CN113674840B - 医学影像共享方法、装置、电子设备及存储介质 - Google Patents
医学影像共享方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113674840B CN113674840B CN202110975370.7A CN202110975370A CN113674840B CN 113674840 B CN113674840 B CN 113674840B CN 202110975370 A CN202110975370 A CN 202110975370A CN 113674840 B CN113674840 B CN 113674840B
- Authority
- CN
- China
- Prior art keywords
- target
- user
- medical image
- outlining
- instruction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004891 communication Methods 0.000 claims description 133
- 230000007246 mechanism Effects 0.000 claims description 51
- 238000012795 verification Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 26
- 230000008676 import Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 210000000920 organ at risk Anatomy 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/33—User authentication using certificates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Automation & Control Theory (AREA)
- Bioethics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数字医疗及人工智能技术领域，提供一种医学影像共享方法、装置、电子设备及存储介质，在接收到基于预设通信协议请求将医学影像导入至PACS系统的导入指令时，从导入指令中获取用户的通信节点配置信息，并根据通信节点配置信息对用户进行有效性校验，在校验有效时，才将医学影像导入至PACS系统，从而通过PACS系统实现了区域医院之间共享的医学影像的安全性，另外，将第一用户在医学影像上的勾勒指令对应的勾勒信息按照预设存储方式进行存储，便于后续接收到相同的勾勒指令时，直接显示存储的勾勒指令对应的勾勒信息，实现了勾勒信息的共享，还避免重复的执行相同的勾勒指令，节约了系统资源。
Description
技术领域
本发明涉及数字医疗技术领域，具体涉及一种医学影像共享方法、装置、电子设备及存储介质。
背景技术
医学影像检查是对人体或人体某部位，以非侵入方式取得内部组织影像的技术与处理过程。患者在医院诊断治疗时，常常要借助医学影像检查设备对患病部位进行检查，了解病灶部位的病理情况从而进行诊断治疗。
发明人在实现本发明的过程中发现，现有技术通过影像归档和通信系统(PictureArchiving and Communication Systems，PACS)进行影像归档和通信，但并未考虑上传医学影像的用户是否是可信的，从而无法保证上传的医学影像是否是安全的；再者，现有的PACS系统无法将用户在医学影像上进行勾勒的勾勒信息进行区域医院之间的共享。
发明内容
鉴于以上内容，有必要提出一种医学影像共享方法、装置、电子设备及存储介质，能够对上传医学影像至PACS系统的用户进行有效性校验，并实现医学影像勾勒信息的共享。
本发明的第一方面提供一种医学影像共享方法，所述方法包括：
接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验；
当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
在一个可选的实施方式中，所述通信节点配置信息包括：目标IP地址，目标端口，目标AETitle，目标会话令牌及目标指纹信息，所述根据所述通信节点配置信息对所述第一用户进行有效性校验包括：
以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到目标通信节点机构；
向所述目标通信节点机构发送标签请求并接收所述目标通信节点机构响应所述标签请求返回的标签信息；
根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验。
在一个可选的实施方式中，所述根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验包括：
使用预设第一哈希函数根据所述标签信息计算得到弱指纹；
判断所述弱指纹与所述目标指纹信息是否一致；
当所述弱指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述弱指纹与所述目标指纹信息不一致时，使用预设第二哈希函数根据所述标签信息计算得到强指纹；
判断所述强指纹与所述目标指纹信息是否一致；
当所述强指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述强指纹与所述目标指纹信息不一致时，校验所述第一用户无效。
在一个可选的实施方式中，在所述接收第二用户在所述医学影像上的第二勾勒指令之前，所述方法还包括：
获取所述第二用户的用户标识，及获取所述医学影像的影像标识；
根据所述用户标识检索权限配置表；
当在所述权限配置表中检索到与所述用户标识对应的第一目标权限且检索到与所述影像标识对应的第二目标权限时，判断所述第一目标权限与所述第二目标权限是否相同；
当所述第一目标权限与所述第二目标权限相同时，显示所述医学影像并接收所述第二用户在所述医学影像上的勾勒指令。
在一个可选的实施方式中，所述根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息包括：
显示用户界面，所述用户界面中显示有所述医学影像；
接收所述第二用户手动勾勒出所述医学影像中的第一目标区域，得到第一二进制图像；
采用预先训练的勾勒模型勾勒所述医学影像中的第二目标区域，得到第二二进制图像；
计算所述第一二进制图像的第一签名距离图，及计算所述第二二进制图像的第二签名距离图；
输入所述医学影像、所述第一签名距离图及所述第二签名距离图到临床靶区勾勒模型中；
通过所述临床靶区勾勒模型勾勒出所述医学影像中的临床靶区。
在一个可选的实施方式中，所述计算所述第一二进制图像的第一签名距离图包括：
对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点；
根据所述第一类像素点得到第一集合，根据所述第二类像素点得到第二集合；
对于所述第一集合中的每个第一像素点，使用距离公式计算所述第一像素点在所述第二集合中的最短距离；
根据每个第一像素点的最小距离得到第三集合；
获取所述第三集合中的最大距离及最小距离；
根据所述最大距离及所述最小距离对所述第一集合中的每个第一像素点进行计算，得到所述第一签名距离图。
在一个可选的实施方式中，所述对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点包括：
对于所述第一二进制图像中的任意一个像素点，根据所述任意一个像素点的像素值判断所述任意一个像素点是否为目标像素点；
当所述任意一个像素点为所述目标像素点时，获取所述目标像素点的预设领域内的像素点；
当所述预设领域内的像素点均为所述目标像素点时，则确定所述任意一个像素点为第一类像素点；
将所述第一二进制图像中除所述第一类像素点之外的像素点确定为第二类像素点。
本发明的第二方面提供一种医学影像共享装置，所述装置包括：
接收模块，用于接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
校验模块，用于从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验；
导入模块，用于当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
勾勒模块，用于响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
存储模块，用于将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
共享模块，用于接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
本发明的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述医学影像共享方法。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质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所述医学影像共享方法。
综上所述，本发明所述的医学影像共享方法、装置、电子设备及存储介质，在接收到基于预设通信协议请求将医学影像导入至PACS系统的导入指令时，从导入指令中获取用户的通信节点配置信息，并根据通信节点配置信息对用户进行有效性校验，在校验有效时，才将医学影像导入至PACS系统，从而通过PACS系统实现了区域医院之间共享的医学影像的安全性，另外，将第一用户在医学影像上的勾勒指令对应的勾勒信息按照预设存储方式进行存储，便于后续接收到相同的勾勒指令时，直接显示存储的勾勒指令对应的勾勒信息，实现了勾勒信息的共享，还避免重复的执行相同的勾勒指令，节约了系统资源。
附图说明
图1是本发明实施例一提供的医学影像共享方法的流程图。
图2是本发明实施例二提供的医学影像共享装置的结构图。
图3是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述在一个可选的实施方式中实施例的目的，不是旨在于限制本发明。
本发明实施例提供的医学影像共享方法由电子设备执行，相应地，医学影像共享装置运行于电子设备中。
本发明实施例可以基于人工智能技术对医学影像进行共享。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
实施例一
图1是本发明实施例一提供的医学影像共享方法的流程图。所述医学影像共享方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
S11，接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令。
电子设备中预先安装有影像归档和通信系统(Picture Archiving andCommunication Systems，PACS)，PACS系统能够与各种医学影像检查设备进行通信。其中，医学影像检查设备可以包括，但不限于：X射线、CT、磁共振、超声、核医学、心电图、脑电图等。
PACS系统采用B/S架构，提供了通信模块。通信模块允许并接收用户基于预先设置的通信协议导入的医学影像，并将用户导入的医学影像存储在本地，通信模块还允许用户基于预先设置的通信协议将存储在本地的医学影像导出。
其中，预设的通信协议为基于HTTP/HTTPS的Resuful通信协议。
S12，从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验。
电子设备对所述导入指令进行解析，得到多个字段及每个字段对应的属性值。从多个字段中匹配出通信节点配置字段，从而获取通信节点配置字段对应的通信节点配置信息。
在一个可选的实施方式中，所述通信节点配置信息包括：目标IP地址，目标端口，目标AETitle，目标会话令牌及目标指纹信息，所述根据所述通信节点配置信息对所述第一用户进行有效性校验包括：
以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到目标通信节点机构；
向所述目标通信节点机构发送标签请求并接收所述目标通信节点机构响应所述标签请求返回的标签信息；
根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验。
其中，通信节点机构映射表为预先存储在电子设备中的数据库表，通信节点机构映射表中存储了通信节点机构与存储IP地址、存储端口、存储AETitle及标签信息之间的映射关系，一个通信节点机构对应一个存储IP地址、一个存储端口及一个存储AETitle，不同的通信节点机构可以对应相同的存储IP地址，或者相同的存储端口，或者相同的存储AETitle。当存储IP地址、存储端口、存储AETitle中至少有一个不同时，则认为由存储IP地址、存储端口及存储AETitle构成的整体不同。即，两个不同的通信节点机构可以对应相同的存储IP地址、相同的存储端口，不同的存储AETitle；两个不同的通信节点机构可以对应不同的存储IP地址，相同的存储端口、相同的存储AETitle；两个不同的通信节点机构可以对应相同的存储IP地址、相同的存储AETitle，不同的存储端口。
以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到的目标通信节点机构对应的存储IP地址与所述目标IP地址相同，存储端口与所述目标端口相同，存储AETitle与所述目标AETitle相同。
其中，所述标签请求中携带有目标通信节点机构对应的第一标签信息，将标签请求发送给所述目标通信节点机构，是为了使得目标通信节点机构根据上述标签请求返回标签信息。所述目标通信节点机构响应所述标签请求，向电子设备返回第二标签信息。
所述第一标签信息可以dicom tag，所述第二标签信息可以包括，但不限于：ServiceID、InstitutionName、InstitutionAddress等信息。
在一个可选的实施方式中，所述根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验包括：
使用预设第一哈希函数根据所述标签信息计算得到弱指纹；
判断所述弱指纹与所述目标指纹信息是否一致；
当所述弱指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述弱指纹与所述目标指纹信息不一致时，使用预设第二哈希函数根据所述标签信息计算得到强指纹；
判断所述强指纹与所述目标指纹信息是否一致；
当所述强指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述强指纹与所述目标指纹信息不一致时，校验所述第一用户无效。
该可选的实施方式中，所述预设第一哈希函数可以为Adler32，所述预设第二哈希函数可以为MD5。由于Adler32采用32位，而MD5采用128位，Adler32的计算量只有MD5的1/3，因而Adler32的计算效率会是MD5的3倍。
上述可选的实施方式，首先使用计算量较低的预设第一哈希函数根据所述标签信息计算得到弱指纹，从整体上减少了指纹的计算量，从而在基于弱指纹及目标指纹信息对通信节点配置信息进行有效性校验时，提升了校验的效率。当所述弱指纹与所述目标指纹信息不一致时，再采用计算量较大的预设第二哈希函数根据所述标签信息计算得到强指纹，并基于强指纹及目标指纹信息对通信节点配置信息进行有效性校验，能够有效的确保对通信节点配置信息的校验的正确性，从而确保对第一用户的校验的正确性。
S13，当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统。
通过通信节点机构与通信节点配置信息形成关联，并对请求导入医学影像的通信节点配置信息进行有效性校验，只有在校验所述第一用户有效时，将所述医学影像导入至本地，在校验所述第一用户无效时，拒绝将所述医学影像导入至本地，保障了医学影像上传至PACS的安全性。
S14，响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息。
电子设备的前端会将医学影像的影像标识及第一用户登录的会话生成会话请求，从而根据所述会话请求调用OpenCV.js对所述医学影像进行勾勒。
勾勒信息包括勾勒坐标信息。
在一个可选的实施方式中，所述根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息包括：
显示用户界面，所述用户界面中显示有所述医学影像；
接收所述第二用户手动勾勒出所述医学影像中的第一目标区域，得到第一二进制图像；
采用预先训练的勾勒模型勾勒所述医学影像中的第二目标区域，得到第二二进制图像；
计算所述第一二进制图像的第一签名距离图，及计算所述第二二进制图像的第二签名距离图；
输入所述医学影像、所述第一签名距离图及所述第二签名距离图到临床靶区(CTV)勾勒模型中；
通过所述CTV勾勒模型勾勒出所述医学影像中的临床靶区CTV。
为了提供感兴趣的解剖结构的空间背景/距离，必须首先知道感兴趣的解剖结构的边界，需要将所述医学影像感兴趣的解剖结构勾勒出来。第一目标区域可以为GTV区域和LNs，第二目标区域可以为危及器官OARs区域，例如，心脏，肺部，脊髓。
电子设备的显示器上能够可视化显示所述医学影像。由于所述第一目标区域的区域面积较大，通过有经验的肿瘤专家在可视化显示界面上使用勾勒工具自动勾勒出所述医学影像中的所述第一目标区域，花费时间较少，且勾勒的更精确。
电子设备可以使用2D PHNN来训练勾勒模型以勾勒所述第二目标区域，2DPHNN的网络结构为现有技术，所述2D PHNN采用逐步细化分割结果，通过将中间的预测输出和下层的输出融合策略来达到精细分割目标的目的。
在一个可选的实施方式中，所述计算所述第一二进制图像的第一签名距离图包括：
对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点；
根据所述第一类像素点得到第一集合，根据所述第二类像素点得到第二集合；
对于所述第一集合中的每个第一像素点，使用距离公式计算所述第一像素点在所述第二集合中的最短距离；
根据每个第一像素点的最小距离得到第三集合；
获取所述第三集合中的最大距离及最小距离；
根据所述最大距离及所述最小距离对所述第一集合中的每个第一像素点进行计算，得到所述第一签名距离图。
对第一二进制图像的所有像素点进行分类，从而将所有像素点分为二类，例如，将所有像素点分为内部点和非内部点，内部点称之为第一类像素点，非内部点称之为第二类像素点。
将第一类像素点集合在一起得到第一集合，记为H1，H1中的像素点称之为第一像素点。将第二类像素点集合在一起得到第二集合，记为H2，H2中的像素点称之为第二像素点。
对于所述第一集合H1中的每个第一像素点，可以使用欧式距离计算公式计算所述第一像素点与所述第二集合中的每个第二像素点之间的欧式距离。将每个第一像素点对应的欧式距离进行由大到小或者由小到大的排序，即可得到该第一像素点在所述第二集合中的最短距离。每个第一像素点对应一个最短距离，将所有的第一像素点对应的最短距离集合在一起，得到距离集合，即第三集合，记为H3。
对于第三集合中的距离进行由大到小或者由小到大的排序，即可得到一个最大距离和一个最小距离。
对于每个第二像素点，将第二像素点的像素值作为灰度值，对于每个第一像素点，可以按照如下公式进行灰度转换：
G(x，y)＝255*|H3(x，y)-min|/|max-min|，
其中，H3(x，y)为H1中的第一像素点(x，y)在H2中的最短距离，min为H3中的最小距离，max为H3中的最大距离，G(x，y)为H1中的第一像素点(x，y)的灰度值。
计算所述第二二进制图像的第二签名距离图的过程同计算所述第一二进制图像的第一签名距离图的过程，本发明不再详细阐述。
在一个可选的实施方式中，所述对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点包括：
对于所述第一二进制图像中的任意一个像素点，根据所述任意一个像素点的像素值判断所述任意一个像素点是否为目标像素点；
当所述任意一个像素点为所述目标像素点时，获取所述目标像素点的预设领域内的像素点；
当所述预设领域内的像素点均为所述目标像素点时，则确定所述任意一个像素点为第一类像素点；
将所述第一二进制图像中除所述第一类像素点之外的像素点确定为第二类像素点。
示例性的，假设以四邻域为例，如果任意一个像素点为目标像素点(目标像素点是指像素值为1的像素点)且四邻域都为目标像素点，则该像素点为内部点。如果任意一个像素点为目标像素点，但四邻域不为目标像素点(像素值不为0的像素点)，则该像素点为孤立点，除了内部点和孤立点之外的像素点为边界点。孤立点和边界点均为非内部点。
S15，将所述勾勒信息按照预设存储方式存储至所述PACS系统中。
PACS系统还提供有存储模块，通过存储模块将医学影像及对应的勾勒信息存储在PACS系统中。
其中，预设存储方法可以包括元数据存储和图像数据存储。图像数据存储是指采用基于平安对象存储(obs)或者Minio存储系统两种方式将医学影像进行分布式存储。元数据存储是指将勾勒信息采用Mysql关系型数据库进行存储。
S16，接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
当第二用户通过电子设备成功登录PACS系统之后，可以通过触摸或者点击PACS系统中的查阅按钮，来触发共享指令。电子设备接收所述共享指令，并根据共享指令在电子设备的浏览器上显示第二用户所希望查阅的医学影像。其中，所述第二用户可以与所述第一用户相同，也可以不同。
在接收到第二用户对医学影像的第二勾勒指令时，电子设备先判断PACS系统中是否接收过与第二勾勒指令相同的勾勒指令，当接收过与第二勾勒指令相同的勾勒指令时，便可直接从PACS系统中提取勾勒指令对应的勾勒信息并显示给第二用户，从而实现了相同勾勒指令的勾勒信息的共享。当没有接收过与第二勾勒指令相同的勾勒指令时，并根据第二勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息，存储该勾勒信息至PACS系统中，以便后续接收到与第二勾勒指令相同的勾勒指令时，直接从PACS系统中提取第二勾勒指令对应的勾勒信息。
在一个可选的实施方式中，在所述接收第二用户在所述医学影像上的第二勾勒指令之前，所述方法还包括：
获取所述第二用户的用户标识，及获取所述医学影像的影像标识；
根据所述用户标识检索权限配置表；
当在所述权限配置表中检索到与所述用户标识对应的第一目标权限且检索到与所述影像标识对应的第二目标权限时，判断所述第一目标权限与所述第二目标权限是否相同；
当所述第一目标权限与所述第二目标权限相同时，确定所述第二用户具有查阅所述医学影像的权限。
PACS系统还提供了认证模块，在通信模块接收到共享指令之后，会调用认证模块进行权限的认证。
电子设备中存储有第一权限配置表和第二权限配置表，第一权限配置表记录有用户标识与权限之间的映射关系，第二权限配置表记录有影像标识与权限之间的映射关系。
认证模块根据第二用户的用户标识检索所述第一权限配置表，即可确定与第二用户的用户标识对应的第一目标权限。同时，认证模块根据医学影像的影像标识检索所述第二权限配置表，即可确定与医学影像的影像标识对应的第二目标权限。当第一目标权限与第二目标权限相同，则表明第二用户具有查阅医学影像的权限。当第一目标权限与第二目标权限不相同，则表明第二用户不具有查阅医学影像的权限。
本发明在接收到基于预设通信协议请求将医学影像导入至PACS系统的导入指令时，从导入指令中获取用户的通信节点配置信息，并根据通信节点配置信息对用户进行有效性校验，在校验有效时，才将医学影像导入至PACS系统，从而通过PACS系统实现了区域医院之间共享的医学影像的安全性，另外，将第一用户在医学影像上的勾勒指令对应的勾勒信息按照预设存储方式进行存储，便于后续接收到相同的勾勒指令时，直接显示存储的勾勒指令对应的勾勒信息，实现了勾勒信息的共享，还避免重复的执行相同的勾勒指令，节约了系统资源。
实施例二
图2是本发明实施例二提供的医学影像共享装置的结构图。
在一些实施例中，所述医学影像共享装置20可以包括多个由计算机程序段所组成的功能模块。所述医学影像共享装置20中的各个程序段的计算机程序可以存储于电子设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)医学影像共享的功能。
本实施例中，所述医学影像共享装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：接收模块201、校验模块202、导入模块203、勾勒模块204、存储模块205及共享模块206。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
所述接收模块201，用于接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令。
电子设备中预先安装有影像归档和通信系统(Picture Archiving andCommunication Systems，PACS)，PACS系统能够与各种医学影像检查设备进行通信。其中，医学影像检查设备可以包括，但不限于：X射线、CT、磁共振、超声、核医学、心电图、脑电图等。
PACS系统采用B/S架构，提供了通信模块。通信模块允许并接收用户基于预先设置的通信协议导入的医学影像，并将用户导入的医学影像存储在本地，通信模块还允许用户基于预先设置的通信协议将存储在本地的医学影像导出。
其中，预设的通信协议为基于HTTP/HTTPS的Resuful通信协议。
所述校验模块202，用于从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验。
电子设备对所述导入指令进行解析，得到多个字段及每个字段对应的属性值。从多个字段中匹配出通信节点配置字段，从而获取通信节点配置字段对应的通信节点配置信息。
在一个可选的实施方式中，所述通信节点配置信息包括：目标IP地址，目标端口，目标AETitle，目标会话令牌及目标指纹信息。
在一个可选的实施方式中，所述校验模块202根据所述通信节点配置信息对所述第一用户进行有效性校验包括：
以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到目标通信节点机构；
向所述目标通信节点机构发送标签请求并接收所述目标通信节点机构响应所述标签请求返回的标签信息；
根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验。
其中，通信节点机构映射表为预先存储在电子设备中的数据库表，通信节点机构映射表中存储了通信节点机构与存储IP地址、存储端口、存储AETitle及标签信息之间的映射关系，一个通信节点机构对应一个存储IP地址、一个存储端口及一个存储AETitle，不同的通信节点机构可以对应相同的存储IP地址，或者相同的存储端口，或者相同的存储AETitle。当存储IP地址、存储端口、存储AETitle中至少有一个不同时，则认为由存储IP地址、存储端口及存储AETitle构成的整体不同。即，两个不同的通信节点机构可以对应相同的存储IP地址、相同的存储端口，不同的存储AETitle；两个不同的通信节点机构可以对应不同的存储IP地址，相同的存储端口、相同的存储AETitle；两个不同的通信节点机构可以对应相同的存储IP地址、相同的存储AETitle，不同的存储端口。
以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到的目标通信节点机构对应的存储IP地址与所述目标IP地址相同，存储端口与所述目标端口相同，存储AETitle与所述目标AETitle相同。
其中，所述标签请求中携带有目标通信节点机构对应的第一标签信息，将标签请求发送给所述目标通信节点机构，是为了使得目标通信节点机构根据上述标签请求返回标签信息。所述目标通信节点机构响应所述标签请求，向电子设备返回第二标签信息。
所述第一标签信息可以dicom tag，所述第二标签信息可以包括，但不限于：ServiceID、InstitutionName、InstitutionAddress等信息。
在一个可选的实施方式中，所述根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验包括：
使用预设第一哈希函数根据所述标签信息计算得到弱指纹；
判断所述弱指纹与所述目标指纹信息是否一致；
当所述弱指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述弱指纹与所述目标指纹信息不一致时，使用预设第二哈希函数根据所述标签信息计算得到强指纹；
判断所述强指纹与所述目标指纹信息是否一致；
当所述强指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述强指纹与所述目标指纹信息不一致时，校验所述第一用户无效。
该可选的实施方式中，所述预设第一哈希函数可以为Adler32，所述预设第二哈希函数可以为MD5。由于Adler32采用32位，而MD5采用128位，Adler32的计算量只有MD5的1/3，因而Adler32的计算效率会是MD5的3倍。
上述可选的实施方式，首先使用计算量较低的预设第一哈希函数根据所述标签信息计算得到弱指纹，从整体上减少了指纹的计算量，从而在基于弱指纹及目标指纹信息对通信节点配置信息进行有效性校验时，提升了校验的效率。当所述弱指纹与所述目标指纹信息不一致时，再采用计算量较大的预设第二哈希函数根据所述标签信息计算得到强指纹，并基于强指纹及目标指纹信息对通信节点配置信息进行有效性校验，能够有效的确保对通信节点配置信息的校验的正确性。
所述导入模块203，用于当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统。
通过通信节点机构与通信节点配置信息形成关联，并对请求导入医学影像的通信节点配置信息进行有效性校验，只有在校验所述第一用户有效时，将所述医学影像导入至本地，在校验所述第一用户无效时，拒绝将所述医学影像导入至本地，保障了医学影像上传至PACS的安全性。
所述勾勒模块204，用于响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息。
电子设备的前端会将医学影像的影像标识及第一用户登录的会话生成会话请求，从而根据所述会话请求调用OpenCV.js对所述医学影像进行勾勒。
勾勒信息包括勾勒坐标信息。
在一个可选的实施方式中，所述勾勒模块204根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息包括：
显示用户界面，所述用户界面中显示有所述医学影像；
接收所述第二用户手动勾勒出所述医学影像中的第一目标区域，得到第一二进制图像；
采用预先训练的勾勒模型勾勒所述医学影像中的第二目标区域，得到第二二进制图像；
计算所述第一二进制图像的第一签名距离图，及计算所述第二二进制图像的第二签名距离图；
输入所述医学影像、所述第一签名距离图及所述第二签名距离图到临床靶区(CTV)勾勒模型中；
通过所述CTV勾勒模型勾勒出所述医学影像中的临床靶区CTV。
为了提供感兴趣的解剖结构的空间背景/距离，必须首先知道感兴趣的解剖结构的边界，需要将所述医学影像感兴趣的解剖结构勾勒出来。第一目标区域可以为GTV区域和LNs，第二目标区域可以为危及器官OARs区域，例如，心脏，肺部，脊髓。
电子设备的显示器上能够可视化显示所述医学影像。由于所述第一目标区域的区域面积较大，通过有经验的肿瘤专家在可视化显示界面上使用勾勒工具自动勾勒出所述医学影像中的所述第一目标区域，花费时间较少，且勾勒的更精确。
电子设备可以使用2D PHNN来训练勾勒模型以勾勒所述第二目标区域，2D PHNN的网络结构为现有技术，所述2D PHNN采用逐步细化分割结果，通过将中间的预测输出和下层的输出融合策略来达到精细分割目标的目的。
在一个可选的实施方式中，所述计算所述第一二进制图像的第一签名距离图包括：
对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点；
根据所述第一类像素点得到第一集合，根据所述第二类像素点得到第二集合；
对于所述第一集合中的每个第一像素点，使用距离公式计算所述第一像素点在所述第二集合中的最短距离；
根据每个第一像素点的最小距离得到第三集合；
获取所述第三集合中的最大距离及最小距离；
根据所述最大距离及所述最小距离对所述第一集合中的每个第一像素点进行计算，得到所述第一签名距离图。
对第一二进制图像的所有像素点进行分类，从而将所有像素点分为二类，例如，将所有像素点分为内部点和非内部点，内部点称之为第一类像素点，非内部点称之为第二类像素点。
将第一类像素点集合在一起得到第一集合，记为H1，H1中的像素点称之为第一像素点。将第二类像素点集合在一起得到第二集合，记为H2，H2中的像素点称之为第二像素点。
对于所述第一集合H1中的每个第一像素点，可以使用欧式距离计算公式计算所述第一像素点与所述第二集合中的每个第二像素点之间的欧式距离。将每个第一像素点对应的欧式距离进行由大到小或者由小到大的排序，即可得到该第一像素点在所述第二集合中的最短距离。每个第一像素点对应一个最短距离，将所有的第一像素点对应的最短距离集合在一起，得到距离集合，即第三集合，记为H3。
对于第三集合中的距离进行由大到小或者由小到大的排序，即可得到一个最大距离和一个最小距离。
对于每个第二像素点，将第二像素点的像素值作为灰度值，对于每个第一像素点，可以按照如下公式进行灰度转换：
G(x，y)＝255*|H3(x，y)-min|/|max-min|，
其中，H3(x，y)为H1中的第一像素点(x，y)在H2中的最短距离，min为H3中的最小距离，max为H3中的最大距离，G(x，y)为H1中的第一像素点(x，y)的灰度值。
计算所述第二二进制图像的第二签名距离图的过程同计算所述第一二进制图像的第一签名距离图的过程，本发明不再详细阐述。
在一个可选的实施方式中，所述对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点包括：
对于所述第一二进制图像中的任意一个像素点，根据所述任意一个像素点的像素值判断所述任意一个像素点是否为目标像素点；
当所述任意一个像素点为所述目标像素点时，获取所述目标像素点的预设领域内的像素点；
当所述预设领域内的像素点均为所述目标像素点时，则确定所述任意一个像素点为第一类像素点；
将所述第一二进制图像中除所述第一类像素点之外的像素点确定为第二类像素点。
示例性的，假设以四邻域为例，如果任意一个像素点为目标像素点(目标像素点是指像素值为1的像素点)且四邻域都为目标像素点，则该像素点为内部点。如果任意一个像素点为目标像素点，但四邻域不为目标像素点(像素值不为0的像素点)，则该像素点为孤立点，除了内部点和孤立点之外的像素点为边界点。孤立点和边界点均为非内部点。
所述存储模块205，用于将所述勾勒信息按照预设存储方式存储至所述PACS系统中。
PACS系统还提供有存储模块，通过存储模块将医学影像及对应的勾勒信息存储在PACS系统中。
其中，预设存储方法可以包括元数据存储和图像数据存储。图像数据存储是指采用基于平安对象存储(obs)或者Minio存储系统两种方式将医学影像进行分布式存储。元数据存储是指将勾勒信息采用Mysql关系型数据库进行存储。
所述共享模块206，用于接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
当第二用户通过电子设备成功登录PACS系统之后，可以通过触摸或者点击PACS系统中的查阅按钮，来触发共享指令。电子设备接收所述共享指令，并根据共享指令在电子设备的浏览器上显示第二用户所希望查阅的医学影像。其中，所述第二用户可以与所述第一用户相同，也可以不同。
在接收到第二用户对医学影像的第二勾勒指令时，电子设备先判断PACS系统中是否接收过与第二勾勒指令相同的勾勒指令，当接收过与第二勾勒指令相同的勾勒指令时，便可直接从PACS系统中提取勾勒指令对应的勾勒信息并显示给第二用户，从而实现了相同勾勒指令的勾勒信息的共享。当没有接收过与第二勾勒指令相同的勾勒指令时，并根据第二勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息，存储该勾勒信息至PACS系统中，以便后续接收到与第二勾勒指令相同的勾勒指令时，直接从PACS系统中提取第二勾勒指令对应的勾勒信息。
在一个可选的实施方式中，在所述接收第二用户在所述医学影像上的第二勾勒指令之前，所述装置还：
获取所述第二用户的用户标识，及获取所述医学影像的影像标识；
根据所述用户标识检索权限配置表；
当在所述权限配置表中检索到与所述用户标识对应的第一目标权限且检索到与所述影像标识对应的第二目标权限时，判断所述第一目标权限与所述第二目标权限是否相同；
当所述第一目标权限与所述第二目标权限相同时，确定所述第二用户具有查阅所述医学影像的权限。
PACS系统还提供了认证模块，在通信模块接收到共享指令之后，会调用认证模块进行权限的认证。
电子设备中存储有第一权限配置表和第二权限配置表，第一权限配置表记录有用户标识与权限之间的映射关系，第二权限配置表记录有影像标识与权限之间的映射关系。
认证模块根据第二用户的用户标识检索所述第一权限配置表，即可确定与第二用户的用户标识对应的第一目标权限。同时，认证模块根据医学影像的影像标识检索所述第二权限配置表，即可确定与医学影像的影像标识对应的第二目标权限。当第一目标权限与第二目标权限相同，则表明第二用户具有查阅医学影像的权限。当第一目标权限与第二目标权限不相同，则表明第二用户不具有查阅医学影像的权限。
本发明在接收到基于预设通信协议请求将医学影像导入至PACS系统的导入指令时，从导入指令中获取用户的通信节点配置信息，并根据通信节点配置信息对用户进行有效性校验，在校验有效时，才将医学影像导入至PACS系统，从而通过PACS系统实现了区域医院之间共享的医学影像的安全性，另外，将第一用户在医学影像上的勾勒指令对应的勾勒信息按照预设存储方式进行存储，便于后续接收到相同的勾勒指令时，直接显示存储的勾勒指令对应的勾勒信息，实现了勾勒信息的共享，还避免重复的执行相同的勾勒指令，节约了系统资源。
实施例三
本实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述医学影像共享方法实施例中的步骤，例如图1所示的S11-S16：
S11，接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
S12，从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验；
S13，当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
S14，响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
S15，将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
S16，接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
或者，该计算机程序被处理器执行时实现上述装置实施例中各模块/单元的功能，例如图2中的模块201-206：
所述接收模块201，用于接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
所述校验模块202，用于从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验；
所述导入模块203，用于当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
所述勾勒模块204，用于响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
所述存储模块205，用于将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
所述共享模块206，用于接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户。
实施例四
参阅图3所示，为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中，所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的电子设备的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述电子设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述电子设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的医学影像共享方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中，所述至少一个处理器32是所述电子设备3的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行电子设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本发明实施例中所述的医学影像共享方法的全部或者部分步骤；或者实现医学影像共享装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述电子设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种医学影像共享方法，其特征在于，所述方法包括：
接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验，所述通信节点配置信息包括：目标IP地址，目标端口，目标AETitle，目标会话令牌及目标指纹信息，所述根据所述通信节点配置信息对所述第一用户进行有效性校验包括：以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到目标通信节点机构；向所述目标通信节点机构发送标签请求并接收所述目标通信节点机构响应所述标签请求返回的标签信息；根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验；
当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户；
所述根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息包括：显示用户界面，所述用户界面中显示有所述医学影像；接收所述第二用户手动勾勒出所述医学影像中的第一目标区域，得到第一二进制图像；采用预先训练的勾勒模型勾勒所述医学影像中的第二目标区域，得到第二二进制图像；计算所述第一二进制图像的第一签名距离图，包括：对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点；根据所述第一类像素点得到第一集合，根据所述第二类像素点得到第二集合；对于所述第一集合中的每个第一像素点，使用距离公式计算所述第一像素点在所述第二集合中的最短距离；根据每个第一像素点的最小距离得到第三集合；获取所述第三集合中的最大距离及最小距离；根据所述最大距离及所述最小距离对所述第一集合中的每个第一像素点进行计算，得到所述第一签名距离图；及计算所述第二二进制图像的第二签名距离图；输入所述医学影像、所述第一签名距离图及所述第二签名距离图到临床靶区勾勒模型中；通过所述临床靶区勾勒模型勾勒出所述医学影像中的临床靶区。
2.如权利要求1所述的医学影像共享方法，其特征在于，所述根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验包括：
使用预设第一哈希函数根据所述标签信息计算得到弱指纹；
判断所述弱指纹与所述目标指纹信息是否一致；
当所述弱指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述弱指纹与所述目标指纹信息不一致时，使用预设第二哈希函数根据所述标签信息计算得到强指纹；
判断所述强指纹与所述目标指纹信息是否一致；
当所述强指纹与所述目标指纹信息一致时，校验所述第一用户有效；
当所述强指纹与所述目标指纹信息不一致时，校验所述第一用户无效。
3.如权利要求1所述的医学影像共享方法，其特征在于，在所述接收第二用户在所述医学影像上的第二勾勒指令之前，所述方法还包括：
获取所述第二用户的用户标识，及获取所述医学影像的影像标识；
根据所述用户标识检索权限配置表；
当在所述权限配置表中检索到与所述用户标识对应的第一目标权限且检索到与所述影像标识对应的第二目标权限时，判断所述第一目标权限与所述第二目标权限是否相同；
当所述第一目标权限与所述第二目标权限相同时，显示所述医学影像并接收所述第二用户在所述医学影像上的勾勒指令。
4.如权利要求1所述的医学影像共享方法，其特征在于，所述对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点包括：
对于所述第一二进制图像中的任意一个像素点，根据所述任意一个像素点的像素值判断所述任意一个像素点是否为目标像素点；
当所述任意一个像素点为所述目标像素点时，获取所述目标像素点的预设领域内的像素点；
当所述预设领域内的像素点均为所述目标像素点时，则确定所述任意一个像素点为第一类像素点；
将所述第一二进制图像中除所述第一类像素点之外的像素点确定为第二类像素点。
5.一种医学影像共享装置，其特征在于，所述装置包括：
接收模块，用于接收第一用户基于预设通信协议请求将医学影像导入至PACS系统的导入指令；
校验模块，用于从所述导入指令中获取所述第一用户的通信节点配置信息，并根据所述通信节点配置信息对所述第一用户进行有效性校验，所述通信节点配置信息包括：目标IP地址，目标端口，目标AETitle，目标会话令牌及目标指纹信息，所述根据所述通信节点配置信息对所述第一用户进行有效性校验包括：以所述目标IP地址、所述目标端口、所述目标AETitle检索预设通信节点机构映射表，得到目标通信节点机构；向所述目标通信节点机构发送标签请求并接收所述目标通信节点机构响应所述标签请求返回的标签信息；根据所述标签信息及所述目标指纹信息对所述第一用户进行有效性校验；
导入模块，用于当所述第一用户的有效性校验结果为有效时，将所述医学影像导入至所述PACS系统；
勾勒模块，用于响应于所述第一用户在所述医学影像上的第一勾勒指令，根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息；
存储模块，用于将所述勾勒信息按照预设存储方式存储至所述PACS系统中；
共享模块，用于接收第二用户在所述医学影像上的第二勾勒指令，并在确定所述第二勾勒指令与所述第一勾勒指令相同时，将存储至所述PACS系统中与所述第一勾勒指令对应的勾勒信息共享给所述第二用户；
所述根据所述第一勾勒指令调用OpenCV.js对所述医学影像进行勾勒，得到勾勒信息包括：显示用户界面，所述用户界面中显示有所述医学影像；接收所述第二用户手动勾勒出所述医学影像中的第一目标区域，得到第一二进制图像；采用预先训练的勾勒模型勾勒所述医学影像中的第二目标区域，得到第二二进制图像；计算所述第一二进制图像的第一签名距离图，包括：对所述第一二进制图像的像素点进行分类，得到第一类像素点和第二类像素点；根据所述第一类像素点得到第一集合，根据所述第二类像素点得到第二集合；对于所述第一集合中的每个第一像素点，使用距离公式计算所述第一像素点在所述第二集合中的最短距离；根据每个第一像素点的最小距离得到第三集合；获取所述第三集合中的最大距离及最小距离；根据所述最大距离及所述最小距离对所述第一集合中的每个第一像素点进行计算，得到所述第一签名距离图；及计算所述第二二进制图像的第二签名距离图；输入所述医学影像、所述第一签名距离图及所述第二签名距离图到临床靶区勾勒模型中；通过所述临床靶区勾勒模型勾勒出所述医学影像中的临床靶区。
6.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至4中任意一项所述医学影像共享方法。
7.一种计算机可读存储介质，所述计算机可读存储介质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至4中任意一项所述医学影像共享方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110975370.7A CN113674840B (zh) | 2021-08-24 | 2021-08-24 | 医学影像共享方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110975370.7A CN113674840B (zh) | 2021-08-24 | 2021-08-24 | 医学影像共享方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113674840A CN113674840A (zh) | 2021-11-19 |
| CN113674840B true CN113674840B (zh) | 2023-11-03 |
Family
ID=78545600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110975370.7A Active CN113674840B (zh) | 2021-08-24 | 2021-08-24 | 医学影像共享方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113674840B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156727A (zh) * | 2011-04-01 | 2011-08-17 | 华中科技大学 | 一种采用双指纹哈希校验的重复数据删除方法 |
| CN102831398A (zh) * | 2012-07-24 | 2012-12-19 | 中国农业大学 | 基于深度图像的树上苹果识别方法 |
| CN104202368A (zh) * | 2013-05-27 | 2014-12-10 | 沈阳东软医疗系统有限公司 | 基于云平台的医疗影像数据共享的方法、云平台和系统 |
| CN105741264A (zh) * | 2016-01-20 | 2016-07-06 | 江南大学 | 一种基于半局部纹理特征的二阶段图像分割方法 |
| KR20180066588A (ko) * | 2016-12-09 | 2018-06-19 | 주식회사 인피니트헬스케어 | 다이콤 영상에서 추출한 복합 3차원 모델을 포함하는 의료 영상을 저장하고 관리하는 시스템 및 방법 |
| WO2018176484A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳前海达闼云端智能科技有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
| CN109686424A (zh) * | 2018-12-27 | 2019-04-26 | 管伟 | 一种医学影像信息的存储及交换智慧医疗系统 |
| WO2019170060A1 (zh) * | 2018-03-05 | 2019-09-12 | 深圳大学 | 一种基于图像认证的医学影像标注方法、装置、用户终端和计算机可读存储介质 |
| CN111554382A (zh) * | 2020-04-30 | 2020-08-18 | 上海商汤智能科技有限公司 | 医学图像的处理方法及装置、电子设备和存储介质 |
| WO2020215557A1 (zh) * | 2019-04-24 | 2020-10-29 | 平安科技（深圳）有限公司 | 医学影像解释方法、装置、计算机设备及存储介质 |
-
2021
- 2021-08-24 CN CN202110975370.7A patent/CN113674840B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156727A (zh) * | 2011-04-01 | 2011-08-17 | 华中科技大学 | 一种采用双指纹哈希校验的重复数据删除方法 |
| CN102831398A (zh) * | 2012-07-24 | 2012-12-19 | 中国农业大学 | 基于深度图像的树上苹果识别方法 |
| CN104202368A (zh) * | 2013-05-27 | 2014-12-10 | 沈阳东软医疗系统有限公司 | 基于云平台的医疗影像数据共享的方法、云平台和系统 |
| CN105741264A (zh) * | 2016-01-20 | 2016-07-06 | 江南大学 | 一种基于半局部纹理特征的二阶段图像分割方法 |
| KR20180066588A (ko) * | 2016-12-09 | 2018-06-19 | 주식회사 인피니트헬스케어 | 다이콤 영상에서 추출한 복합 3차원 모델을 포함하는 의료 영상을 저장하고 관리하는 시스템 및 방법 |
| WO2018176484A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳前海达闼云端智能科技有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
| WO2019170060A1 (zh) * | 2018-03-05 | 2019-09-12 | 深圳大学 | 一种基于图像认证的医学影像标注方法、装置、用户终端和计算机可读存储介质 |
| CN109686424A (zh) * | 2018-12-27 | 2019-04-26 | 管伟 | 一种医学影像信息的存储及交换智慧医疗系统 |
| WO2020215557A1 (zh) * | 2019-04-24 | 2020-10-29 | 平安科技（深圳）有限公司 | 医学影像解释方法、装置、计算机设备及存储介质 |
| CN111554382A (zh) * | 2020-04-30 | 2020-08-18 | 上海商汤智能科技有限公司 | 医学图像的处理方法及装置、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于云平台的ADDH 影像协同标注系统研究与实现;张文娟等;《中国医疗设备》;第36卷(第03期);第33-37页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113674840A (zh) | 2021-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guo et al. | The application of medical artificial intelligence technology in rural areas of developing countries | |
| US10937164B2 (en) | Medical evaluation machine learning workflows and processes | |
| CN109523067B (zh) | 基于预测模型的费用预测方法、装置、服务器及存储介质 | |
| CN109310317A (zh) | 用于自动医学诊断的系统和方法 | |
| US20190221310A1 (en) | System and method for automated diagnosis and treatment | |
| US20190214134A1 (en) | System and method for automated healthcare service | |
| WO2013040693A1 (en) | Computer system and method for atlas-based consensual and consistent contouring of medical images | |
| CN111933274B (zh) | 疾病分类诊断方法、装置、电子设备及存储介质 | |
| Spoer et al. | A systematic review of artificial intelligence applications in plastic surgery: looking to the future | |
| US11152104B2 (en) | Medical data managing apparatus and medical data managing system | |
| Rippon et al. | Artificial intelligence in wound care: diagnosis, assessment and treatment of hard-to-heal wounds: a narrative review | |
| US20180233228A1 (en) | Systems and methods for data-driven medical decision making assistance | |
| Vuppala et al. | Cloud based big data platform for image analytics | |
| Jumani et al. | Cloud and machine learning based solutions for healthcare and prevention | |
| CN113674840B (zh) | 医学影像共享方法、装置、电子设备及存储介质 | |
| US11540717B1 (en) | Relative feature scores for brain parcels | |
| US20230238140A1 (en) | Addiction treatment and management | |
| Kumari et al. | Artificial Intelligence Challenges, Principles, and Applications in Smart Healthcare Systems | |
| WO2020241857A1 (ja) | 医療文書作成装置、方法およびプログラム、学習装置、方法およびプログラム、並びに学習済みモデル | |
| Thakur et al. | 5 The Power of Al | |
| JP7216660B2 (ja) | 下流のニーズを総合することにより読み取り環境を決定するためのデバイス、システム、及び方法 | |
| Murugan et al. | Amalgamation of Transfer Learning and Explainable AI for Internet of Medical Things | |
| Chand et al. | IoT-enabled Smart Healthcare System for Accessing Healthcare Services Anywhere and Anytime | |
| US12112847B2 (en) | Systems, methods and devices for dynamic procedure management | |
| Gokul et al. | A case study–based analysis on remote medical monitoring with AWS cloud and internet of things (IoT) |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221010 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |