CN114549482A - 一种图像关联方法、装置、电子设备和存储介质 - Google Patents

一种图像关联方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114549482A
CN114549482A CN202210177671.XA CN202210177671A CN114549482A CN 114549482 A CN114549482 A CN 114549482A CN 202210177671 A CN202210177671 A CN 202210177671A CN 114549482 A CN114549482 A CN 114549482A
Authority
CN
China
Prior art keywords
symptom
medical image
target
symptom information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210177671.XA
Other languages
English (en)
Inventor
吴筱音
郭晓敏
马兵超
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.)
Shukun Beijing Network Technology Co Ltd
Original Assignee
Shukun Beijing Network 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 Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN202210177671.XA priority Critical patent/CN114549482A/zh
Publication of CN114549482A publication Critical patent/CN114549482A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请实施例公开了一种图像关联方法、装置、电子设备和存储介质，属于计算机领域；本申请实施例可以接收关联触发指令；基于关联触发指令确定关联触发指令在医学图像上触发的目标征象信息；对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息；对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像，从而提高了医生查看医学图像的效率，从而提高诊断效率。

Description

一种图像关联方法、装置、电子设备和存储介质
技术领域
本申请涉及计算机技术领域，具体涉及一种图像关联方法、装置、电子设备和存储介质。
背景技术
随着科学技术的发展，依赖科学技术手段对患者进行诊断已经成为了常用的医疗手段。例如，可以通过电子计算机断层扫描和磁共振检查等科学技术手段对患者进行诊断。而这些科学技术手段一般是以医学图像的形式作为诊断信息。
在现有技术中，在现有技术中，为了方便医生查阅医生图像，往往会将患者所有的医学图像都平铺给医生进行查看。其中，由于有的诊断信息中可能包括多个医学图像，若医生对每个平铺出来的医学图像都进行查看，会降低医生的查看效率，从而提高诊断流程所需要的时间。
发明内容
本申请实施例提出了一种图像关联方法、装置、电子设备和存储介质，可以提高医生查看医学图像的效率，从而提高诊断效率。
本申请实施例提供了一种图像关联方法，包括：
接收关联触发指令；
基于所述关联触发指令确定所述关联触发指令在医学图像上触发的目标征象信息；
对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
相应的，本申请实施例还提供了一种图像关联装置，包括：
接收单元，用于接收关联触发指令；
确定单元，用于基于所述关联触发指令确定所述关联触发指令在医学图像上触发的目标征象信息；
关联单元，用于对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
追溯单元，用于对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
在一实施例中，所述关联单元，可以包括：
信息提取子单元，用于对所述目标征象信息进行信息提取，得到所述目标征象信息对应的标识信息；
信息确定子单元，用于基于所述标识信息，在至少一个预设征象信息中确定和所述目标征象信息具有关联关系的目标关联征象信息。
在一实施例中，所述追溯单元，可以包括：
图像确定子单元，用于根据预设征象映射表，在至少一个预设医学图像中确定所述目标关联征象信息对应的目标医学图像；
识别子单元，用于将所述目标医学图像添加到预设显示队列中，得到所述医学图像的目标关联图像。
在一实施例中，所述图像确定子单元，可以包括：
信息解析模块用于对所述目标关联征象信息进行解析，得到所述目标关联征象信息对应的征象类型；
类型匹配模块，用于将所述预设征象映射表的预设征象类型和所述征象类型进行匹配，得到匹配结果；
图像确定模块，用于基于所述匹配结果，从所述预设征象映射表中确定所述目标医学图像。
在一实施例中，本申请实施例提出的图像关联装置，还包括：
样本获取单元，用于获取多个医学图像样本；
样本识别单元，用于对所述多个医学图像样本进行识别，得到所述医学图像样本对应的征象信息样本；
构建单元，用于构建表征所述征象信息样本和所述医学图像样本之间关联关系的预设征象映射表。
在一实施例中，所述样本识别单元，可以包括：
通道数据构建子单元，用于将所述多个医学图像样本构建成多通道数据；
征象检测子单元，用于对所述多通道数据进行征象检测，得到所述多通道数据对应的检测结果；
征象信息确定子单元，用于基于所述检测结果，确定所述医学图像样本对应的征象信息。
在一实施例中，所述构建单元，可以包括：
样本解析子单元，用于对所述征象信息样本进行解析，得到所述征象信息样本对应的征象类型样本；
