构化报告〞急性大面积脑梗死径线和体积″的相应控件，并按照预设的规则生成急性大面积脑梗死的关键图像，返回到影像结构化报告相应控件的〞关键图像″；提示信息-发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
如果定性数据为未见急性大面积脑梗死，则返回给影像结构化报告〞未见急性大面积脑梗死″相应控件；
定量数据一急性大面积脑梗死的数量、体积、三维径线；
病灶区域图像的关键图像--急性大面积脑梗死的关键图像。
其中，诊断类型为：检出脑室形态异常，基于脑室区域的坐标数据，分析第二图像，对脑室形态做出分类判断，判断是否有脑积水、脑室受压。输出如下诊断数据：
定性数据一如定性判断为〞可见脑积水″或〞可见脑室受压″，则返回影像结构化报告〞病灶列表：脑积水、病灶列表″相应控件；并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像″，提示信息-发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告的数据库中；
如定性判断的数据为未见脑积水、未见脑室受压，则返回给影像结构化报告〞未见脑积水、未见脑室受压″相应控件；
其中，诊断类型为：检出脑疝，基于第一坐标数据，分析第二图像，判断是否有脑疝存在，包括大脑镰下疝、小脑幕切迹疝、小脑扁桃体下疝和切口疝等；
定性数据-如定性判断为〞可见脑疝″则返回影像结构化报告〞病灶列表：脑疝″的相应控件。并按预设的规则生成关键图像，返回影像结构化报告相应控件的〞关键图像〞。发送危急值提示信息，由相关人员负责处理，并记录在影像结构化报告数据库中。
第二分割模块112，基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
其中，组织区域的坐标数据为：大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据；
其中，大脑镰坐标数据---基于第一坐标数据，将第二图像中的大脑镰分割出来，用于后续颅内病灶的定位，以及中线偏移的分类等；
颅实质坐标数据---基于第一坐标数据，将第二图像中的脑区分割为幕上、幕下和脑干，脑实质的不同区域包括幕上(双侧额叶、顶叶、颞叶、枕叶、尾状核、豆状核、丘脑内囊、外囊；胼胝体膝部、胼胝体压部)、幕下(小脑、延髓)、脑干(中脑、桥脑)，用于后续颅内病灶的定位。
颅室坐标数据---基于第一坐标数据，将第二图像中的颅室分割为侧脑室、三脑室、四脑室，用于后续脑室内病灶的定位，以及脑积水等脑室异常的分类。
蛛网膜下腔坐标数据---基于第一坐标数据，将第二图像中的蛛网膜下腔分割出来，用于后学蛛网膜下腔病灶的定位以及脑萎缩的分类。
根据组织区域的坐标数据与病灶区域图像的坐标数据确定病灶位置，将定位数据发送到影像结构化报告：
脑实质病灶定位：将脑实质、脑室、大脑镰、蛛网膜下腔与病灶区域对比，给出病灶定位。输入第一坐标数据、大脑镰坐标数据、颅实质坐标数据、颅室坐标数据、蛛网膜下腔坐标数据，输出病灶定位数据，将定位编码返回影像结构化报告相应控件的导航图。
结论模块114，用于所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
整合所有智能化工具(AI模型、影像组学模型、程序)的发现，得出整体诊断印象。
该装置还包括术后改变检出模块，用于在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
如定性判断为〞可见术后改变″，则返回结构化报告″整体评估：颅脑术后″的相应控件，并按预设的规则生成关键图像，返回结构化报告相应控件的″关键图像〞。
如定性判断为″未见术后改变″，则返回给结构化报告″未见术后改变″的相应控件。
该装置还包括：比较模块，用于将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
将本次检查中的阳性结果与既往检查的相应结果做比较，分为：未见变化、可见变化如定性判断为″未见变化″，则返回给结构化报告〞未见变化″的相应控件；
如定性判断为〞可见变化″，则返回给结构化报告〞可见变化″的相应控件；
该装置还包括：预测模块，用于根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
例如，预测24小时再出血的概率，将该概率值返回到影像结构化报告″预测″的相应控件。
Claims (12)
1.一种非创伤性急诊头部CT影像诊断方法，其特征在于，包括：
获取头部CT的DICOM图像；
基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
2.根据权利要求1所述的非创伤性急诊头部CT影像诊断方法，其特征在于，在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，该方法还包括：基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
3.根据权利要求1所述的非创伤性急诊头部CT影像诊断方法，其特征在于，该方法还包括：将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
4.根据权利要求1所述的非创伤性急诊头部CT影像诊断方法，其特征在于，所述从所述第二图像中获取所述诊断类型的诊断数据，包括：
采用自动分析工具分析所述第二图像，获得所述诊断数据。
5.根据权利要求1所述的非创伤性急诊头部CT影像诊断方法，其特征在于，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
6.根据权利要求5所述的非创伤性急诊头部CT影像诊断方法，其特征在于，还包括：预测临床概率，执行如下步骤：
根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，并将所述出血概率返回到所述影像结构化报告的相应控件。
7.一种非创伤性急诊头部CT影像诊断装置，其特征在于，包括：
获取模块，用于获取头部CT的DICOM图像；
第一筛选模块，用于基于第一预设条件对所述DICOM图像进行图像性质的筛选，将符合所述第一预设条件的所述DICOM图像定义为第一图像；
