CN113539445A - 一种医学图像处理方法和装置 - Google Patents
一种医学图像处理方法和装置 Download PDFInfo
- Publication number
- CN113539445A CN113539445A CN202111028302.6A CN202111028302A CN113539445A CN 113539445 A CN113539445 A CN 113539445A CN 202111028302 A CN202111028302 A CN 202111028302A CN 113539445 A CN113539445 A CN 113539445A
- Authority
- CN
- China
- Prior art keywords
- medical image
- sequence
- grouping
- image sequences
- sequences
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000003902 lesion Effects 0.000 claims description 35
- 208000024891 symptom Diseases 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract description 18
- 238000003384 imaging method Methods 0.000 description 29
- 238000003745 diagnosis Methods 0.000 description 20
- 238000010191 image analysis Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 15
- 210000004072 lung Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 238000007639 printing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000002583 angiography Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 125000003473 lipid group Chemical group 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 210000003932 urinary bladder 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本公开提供了一种医学图像处理方法、装置、电子设备和介质,涉及图像处理技术领域。一种医学图像处理方法包括:获取多个医学图像序列和分组配置数据,多个医学图像序列针对分析目标被采集;根据分析目标与分组配置数据,确定多个医学图像序列的一个或多个序列子集;以及将一个或多个序列子集提供给用户。该实施方式提高了医学图像序列筛选效率以及准确率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种医学图像处理方法和装置。
背景技术
在当前医生常常借助医学扫描设备(如核磁共振成像扫描仪、磁共振成像扫描仪、计算机断层扫描仪等)扫描得到的医学图像序列进行医疗诊断。
由于目前医学扫描设备需要在各种参数下采集医学图像,使得医学扫描设备扫描得到的医学图像序列比较多比如MR肝脏检测可提供40~50个肝脏医学图像序列。医生则需要花费比较长的时间在众多的医学图像序列筛选出能够清楚体现征象的医学图像序列或者序列组合,导致有效的医学图像序列筛选效率较低。
发明内容
有鉴于此,本公开的实施例提供一种医学图像处理方法和装置,能够提高了医学图像序列筛选效率以及准确率。
为实现上述目的,根据本公开的实施例的一个方面,提供了一种医学图像处理方法,包括:获取多个医学图像序列和分组配置数据,所述多个医学图像序列针对分析目标被采集;根据所述分析目标与所述分组配置数据,确定所述多个医学图像序列的一个或多个序列子集;以及将所述一个或多个序列子集提供给用户。
根据本公开的实施例的另一个方面,提供了一种医学图像处理装置,其特征在于,包括:获取单元,用于:获取多个医学图像序列和分组配置数据,所述多个医学图像序列针对分析目标被采集;子集确定单元,用于根据所述分析目标与所述分组配置数据,确定所述多个医学图像序列的一个或多个序列子集;以及序列提供单元,用于将所述一个或多个序列子集提供给用户。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本公开,不构成对权利要求的不当限定。其中:
图1是根据本公开的实施例的医学图像处理方法或装置的应用场景的示意图;
图2A是根据本公开的实施例的医学图像处理方法的流程图;
图2B是根据本公开的另一实施例的医学图像处理方法的流程图;
图3是根据本公开的实施例的医学图像序列、分组策略以及分组结果之间的关系示意图;
图4是根据本公开的实施例的医学图像序列分组的流程图;
图5是根据本公开的另一个实施例的医学图像序列分组的流程图;
图6是根据本公开的实施例的为多个医学图像序列确定分组策略的流程图;
图7A是根据本公开的实施例的医学图像处理装置的示意图;
图7B是根据本公开的另一实施例的医学图像处理装置的示意图;
图8是适于用来实现本公开的实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开的实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是本公开的实施例提供的医学图像处理方法以及医学图像处理装置的应用场景示意图。如图1所示,在该应用场景中可包括:成像系统110,网络120,图像处理服务器130,终端设备140、150、160以及数据库170。其中,网络120用以在成像系统110、图像处理服务器130、终端设备140、150、160以及数据库170之间提供通信链路的介质。网络120可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
其中,成像系统110可包括扫描设备111以及将扫描设备111扫描得到的扫描数据转换为像素,以形成医学图像序列的显像服务器112。比如,该成像系统110可为正子发射断层扫描计算机成像系统(Positron emission tomograph10,PET)、正子发射电脑断层扫描计算机成像系统(Positron emission tomograph10 with computerized tomograph10,PET/CT)、单一光子发射电脑断层扫描计算机成像系统(Single photon emissioncomputed tomograph10 with computerized tomograph10,SPECT/CT)、计算机断层扫描系统(Computerized tomograph10,CT)、医学超音波检查计算机成像系统(Medicalultrasonograph10)、核磁共振成像系统(Nuclear magnetic resonance imaging,NMRI)、磁共振成像系统(Magnetic Resonance Imaging,MRI)、心血管造影成像系统(Cardiacangiograph10,CA)、数字放射显影系统(Digital radiograph10,DR)等。在本公开的实施例的应用场景中,上述各种成像系统均可通过网络与图像处理服务器130、终端设备140、150、160以及数据库170进行通信。
其中,扫描设备111可为数字减影血管造影扫描仪、磁共振血管造影扫描仪、断层血管扫描仪、正子发射断层扫描仪、正子发射电脑断层扫描仪、单一光子发射电脑断层扫描仪、计算机断层扫描仪、医学超音波检查设备、核磁共振成像扫描仪、磁共振成像扫描仪、数字放射显影扫描仪等。其中,扫描设备111与显像服务器112的组合可形成上述的成像系统110。
上述成像系统110形成的医学图像序列可存储到数据库170中,以供后续图像处理服务器130以及终端设备140、150、160从数据库170中调取所需的一个或多个医学图像序列形成具有医学图像序列的视图或者视图集合。另外,上述成像系统110还可直接将医学图像序列提供给图像处理服务器130或者终端设备140、150、160等。
上述数据库170可以为常规数据库也可以为部署在存储云上的数据库。
上述图像处理服务器130可对成像系统110形成的医学图像序列中的医学图像进行压缩、像素修正、三维重建等处理的服务器。该图像处理服务器130可以将处理后的图像存储到数据库170中和/或将处理后的图像提供给终端设备140、150、160等。
用户可以使用终端设备140、150、160通过网络120从成像系统110和/或数据库170和/或图像处理服务器130中获取包括医学图像序列的视图或者视图集合,以及用户还可以使用终端设备140、150、160设置医学图像序列分组所需的一些参数或者参考数据等,终端设备140、150、160将设置的医学图像序列分组所需的一些参数或者参考数据等发送给成像系统110或者图像处理服务器130,以使成像系统110或者图像处理服务器130进一步对医学图像序列进行处理比如对医学图像序列进行分组,对分组后的医学图像序列进一步处理像素、校正等。
终端设备140、150、160可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机、医学图像打印设备等等。
需要说明的是,本公开的实施例所提供的医学图像处理方法可以由成像系统110或者图像处理服务器130执行,相应地,图像处理装置可以设置于成像系统110或者图像处理服务器130中。
应该理解,图1中的成像系统、网络、图像处理服务器、终端设备以及数据库的数目仅仅是示意性的。根据实现需要,可以具有任意数目的成像系统、网络、图像处理服务器、终端设备以及数据库。
下面结合图2A描述根据本公开的实施例的示例图像处理方法200。
在步骤S201处,获取多个医学图像序列和分组配置数据,多个医学图像序列针对分析目标被采集。
在步骤S202处,根据分析目标与分组配置数据,确定多个医学图像序列的一个或多个序列子集。
在步骤S203处,将一个或多个序列子集提供给用户。
通过方法200,能够通过多个图像序列以及相应的图像分析目标和分组配置数据,确定分类结果即“序列子集”。分组配置数据可以包括预先存储的配置数据,并且其示例可以在下文中进一步描述。作为非限制性示例,分组配置数据可以包括征象特征数据、历史习惯数据、用户指定的分组条件或者以其他方式获得(例如,神经网络学习)的分组配置数据,并且本公开不限于此。此外,可以理解的是,将一个或多个序列子集提供给用户可以包括将全部多个医学图像序列划分到一个多个子集并且提供给用户,也可以包括仅将多个医学图像序列中的一部分提供给用户。
根据一些实施例,分组配置数据可以包括针对分析目标的特征数据,并且根据分析目标与分组配置数据,获取多个医学图像序列的一个或多个序列子集可以包括:根据与一个或多个预设参考条件的比较,确定多个医学图像序列的一个或多个序列子集。由此,能够实现通过特征数据与参考条件的比较进行分类。
根据一些实施例,预设参考条件可以包括以下各项中的至少一项:图像序列中的征象特征强度、征象特征范围、病灶区域强度和病灶区域范围。例如,可以将病灶区域强度高于第一阈值强度并且/或者病灶特征大于第一阈值范围的图像分为第一类,将病灶虽然未满足上述条件但是图像序列中示出的征象特征高于阈值强度(例如,第二阈值强度)并且/或者征象特征大于阈值范围(例如,第二阈值范围)的图像分为第二类,等等,并且可以理解的是,本公开不限于此。
根据一些实施例,分组配置数据可以包括针对分析目标从图像序列解析出的指标数据,并且根据分析目标与分组配置数据,获取多个医学图像序列的一个或多个序列子集可以包括:通过将多个医学图像序列中的每个图像序列中的指标数据进行比较,确定多个医学图像序列的一个或多个序列子集。
由此,可以先对图像序列进行解析,以获得指标数据,例如与分析目标相关的指标数据。
根据一些实施例,指标数据可以包括以下各项中的一个或多个:医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息。
由此,能够根据不同的征象结果和/或不同的病灶结果进行分类。例如,征象信息可以包括征象类型、征象分级或等级、征象对病灶类型的指示等。医学图像序列的类型信息可以包括T1序列、T2序列、增强序列等。病灶信息可以包括解析出的图像序列指示的可能的病灶结果相关数据,包括病灶类型、病灶程度、病灶部位等。对这些信息将在下文中进一步进行描述。
根据一些实施例,征象信息可以包括解析获得的征象类型。在这样的实施例中,确定多个医学图像序列的一个或多个序列子集可以包括将包括相同的征象类型的医学图像序列分类到相同的序列子集。根据一些实施例,病灶信息可以包括图像序列指示的病灶类型,并且其中,确定多个医学图像序列的一个或多个序列子集包括将指示相同的病灶类型的医学图像序列分类到相同的序列子集。可以理解的是,以上的实施例可以结合,例如,指标数据可以包括征象类型和病灶类型两者,并且本公开不限于此。
根据一些实施例,分组配置数据可以包括终端用户的用户特征信息。根据一些实施例,用户特征信息可以包括终端用户针对医学图像序列的历史分组数据、对不同类型的医学图像序列的历史交互数据、以及对不同类型的医学图像序列之间的交互关联性。
例如,交互数据可以包括用户历史中对医学图像序列(其类型可以包括但不限于待处理的“多个医学图像序列”的类型)的查看时间、停留时间以及查看频次等。交互关联性可以包括历史上先看哪个序列、再看那个序列或者将哪几个序列放在一起比对等。交互关联性可以是通过归纳获得的,并且可选地,可以是通过机器学习和神经网络来获得的。历史分组数据可以是之前由用户手动配置的想要将哪些序列分组在一起或者选择了哪些序列作为子集的历史信息。
根据一些实施例,多个医学图像序列可以是基于图像查询请求而被获取的。在这样的实施例中,图像查询请求可以包括终端用户的用户特征信息。由此,可以在接收图像查询请求时即接收想要图像序列的用户的特征,并且因此对序列进行分类。根据一些实施例,将一个或多个序列子集提供给用户可以包括使得一个或多个序列子集的数据从医学图像序列采集设备传输到终端,而不将多个医学图像序列中的其余的医学图像序列传输到终端。可以只拉取部分数据,并且能够有效减少数据传输,提高效率。
可以理解的是,根据本公开的各种实施例(包括下文中将要提到的其他实施例)的方法可以在采集设备侧、用户侧或者远程的云端计算中心等实现,或者方法的一部分可以在采集设备实现,另一部分可以在云端计算中心或用户终端实现等,并且本公开不限于此。
根据一些实施例,将一个或多个序列子集提供给用户可以包括根据预定的优先级策略将一个或多个子集有序提供给用户。根据一些实施例,预定的优先级策略可以是根据以下各项中的至少一项确定的:图像序列中的特征的优先级,图像序列中解析获得的指标数据与目标征象的接近程度,图像序列中解析获得的指标数据与目标病灶的接近程度,根据用户特征信息的优先级。作为一个非限制性示例,可以按照历史习惯分配优先级,例如根据预设的优先级和用户的历史查看时间,为对应的序列分组(“子集”)设定优先级。
根据一些实施例,将一个或多个序列子集提供给用户可以包括:使得终端显示与一个或多个序列子集相对应的一个或多个视图集合,其中,每个视图集合包括一个或多个医学图像序列。
根据一些实施例,使得终端显示与一个或多个序列子集相对应的一个或多个视图集合可以包括:基于特征数据包括的医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种,构建多个视图集合;将多个医学图像序列分配到多个视图集合中。
根据本公开的实施例,可以提供这样的产品形态:在用户(例如,医生)的诊断过程中能够通过分组找到所需序列/征象。例如,这样的呈现是符合序列中的特征和/或用户习惯的。提供给用户可能是同时提供,也可以是顺序提供。例如,可以将多个子集以方便用户诊断的方式提供给用户。
如图2B所示,描述了根据本公开的另外的实施例提供的通过上述成像系统110或者图像处理服务器130实现的医学图像处理方法250。从图2B可以看出,该医学图像处理方法250可包括如下步骤:
在步骤S251处,获取多个医学图像序列,并识别所述医学图像序列包括的特征数据。
在步骤S252处,根据特征数据,对多个医学图像序列进行分组,其中,分组结果与图像分析目标相对应。
在步骤S253处,提供分组结果(例如,提供给用户)。
其中,医学图像序列可以包括由例如上述成像系统110针对生物体进行切片扫描、对扫描结果进行像素转换等处理之后得到的一系列的医学图像。其中,一个医学图像序列可以包括经过同一扫描参数对不同生物体不同切片位置进行扫描得到的医学图像。不同医学图像序列可以对应不同的成像系统110的设置参数,即不同医学图像序列可以是由成像系统110通过不同的扫描参数扫描得到。比如该扫描参数可以为切片层厚、扫描类型、扫描角度、扫描所使用的辐射频率等。另外,上述生物体可包括任意一种或多种身体的组织、器官、标本以及身体其他部位。比如,生物体可包括头部、乳房、肢体、心脏、血管、肠道、胃、膀胱、胆囊、骨盆腔、脊椎、骨骼、胸腔、胸膜、腹部等中的一种或多种。因此,上述医学图像序列包括的医学图像可以为肺部扫描图像、血管造影图像、头部CT图像、全身核磁扫描图像等,并且可以理解的是,本公开不限于此。
在例如步骤S201或S251中获取的多个医学图像序列可以是针对同一个生物体的同一部位的医学图像序列,比如,多个医学图像序列包括通过不同扫描参数得到的多个肺部扫描图像序列;也可以是针对同一个生物体的不同部位的医学图像序列,比如,多个医学图像序列包括对肺部的A区域扫描得到的肺部扫描图像序列以及对肺部的B区域扫描得到的肺部扫描图像序列;还可以是针对不同生物体的医学图像序列,比如,多个医学图像序列可以包括肺部扫描图像序列、血管造影图像序列等;又比如,多个医学图像序列可以包括病患1的肺部扫描图像序列以及病患2的肺部扫描图像序列等。
该特征数据可以为与征象相关的指标数据、与病灶结果相关的数据、序列类型等。比如与征象相关的指标数据可以为边界模糊、病灶大小、纤维帽、脂质核、纹理等,与病灶结果相关的数据可为钙化、肿瘤、结节等,序列类型可为通过改变MR信号的影响因素,得到的不同医学图像序列,通过对医学图像序列采用不同的加权值进行加权得到的序列,即得到不同序列类型的医学图像序列,比如,通过加权值T1对医学图像序列进行加权得到的医学图像序列为T1序列,通过加权值T2对医学图像序列进行加权得到的医学图像序列为T2序列,通过增强加权值对医学图像序列进行加权得到的医学图像序列为增强序列。
在识别出医学图像序列包括的特征数据后,可基于该特征数据,对医学图像序列进行重新标注,比如,图3所示的多个医学图像序列分别为:序列1、序列2、序列3、序列4以及序列5,通过识别序列1、序列2、序列3、序列4以及序列5的特征数据后,对该序列1、序列2、序列3、序列4以及序列5进行重新标注,比如,序列1标注为序列A、序列2标注为序列D、序列3标注为序列E、序列4标注为序列B以及序列5标注为序列C,其中,A、B、C、D以及E可以为序列对应的特征数据,也可以是通过现有的编码方式将特征数据进行编码的结果。
图像分析目标可以指示诊断策略、图像分析所针对的生物体、分组结果得到的视图集合的特征(比如T1序列、T2序列、增强序列等)、分组结果得到的视图集合中的医学图像序列所需满足的条件(比如征象相关的指标数据不小于设定的第一阈值、与病灶结果相关的数据不小于设定的第二阈值等)。
作为一个示例,对序列进行子集划分或者分组可包括:基于特征数据包括的医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种,构建多个视图集合;将多个医学图像序列分配到多个视图集合中。一个视图集合中可包括一个或多个医学图像序列。比如T1视图集合包括各个T1类型的医学图像序列;增强视图集合包括各个增强类型的医学图像序列;同反相位视图集合等。
比如,如图3所示的一种分组策略为将医学图像序列分组到T1视图集合和T2视图集合中,另一种分组策略为将医学图像序列分组到增强视图集合和同反相位视图集合中,另外,可为每一种分组策略配置对应的诊断参考方式,后续医生可基于该诊断参考方式选择对应的分组结果。通过该步骤可将图3所示的序列A、序列D、序列E、序列B以及序列C分配到T1视图集合和T2视图集合,得到如图3所示的分组结果1,其中,序列A和序列B分配到T1视图集合,序列C、序列D以及序列E分配到T2视图集合。另外,通过该步骤还可将图3所示的序列A、序列D、序列E、序列B以及序列C分配到增强视图集合和同反相位视图集合,得到如图3所示的分组结果2,其中,序列A、序列C、序列D以及序列E分配到增强视图集合,序列B分配到同反相位视图集合。
根据一些实施例,提供给用户的子集或分组结果可以指示一个或多个视图集合。每个视图集合中可以包括有一个或多个医学图像序列。例如,提供子集或分组结果可以是提供分组结果指示的一个视图集合或指示的多个视图集合中的一个或多个。
作为一个示例,在医学图像处理方法应用于图像处理服务器的实施例中,提供子集或分组结果可以包括将子集或分组结果中的一个视图集合或者多个视图集合发送到终端设备,或者将一个视图集合中的各个医学图像序列发送到终端设备。终端设备例如可以是图1所示的终端设备140、150、160,并且终端设备140、150、160可以进而通过屏幕显示结果。
作为一个示例,在医学图像处理方法应用于终端设备的实施例中,提供子集或分组结果可以包括在终端设备处显示分组结果中的一个视图集合或者多个视图集合,或者在终端设备处显示一个视图集合中的各个医学图像序列。
作为另一个示例,在医学图像处理方法应用于图像处理服务器或者终端设备实施例中,提供子集或分组结果可以包括图像处理服务器或者终端设备将分组结果中的一个视图集合或者多个视图集合,或者将一个视图集合中的各个医学图像序列发送给专门的医学图像显示设备,以使该医学图像显示设备通过屏幕显示;提供子集或分组结果可以包括图像处理服务器或者终端设备将分组结果中的一个视图集合或者多个视图集合,或者将一个视图集合中的各个医学图像序列发送给打印医学图像用的打印设备,以使该打印医学图像用的打印设备打印视图集合中的各个医学图像序列。
在根据本公开的一个或多个实施例中,通过对获取到的多个医学图像序列包括的特征数据进行识别,并根据识别出的特征数据,对多个医学图像序列进行分类或分组,因此,分类或分组结果可以与图像分析目标相对应。进一步,对多个医学图像序列进行分类或分组,可以实现根据图像分析目标比如诊断需求进行分类或分组,通过该分类或分组可以筛选出与图像分析目标相应的医学图像序列,比如与诊断相关的医学图像序列,实现自动化筛选与图像分析目标相应的医学图像序列,并针对图像分析目标,提高了医学图像序列筛选效率以及准确率。
另外,由于医生的精力比较有限,有时难免遗漏医学图像特征,导致人工筛选序列筛选准确性较低,影响后续诊断。通过本申请提供的方案能够比较完善的参考各个医学图像序列中的特征数据,从而有效地提高分类或分组结果的准确性,以更好地辅助诊断。
参考图4,根据本公开的一个或多个实施例的医学图像处理方法还可进一步包括如下步骤:
步骤S401:为多个医学图像序列确定分组策略,其中,分组策略指示与图像分析目标相关的分组方向;
分组策略可以是基于配置参数和预设的分组策略模板形成的;也可以是为预先设置的多种分组模块配置对应的分组参考数据,其中,分组模块由分组程序以及分组所需参数封装成。其中,配置参数、分组参考数据可均与诊断辅助需求相关,比如,征象数据、病灶结果数据、序列类型等。基于此,分组策略可包括:设置的特征参数以及基于特征参数执行分组的程序,其中,特征参数包括:医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种。
相应地,为多个医学图像序列确定分组策略可以是通过配置参数和分组策略模板生成对应的分组策略;也可以是从多个分组策略中选择一个分组策略;还可以是为配置的诊断辅助参数匹配对应的分组参考数据,并确定匹配到的分组参考数据对应的分组模块。
步骤S402:利用分组策略执行对多个医学图像序列进行分组的步骤。
通过上述分组策略的结构、分组策略的配置以及分组策略的确定可以有效地提高分组的灵活性,以满足各种不同的诊断辅助需求。
参考图5,描述根据本公开的一个或多个实施例的对多个医学图像序列进行分组的步骤:
步骤S501:在多个医学图像序列中,查找特征数据满足分组策略的目标医学图像序列;
比如,多个医学图像序列包括:序列1、序列2、序列3、序列4、序列5、序列6以及序列7,该分组策略为将医学图像序列分到T1视图集合和T2视图集合中,其中,序列6以及序列7均不属于T1视图集合和T2视图集合,即序列6以及序列7不满足分组策略,序列1、序列2、序列3、序列4以及序列5满足分组策略,则通过该步骤可将序列1、序列2、序列3、序列4以及序列5确定为目标医学图像序列。
步骤S502:针对目标医学图像序列的个数为多个的情况,对多个目标医学图像序列进行分组。
比如,针对序列1、序列2、序列3、序列4以及序列5确定为目标医学图像序列,则将序列1、序列2、序列3、序列4以及序列5分组到T1视图集合和T2视图集合,可得到屠3所示的分组结果1。
通过上述过程可以有效地去除无用的医学图像序列,减少分组结果中不必要的干扰,以使分组结果作为诊断辅助数据,在医生诊断过程能够更好地实现辅助的功能。
下文描述根据本公开的一个或多个实施例的针对预先设置有多个分组策略的情况提供分组结果的示例实现方式。
作为一种示例实现方式,分组以及提供分组结果可以包括从多个分组策略中选择一个分组策略,并利用选择出的分组策略对多个医学图像序列进行分组,并将该选择出的分组策略对应的分组结果中的一个视图集合或多个视图集合提供给用户。
作为另一种非限制性示例实现方式,分组以及提供分组结果可以包括基于每一种分组策略,执行对多个医学图像序列进行分组的步骤;从每一个分组策略对应的分组结果中,筛选目标分组结果;提供目标分组结果给用户。比如图3所示的通过两种分组策略得到两个分组结果,分别为分组结果1和分组结果2,其中,分组结果1包括T1视图集合和T2视图集合,分组结果2包括增强视图集合和正反同位视图集合,则筛选出的目标分组结果可以为已经存在的分组结果,比如分组结果1,或者,分组结果2,或者,分组结果1和分组结果2,也可以为进一步拆分或者重新组合得到的分组结果,比如,进一步拆分出T1视图集合或者T2视图集合或者增强视图集合或者正反同位视图集合均可分别作为上述目标分组结果。又比如,针对图3所示的两个分组结果来说,重新组合得到的目标分组结果可以为T1视图集合和增强视图集合组成目标分组结果,也可以为T1视图集合和正反同位视图集合组成目标分组结果,还可以为T2视图集合和增强视图集合组成目标分组结果,还可以为T2视图集合和正反同位视图集合组成目标分组结果。
下文描述根据本公开的一个或多个实施例的上述筛选目标分组结果的示例实施方式。
作为一种示例实现方式,筛选目标分组结果可以包括筛选满足预设参考条件的目标分组结果。该参考条件可以根据实际情况进行相应地设置,比如,参考条件可为征象特征明显的视图集合或者分组结果、病灶区域明显的视图集合或者分组结果、征象特征不小于预设的特征阈值的视图集合或者分组结果等。
通过该参考条件可以有效地筛选出用户需要的目标分组结果。
作为另一种非限制性示例实现方式,筛选目标分组结果可以包括针对每一个分组策略对应的分组结果,执行从分组结果包括的每一个序列集合中解析出参考指标数据;对比多个分组结果的参考指标数据;根据对比的结果,筛选分组结果。该参考指标数据可以为征象数据、病灶结果数据等,通过该对比多个分组结果的参考指标数据,可以筛选出参考指标数据最明显的分组结果为目标分组结果,通过对比各个分组结果的参考指标数据可以更好地结合图像序列本身的特征筛选目标分组结果,以选择出更好的目标分组结果,从而更好地为医生提供诊断辅助数据。
参考图6描述根据本公开的一个或多个实施例的为多个医学图像序列确定分组策略的示例步骤:
步骤S601:获取终端记录的终端用户针对医学图像序列的查阅信息。查阅信息可以包括终端用户查阅医学图像序列的特征数据,比如,终端用户对多个医学图像序列的分组情况、在查看各个医学图像序列过程中,各个医学图像序列的查看时间、停留时间以及查看频次等,各个医学图像序列之间的存在的关联查看等。如上所述,本公开不限于此。
步骤S602:解析查阅信息。由此,能够从查阅信息中解析出终端用户查阅医学图像序列的特征数据。
步骤S603:根据解析的结果,生成分组策略。
由此,能够基于不同医生的诊断习惯,为不同医生提供具有针对性的分组结果。通过针对不同的终端用户(即医生)的诊断习惯(即查阅信息)生成的分组策略,并利用该分组策略分组得到的分组结果更能满足该终端用户的诊断习惯,以有效地提高医学图像序列的辅助效果。
根据本公开的一个或多个实施例,上述方法可进一步包括:接收终端发送的图像查询请求,其中,图像查询请求包括:终端用户的特征信息;相应地,为多个医学图像序列确定分组策略可包括:为终端用户的特征信息匹配目标分组策略;确定目标分组策略为多个医学图像序列的分组策略。实现从多钟分组策略中选择出终端用户对应的分组策略,以为该终端用户提供该选择出终端用户对应的分组策略的分组结果,即针对不同的医生可以提供具有针对性的分组结果,以满足医生的诊断习惯。
参考图7A描述根据本公开的实施例的医学图像处理装置700。装置700可以包括获取单元701、子集确定单元702和序列提供单元703。获取单元701可以被配置成获取多个医学图像序列和分组配置数据,多个医学图像序列针对分析目标被采集。子集确定单元702可以被配置成根据分析目标与分组配置数据,确定多个医学图像序列的一个或多个序列子集。序列提供单元703可以被配置成将一个或多个序列子集提供给用户。
参考图7B描述根据本公开的另外的实施例的医学图像处理装置750。医学图像处理装置750可包括:
获取单元751,用于获取多个医学图像序列,并识别医学图像序列包括的特征数据;
处理单元752,用于根据特征数据,对多个医学图像序列进行分组,其中,分组结果与图像分析目标相对应;
交互单元753,用于将所述一个或多个序列子集提供给用户。
根据本公开的一个或多个实施例,处理单元752可以进一步用于为多个医学图像序列确定分组策略,其中,分组策略指示与图像分析目标相关的分组方向;利用分组策略执行对多个医学图像序列进行分组的步骤。
根据本公开的一个或多个实施例,处理单元752可以进一步用于在多个医学图像序列中,查找特征数据满足分组策略的目标医学图像序列;针对目标医学图像序列的个数为多个的情况,对多个目标医学图像序列进行分组。
根据本公开的一个或多个实施例,处理单元752可以进一步用于针对预先设置有多个分组策略的情况,基于每一种分组策略,执行对多个医学图像序列进行分组的步骤;从每一个分组策略对应的分组结果中,筛选目标分组结果;
交互单元753,进一步用于提供目标分组结果给用户。
根据本公开的一个或多个实施例,处理单元752可以进一步用于筛选满足预设参考条件的目标分组结果。
根据本公开的一个或多个实施例,处理单元752可以进一步用于针对每一个分组策略对应的分组结果,执行从分组结果包括的每一个序列集合中解析出参考指标数据;对比多个分组结果的参考指标数据;根据对比的结果,筛选分组结果。
根据本公开的一个或多个实施例,处理单元752设置的分组策略可以包括设置的特征参数以及基于特征参数执行分组的程序,其中,特征参数包括:医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种。
根据本公开的一个或多个实施例,处理单元752可以进一步用于基于特征数据包括的医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种,构建多个视图集合;将多个医学图像序列分配到多个视图集合中。
根据本公开的一个或多个实施例,处理单元752可以进一步用于获取终端记录的终端用户针对医学图像序列的查阅信息;解析查阅信息;根据解析的结果,生成分组策略。
根据本公开的一个或多个实施例,交互单元753可以进一步用于接收终端发送的图像查询请求,其中,图像查询请求包括:终端用户的特征信息;
处理单元752可以进一步用于为交互单元753接收到的终端用户的特征信息匹配目标分组策略;确定目标分组策略为多个医学图像序列的分组策略。
根据本公开的一个或多个实施例,交互单元753可以进一步用于将分组结果包括的一个或多个视图集合发送给终端,其中,视图集合包括一个或多个医学图像序列。
下面参考图8,其示出了适于用来实现本公开的实施例的终端设备或者图像处理服务器的计算机系统800的结构示意图。图8示出的终端设备或者图像处理服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、处理单元和交互单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取多个医学图像序列的单元”。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取多个医学图像序列,并识别医学图像序列包括的特征数据;根据特征数据,对多个医学图像序列进行分组,其中,分组结果与图像分析目标相对应;将所述一个或多个序列子集提供给用户。
根据本公开的实施例的技术方案,因为可对获取到的多个医学图像序列包括的特征数据进行识别,并根据识别出的特征数据,对多个医学图像序列进行分组,其中,分组结果与图像分析目标相对应,由于分组结果与图像分析目标相对应,则对多个医学图像序列进行分组,可以实现根据图像分析目标比如诊断需求进行分组,通过该分组可以筛选出与图像分析目标相应的医学图像序列,比如与诊断相关的医学图像序列,实现自动化筛选与图像分析目标相应的医学图像序列,并针对图像分析目标,提高了医学图像序列筛选效率以及准确率。
另外,由于医生的精力比较有限,有时难免遗漏医学图像特征,导致人工筛选序列筛选准确性较低,影响后续诊断。通过本申请提供的方案能够比较完善的参考各个医学图像序列中的特征数据,从而有效地提高分组结果的准确性,以更好地辅助诊断。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种医学图像处理方法,其特征在于,包括:
获取多个医学图像序列和分组配置数据,所述多个医学图像序列针对分析目标被采集;
根据所述分析目标与所述分组配置数据,确定所述多个医学图像序列的一个或多个序列子集;以及
将所述一个或多个序列子集提供给用户。
2.根据权利要求1所述的方法,其特征在于,所述分组配置数据包括针对所述分析目标的特征数据,并且
根据所述分析目标与所述分组配置数据,获取所述多个医学图像序列的一个或多个序列子集包括:
根据与一个或多个预设参考条件的比较,确定所述多个所述医学图像序列的一个或多个序列子集。
3.根据权利要求2所述的方法,其中,所述预设参考条件包括以下各项中的至少一项:图像序列中的征象特征强度、征象特征范围、病灶区域强度和病灶区域范围。
4.根据权利要求1所述的方法,其特征在于,所述分组配置数据包括针对所述分析目标从图像序列解析出的指标数据,并且
根据所述分析目标与所述分组配置数据,获取所述多个医学图像序列的一个或多个序列子集包括:
通过将所述多个医学图像序列中的每个图像序列中的指标数据进行比较,确定所述多个所述医学图像序列的一个或多个序列子集。
5.根据权利要求4所述的方法,其中,所述指标数据包括以下各项中的一个或多个:医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息。
6.根据权利要求5所述的方法,其中,征象信息包括解析获得的征象类型,并且其中,确定所述多个所述医学图像序列的一个或多个序列子集包括将包括相同的征象类型的医学图像序列分类到相同的序列子集。
7.根据权利要求5所述的方法,其中,病灶信息包括图像序列指示的病灶类型,并且其中,确定所述多个所述医学图像序列的一个或多个序列子集包括将指示相同的病灶类型的医学图像序列分类到相同的序列子集。
8.根据权利要求1所述的方法,其特征在于,所述分组配置数据包括终端用户的用户特征信息。
9.根据权利要求8所述的方法,其中,所述用户特征信息包括所述终端用户针对医学图像序列的历史分组数据、对不同类型的医学图像序列的历史交互数据、以及对不同类型的医学图像序列之间的交互关联性。
10.根据权利要求9所述的方法,其中,所述多个医学图像序列是基于图像查询请求而被获取的,并且其中,所述图像查询请求包括终端用户的用户特征信息。
11.根据权利要求1-10中任一项所述的方法,其中,将所述一个或多个序列子集提供给用户包括使得所述一个或多个序列子集的数据从医学图像序列采集设备传输到终端,而不将所述多个医学图像序列中的其余的医学图像序列传输到所述终端。
12.根据权利要求1-10中任一项所述的方法,其中,将所述一个或多个序列子集提供给用户包括根据预定的优先级策略将所述一个或多个子集有序提供给用户。
13.根据权利要求12所述的方法,其中,所述预定的优先级策略是根据以下各项中的至少一项确定的:图像序列中的特征的优先级,图像序列中解析获得的指标数据与目标征象的接近程度,图像序列中解析获得的指标数据与目标病灶的接近程度,根据用户特征信息的优先级。
14.根据权利要求1-10中任一项所述的方法,其特征在于,将所述一个或多个序列子集提供给用户包括:
使得终端显示与所述一个或多个序列子集相对应的一个或多个视图集合,其中,每个视图集合包括一个或多个医学图像序列。
15.根据权利要求14所述的方法,其特征在于,使得终端显示与所述一个或多个序列子集相对应的一个或多个视图集合包括:
基于所述特征数据包括的医学图像序列的征象信息、医学图像序列的类型信息以及病灶信息中的任意一种或多种,构建多个视图集合;
将多个所述医学图像序列分配到多个所述视图集合中。
16.一种医学图像处理装置,其特征在于,包括:
获取单元,用于获取多个医学图像序列和分组配置数据,所述多个医学图像序列针对分析目标被采集;
子集确定单元,用于根据所述分析目标与所述分组配置数据,确定所述多个医学图像序列的一个或多个序列子集;以及
序列提供单元,用于将所述一个或多个序列子集提供给用户。
17.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-15中任一所述的方法。
18.一种计算机可读介质,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1-15中任一所述的方法。
19.一种计算机程序产品,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-15中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028302.6A CN113539445A (zh) | 2021-09-02 | 2021-09-02 | 一种医学图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028302.6A CN113539445A (zh) | 2021-09-02 | 2021-09-02 | 一种医学图像处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113539445A true CN113539445A (zh) | 2021-10-22 |
Family
ID=78092382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111028302.6A Pending CN113539445A (zh) | 2021-09-02 | 2021-09-02 | 一种医学图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113539445A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114343607A (zh) * | 2022-01-06 | 2022-04-15 | 四川大学华西医院 | 一种基于肝脏mr检查目的的图像序列展示方法和系统 |
CN114822779A (zh) * | 2022-03-07 | 2022-07-29 | 数坤(北京)网络科技股份有限公司 | 征象信息影像展示方法、装置、存储介质及计算机设备 |
CN115831324A (zh) * | 2022-11-29 | 2023-03-21 | 北京医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728673A (zh) * | 2019-10-21 | 2020-01-24 | 上海联影医疗科技有限公司 | 一种目标部位分析方法、装置、计算机设备及存储介质 |
CN113065017A (zh) * | 2021-03-30 | 2021-07-02 | 上海商汤智能科技有限公司 | 医学图像显示方法及相关装置、设备、存储介质 |
CN113222038A (zh) * | 2021-05-24 | 2021-08-06 | 北京安德医智科技有限公司 | 基于核磁图像的乳腺病灶分类和定位方法及装置 |
-
2021
- 2021-09-02 CN CN202111028302.6A patent/CN113539445A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728673A (zh) * | 2019-10-21 | 2020-01-24 | 上海联影医疗科技有限公司 | 一种目标部位分析方法、装置、计算机设备及存储介质 |
CN113065017A (zh) * | 2021-03-30 | 2021-07-02 | 上海商汤智能科技有限公司 | 医学图像显示方法及相关装置、设备、存储介质 |
CN113222038A (zh) * | 2021-05-24 | 2021-08-06 | 北京安德医智科技有限公司 | 基于核磁图像的乳腺病灶分类和定位方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114343607A (zh) * | 2022-01-06 | 2022-04-15 | 四川大学华西医院 | 一种基于肝脏mr检查目的的图像序列展示方法和系统 |
CN114343607B (zh) * | 2022-01-06 | 2023-11-10 | 四川大学华西医院 | 一种基于肝脏mr检查目的的图像序列展示方法和系统 |
CN114822779A (zh) * | 2022-03-07 | 2022-07-29 | 数坤(北京)网络科技股份有限公司 | 征象信息影像展示方法、装置、存储介质及计算机设备 |
CN115831324A (zh) * | 2022-11-29 | 2023-03-21 | 北京医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
CN115831324B (zh) * | 2022-11-29 | 2023-12-15 | 浙江医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2888686B1 (en) | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting | |
CN113539445A (zh) | 一种医学图像处理方法和装置 | |
US9542082B1 (en) | Systems and methods for matching, naming, and displaying medical images | |
JP7399102B2 (ja) | 医用イメージングにおける自動スライス選択 | |
CN109378043A (zh) | 基于患者的医学图像生成诊断报告的系统和方法及介质 | |
US8786601B2 (en) | Generating views of medical images | |
US20100114597A1 (en) | Method and system for medical imaging reporting | |
RU2699416C2 (ru) | Идентификация аннотаций к описанию изображения | |
US9053213B2 (en) | Interactive optimization of scan databases for statistical testing | |
CN104487978B (zh) | 用于基于来自放射医生的输入来生成报告的系统和方法 | |
CN113658175B (zh) | 一种征象数据的确定方法及装置 | |
JP2014512897A (ja) | 医療データの知的リンキング方法及びシステム | |
CN110400617A (zh) | 医学成像中的成像和报告的结合 | |
US10878561B2 (en) | Automated scanning workflow | |
JP2007172604A (ja) | 取得システムのプロトコル及び/又はパラメータに基づいてコンピュータ利用アルゴリズムを選択するための方法及び装置 | |
EP3408771B1 (en) | Predictive model for optimizing clinical workflow | |
EP3471106A1 (en) | Method and system for supporting clinical decisions | |
CN112447287A (zh) | 自动化的临床工作流程 | |
EP4328930A1 (en) | Artificial intelligence supported reading by redacting of a normal area in a medical image | |
CN113409211A (zh) | 一种医学图像处理方法和装置 | |
EP3407227A1 (en) | Multi-disciplinary decision support | |
CN117555505A (zh) | 医学图像的显示布局切换方法、装置和计算机设备 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Applicant after: Shukun Technology Co.,Ltd. Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Applicant before: Shukun (Beijing) Network Technology Co.,Ltd. |