标识添加子单元，用于为所述医学图像样本添加图像标识；
关联子单元，用于将所述征象类型样本和所述图像标识进行关联处理，得到所述预设征象映射表。
在一实施例中，所述确定单元，可以包括：
指令解析子单元，用于对所述关联触发指令进行解析，得到所述对象针对所述医学图像的触发位置标识；
标识确定子单元，用于基于所述触发位置标识在所述医学图像的至少一个候选征象信息中确定目标征象信息。
相应的，本申请实施例还提供一种电子设备，所述电子设备包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行本申请实施例任一提供的图像关联方法。
相应的，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例任一提供的图像关联方法。
本申请实施例可以接收关联触发指令；基于关联触发指令确定关联触发指令在医学图像上触发的目标征象信息；对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息；对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像，从而提高了医生查看医学图像的效率，从而提高诊断效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像关联方法的场景示意图；
图2是本申请实施例提供的图像关联方法的流程示意图；
图3是本申请实施例提供的病灶区域的场景示意图；
图4是本申请实施例提供的建立预设征象映射表的场景示意图；
图5是本申请实施例提供的图像关联方法的又一流程示意图；
图6是本申请实施例提供的图像关联装置的结构示意图；
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，然而，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提出了一种图像关联方法，该图像关联方法可以由图像关联装置执行，该图像关联装置可以集成在电子设备中。其中，该电子设备可以包括终端以及服务器等中的至少一个。即该图像关联方法可以由终端执行，也可以由服务器执行。
其中，该终端可以包括智能电视、智能手机、智能家居、可穿戴电子设备、VR/AR产品、车载计算机、智能电脑等等。
其中，服务器可以为多个异构系统之间的互通服务器或者产品验证测试系统的后台服务器，还可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器等等。
在一实施例中，如图1所示，图像关联装置可以集成在终端或服务器等电子设备上，以实施本申请实施例提出的图像关联方法。具体地，电子设备可以接收关联触发指令；基于关联触发指令确定对象在医学图像上触发的目标征象信息；对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息；对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像。
以下分别进行详细说明，需要说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例将从图像关联装置的角度进行描述，该图像关联装置可以集成在电子设备中，该电子设备可以包括终端，还可以包括服务器等等。
如图2所示，提供了一种图像关联方法，具体流程包括：
101、接收关联触发指令。
在一实施例中，当患者的身体出现异常时，往往会通过科学技术手段对身体的情况进行诊断。例如，可以通过核磁共振检查、B超检查等科学技术手段对身体的情况进行诊断。其中，这些科学技术手段一般是以医学图像的形式作为诊断信息。
在一实施例中，有的患者的诊断信息可能包括多张医学图像，因此该多张医学图像会以图像序列的形式显示。在现有技术中，为了方便医生查阅医生图像，往往会将患者所有的医学图像都平铺给医生进行查看。由于有的图像序列中，医学图像的数量会比较大，若医生对每个平铺出来的医学图像都进行查看，会降低医生的查看效率，从而提高诊断流程所需要的时间。
因此，本申请实施例提出了一种图像关联方法，该图像关联方法会基于医学图像中病灶区域的征象信息，将该医学图像进行关联，得到医学图像的目标关联图像，从而不需要医生对所有医学图像都进行细致的查看，从而提高医生查看医学图像和诊断的效率。
在一实施例中，本申请实施例提出的图像关联装置可以集成在电子设备上。其中，该电子设备可以具有显示屏幕，并通过该显示屏幕将医学图像显示出来。然后，医生便可以对显示出来的医学图像进行查看。
其中，医学图像可以包括具有跟医学相关的信息的图像。例如，医学图像可以包括电子计算机断层扫描(Computed Tomography，CT)图像、磁共振检查(Magnetic Resonance,MR)图像和超声波图像，等等。又例如，该医学图像可以是生理组织图像，等等。其中，生理组织可以包括心脏、脑部、肺部、肝脏等等。例如，医学图像可以是患者心脏的CT图。又例如，医学图像可以是患者脑部的MR图，等等。
在一实施例中，当显示医学图像时，还可以将医学图像中的病灶区域，以及病灶区域对应的征象信息都显示出来。
其中，病灶区域可以包括医学图像中显示机体发生病变的区域。例如，当医学图像是患者脑部的MR图时，病灶区域可以是脑部MR图中脑部存在病变的区域。例如，如图3所示，图3中的001为关于血管的医学图像，图3中的002为该医学图像中血管存在病变的区域，因此该002可以是病灶区域。
在一实施例中，一张医学图像中可以存在至少一个病灶区域。例如，医学图像中可以只有一个病灶区域。又例如，医学图像中可以有多个病灶区域。
在一实施例中，医学图像中还可以不存在病灶区域。
在一实施例中，当医学图像中存在病灶区域时，病灶区域往往有对应的征象信息。
其中，征象信息可以包括说明病灶区域中呈现出来的特征或者特点。例如，当病灶区域是肺炎时，征象信息可以说明肺炎呈现出什么现象，有什么特点，等等。其中，该征象信息可以是文字信息，也可以是图像信息，等等。本申请实施例对征象信息的呈现形式并无限制。
在一实施例中，在显示医学图像的病灶区域和征象信息之前，可以对医学图像进行识别，从而得到医学图像的病灶区域和征象信息。具体的，本申请实施例提出的方法还包括：
对医学图像进行病灶识别，得到至少一个病灶区域；
对病灶区域进行识别，得到病灶区域对应的征象信息。
在一实施例中，可以利用人工智能算法对医学图像进行病灶识别，得到至少一个病灶区域。例如，可以利用强化学习算法或深度学习算法对医学图像进行识别，得到至少一个病灶区域。
例如，可以利用预设病灶识别模型对医学图像进行病灶识别，得到至少一个病灶区域。
其中，预设病灶识别模型可以是一个预先训练好的，可以正确地识别出医学图像中病灶区域的深度学习模型。例如，该预设病灶识别模型可以包括卷积神经网络(Convolutional Neural Networks，CNN)、反卷积神经网络(De-Convolutional Networks，DN)、深度神经网络(Deep Neural Networks，DNN)、深度卷积逆向图网络(DeepConvolutional Inverse Graphics Networks，DCIGN)、基于区域的卷积网络(Region-based Convolutional Networks，RCNN)、基于区域的快速卷积网络(Faster Region-basedConvolutional Networks，Faster RCNN)和双向编解码(Bidirectional EncoderRepresentations from Transformers，BERT)模型等等中的任意一种。
在一实施例中，可以利用人工智能算法对医学图像进行征象识别，得到病灶区域对应的征象信息。例如，可以利用强化学习算法或深度学习算法对病灶区域进行识别，得到至少一个征象信息。
例如，可以利用预设征象识别模型对病灶区域进行征象识别，得到至少一个征象信息。
其中，预设征象识别模型可以是一个预先训练好的，可以正确地识别出病灶区域中征象信息的深度学习模型。
例如，预设征象识别模型可以包括CNN、DN、DNN、DCIGN模型等中的任意一种。
例如，图像关联装置获取得到医学图像A。然后，图像关联装置可以利用预设病灶识别模型对医学图像A进行识别，得到医学图像A中的病灶区域a1和病灶区域a2。然后，图像关联装置可以利用预设征象识别模型分别对医学图像A中的病灶区域a1和病灶区域a2进行识别，得到病灶区域a1对应的征象信息和病灶区域a2对应的征象信息。
在一实施例中，在利用预设征象识别模型和预设病灶识别模型对医学图像识别之前，得对模型进行训练，从而使得预设征象识别模型和预设病灶识别模型能够正确地识别。
例如，可以获取初始病灶识别模型，其中，初始病灶识别模型可以是未经过训练的模型。然后，可以令具有病灶区域标签的医学图像对初始病灶识别模型进行训练，从而得到预设病灶识别模型。
又例如，可以获取初始征象识别模型，其中，初始征象识别模型可以是未经过训练的模型。然后，可以令具有征象信息标签的医学图像对初始征象识别模型进行训练，得到预设征象识别模型。
在一实施例中,还可以训练一个识别模型，该识别模型可以直接识别出医学图像的病灶区域以及病灶区域的征象信息。
在一实施例中，在显示医学图像时，可以将医学图像中的病灶区域，以及病灶区域对应的征象信息都显示出来。因此，医生或患者在查看医学图像时，可以查看医学图像对应的征象信息。其中，当医生或患者等对象想查看和医学图像中征象信息关联的关联图像时，对象可以触发医学图像中的征象信息，此时，图像关联装置便会接收到关联触发指令。
其中，对象有多种方式触发关联触发指令。例如，医学图像显示界面可以具有一个征象信息关联控件，当对象触发该征象信息关联控件时，图像关联装置可以接收到关联触发指令。又例如，对象可以对医学图像中的征象信息进行双击等操作，以触发基于征象信息的图像关联。譬如，对象可以借助鼠标、电子笔或手指等工具对医学图像中的征象信息进行触发操作，以触发基于征象信息的图像关联。
102、基于关联触发指令确定对象在医学图像上触发的目标征象信息。
在一实施例中，当图像关联装置接收到关联触发指令之后，由于医学图像中可能包括至少一个目标征象信息，所以，图像关联装置可以基于关联触发指令确定对象在医学图像上触发的目标征象信息。
其中，目标征象信息可以指对象在医学图像上触发的征象信息。例如，医学图像上包括了征象信息a11、征象信息a12和征象信息a13。当对象在医学图像上触发了征象信息a12时，目标征象信息便为征象信息a12。
在一实施例中，当基于关联触发指令确定对象在医学图像上触发的目标征象信息时，可以对关联触发指令进行解析，得到对象针对医学图像的触发位置标识。然后，图像关联装置可以基于触发位置标识在医学图像的至少一个候选征象信息中确定目标征象信息。具体的，步骤“基于关联触发指令确定对象在医学图像上触发的目标征象信息”，可以包括：
对关联触发指令进行解析，得到对象针对医学图像的触发位置标识；
基于触发位置标识在医学图像的至少一个候选征象信息中确定目标征象信息。
在一实施例中，当在显示屏幕上显示医学图像的征象信息时，每个征象信息都有其对应的显示位置，因此，可以对关联触发指令进行解析，得到对象针对医学图像的触发位置标识。然后，可以通过触发位置标识确定目标征象信息。
其中，触发位置标识可以包括对象在显示屏幕上触发关联时对应的位置。其中，该触发位置标识可以是一个能够表示位置的信息。例如，该触发位置标识可以是一个触发位置的坐标值，等等。
在一实施例中，可以通过对关联触发指令进行解析，得到对象针对医学图像的触发位置标识。例如，可以对关联触发指令进行遍历，得到触发位置标识，等等。
在一实施例中，由于医学图像中每个征象信息都有其对应的显示位置，所以可以通过位置标识在医学图像的至少一个候选征象信息中确定目标征象信息。
其中，医学图像的候选征象信息可以包括通过医学图像识别并显示出来的征象信息。
在一实施例中，每个候选征象信息和其对应的显示位置都会受到页面布局的控制。因此，基于位置标识在医学图像的至少一个候选征象信息中确定目标征象信息时，可以将位置标识和页面布局中存储的信息进行匹配，从而确定目标征象信息。
103、对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息。
在一实施例中，图像关联装置确定了目标征象信息之后，可以对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象西信息。具体的，步骤“对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息”，可以包括：
对目标征象信息进行信息提取，得到目标征象信息对应的标识信息；
基于标识信息，在至少一个预设征象信息中确定和目标征象信息具有关联关系的目标关联征象信息。
其中，预设征象信息可以包括预先存储在图像关联装置中的其他医学图像的征象信息。
其中，目标关联征象信息可以包括和目标征象信息具有关联关系的征象信息。其中，该关联关系可以包括和目标征象信息在病理上具有关联的关系。例如，某个疾病的发生可能会呈现出征象a和征象b这两种征象，则征象a和征象b之间具有关联关系。又例如，疾病A会呈现出征象c。此外，该疾病A还会导致另外一个疾病B的发生。疾病B会呈现出征象d，则征象c和征象d之间具有关联性，等等。
在一实施例中，对目标征象信息进行信息提取可以指从目标征象信息中提取出标识信息，从而可以使得基于该标识信息确定目标关联征象信息，从而提高确定关联征象信息的效率。其中，标识信息可以包括征象信息中的关键词、名称或ID，等等。
在一实施例中，有多种方法可以对目标征象信息进行信息提取，得到标识信息。例如，可以利用自然语言处理(Natural Language Processing，NLP)等算法对目标征象信息进行信息提取，得到标识信息。
在一实施例中，可以基于标识信息，在至少一个预设征象信息中确定和目标征象信息具有关联关系的目标关联征象信息。
例如，可以将目标征象信息对应的标识信息和预设征象信息对应的标识信息进行匹配处理，从而确定出和目标征象信息具有关联关系的目标关联征象信息。譬如，当目标征象信息对应的标识信息和预设征象信息对应的标识信息相匹配时，则可以将预设征象信息确定为目标关联征象信息。
在一实施例中，还可以直接对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息。
例如，当医学图像的征象信息是文字信息时，可以计算征象信息和预设征象信息之间的相似度，然后根据相似度确定目标关联征象信息。譬如，可以计算征象信息和预设征象信息之间的欧式距离、余弦距离或汉明距离等，得到征象信息和预设征象信息之间的距离。然后，可以将和征象信息距离最小(相当于相似度最大)的预设征象信息作为目标关联征象信息。
又例如，当医学图像的征象信息是图像信息，且预设征象信息也是图像信息时，可以提取出征象信息的像素值以及预设征象信息的像素值。然后可以计算征象信息和预设征象信息的像素值之间的欧式距离、余弦距离或汉明距离等等，得到两者像素值之间的距离。然后，可以根据距离筛选出目标关联征象信息。
104、对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像。
其中，目标关联图像可以是和医学图像具有相同或者相似的征象信息的图像。
其中，对目标关联征象信息进行追溯处理，即追溯出目标关联征象信息是从哪个图像中检测出来的，从而可以得到和医学图像相关联的目标关联图像。
在一实施例中，图像关联装置中可以存储有其他医学图像的征象信息。因此，当图像关联装置对目标关联征象信息进行追溯处理时，可以在图像关联装置中存储的至少一个预设医学图中确定目标关联征象信息相对应的目标关联图像。具体的，步骤“基于目标征象信息，对医学图像进行图像关联处理，得到医学图像的目标关联图像”，可以包括：
根据预设征象映射表，在至少一个预设医学图像中确定目标关联征象信息对应的目标医学图像；
将目标医学图像添加到预设显示队列中，得到医学图像的目标关联图像。
在一实施例中，在确定了目标关联征象信息之后，图像关联装置可以根据预设征象映射表，在至少一个预设医学图像中确定目标关联征象信息对应的目标医学图像。
其中，预设征象映射表可以是一个预先生成的，记录有预设征象信息和其对应的医学图像之间的关系的表格。
例如，预设征象映射表可以记录有预设征象信息b对应医学图像B，预设征象信息c对应医学图像D，等等。
在一实施例中，在利用预设征象映射表确定医学图像的目标关联图像之前，图像关联装置可以获取多个医学图像样本及其对应的征象信息样本，从而构建预设征象映射表。具体的，本申请实施例提出的方法还包括：
获取多个医学图像样本；
对多个医学图像样本进行识别，得到医学图像样本对应的征象信息样本；
构建表征征象信息样本和医学图像样本之间关联关系的预设征象映射表。
其中，医学图像样本可以包括已有的医学图像。
在一实施例中，医学图像样本可以存储在服务器当中，因此，图像关联装置可以向服务器获取多个医学图像样本。
在一实施例中，在获取得到医学图像样本之后，可以对多个医学图像样本进行识别，得到医学图像样本对应的征象信息样本。
其中，有多种方式可以对医学图像样本进行识别，得到医学图像样本对应的征象信息样本。
例如，可以利用预设病灶识别模型对医学图像样本进行识别，得到医学图像样本中的病灶区域。然后，可以利用预设征象识别模型对医学图像样本中的病灶区域进行识别，得到医学图像样本对应的征象信息样本。
又例如，由于有多个医学图像样本，为了提高医学图像样本进行识别的效率，可以将多个医学图像样本构建成多通道数据。然后，采用分布式方案并行地对多通道数据进行征象检测，得到多通道数据对应的检测结果。然后，基于该检测结果，确定医学图像样本对应的征象信息。具体的，步骤“对多个医学图像样本进行识别，得到医学图像样本对应的征象信息”，可以包括：
将多个医学图像样本构建成多通道数据；
对多通道数据进行征象检测，得到多通道数据对应的检测结果；
基于检测结果，识别医学图像样本对应的征象信息。
其中，多通道数据可以指一种通过资源复用存储数据的方式。例如，可以通过资源复用，将医学图像样本构建成队列或者列向量的形式，从而得到多通道数据。通过将医学图像样本构建成多通道数据，可以并行地对多通道数据进行征象检测。此外，每个通道都有其对应的输出，因此方便对通道中的数据进行整合。
例如，如图4所示，图像关联装置获取到12个医学图像样本，分别是医学图像样本X1至医学图像样本X12。然后，可以将多个医学图像构建成多通道数据。
在一实施例中，为了提高效率，在将多个医学图像构建成多通道数据之后，可以对多通道数据进行征象检测，得到多通道数据对应的检测结果。
其中，征象检测可以指检测多通道数据中有没有可能包括征象信息。例如，可以利用预设征象检测模型，对每个通道中的医学图像样本进行检测，确定医学图像样本中是否具有征象信息。
其中，多通道数据对应的检测结果可以是说明医学图像样本中是否具有征象信息的结果。其中，多通道数据的检测结果具有多种表现形式。例如，该检测结果可以是一个由0或者1构成的列向量。其中，当列向量的向量值为1时，说明医学图像样本中具有征象信息。而当列向量的向量值不为1时，说明医学图像样本中不具有征象信息。
例如，如图4所示，医学图像样本X1对应的通道输出0，说明医学图像样本X1不具有征象信息。而医学图像样本X2对应的通道输出2，说明医学图像样本X2具有征象信息。
在一实施例中，在得到检测结果之后，可以基于检测结果确定医学图像样本对应的征象信息。
例如，可以利用预设征象识别模型对具有征象信息的医学图像样本进行识别，得到医学图像样本具体包括的征象信息。
例如，如图4所示，检测出医学图像样本X2、医学图像样本X3和医学图像样本X11具有征象信息，所以可以对医学图像样本X2、医学图像样本X3和医学图像样本X11进行识别，从而得到医学图像样本X2、医学图像样本X3和医学图像样本X11具体包括的征象信息。例如，通过识别得到医学图像样本X2具有的征象信息样本bb和征象信息样本cc，医学图像样本X3具有的征象信息样本cc，医学图像样本X11具有的征象信息样本hh、征象信息样本kk和征象信息样本ll。
在一实施例中，在得到征象信息样本之后，可以构建表征征象信息样本和医学图像样本之间关联关系的预设征象信息映射表。
例如，医学图像样本X2包括征象信息样本bb和征象信息样本cc。因此，可以分别建立征象信息样本bb、征象信息样本cc和医学图像样本X2之间的关联关系，并将该关联关系记录在预设征象信息映射表中。
在一实施例中，由于征象信息样本可能是图像，也有可能是文字信息，为了提高图像关联的效率，可以得到征象信息对应的征象类型，并基于征象类型构建预设征象映射表。具体的，步骤“构建表征征象信息和医学图像样本之间关联关系的预设征象映射表”，可以包括：
对征象信息样本进行解析，得到征象信息样本对应的征象类型样本；
为医学图像样本添加图像标识；
将征象类型样本和图像标识进行关联处理，得到预设征象映射表。
其中，图像标识可以包括区分各个医学图像样本的信息。例如，X1、X2等可以是图像标识。此外，由于医学图像样本可以存储在图像关联装置中，因此，该图像标识还可以是存储医学图像样本的地址信息。例如，该图像标识可以是同一资源定位符(UniformResource Locator，URL)，等等。
然后，可以将征象类型样本和图像标识进行关联处理，得到预设征象映射表。
在一实施例中，在构建了预设征象映射表之后，便可以根据预设征象映射表，在至少一个预设医学图像中确定目标关联征象信息对应的目标医学图像。具体的，步骤“根据预设征象映射表，在至少一个预设医学图像中确定目标关联征象信息对应的目标医学图像”，可以包括：
对目标关联征象信息进行解析，得到目标关联征象信息对应的征象类型；
将预设征象映射表的预设征象类型和征象类型进行匹配，得到匹配结果；
基于匹配结果，从预设征象映射表中确定目标医学图像。
其中，预设征象类型可以是在构建预设征象映射表时，存储在预设征象映射表中的征象类型样本。
在一实施例中，为了提高关联效率，可以对目标关联征象信息进行解析，得到目标关联征象信息对应的征象类型。然后，将预设征象映射表的预设征象类型和征象类型进行匹配，得到匹配结果。接下来，可以基于匹配结果从预设征象映射表中确定目标医学图像。
其中，由于预设征象映射表中记录有医学图像样本的图像标识，该图像标识可以是地址信息，因此当确定了目标医学图像时，可以通过调用该地址信息获取到目标医学图像。
在一实施例中，由于本申请实施例可以将医学图像的目标关联图像显示出来。所以，在得到目标医学图像之后，可以将目标医学图像添加到预设显示队列中。其中，存储在预设显示队列中的图像便可以作为医学图像的目标关联图像。通过将目标医学图像添加到预设显示队列中，可以使得将目标医学图像显示出来。
在一实施例中，基于目标征象信息所关联到的目标关联图像可能有多个。因此，在显示目标关联图像时，可以将多个目标关联图像按照堆叠的形式显示出来。
在一实施例中，若对象对医学图像中的多个征象信息都感兴趣时，本申请实施例支持通过分布式方案并行地基于多个目标征象信息对医学图像进行关联处理，从而得到每个目标征象信息对应的目标关联图像。
本申请实施例提出的图像关联方法可以接收关联触发指令；基于关联触发指令确定对象在医学图像上触发的目标征象信息；对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息；对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像。本申请实施例可以通过选取征象信息，便实现图像之间的关联，从而使得医生可以快速地查看到和征象信息相关联的其他医学图像，提高了医生查看医学图像和诊断的效率。
此外，在本申请实施例中，还可以显示医学图像的病灶区域以及病灶区域对应的征象信息，从而使得将完整医学图像的被观察范围缩小，有利于医生准确地查看病灶情况，进一步地提高了诊断速度。
根据上面实施例所描述的方法，以下将举例作进一步详细说明。
本申请实施例将以图像处理方法集成在电子设备上为例来介绍本申请实施例方法。例如，如图5所示，本申请实施例提出的图像关联方法可以包括：
201、电子设备接收关联触发指令。
202、电子设备基于关联触发指令确定对象在医学图像上触发的目标征象信息。
203、电子设备对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息。
204、电子设备对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像。
例如，电子设备可以根据预设征象映射表确定目标关联征象信息对应的目标医学图像。
其中，在基于目标征象信息，对医学图像进行图像关联处理，得到医学图像的目标关联图像之前，本申请实施例可以选取包含有征象信息样本的多个医学图像样本(也称为医学图像序列)。然后，将含有征象信息样本的医学图像样本和征象信息样本进行关联，得到预设征象映射表。
例如，可以追溯征象信息样本是从哪个医学图像样本中检出的，构成预设征象映射表；以预设征象映射表为关联依据，将含有征象信息的医学图像与预设征象映射表中的预设征象信息进行关联。其中，追溯的方式可以是：根据征象信息样本和医学图像样本的ID或名称，来进行追溯。
又例如，可以将医学图像样本构建成多通道数据；利用预设征象检测模型，对每个通道中的医学图像样本进行检测，确定医学图像样本中是否有征象信息样本。接下来，可以确定医学图像样本中包含哪些征象信息。
构建完预设征象映射表之后，当用户选择医学图像中的某个征象信息时，电子设备会根据预设征象映射表中的关联关系，提供征象信息关联的关联图像。例如，如图所示，用户选择医学图像中的征象信息C时，电子设备会根据预设征象映射表中的关联关系，显示目标关联图像X2和目标关联图像X3。
本申请实施例提出的图像关联方法中，电子设备可以接收关联触发指令；基于关联触发指令确定对象在医学图像上触发的目标征象信息；对目标征象信息进行征象关联处理，得到和目标征象信息具有关联关系的目标关联征象信息；对目标关联征象信息进行追溯处理，得到和医学图像相关联的目标关联图像，从而使得医生可以快速地查看到和征象信息相关联的其他医学图像，提高了医生查看医学图像和诊断的效率。
为了更好地实施本申请实施例提供的图像关联方法，在一实施例中还提供了一种图像关联装置，该图像关联装置可以集成于电子设备中。其中名词的含义与上述图像关联方法中相同，具体实现细节可以参考方法实施例中的说明。
在一实施例中，提供了一种图像关联装置，该图像关联装置具体可以集成在电子设备中，如图6所示，该图像关联装置包括：接收单元301、确定单元302、关联单元303和追溯单元304，具体如下：
接收单元301，用于接收关联触发指令；
确定单元302，用于基于所述关联触发指令确定所述关联触发指令在医学图像上触发的目标征象信息；
关联单元303，用于对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
追溯单元304，用于对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
在一实施例中，所述关联单元303，可以包括：
信息提取子单元，用于对所述目标征象信息进行信息提取，得到所述目标征象信息对应的标识信息；
信息确定子单元，用于基于所述标识信息，在至少一个预设征象信息中确定和所述目标征象信息具有关联关系的目标关联征象信息。
在一实施例中，所述追溯单元304，可以包括：
图像确定子单元，用于根据预设征象映射表，在至少一个预设医学图像中确定所述目标关联征象信息对应的目标医学图像；
识别子单元，用于将所述目标医学图像添加到预设显示队列中，得到所述医学图像的目标关联图像。
在一实施例中，所述图像确定子单元，可以包括：
信息解析模块用于对所述目标关联征象信息进行解析，得到所述目标关联征象信息对应的征象类型；
类型匹配模块，用于将所述预设征象映射表的预设征象类型和所述征象类型进行匹配，得到匹配结果；
图像确定模块，用于基于所述匹配结果，从所述预设征象映射表中确定所述目标医学图像。
在一实施例中，本申请实施例提出的图像关联装置，还包括：
样本获取单元，用于获取多个医学图像样本；
样本识别单元，用于对所述多个医学图像样本进行识别，得到所述医学图像样本对应的征象信息样本；
构建单元，用于构建表征所述征象信息样本和所述医学图像样本之间关联关系的预设征象映射表。
在一实施例中，所述样本识别单元，可以包括：
通道数据构建子单元，用于将所述多个医学图像样本构建成多通道数据；
征象检测子单元，用于对所述多通道数据进行征象检测，得到所述多通道数据对应的检测结果；
征象信息确定子单元，用于基于所述检测结果，确定所述医学图像样本对应的征象信息。
在一实施例中，所述构建单元，可以包括：
样本解析子单元，用于对所述征象信息样本进行解析，得到所述征象信息样本对应的征象类型样本；
标识添加子单元，用于为所述医学图像样本添加图像标识；
关联子单元，用于将所述征象类型样本和所述图像标识进行关联处理，得到所述预设征象映射表。
在一实施例中，所述确定单元302，可以包括：
指令解析子单元，用于对所述关联触发指令进行解析，得到所述对象针对所述医学图像的触发位置标识；
标识确定子单元，用于基于所述触发位置标识在所述医学图像的至少一个候选征象信息中确定目标征象信息。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
通过上述的图像关联装置可以提高医生查看医学图像的效率，从而提高诊断效率。
本申请实施例还提供一种电子设备，该电子设备可以包括终端或服务器，比如，电子设备可以作为图像关联终端，该图像关联终端可以为智能电视等等；又比如计算机产品可以为服务器，如图像关联服务器等。如图7所示，其示出了本申请实施例所涉及的终端的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图7中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户页面和应用程序等，调制解调处理器主要处理无线通讯。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机产品的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、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。
该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，电子设备还可以包括排版单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
接收关联触发指令；
基于所述关联触发指令确定对象在医学图像上触发的目标征象信息；
对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机产品的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机产品执行上述实施例中各种可选实现方式中提供的方法。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成，或通过计算机程序控制相关的硬件来完成，该计算机程序可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例还提供一种存储介质，其中存储有计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种图像关联方法中的步骤。例如，该计算机程序可以执行如下步骤：
接收关联触发指令；
基于所述关联触发指令确定对象在医学图像上触发的目标征象信息；
对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种图像关联方法中的步骤，因此，可以实现本申请实施例所提供的任一种图像关联方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种图像关联方法、装置、电子设备和存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种图像关联方法，其特征在于，包括：
接收关联触发指令；
基于所述关联触发指令确定对象在医学图像上触发的目标征象信息；
对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息，包括：
对所述目标征象信息进行信息提取，得到所述目标征象信息对应的标识信息；
基于所述标识信息，在至少一个预设征象信息中确定和所述目标征象信息具有关联关系的目标关联征象信息。
3.根据权利要求1所述的方法，其特征在于，所述对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像，包括：
根据预设征象映射表，在至少一个预设医学图像中确定所述目标关联征象信息对应的目标医学图像；
将所述目标医学图像添加到预设显示队列中，得到所述医学图像的目标关联图像。
4.根据权利要求3所述的方法，其特征在于，所述根据预设征象映射表，在至少一个预设医学图像中确定所述目标关联征象信息对应的目标医学图像，包括：
对所述目标关联征象信息进行解析，得到所述目标关联征象信息对应的征象类型；
将所述预设征象映射表的预设征象类型和所述征象类型进行匹配，得到匹配结果；
基于所述匹配结果，从所述预设征象映射表中确定所述目标医学图像。
5.根据权利要求3所述的方法，其特征在于，所述根据预设征象映射表，在至少一个预设医学图像中确定所述目标关联征象信息对应的目标医学图像之前，还包括：
获取多个医学图像样本；
对所述多个医学图像样本进行识别，得到所述医学图像样本对应的征象信息样本；
构建表征所述征象信息样本和所述医学图像样本之间关联关系的预设征象映射表。
6.根据权利要求5所述的方法，其特征在于，所述对所述多个医学图像样本进行识别，得到所述医学图像样本对应的征象信息，包括：
将所述多个医学图像样本构建成多通道数据；
对所述多通道数据进行征象检测，得到所述多通道数据对应的检测结果；
基于所述检测结果，确定所述医学图像样本对应的征象信息。
7.根据权利要求5所述的方法，其特征在于，所述构建表征所述征象信息样本和所述医学图像样本之间关联关系的预设征象映射表，包括：
对所述征象信息样本进行解析，得到所述征象信息样本对应的征象类型样本；
为所述医学图像样本添加图像标识；
将所述征象类型样本和所述图像标识进行关联处理，得到所述预设征象映射表。
8.根据权利要求1所述的方法，其特征在于，所述基于所述关联触发指令确定对象在医学图像上触发的目标征象信息，包括：
对所述关联触发指令进行解析，得到所述对象针对所述医学图像的触发位置标识；
基于所述触发位置标识在所述医学图像的至少一个候选征象信息中确定目标征象信息。
9.根据权利要求8所述的方法，其特征在于，所述接收关联触发指令之前，还包括：
利用预设病灶识别模型对所述医学图像进行病灶识别，得到至少一个病灶区域；
利用预设征象识别模型对所述病灶区域进行征象识别，得到所述至少一个征象信息。
10.一种图像关联装置，其特征在于，包括：
接收单元，用于接收关联触发指令；
确定单元，用于基于所述关联触发指令确定对象在医学图像上触发的目标征象信息；
关联单元，用于对所述目标征象信息进行征象关联处理，得到和所述目标征象信息具有关联关系的目标关联征象信息；
追溯单元，用于对所述目标关联征象信息进行追溯处理，得到和所述医学图像相关联的目标关联图像。
11.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的计算机程序，以执行权利要求1至9任一项所述的图像关联方法中的步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条计算机程序，所述计算机程序适于处理器进行加载，以执行权利要求1至9任一项所述的图像关联方法中的步骤。
CN202210177671.XA 2022-02-25 2022-02-25 一种图像关联方法、装置、电子设备和存储介质 Pending CN114549482A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210177671.XA CN114549482A (zh) 2022-02-25 2022-02-25 一种图像关联方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210177671.XA CN114549482A (zh) 2022-02-25 2022-02-25 一种图像关联方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114549482A true CN114549482A (zh) 2022-05-27

Family

ID=81678662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210177671.XA Pending CN114549482A (zh) 2022-02-25 2022-02-25 一种图像关联方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114549482A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378876A (zh) * 2019-06-18 2019-10-25 平安科技（深圳）有限公司 基于深度学习的影像识别方法、装置、设备及存储介质
CN111275041A (zh) * 2020-01-20 2020-06-12 腾讯科技（深圳）有限公司 内窥镜图像展示方法、装置、计算机设备及存储介质
CN113658175A (zh) * 2021-09-02 2021-11-16 数坤(北京)网络科技股份有限公司 一种征象数据的确定方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378876A (zh) * 2019-06-18 2019-10-25 平安科技（深圳）有限公司 基于深度学习的影像识别方法、装置、设备及存储介质
CN111275041A (zh) * 2020-01-20 2020-06-12 腾讯科技（深圳）有限公司 内窥镜图像展示方法、装置、计算机设备及存储介质
CN113658175A (zh) * 2021-09-02 2021-11-16 数坤(北京)网络科技股份有限公司 一种征象数据的确定方法及装置

Similar Documents

Publication Publication Date Title
US8199982B2 (en) Mapping of literature onto regions of interest on neurological images
US9575994B2 (en) Methods and devices for data retrieval
CN115516571A (zh) 一种影像学研究报告生成系统
CN112507701A (zh) 待纠错医疗数据的识别方法、装置、设备和存储介质
CN111985241A (zh) 医学信息查询方法、装置、电子设备及介质
WO2021151302A1 (zh) 基于机器学习的药品质控分析方法、装置、设备及介质
CN113656706A (zh) 基于多模态深度学习模型的信息推送方法及装置
CN112926537A (zh) 图像处理方法、装置、电子设备以及存储介质
CN116340778B (zh) 基于多模态的医疗大模型构建方法及其相关设备
US10235360B2 (en) Generation of pictorial reporting diagrams of lesions in anatomical structures
CN109147927B (zh) 一种人机交互方法、装置、设备及介质
CN113658175A (zh) 一种征象数据的确定方法及装置
US20200286615A1 (en) Method for analysing a medical imaging data set, system for analysing a medical imaging data set, computer program product and a computer-readable medium
CN113901764A (zh) 一种内容排版方法、装置、电子设备和存储介质
CN110909824B (zh) 试验数据的核查方法及装置、存储介质及电子设备
CN113903433B (zh) 一种图像处理方法、装置和电子设备
US12094584B2 (en) Document creation support apparatus, document creation support method, and program
CN114549482A (zh) 一种图像关联方法、装置、电子设备和存储介质
CN114187281A (zh) 一种图像处理方法、装置、电子设备和存储介质
CN113990512A (zh) 异常数据检测方法及装置、电子设备和存储介质
CN113793677A (zh) 一种电子病历管理方法、装置、存储介质及电子设备
CN112819925A (zh) 病灶标注的处理方法、装置、电子设备和介质
CN115187805B (zh) 一种征象识别方法、装置、电子设备和存储介质
CN114463323B (zh) 一种病灶区域识别方法、装置、电子设备和存储介质
JP7240665B2 (ja) 情報統合装置

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

Country or region after: China

Address after: 100120 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: 100120 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.

Country or region before: China