第一分割模块，用于从所述第一图像中分割颅骨和脑区，获取所述颅骨和所述脑区的坐标数据，将所述颅骨和所述脑区的坐标数据定义为第一坐标数据；
第二筛选模块，用于基于所述第一图像和所述第一坐标数据，对所述第一图像进行图像质量的筛选，将符合第二预设条件的所述第一图像定义为第二图像；
诊断模块，基于预设的诊断类型和所述第一坐标数据，分别从所述第二图像中获取所述诊断类型的诊断数据，将所述诊断数据发送到影像结构化报告；其中，所述诊断数据至少为病灶区域图像、所述病灶区域图像的坐标数据、定性数据、定量数据、所述病灶区域图像的关键图像和提示信息中的一种或多种；
第二分割模块，基于所述第一坐标数据，获取所述第二图像中至少一个组织区域的坐标数据，根据所述组织区域的坐标数据与所述病灶区域图像的坐标数据确定病灶位置，将定位数据发送到所述影像结构化报告；
结论模块，用于所述影像结构化报告整合所述第一图像、所述第二图像、所述第一坐标数据、所述诊断数据和所述定位数据，生成诊断印象。
8.根据权利要求7所述的非创伤性急诊头部CT影像诊断装置，其特征在于，该装置还包括术后改变检出模块，用于在从所述第二图像中获取所述诊断类型的诊断数据以及获取所述第二图像中至少一个组织区域的坐标数据之前，基于所述第一坐标数据，判断所述第二图像是否存在颅脑术后改变，若存在所述颅脑术后改变，则生成该术后改变对应的关键图像并发送给所述影像结构化报告；若不存在所述颅脑术后改变，则进行后续诊断流程。
9.根据权利要求7所述的非创伤性急诊头部CT影像诊断装置，其特征在于，该装置还包括：比较模块，用于将所述诊断数据与所述诊断数据相对应的既往诊断数据进行比较，获得比较数据，将所述比较数据发送到所述影像结构化报告。
10.根据权利要求7所述的非创伤性急诊头部CT影像诊断装置，其特征在于，所述诊断模块包括：
诊断单元：采用自动分析工具分析所述第二图像，获得所述诊断数据。
11.根据权利要求7所述的非创伤性急诊头部CT影像诊断装置，其特征在于，所述诊断类型包括：检出脑血肿和出血、检出急性大面积脑梗死、检出脑室形态异常和检出脑疝，其中，所述检出脑血肿和出血还包括：判断脑血肿和出血分类。
12.根据权利要求11所述的非创伤性急诊头部CT影像诊断装置，其特征在于，该装置还包括：
预测模块，用于根据所述检出脑血肿和出血的诊断数据预测预设时间内的脑部出血概率，
并将所述出血概率返回到所述影像结构化报告的相应控件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110436974.4A CN113509193A (zh) | 2021-04-22 | 2021-04-22 | 非创伤性急诊头部ct影像诊断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110436974.4A CN113509193A (zh) | 2021-04-22 | 2021-04-22 | 非创伤性急诊头部ct影像诊断方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113509193A true CN113509193A (zh) | 2021-10-19 |
Family
ID=78062749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110436974.4A Pending CN113509193A (zh) | 2021-04-22 | 2021-04-22 | 非创伤性急诊头部ct影像诊断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113509193A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114298974A (zh) * | 2021-11-30 | 2022-04-08 | 北京赛迈特锐医疗科技有限公司 | 胎儿头mr影像智能诊断方法及系统 |
| CN114331964A (zh) * | 2021-11-30 | 2022-04-12 | 北京赛迈特锐医疗科技有限公司 | 胸腰椎创伤ct影像评估方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| CN110559007A (zh) * | 2019-07-23 | 2019-12-13 | 北京赛迈特锐医疗科技有限公司 | 头颅ct平扫影像智能诊断系统及其诊断方法 |
| CN111091882A (zh) * | 2019-12-03 | 2020-05-01 | 中国科学院上海技术物理研究所 | 一种人工智能可视化pacs系统及方法 |
| CN111916186A (zh) * | 2020-08-17 | 2020-11-10 | 北京赛迈特锐医疗科技有限公司 | 序贯型ai诊断模型对胸部x线智能诊断系统及方法 |
| CN111916185A (zh) * | 2020-08-17 | 2020-11-10 | 北京赛迈特锐医疗科技有限公司 | 为ai诊断模型提供影像数据的管理系统及方法 |
| CN111951272A (zh) * | 2020-07-02 | 2020-11-17 | 上海联影智能医疗科技有限公司 | 脑部影像的分割方法、装置、计算机设备和可读存储介质 |
| KR102189622B1 (ko) * | 2020-10-06 | 2020-12-11 | 주식회사 휴런 | 뇌출혈 여부 및 종류를 분류하는 인공지능 시스템 기반의 뇌졸중 진단 장치 |
| CN112168193A (zh) * | 2020-10-14 | 2021-01-05 | 北京赛迈特锐医疗科技有限公司 | 基于髌骨轴位x线图像获取髌骨解剖参数的系统及方法 |
| CN112259197A (zh) * | 2020-10-14 | 2021-01-22 | 北京赛迈特锐医疗科技有限公司 | 急腹症腹部平片的智能化分析系统及方法 |
-
2021
- 2021-04-22 CN CN202110436974.4A patent/CN113509193A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110559007A (zh) * | 2019-07-23 | 2019-12-13 | 北京赛迈特锐医疗科技有限公司 | 头颅ct平扫影像智能诊断系统及其诊断方法 |
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| CN111091882A (zh) * | 2019-12-03 | 2020-05-01 | 中国科学院上海技术物理研究所 | 一种人工智能可视化pacs系统及方法 |
| CN111951272A (zh) * | 2020-07-02 | 2020-11-17 | 上海联影智能医疗科技有限公司 | 脑部影像的分割方法、装置、计算机设备和可读存储介质 |
| CN111916186A (zh) * | 2020-08-17 | 2020-11-10 | 北京赛迈特锐医疗科技有限公司 | 序贯型ai诊断模型对胸部x线智能诊断系统及方法 |
| CN111916185A (zh) * | 2020-08-17 | 2020-11-10 | 北京赛迈特锐医疗科技有限公司 | 为ai诊断模型提供影像数据的管理系统及方法 |
| KR102189622B1 (ko) * | 2020-10-06 | 2020-12-11 | 주식회사 휴런 | 뇌출혈 여부 및 종류를 분류하는 인공지능 시스템 기반의 뇌졸중 진단 장치 |
| CN112168193A (zh) * | 2020-10-14 | 2021-01-05 | 北京赛迈特锐医疗科技有限公司 | 基于髌骨轴位x线图像获取髌骨解剖参数的系统及方法 |
| CN112259197A (zh) * | 2020-10-14 | 2021-01-22 | 北京赛迈特锐医疗科技有限公司 | 急腹症腹部平片的智能化分析系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114298974A (zh) * | 2021-11-30 | 2022-04-08 | 北京赛迈特锐医疗科技有限公司 | 胎儿头mr影像智能诊断方法及系统 |
| CN114331964A (zh) * | 2021-11-30 | 2022-04-12 | 北京赛迈特锐医疗科技有限公司 | 胸腰椎创伤ct影像评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3543880B1 (en) | Stroke diagnosis and prognosis system | |
| EP2762072B1 (en) | Medical image processing device, medical image processing method, program | |
| JP5468905B2 (ja) | 神経変性疾患の診断を支援するためのツール | |
| US8391574B2 (en) | Method and system of computer-aided quantitative and qualitative analysis of medical images from multiple modalities | |
| JP5416335B2 (ja) | リアルタイム対話式データ解析管理ツール | |
| CN104414636B (zh) | 基于磁共振图像的脑微出血计算机辅助检测系统 | |
| US7729524B2 (en) | Assessment of radiographic systems and operators using task-based phantom | |
| EP3199102B1 (en) | Medical image display processing method, medical image display processing device, and program | |
| US20080262344A1 (en) | Relative value summary perfusion map | |
| CN113509193A (zh) | 非创伤性急诊头部ct影像诊断方法和装置 | |
| JP2014145770A (ja) | アルツハイマー病の予測を支援する方法及び自動化システム、並びに、前記システムをトレーニングする方法 | |
| JP5098393B2 (ja) | 関心領域決定装置 | |
| JPWO2011040473A1 (ja) | 医用画像処理方法、装置およびプログラム | |
| US20100260399A1 (en) | Scanner data collection | |
| CN101896942A (zh) | 脑图像数据的图像分析 | |
| CN107887002A (zh) | 一种医学影像诊断质量管理系统 | |
| WO2023133935A1 (zh) | 超声颅脑异常区域自动检测及显示方法 | |
| CN117542485B (zh) | 一种影像检查的智慧处理方法及系统 | |
| CN209770401U (zh) | 医学图像快速分析处理系统 | |
| KR102503646B1 (ko) | 뇌경색 볼륨 계산 기반의 뇌경색 예측 방법 및 그를 위한 장치 | |
| CN113100742B (zh) | 乳腺mr影像智能诊断方法、装置及设备 | |
| JP2019136519A (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
| CN114298974A (zh) | 胎儿头mr影像智能诊断方法及系统 | |
| CN113948180A (zh) | 实现精神疾病影像报告生成处理的方法、装置、处理器及其计算机可读存储介质 | |
| CN112168168A (zh) | 用mr技术对全身脂肪进行自动化定量评价系统及方法 |
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 |