CN114224369B - 一种医学影像自动诊断系统 - Google Patents

一种医学影像自动诊断系统 Download PDF

Info

Publication number
CN114224369B
CN114224369B CN202111575840.7A CN202111575840A CN114224369B CN 114224369 B CN114224369 B CN 114224369B CN 202111575840 A CN202111575840 A CN 202111575840A CN 114224369 B CN114224369 B CN 114224369B
Authority
CN
China
Prior art keywords
disease
image data
information
data
description
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
Application number
CN202111575840.7A
Other languages
English (en)
Other versions
CN114224369A (zh
Inventor
王思伦
苑金龙
谢启斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yiwei Medical Technology Co Ltd
Original Assignee
Shenzhen Yiwei Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yiwei Medical Technology Co Ltd filed Critical Shenzhen Yiwei Medical Technology Co Ltd
Priority to CN202111575840.7A priority Critical patent/CN114224369B/zh
Publication of CN114224369A publication Critical patent/CN114224369A/zh
Application granted granted Critical
Publication of CN114224369B publication Critical patent/CN114224369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B6/505—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 bone
    • 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明一种医学影像自动诊断系统包括服务器和移动终端；所述移动终端包括图像获取模块；所述服务器包括处理器和数据库；所述处理器将所述第一图像数据和所述第二图像数据通过第一方法进行对比并输出第一预选疾病数据，再通过第二方法进行比对输出第二预选疾病数据；所述处理器判断所述第一预选疾病数据和所述第二预选疾病数据是否相同，若所述第一预选疾病数据与所述第二预选疾病数据相同，通过不同方法输出所述第一疾病数据。本发明通过本方法能够自动识别患者的疾病，并及时输出至移动终端，以供医生、患者参考，节约排队看医生的时间，能够及时对症治疗，有益患者的病情。

Description

一种医学影像自动诊断系统
技术领域
本发明涉及医疗领影像领域，特别是涉及一种医学影像自动诊断系统。
背景技术
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。它包含以下两个相对独立的研究方向：医学成像系统和医学图像处理。前者是指图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等。作为一门科学，医学影像属于生物影像，并包含影像诊断学、放射学、内视镜、医疗用热影像技术、医学摄影和显微镜。
其中，医学影像可由X射线产生，其主要依据X射线的穿透作用、差别吸收、感光作用和荧光作用。由于X射线穿过人体时，受到不同程度的吸收，如骨骼吸收的X射线量比肌肉吸收的量要多，那么通过人体后的X射线量就不一样，这样便携带了人体各部密度分布的信息，在荧光屏上或摄影胶片上引起的荧光作用或感光作用的强弱就有较大差别，因而在荧光屏上或摄影胶片上(经过显影、定影)将显示出不同密度的阴影。根据阴影浓淡的对比，结合临床表现、化验结果和病理诊断，即可判断人体某一部分是否正常。
目前，患者通常都是拿着照射好的X光片去找医生进行诊断，当患者较多时，需要排队等待医生，消耗了大部分时间，部分重症患者会延误治疗，对患者健康造成不良影响。
因此，目前亟需一种能够自动诊断医学影像的、节约患者时间的、供医生参考的、加快治疗进度的一种医学影像自动诊断系统。
发明内容
本发明要解决的技术问题是提供一种能够自动诊断医学影像的、节约患者时间的、供医生参考的、加快治疗进度的一种医学影像自动诊断系统。
本发明一种医学影像自动诊断系统，包括相互连接的服务器和移动终端；
所述移动终端包括图像获取模块，所述图像获取模块能够获取患者的X光片，并转化为第一图像数据；
所述服务器包括处理器和数据库，所述数据库中存储有第二图像数据、与所述第二图像数据对应的第一疾病数据；
所述处理器将所述第一图像数据和所述第二图像数据通过第一方法进行对比并输出第一预选疾病数据，再通过第二方法进行比对输出第二预选疾病数据；
所述处理器判断所述第一预选疾病数据和所述第二预选疾病数据是否相同，若所述第一预选疾病数据与所述第二预选疾病数据相同，则将所述第一预选疾病数据转化为第一疾病数据并上传至移动终端，若所述第一预选疾病数据与所述第二预选疾病数据不同，则通过第三方法根据第二图像数据输出第一疾病数据并上传至移动终端。
本发明一种医学影像自动诊断系统，其中所述数据库中还存储有第一疾病名称信息和与所述第一疾病名称信息所对应的描述信息、与部位信息对应的部位信息关键词、部位信息关键词对应的部位扩展词、与所述第一疾病对应的描述信息、描述关键词、所述描述关键词的描述扩展词；
所述服务器还包括第一录入模块，所述第一录入模块能够获取所述第二图像数据的部位信息、第二疾病名称信息；
所述处理器根据所述第一录入模块录入的所述部位信息输出所述数据库中存储的部位信息关键词，并根据所述部位关键词获取部位扩展词；
所述处理器根据所述部位关键词和所述部位扩展词输出所述第二图像数据的部位词袋特征信息；
所述处理器用于判断所述第一录入模块录入的所述第二疾病名称信息与所述第一疾病名称信息是否相同，若相同则所述处理器获取与所述第一疾病名称信息对应的描述信息，所述处理器根据所述描述信息获取相同字符串出现的次数是否为第二预设个数个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再次获取相同字符串出现的次数是否为第二预设个数减第二变量个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再减小第二变量直至能够输出所述描述关键词和所述描述扩展词；
所述处理器根据所述描述关键词和所述描述扩展词输出所述第二图像数据的描述词袋特征信息；
所述处理器将所述部位词袋特征信息和所述描述词袋特征信息输出为所述第二图像数据的第一文本特征向量，并上传至数据库。
本发明一种医学影像自动诊断系统，其中所述第一方法为：
第一输入模块，其能够获取用户输入的第二文本特征向量，所述第二文本特征向量由用户输入的患病部位信息、患者的病情描述信息构成；
所述处理器将所述第一文本特征向量中的部位词袋特征信息与所述第二文本特征向量中的患病部位信息做对比，将与所述患病部位信息相同的所述第一文本特征向量输出为第三文本特征向量，将所述第三文本特征向量中的所述描述词袋特征信息与所述第二文本特征向量中的患者的病情描述信息做对比，将与所述患者的病情描述信息相同的所述第三文本特征向量输出为第四文本特征向量，并将所述第四文本特征向量对应的所述第三文本特征向量对应的所述第一文本特征向量对应的所述第二图像数据转化为第三图像数据；
所述处理器将所述第一图像数据通过第四方法进行缩放至能够与所述第三图像数据重合，所述处理器用于判断所述第一图像数据与所述第三图像数据的交点是否小于等于第一预设阈值，若是，则将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据转化为第一预选疾病数据，并上传至服务器，若否，则向所述移动终端输出复诊信号。
本发明一种医学影像自动诊断系统，其中所述第二方法为：
所述处理器判断所述第一图像数据与所述第三图像数据的重复覆盖面积是否超过第二预设阈值c，若是，将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据上传至服务器，若否，则所述处理器向所述移动终端输出复诊信号。
本发明一种医学影像自动诊断系统，其中所述移动终端为手机、平板、电脑。
本发明一种医学影像自动诊断系统，其中所述部位扩展词为所述部位关键词的同义词。
本发明一种医学影像自动诊断系统，其中所述描述扩展词为所述描述关键词的同义词。
本发明一种医学影像自动诊断系统，其中所述移动终端与所述图像获取模块连接方式为电连接。
本发明一种医学影像自动诊断系统，其中所述图像获取模块为摄像头。
本发明一种医学影像自动诊断系统，其中所述移动终端与所述服务器的连接方式为电连接。
本发明一种医学影像自动诊断系统与现有技术不同之处在于本发明一种医学影像自动诊断系统通过所述处理器将患者的X光片与系统中预存储的各类疾病所对应的X光片通过第一方法进行对比，从而判断出患者的疾病，并上传至服务器，本方法能够自动识别患者的疾病，并及时输出至移动终端，以供医生、患者参考，节约排队看医生的时间，能够及时对症治疗，有益患者的病情。
下面结合附图对本发明的一种医学影像自动诊断系统作进一步说明。
附图说明
图1是一种医学影像自动诊断系统的第一流程图；
图2是一种医学影像自动诊断系统的第二流程图；
图3是一种医学影像自动诊断系统的电连接图；
图4是一种医学影像自动诊断系统缩放前对比图；
图5是一种医学影像自动诊断系统缩放后对比图。
具体实施方式
如图1～5所示，参见图1、3，一种医学影像自动诊断系统，包括相互连接的服务器和移动终端；
所述移动终端包括图像获取模块，所述图像获取模块能够获取患者的X光片，并转化为第一图像数据；
所述服务器包括处理器和数据库，所述数据库中存储有第二图像数据、与所述第二图像数据对应的第一疾病数据；
所述处理器将所述第一图像数据和所述第二图像数据通过第一方法进行对比并输出第一预选疾病数据，再通过第二方法进行比对输出第二预选疾病数据；
所述处理器判断所述第一预选疾病数据和所述第二预选疾病数据是否相同，若所述第一预选疾病数据与所述第二预选疾病数据相同，则将所述第一预选疾病数据转化为第一疾病数据并上传至移动终端，若所述第一预选疾病数据与所述第二预选疾病数据不同，则通过第三方法根据第二图像数据输出第一疾病数据并上传至移动终端。
本发明通过所述处理器将患者的X光片与系统中预存储的各类疾病所对应的X光片通过第一方法进行对比，从而判断出患者的疾病，并上传至服务器，本方法能够自动识别患者的疾病，并及时输出至移动终端，以供医生、患者参考，节约排队看医生的时间，能够及时对症治疗，有益患者的病情。
其中，所述移动终端可为手机、平板、电脑。
其中，所述移动终端与所述图像获取模块连接方式为电连接。.
其中，所述移动终端与所述服务器的连接方式为电连接。
优选的，参见图2、3，所述数据库中还存储有第一疾病名称信息和与所述第一疾病名称信息所对应的描述信息、与部位信息对应的部位信息关键词、部位信息关键词对应的部位扩展词、与所述第一疾病对应的描述信息、描述关键词、所述描述关键词的描述扩展词；
所述服务器还包括第一录入模块，所述第一录入模块能够获取所述第二图像数据的部位信息、第二疾病名称信息；
所述处理器根据所述第一录入模块录入的所述部位信息输出所述数据库中存储的部位信息关键词，并根据所述部位关键词获取部位扩展词；
所述处理器根据所述部位关键词和所述部位扩展词输出所述第二图像数据的部位词袋特征信息；
所述处理器用于判断所述第一录入模块录入的所述第二疾病名称信息与所述第一疾病名称信息是否相同，若相同则所述处理器获取与所述第一疾病名称信息对应的描述信息，所述处理器根据所述描述信息获取相同字符串出现的次数是否为第二预设个数个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再次获取相同字符串出现的次数是否为第二预设个数减第二变量个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再减小第二变量直至能够输出所述描述关键词和所述描述扩展词；
所述处理器根据所述描述关键词和所述描述扩展词输出所述第二图像数据的描述词袋特征信息；
所述处理器将所述部位词袋特征信息和所述描述词袋特征信息输出为所述第二图像数据的第一文本特征向量，并上传至数据库。
本发明通过上述内容，对每一个所述第二图像数据设置一个由所述部位词袋特征信息和所述描述词袋特征信息构成的第一文本特征向量，能够对所述第二图像数据生成一个特征性的描述，患者能够根据自己的患病部位和患病信息来与数据库中存储的第一文本特征向量进行对比，从而筛选出与自己患病部位和患病信息最接近的疾病图像。
其中，所述部位扩展词为所述部位关键词的同义词，所述部位扩展词为1-3个，优选为2个。
其中，所述描述扩展词为所述描述关键词的同义词，所述描述扩展词为1-3个，优选为2个。
其中，所述第二预设个数为1-9个，优选为4个。
其中，所述第二变量为1-3，优选为1。
例如，录入人员拿到的所述第二图像数据为一张手部的X光片，通过观察得出手部的部位信息为手，所述第二图像数据对应的所述第二疾病名称信息为类风湿性关节炎，所述处理器根据部位信息手，输出数据库中存储的部位信息关键词手部，与所述手部对应的部位扩展词为手掌、手指，将(手、手掌、手指)构成所述第二疾病信息的部位词袋特征信息。
所述处理器获取数据库中是否存在所述第一疾病名称为类风湿性关节炎的疾病，若存在，则获取所述类风湿性关节炎的描述信息为：双手骨质疏松，腕掌关节、桡腕关节及腕骨间关节间隙变窄，部分关节面呈虫蚀样破坏。所述“关节”这个字符串出现的次数为4次，所述处理器获取描述信息的关键词为关节，所述描述信息关键词的扩展词为连接、环节，将(关节、连接、环节)构成所述第二疾病信息的描述词袋特征信息。
所述处理器将[(手、手掌、手指)，(关节、连接、环节)]，作为所述第二疾病信息的第一文本特征向量。
重复上述步骤还能够得到其他疾病的第一文本特征向量，不同疾病的所述第一文本特征向量可能会相同，例如，第二疾病数据为拇指掌腕关节半脱位的描述信息为：手正位片示拇指掌腕关节呈“台阶”样改变，手斜位片证实为拇指掌腕关节半脱位。
那么所述拇指掌腕关节半脱位的第一文本特征向量为：[(手、手掌、手指)，(关节、连接、环节)]，当然，本领域技术人员也能够需要将所述第一文本特征向量写成(手，关节)的形式。
优选的，参见图2、3、4、5，所述第一方法为：
所述移动终端包括第一输入模块，所述第一输入模块能够获取用户输入的第二文本特征向量，所述第二文本特征向量由用户输入的患病部位信息、患者的病情描述信息构成；
所述处理器将所述第一文本特征向量中的部位词袋特征信息与所述第二文本特征向量中的患病部位信息做对比，将与所述患病部位信息相同的所述第一文本特征向量输出为第三文本特征向量，将所述第三文本特征向量中的所述描述词袋特征信息与所述第二文本特征向量中的患者的病情描述信息做对比，将与所述患者的病情描述信息相同的所述第三文本特征向量输出为第四文本特征向量，并将所述第四文本特征向量对应的所述第三文本特征向量对应的所述第一文本特征向量对应的所述第二图像数据转化为第三图像数据；
所述处理器将所述第一图像数据通过第四方法进行缩放至能够与所述第三图像数据重合，所述处理器用于判断所述第一图像数据与所述第三图像数据的交点是否小于等于第一预设阈值，若是，则将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据转化为第一预选疾病数据，并上传至服务器，若否，则向所述移动终端输出复诊信号。
本发明通过所述处理器先将与患者拍X光的部位所对应的数据库中存储的X光片筛选出来，再将患者的X光片缩放至与所述数据库中存储的X光片一样大小，所述处理器判断患者的X光片与所述数据库中存储的X光片进行对比，若交点的个数没有超过第一预设阈值，则说明患者的这个部位有疾病，并将数据库中存储的X光片所对应的疾病输出至移动终端，若交点的个数超过第一预设阈值，则说明患者的这个部位没有疾病或患有的疾病所述数据库中查询不到，输出复诊信号，让医生进行诊断。
其中，所述第一预设阈值为1-10，优选为3。
其中，所述复诊信号为患者拿着X光片去找医生进行诊断。
本发明中用户输入患病部位信息为手，患者的病情描述信息为手部关节疼痛，处理器先将手与第一文本特征向量中的部位词袋特征信息对比，将含有手的第一文本特征向量先输出为第三文本特征向量，在将关节疼痛与第三文本特征向量中的描述词袋特征信息做对比，将含有关节、疼痛的所述第三文本特征向量转化为第四文本特征向量，在将所述第四文本特征向量对应的第二图像数据转化为第三图像数据。
通过对比得出与所述第一文本特征信息为[(手、手掌、手指)，(关节，连接、环节)]所对应的疾病都可能为患者所患有的疾病，那么将所述第一文本特征信息为[(手、手掌、手指)，(关节，连接、环节)]，所对应的疾病的X光片也就是第三图像数据分别与患者在医院拍的X光片也就是第一图像数据通过第四方法缩放至能够重合后，对比两个图像的交点，若哪一个所述第三图像数据与所述第一图像数据的交点小于等于第一预设阈值，也就是说小于3个，那么则证明这个所述第三图像数据为所对应的疾病为患者所患的疾病，若交点大于3个，则证明患者的X光片与数据库中存储的X光片都不一致，则输出复诊信号，让医生进行复诊诊断。
优选的，参见图2、3、4、5，所述第二方法为：
所述处理器判断所述第一图像数据与所述第三图像数据的重复覆盖面积是否超过第二预设阈值c，若是，将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据上传至服务器，若否，则所述处理器向所述移动终端输出复诊信号。
本发明通过对比患者的X光片与所述数据库中存储的各类疾病对应的X光片进行对比，并计算两者之间的覆盖面积，若覆盖面积超过预设阈值，则说明患者的X光片与数据库中存储的这个X光片的相似度高，则证明患者可能患者患有与这个X光片相对应的疾病。
其中，将所述第一图像数据与所述第三图像数据输出至10cm*10cm的网格中，从而计算面积。
其中，所述第二预设阈值c为50-90cm2，优选为60cm2。
例如，将患者的X光片通过所述第四方法进行缩放后与所述数据库中筛选后的第二图像数据也就是第三图像数据放到10cm*10cm的网格中进行计算面积，若两个图像的覆盖面积超过了第二预设阈值，则说明两个图像的相似度较高，因此患者患有的疾病为与患者的X光片覆盖面积最高的所述第三图像数据所对应的第二疾病数据。
优选的，参见图3、4、5，所述处理器计算所述第三图像数据构成的封闭图形的面积s，并根据所述第三图像数据构成的封闭图形的面积s、缩放比例k、常数f、重复次数a按照如下公式生成第二预设阈值c；
Figure BDA0003424770460000111
本发明通过根据不同的第三图像数据输出不同的第二预设阈值c的原因在于每个所述身体部位数据够成的封闭图像的面积不一样，因此所述第二预设阈值c不应该是定值，要随不同的第三图像数据的变化而发生变化，缩放比例k越大，则证明所述第一图像数据与所述第三图像数据在对比时会产生较大误差，因此k越大，c越小，使覆盖面积的规定值减小，从而减小对比误差，所述重复次数a越大，则所述第一图像数据与所述第三图像数据对比的次数越多，则证明与所述第一图像数据与所述第三图像数据不匹配，应该降低所述第二预设阈值在进行比较，由于公式中
Figure BDA0003424770460000112
是单调递增且递增幅度逐渐变缓的图像，因此，比如当患者检查手部等这种面积小的部位的X光片时，由于手部的轮廓较多，缩放过程中可能会存在误差，通过上述公式当s较小时，差值c会较小，从而使覆盖面积标准值变小，从而能够减小对比过程中的误差，当患者检查腿部等这种面积大的部位的X光片时，缩放的过程中存在的误差会很小，通过上述公式s较大时，差值c会较大，使腿部等大面积部位在对比时提高其覆盖面积的标准值，使比对结果更加准确，从而才能使对比的更加具有权威性，从而能够筛选出与所述患者的X光片最接近的所述第二图像数据，从而能够更加准确的判断出患者的疾病。
其中，所述缩放比例k能够通过所述第四方法计算得出。
其中，所述面积s的取值范围为10cm2-100cm2。
求中，所述面积s的单位为cm2。
其中，所述常数f为1-20，优选为10。
其中，所述第二预设阈值c小于所述第三图像数据构成的封闭图形的面积s。
其中，所述k>1时，将k直接带入公式计算，当k<1时，将10k带入公式。
本发明中，例如当k为2时，则证明患者的图像放大的2倍，当k为0.2时，则证明患者的图像缩小了2倍，因此缩放比例是相同的，为了不影响公式计算结果，将0.2*10＝2带入公式。
例如，当患者的X光片为手部面积为35cm2、缩放比例为1.3、重复次数为3时，则所述第二预设阈值c＝35-3-7得出第二预设阈值c为25cm2，因此，覆盖面积超过25cm2即可。
当患者的X光片为腿部面积为95cm2、缩放比例为1.2、重复次数为2时，则所述第二预设阈值c＝95-2-10得出第二预设阈值c为25cm2，因此，覆盖面积超过83cm2即可。
优选的，参见图2、3，所述第三方法为：
若所述第一预选疾病数据和所述第二预选疾病数据不同时，则所述处理器将常数f减小第一变量，所述处理器再次重复第二方法，并判断是否能够输出所述第三预选疾病数据；
若否，则将所述常数f减小重复次数a次第一变量直至能够输出所述第三预选疾病数据，若所述重复次数a超过第一预设次数，则所述处理器输出复诊信号；
若是，则判断所述第一预选疾病数据与所述第三预选疾病数据是否相同，若所述第一预选疾病数据与所述第三预选疾病数据相同，则将所述第一预选疾病数据转化为第一疾病数据并上传至移动终端，若所述第一预选疾病数据和所述第三预选疾病数据不同时，则将所述第三预选疾病数据转化为第一疾病数据并上传至移动终端。
本发明通过当所述第一方法和所述第二方法输出的疾病不相同时，所述处理器将第二方法中的第二预设阈值c增加，也就是说，将患者的X光片与所述数据库中存储的各类疾病对应的X光片覆盖面积的规定值增加，从而选出与患者X光片覆盖最大的数据库中存储的各类疾病的X光片，再将重新选出来的X光片对应的疾病与第一方法中输出的疾病进行对比，若一致，则将第一方法输出的疾病上传至移动终端，若不一致，则将通过增大第二预设阈值c后重新输出的疾病上传至移动终端。
其中，重复次数a越大，常数f越小，例如，正常情况下常数f为10，当重复次数为1时，所述常数f减小第一变量后为7，当重复次数为2时，所述常数f为4。
其中，所述第一变量为1cm2-9cm2，优选为3cm2。
其中，所述第一预设次数为1-10，优选为3。
例如，当通过对比交点得出的疾病与对比面积得出的疾病不同时，处理器将计算覆盖面积的公式中的常数f减小第一变量，也就是说f＝10-3得出f为7，从而使第二预设阈值c增大，这样能够缩小范围再次对比，使对比的更加准确，若连续减小3次都没有输出第三预选疾病数据，则输出复诊信号。
优选的，参见图3、4、5，所述第四方法为：所述处理器将所述第一图像数据的最高点和最低点与所述第三图像数据的最高点和最低点重合，将所述第一图像数据进行放大或缩小至与所述第三图像数据重合，将所述第一图像数据缩放后的最高点与最低点的垂直距离除以所述第一图像数据缩放前的最高点与最低点的垂直距离的得数作为所述第一图像数据的缩放比例k。
本发明通过将所述第一图像数据中的最高点和最低点与所述第三图像数据中的最高点和所述最低点重合能够使所述第一图像数据在缩放的过程中能够与所述第三图像数据更加贴合，使缩放的误差减小，从而使所述第一图像数据在于所述第三图像数据进行对比交点和覆盖面积时更加准确，进而少选出最匹配的疾病。
其中，患者在照射X光时根据医生提示能够使手掌或其他部位按照相同角度摆放。
本发明通过上述内容能够减小缩放的误差。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种医学影像自动诊断系统，其特征在于：包括相互连接的服务器和移动终端；
所述移动终端包括图像获取模块，所述图像获取模块能够获取患者的X光片，并转化为第一图像数据；
所述服务器包括处理器和数据库，所述数据库中存储有第二图像数据、与所述第二图像数据对应的第一疾病数据，所述数据库中能够获取第一文本特征向量 ，所述第一文本特征向量 包括部位词袋特征信息和描述词袋特征信息；
所述第二图像数据为各类疾病对应的X光片；
所述处理器将所述第一图像数据和所述第二图像数据通过第一方法进行对比并输出第一预选疾病数据，再通过第二方法进行比对输出第二预选疾病数据；
所述处理器判断所述第一预选疾病数据和所述第二预选疾病数据是否相同，若所述第一预选疾病数据与所述第二预选疾病数据相同，则将所述第一预选疾病数据转化为第一疾病数据并上传至移动终端，若所述第一预选疾病数据与所述第二预选疾病数据不同，则通过第三方法根据第二图像数据输出第一疾病数据并上传至移动终端；
所述第一方法为：
第一输入模块，其能够获取用户输入的第二文本特征向量，所述第二文本特征向量由用户输入的患病部位信息、患者的病情描述信息构成；
所述处理器将所述第一文本特征向量中的部位词袋特征信息与所述第二文本特征向量中的患病部位信息做对比，将与所述患病部位信息相同的所述第一文本特征向量输出为第三文本特征向量，将所述第三文本特征向量中的所述描述词袋特征信息与所述第二文本特征向量中的患者的病情描述信息做对比，将与所述患者的病情描述信息相同的所述第三文本特征向量输出为第四文本特征向量，并将所述第四文本特征向量对应的所述第三文本特征向量对应的所述第一文本特征向量对应的所述第二图像数据转化为第三图像数据；
所述处理器将所述第一图像数据通过第四方法进行缩放至能够与所述第三图像数据重合，所述处理器用于判断所述第一图像数据与所述第三图像数据的交点是否小于等于第一预设阈值，若是，则将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据转化为第一预选疾病数据，并上传至服务器，若否，则向所述移动终端输出复诊信号；
所述第二方法为：
所述处理器判断所述第一图像数据与所述第三图像数据的重复覆盖面积是否超过第二预设阈值c，若是，将所述第三图像数据对应的所述第二图像数据所对应的第一疾病数据上传至服务器，若否，则所述处理器向所述移动终端输出复诊信号；
所述第三方法为：
若所述第一预选疾病数据和所述第二预选疾病数据不同时，则所述处理器将常数f减小第一变量，所述处理器再次重复第二方法，并判断是否能够输出第三预选疾病数据；
若否，则将所述常数f减小重复次数a次第一变量直至能够输出所述第三预选疾病数据，若所述重复次数a超过第一预设次数，则所述处理器输出复诊信号；
若是，则判断所述第一预选疾病数据与所述第三预选疾病数据是否相同，若所述第一预选疾病数据与所述第三预选疾病数据相同，则将所述第一预选疾病数据转化为第一疾病数据并上传至移动终端，若所述第一预选疾病数据和所述第三预选疾病数据不同时，则将所述第三预选疾病数据转化为第一疾病数据并上传至移动终端。
2.根据权利要求1所述的一种医学影像自动诊断系统，其特征在于：所述数据库中还存储有第一疾病名称信息和与所述第一疾病名称信息所对应的描述信息、与部位信息对应的部位信息关键词、部位信息关键词对应的部位扩展词、与所述第一疾病对应的描述信息、描述信息的描述关键词、所述描述关键词的描述扩展词；
所述服务器还包括第一录入模块，所述第一录入模块能够获取所述第二图像数据的部位信息、第二疾病名称信息；
所述处理器根据所述第一录入模块录入的所述部位信息输出所述数据库中存储的部位信息关键词，并根据所述部位信息关键词获取部位扩展词；
所述处理器根据所述部位信息关键词和所述部位扩展词输出所述第二图像数据的部位词袋特征信息；
所述处理器用于判断所述第一录入模块录入的所述第二疾病名称信息与所述第一疾病名称信息是否相同，若相同则所述处理器获取与所述第一疾病名称信息对应的描述信息，所述处理器根据所述描述信息获取相同字符串出现的次数是否为第二预设个数个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再次获取相同字符串出现的次数是否为第二预设个数减第二变量个；
若是，则将所述字符串输出为描述关键词，并根据所述描述关键词获取描述扩展词；
若否，则将所述第二预设个数减小第二变量后再减小第二变量直至能够输出所述描述关键词和所述描述扩展词；
所述处理器根据所述描述关键词和所述描述扩展词输出所述第二图像数据的描述词袋特征信息；
所述处理器将所述部位词袋特征信息和所述描述词袋特征信息输出为所述第二图像数据的第一文本特征向量，并上传至数据库。
3.根据权利要求2所述的一种医学影像自动诊断系统，其特征在于：所述移动终端为手机、平板、电脑。
4.根据权利要求3所述的一种医学影像自动诊断系统，其特征在于：所述部位扩展词为所述部位信息关键词的同义词。
5.根据权利要求4所述的一种医学影像自动诊断系统，其特征在于：所述描述扩展词为所述描述关键词的同义词。
6.根据权利要求5所述的一种医学影像自动诊断系统，其特征在于：所述移动终端与所述图像获取模块连接方式为电连接。
7.根据权利要求6所述的一种医学影像自动诊断系统，其特征在于：所述图像获取模块为摄像头。
8.根据权利要求7所述的一种医学影像自动诊断系统，其特征在于：所述移动终端与所述服务器的连接方式为电连接。
CN202111575840.7A 2021-12-21 2021-12-21 一种医学影像自动诊断系统 Active CN114224369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111575840.7A CN114224369B (zh) 2021-12-21 2021-12-21 一种医学影像自动诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111575840.7A CN114224369B (zh) 2021-12-21 2021-12-21 一种医学影像自动诊断系统

Publications (2)

Publication Number Publication Date
CN114224369A CN114224369A (zh) 2022-03-25
CN114224369B true CN114224369B (zh) 2022-12-13

Family

ID=80760907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111575840.7A Active CN114224369B (zh) 2021-12-21 2021-12-21 一种医学影像自动诊断系统

Country Status (1)

Country Link
CN (1) CN114224369B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116597988B (zh) * 2023-07-18 2023-09-19 济南蓝博电子技术有限公司 一种基于医疗信息的智慧医院运营方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007307290A (ja) * 2006-05-22 2007-11-29 Konica Minolta Medical & Graphic Inc 医用画像読影システム
JP2013149265A (ja) * 2013-03-08 2013-08-01 Canon Inc 診断支援装置及び制御方法
CN106709254A (zh) * 2016-12-29 2017-05-24 天津中科智能识别产业技术研究院有限公司 一种医疗诊断机器人系统
JP2017099907A (ja) * 2017-01-11 2017-06-08 キヤノン株式会社 診断支援装置および診断支援方法
CN107085660A (zh) * 2017-05-09 2017-08-22 深圳市普惠医学软件有限公司 分布式实时医疗诊断系统
CN111292821A (zh) * 2020-01-21 2020-06-16 上海联影智能医疗科技有限公司 一种医学诊疗系统
CN112466439A (zh) * 2018-01-23 2021-03-09 深圳科亚医疗科技有限公司 由计算机实现的医学图像调度方法、调度系统及存储介质
CN113793663A (zh) * 2021-08-17 2021-12-14 陈浩宇 一种医疗数据处理方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007307290A (ja) * 2006-05-22 2007-11-29 Konica Minolta Medical & Graphic Inc 医用画像読影システム
JP2013149265A (ja) * 2013-03-08 2013-08-01 Canon Inc 診断支援装置及び制御方法
CN106709254A (zh) * 2016-12-29 2017-05-24 天津中科智能识别产业技术研究院有限公司 一种医疗诊断机器人系统
JP2017099907A (ja) * 2017-01-11 2017-06-08 キヤノン株式会社 診断支援装置および診断支援方法
CN107085660A (zh) * 2017-05-09 2017-08-22 深圳市普惠医学软件有限公司 分布式实时医疗诊断系统
CN112466439A (zh) * 2018-01-23 2021-03-09 深圳科亚医疗科技有限公司 由计算机实现的医学图像调度方法、调度系统及存储介质
CN111292821A (zh) * 2020-01-21 2020-06-16 上海联影智能医疗科技有限公司 一种医学诊疗系统
CN113793663A (zh) * 2021-08-17 2021-12-14 陈浩宇 一种医疗数据处理方法和系统

Also Published As

Publication number Publication date
CN114224369A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Duron et al. Assessment of an AI aid in detection of adult appendicular skeletal fractures by emergency physicians and radiologists: a multicenter cross-sectional diagnostic study
Lee et al. The exploration of feature extraction and machine learning for predicting bone density from simple spine X-ray images in a Korean population
US7388974B2 (en) Medical image processing apparatus
US20030023156A1 (en) Animation technology
CN114224369B (zh) 一种医学影像自动诊断系统
CN107752979B (zh) 人工投影的自动生成方法、介质和投影图像确定装置
JP6897656B2 (ja) 画像表示制御システム、画像表示システム、画像解析装置、画像表示制御プログラム及び画像表示制御方法
CN101147158B (zh) 采用乳房x光照相装置建立骨骼状态轮廓的方法及系统
Nagarajan et al. Characterizing trabecular bone structure for assessing vertebral fracture risk on volumetric quantitative computed tomography
TWI719843B (zh) 產生用於估測骨質密度的模型的方法、估測骨質密度的方法及電子系統
Dang et al. Using deep learning to assign rheumatoid arthritis scores
JP2015036858A (ja) 医用情報処理装置、システム及びプログラム
Robinson et al. Evaluation of four-dimensional computed tomography as a technique for quantifying carpal motion
Üreten et al. Deep learning methods in the diagnosis of sacroiliitis from plain pelvic radiographs
KR102622932B1 (ko) 딥러닝을 이용한 하지 x선 이미지 자동 분석 장치 및 방법
US8116545B2 (en) Method and system for analysis of bone density
Van Schaik et al. Pediatric paleoradiology: Applications and best practice protocols for image acquisition and reporting
Dodamani et al. Transfer Learning-Based Osteoporosis Classification Using Simple Radiographs
US20240242820A1 (en) Systems and methods for machine learning based optimal exposure technique prediction for acquiring mammographic images
JP7211172B2 (ja) 動態画像解析システム及び動態画像処理装置
Okamoto et al. Detection of Hepatocellular Carcinoma in CT Images Using Deep Learning
Kuczynski Characterizing the structure-function relationship of hand osteoarthritis using dynamic and high resolution CT imaging
JP2023035826A (ja) 医療情報管理装置及び医療情報管理プログラム
JP2020151270A (ja) 関節状態値取得装置、関節状態学習装置、関節位置特定装置、関節位置学習装置、関節状態値取得方法、関節状態学習方法、関節位置特定方法、関節位置学習方法及びプログラム
CN118315058A (zh) 患处康复预测方法、装置、设备及介质

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: 20221111

Address after: 518000 second floor, auxiliary building, Shunfeng industrial city, 2 Hongliu Road, Fubao community, Fubao street, Futian District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Yiwei Medical Technology Co.,Ltd.

Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Applicant before: Shenzhen cheying doctor Group Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant