CN114882969A - 一种结构化分析报告的生成方法、系统、装置和存储介质 - Google Patents
一种结构化分析报告的生成方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN114882969A CN114882969A CN202210588945.4A CN202210588945A CN114882969A CN 114882969 A CN114882969 A CN 114882969A CN 202210588945 A CN202210588945 A CN 202210588945A CN 114882969 A CN114882969 A CN 114882969A
- Authority
- CN
- China
- Prior art keywords
- stroke
- image
- analysis
- brain
- bleeding
- 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
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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本说明书实施例中提供一种结构化分析报告的生成方法、系统、装置和存储介质。该方法包括:获取目标对象的扫描图像;检测所述扫描图像的图像质量;分析所述扫描图像,并获得分析结果;以及,基于所述分析结果和预设生成方式,生成与所述目标对象相关的结构化分析报告。
Description
技术领域
本说明书涉及医疗技术领域,特别涉及一种结构化分析报告的生成方法、系统、装置和存储介质。
背景技术
急性卒中,也可称为急性脑卒中、脑中风,是一种由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的急性脑血管疾病。随着社会的不断发展,急性卒中逐渐成为成年人致死、致残的首位病因,其发病到治疗时间直接影响着患者的愈后,早发现、早治疗对急性卒中患者来说至关重要。因此,如何能快速、准确的确定急性卒中的卒中类型,以及快速输出有参考意义的分析报告,从而制定出符合患者病情的治疗方案在急性脑卒中诊疗环节中非常重要。
因此,希望提供一种结构化分析报告的自动生成方法,能够将急性脑卒中智能分析与文档结构化处理结合,提高诊疗效率的同时减少医生工作量。
发明内容
本说明书实施例之一提供一种结构化分析报告的生成方法,包括:获取目标对象的扫描图像;检测所述扫描图像的图像质量;分析所述扫描图像,并获得分析结果;以及,基于所述分析结果和预设生成方式,生成与所述目标对象相关的结构化分析报告。
在一些实施例中,所述扫描图像包括脑部扫描图像,所述分析所述扫描图像,并获得分析结果,进一步包括:判断所述脑部扫描图像中的卒中类型;以及当所述卒中类型为出血性卒中时,确定所述脑部扫描图像对应的出血位置和/或出血体积;当所述卒中类型为缺血性卒中时,确定所述脑部扫描图像对应的Aspect评分。
在一些实施例中,所述当所述卒中类型为出血性卒中时,确定所述脑部扫描图像对应的出血位置和/或出血体积,进一步包括:分割所述脑部扫描图像中的出血区域;基于所述出血区域,计算所述脑部扫描图像的出血体积,和/或,确定所述脑部扫描图像的出血位置。
在一些实施例中,当所述卒中类型为缺血性卒中时,所述方法还包括:确定所述缺血性卒中对应的缺血区域、缺血位置、缺血体积和责任血管中的至少一种。
在一些实施例中,所述预设生成方式包括所述结构化分析报告的分析内容、分析内容的放置顺序、突出显示内容、突出显示方式中的至少一种。
在一些实施例中,所述结构化分析报告的所述分析内容包括:脑卒中类型、出血区域/缺血区域、出血位置/缺血位置、出血体积/缺血体积、腔隙性脑梗塞、大脑中动脉高密度征、颈内动脉高密度征、脑白质变性等级描述、脑室形态描述、脑中线偏移程度描述中的至少一种。
在一些实施例中,所述方法还包括:自定义编辑所述结构化分析报告的预设生成方式。
本说明书实施例之一提供一种结构化分析报告的生成系统,包括:获取模块,用于获取目标对象的扫描图像;图像质量检测模块,用于检测所述扫描图像的图像质量;分析模块,用于分析所述扫描图像,并获得分析结果;以及报告生成模块,用于基于所述分析结果和预设生成方式生成与所述目标对象相关的结构化分析报告。
本说明书实施例之一提供一种结构化分析报告的生成装置,其特征在于,所述装置包括:至少一个存储介质,存储计算机指令;至少一个处理器,执行所述计算机指令,以实现如前所述的结构化分析报告的生成方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如前所述的结构化分析报告的生成方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的示例性结构化分析报告生成系统的应用场景示意图;
图2是根据本说明书一些实施例所示的示例性结构化分析报告生成系统的示意图;
图3是根据本说明书一些实施例所示的示例性编辑模块对应显示界面的示意图;
图4是根据本说明书一些实施例所示的示例性缺血功能模块的示意图;
图5是根据本说明书一些实施例所示的示例性结构化分析报告生成方法的流程示意图;
图6是根据本说明书一些实施例所示的示例性结构化分析报告生成方法的流程示意图;
图7是根据本说明书一些实施例所示的示例性大脑皮层分区示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
在一些实施例中,可以在根据经验、患者病历等信息确定目标对象的卒中类型、出血/缺血体积、出血/缺血位置等数据后,生成相应的分析报告,以记录目标对象的诊疗过程和/或进行急性脑卒中分析。但是,由于急性脑卒中就近就医、发病时间不确定、缺血性卒中难判断等特点,对于用户(如医生、护士)的个人水平要求有着比较大的要求。此外,目前的急性卒中分析报告一般由用户手动撰写,对于很多病变细节无法定量估计,并且不同用户在语言表述、分析内容的撰写顺序等方面存在较大差异,因此在数据回顾性研究等情况下,筛选数据也会浪费比较大的人力。
本说明书实施例涉及一种结构化分析报告的自动生成方法,可以通过图像质量检测模块检测目标对象的脑部扫描图像的图像质量、分析模块分析脑部扫描图像并获得脑卒中分析结果,以及报告生成模块基于脑卒中分析结果和预设生成方式生成与目标对象相关的结构化分析报告,能够加快急性脑卒中诊疗过程,同时自动输出定量报告结果,减轻用户工作量、提高急性脑卒中诊疗效率。在一些实施例中,该结构化分析报告的自动生成系统和/或其方法可以用于医疗诊断,如脑部CT诊断等,医学实验研究、病理研究等。在一些实施例中,该结构化分析报告的自动生成系统和/或其方法可以用于智能医疗、互联网医疗等领域。
图1是根据本说明书一些实施例所示的示例性结构化分析报告生成系统的应用场景示意图。
如图1所示,结构化分析报告生成系统100可以包括医疗设备110、处理设备120、终端设备130、存储设备140和网络150。在一些实施例中,处理设备120可以是医疗设备110中的一部分。
医疗设备110可以是用于疾病诊断或研究目的的非侵入性扫描成像设备。在一些实施例中,医疗设备110可以对检测区域或扫描区域内的目标对象进行扫描,得到该目标对象的扫描数据,如脑部扫描图像。在一些实施例中,医疗设备110可以包括单模态扫描仪和/或多模态扫描仪。单模态扫描仪可以包括例如超声波扫描仪、X射线扫描仪、计算机断层扫描(CT)扫描仪、核磁共振成像(MRI)扫描仪、超声检查仪、正电子发射计算机断层扫描(PET)扫描仪、光学相干断层扫描(OCT)扫描仪、超声(US)扫描仪、血管内超声(IVUS)扫描仪、近红外光谱(NIRS)扫描仪、远红外(FIR)扫描仪等,或其任意组合。多模态扫描仪可以包括例如X射线成像-核磁共振成像(X射线-MRI)扫描仪、正电子发射断层扫描-X射线成像(PET-X射线)扫描仪、单光子发射计算机断层扫描-核磁共振成像(SPECT-MRI)扫描仪、正电子发射断层扫描-计算机断层摄影(PET-CT)扫描仪、数字减影血管造影-核磁共振成像(DSA-MRI)扫描仪等。在一些实施例中,处理设备120可以集成在医疗设备110上,或者医疗设备110与处理设备120通过同一实体实现其功能。上面提供的医疗设备仅用于说明目的,而无意限制本说明书的范围。
处理设备120可以处理从医疗设备110、终端设备130、存储设备140或结构化分析报告生成系统100的其他组件获得的数据和/或信息。例如,处理设备120可以从医疗设备110中获取目标对象的脑部扫描图像,如断层扫描图像、PET扫描图像等,并对其进行分析处理。又例如,处理设备120可以检测脑部扫描图像的图像质量。还例如,处理设备120可以分析脑部扫描图像,并获得脑卒中分析结果。还例如,处理设备120可以基于脑卒中分析结果和预设生成方式生成与目标对象相关的结构化分析报告。在一些实施例中,处理设备120可以是本地或远程的。例如,处理设备120可以通过网络150从医疗设备110、终端设备130和/或存储设备140访问信息和/或数据。
在一些实施例中,终端设备130可以是急性卒中分析的请求终端以及急性卒中分析结果的处理终端。例如,通过终端设备130,用户可以获取医疗设备110获取到的目标对象的脑部扫描图像,并基于以上内容执行对应操作。又如,终端设备130可以将生成/获取的结构化分析报告展示在显示界面,以输出给用户。在一些实施例中,用户可以通过终端设备130设置结构化分析报告的预设生成方式。在本说明书的实施例中,终端设备130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任意组合。
存储设备140可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备140可以存储从医疗设备110和/或处理设备120获得的数据,例如,目标对象的脑部扫描图像、脑卒中分析结果等。在一些实施例中,存储设备140可以存储目标对象相关的结构化分析报告,并存储用户对终端设备130输入的任意指令,如预设生成方式等。
在一些实施例中,存储设备140可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备140可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备140可在云平台上实现。
网络150可以包括能够促进信息和/或数据交换的任何合适的网络。在一些实施例中,结构化分析报告生成系统100的至少一个组件(例如,医疗设备110、处理设备120、终端设备130、存储设备140)可以通过网络150与结构化分析报告生成系统100中至少一个其他组件交换信息和/或数据。例如,处理设备120可以通过网络150从医疗设备110获取目标对象的脑部扫描图像。又如,终端设备130可以通过网络150从处理设备120获取与目标对象相关的结构化分析报告。
应当注意,结构化分析报告生成系统100仅仅是为了说明的目的而提供的,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,结构化分析报告生成系统100还可以包括输入装置和/或输出装置。又例如,结构化分析报告生成系统100可以在其它设备上实现类似或不同的功能。然而,这些变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的示例性结构化分析报告生成系统的示意图。
如图2所示,在一些实施例中,结构化分析报告生成系统200可以包括获取模块210、图像质量检测模块220、分析模块230和报告生成模块240。在一些实施例中,结构化分析报告生成系统200对应的功能可以由处理设备120执行,如获取模块210、图像质量检测模块220、分析模块230、报告生成模块240可以为处理设备120中的模块。
获取模块210可以用于获取目标对象的扫描图像,例如,患者的脑部的CT平扫数据等。
图像质量检测模块220可以用于检测扫描图像(例如,脑部扫描图像)的图像质量。例如,图像质量检测模块220可以用于检测脑部扫描图像对应的扫描范围是否包含大部分脑实质、图像中是否存在伪影、图像噪声是否过大、图像是否清晰等中的至少一种。
分析模块230可以用于分析扫描图像,并获得分析结果。例如,分析模块230可以用于分析脑部扫描图像,并获得脑卒中分析结果。
报告生成模块240可以用于基于分析结果和预设生成方式,生成与目标对象相关的结构化分析报告。例如,报告生成模块240可以用于基于分析模块230输出的脑卒中分析结果,自动生成与目标对象相关的结构化分析报告。
在一些实施例中,分析模块230可以进一步包括:卒中类型判断模块231、出血功能模块232和缺血功能模块233。
卒中类型判断模块231可以用于判断脑部扫描图像对应的卒中类型。例如,卒中类型可以包括出血性卒中、缺血性卒中和无卒中。
出血功能模块232可以用于当卒中类型为出血性卒中时,确定脑部扫描图像对应的出血量(如出血体积)和/或出血位置。
缺血功能模块233可以用于当卒中类型为缺血性卒中时,确定脑部扫描图像对应的Alberta卒中项目早期电子计算机断层扫描评分(也称为ASPECTS评分),例如,脑部扫描图像对应的中动脉ASPECTS评分、前循环ASPECTS评分和/或后循环ASPECTS评分。
在一些实施例中,出血功能模块232或缺血功能模块233可以进一步包括:分割模块,用于分割脑部扫描图像中的出血/缺血区域;体积测量模块,用于计算出血/缺血体积;定位模块,用于确定出血/缺血位置。
仅作为示例,出血功能模块232可以进一步包括:出血分割模块、出血体积测量模块和出血定位模块(图中未示出)。出血分割模块可以用于分割脑部扫描图像中的出血区域。出血体积测量模块可以用于计算脑部扫描图像对应的出血体积。出血定位模块可以用于确定脑部扫描图像对应的出血位置。
在一些实施例中,如图4所示,缺血功能模块233可以进一步包括:缺血分割模块410、缺血体积测量模块420、缺血定位模块430以及责任血管确定模块440。
缺血分割模块410可以用于当卒中类型为缺血性卒中时,分割脑部扫描图像中的缺血区域。
缺血体积测量模块420可以用于当卒中类型为缺血性卒中时,计算脑部扫描图像对应的缺血体积。
缺血定位模块430可以用于当卒中类型为缺血性卒中时,确定脑部扫描图像对应的缺血位置。
责任血管确定模块440可以用于当卒中类型为缺血性卒中时,确定对应的责任血管。
在一些实施例中,出血分割模块或缺血分割模块可以进一步包括脑实质分割模块、脑实质出血/缺血分割模块、蛛网膜下腔出血/缺血分割模块等中的至少一种。
在一些实施例中,结构化分析报告生成系统200还可以包括编辑模块250。编辑模块250可以用于自定义编辑结构化分析报告的预设生成方式。在一些实施例中,自定义编辑可以包括编辑结构化分析报告的分析内容、分析内容的放置顺序、突出显示内容、突出显示方式等中的至少一种。
在一些实施例中,结构化分析报告的分析内容可以包括脑卒中类型、出血区域/缺血区域、出血位置/缺血位置、出血体积/缺血体积、腔隙性脑梗塞、大脑中动脉高密度征、颈内动脉高密度征、脑白质变性等级描述、脑室形态描述、脑中线偏移程度描述等中的至少一种。如图3中所示,在一些实施例中,用户可以通过勾选相应的选项(如选项前对应的方框)实现对结构化分析报告的分析内容的预设。在一些实施例中,用户可以自定义输入结构化分析报告的预设生成方式和/或其他内容,例如,通过图3中所示的自定义输入框输入分析内容的放置顺序、突出显示内容、突出显示方式等,或对生成的结构化分析报告的内容进行删除、添加、移动等调整操作。
在一些实施例中,卒中类型判断模块231、出血功能模块232和缺血功能模块233可以分别与报告生成模块240连接,以生成与目标对象相关的结构化分析报告。例如,卒中类型判断模块231确定脑部扫描图像对应的卒中类型为无卒中时,可以直接将结果传输至报告生成模块240。又如,卒中类型判断模块231确定脑部扫描图像对应的卒中类型为出血性卒中时,可以经出血功能模块232确定对应的出血区域、出血量和/或出血位置后,将其输出至报告生成模块240。再如,卒中类型判断模块231确定脑部扫描图像对应的卒中类型为缺血性卒中时,可以经缺血功能模块233确定对应的缺血量、缺血区域、缺血位置和/或责任血管后,将其输出至报告生成模块240。
应当理解,图2、图3、图4所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。
需要注意的是,以上对于系统及其模块的描述,仅为描述方便,作为示意,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,图2、图3、图4中披露的以上模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图5和图6是根据本说明书一些实施例所示的示例性结构化分析报告生成方法的流程示意图。在一些实施例中,流程500和600可以由结构化分析报告生成系统100(如处理设备120)或结构化分析报告生成系统200执行,例如,由处理设备120内的相应模块执行。
如图5所示,在一些实施例中,流程500可以包括以下步骤。
步骤510,获取目标对象的扫描图像。在一些实施例中,步骤510可以由处理设备120或获取模块210执行。
目标对象可以包括扫描过程中涉及的生物对象和/或非生物对象的整体或部位。例如,目标对象可以是有生命或无生命的有机和/或无机物质,如头部、耳鼻、颈部、胸部、腹部、肝胆胰脾、肾脏、脊柱等。在一些实施例中,目标对象可以是人体脑部。相应地,扫描图像可以包括脑部扫描图像。
脑部扫描图像可以是对人体脑部进行扫描得到的图像,例如,断层扫描图像、PET扫描图像等。在一些实施例中,目标对象的脑部扫描图像可以通过医疗设备(如医疗设备110),如CT扫描设备、PET扫描设备、MRI扫描设备等,经扫描获取,或通过网络(如网络150)、存储设备(如存储设备140)等获取。
步骤520,检测扫描图像的图像质量。在一些实施例中,步骤520可以由处理设备120或图像质量检测模块220执行。
图像质量可以是反映图像中信息获取难易程度与丰富程度的参数,图像质量越高,相应地图像中信息获取越容易、越丰富。在一些实施例中,与图像质量相关的参数可以包括但不限于:扫描范围、伪影、噪声、图像清晰度等。
在一些实施例中,图像质量检测模块220可以检测脑部扫描图像的扫描范围是否包含大部分脑实质、是否存在伪影、噪声是否过大、图像是否清晰等中的至少一种,基于检测结果判断图像质量合格或不合格。
在一些实施例中,上述判断可以通过计算图像分数进行。例如,对图像扫描范围是否包含大部分脑实质、扫描数据中是否存在伪影、噪声是否过大、扫描图像是否清晰等条件进行打分,并设置合格阈值,当上述条件打分之和超过合格阈值即为合格,低于合格阈值即为不合格。在一些实施例中,可以基于上述条件对图像质量影响的轻重程度,对其分数设置不同权重。例如,脑部部分的图像对获取脑部信息的影响程度高,可以对其是否存在噪声、是否存在伪影设置较高的权重。
在一些实施例中,当检测图像质量合格时,可以对图像进行进一步分析,如执行步骤530;当检测图像质量不合格时,可以根据影响图像质量的因素,对图像进行进一步预处理,或重新获取目标对象的脑部扫描图像。例如,对图像扫描范围不包含大部分脑实质的图像重新扫描、对扫描数据中存在伪影的图像判断其伪影因素(如运动伪影、机械故障伪影、线束硬化伪影等),重新扫描或基于伪影校正算法进行去伪影校正、以及对噪声过大的图像进行去噪处理等。
在一些实施例中,当检测图像质量不合格时,也可以对图像进行进一步分析(即执行步骤530)。此种情况下,结构化分析报告中可以包括扫描图像的图像质量检测结果,以提示用户图像质量存在问题。例如,在急诊环境下,因情况较为紧急,图像质量不合格时无法通过预处理或重新扫描的方式解决,此时可以继续对图像质量不合格的扫描图像进行脑卒中分析,并生成相应的结构化分析报告。
在一些实施例中,脑部扫描图像的图像质量可以通过处理设备进行检测,或通过人工确认,得到检测结果。
步骤530,分析扫描图像,并获得分析结果。在一些实施例中,步骤530可以由处理设备120或分析模块230执行。
在一些实施例中,可以分析目标对象的脑部扫描图像,并获得脑卒中分析结果。脑卒中分析结果可以是与目标对象卒中类型相关的信息。在一些实施例中,脑卒中分析结果可以包括出血性卒中、缺血性卒中、无卒中,以及每种卒中对应的分割信息(例如,出血区域/缺血区域)、体积测量信息(例如,出血体积/缺血体积)、定位信息(例如,出血位置/缺血位置)等。
如图6所示,在一些实施例中,脑卒中分析结果可以通过下述过程得到。
步骤531,确定脑部扫描图像对应的卒中类型。在一些实施例中,步骤531可以由卒中类型判断模块231执行。
卒中类型可以是根据病因和临床表现对脑卒中的分类。在一些实施例中,卒中类型可以包括出血性卒中、缺血性卒中和无卒中。
出血性卒中可以是脑内或脑表面的血管出血导致的卒中。例如,脑实质出血、蛛网膜下腔出血等。
缺血性卒中可以是脑供血动脉(如颈动脉和椎动脉)狭窄或闭塞、脑供血不足导致的卒中。例如,腔隙性脑梗塞、脑白质变性等。
无卒中可以是脑部正常的情况。
在一些实施例中,卒中类型可以通过卒中类型判断模块231对脑部扫描图像的病灶处判断得到,或通过医生/用户基于人工判断得到。例如,卒中类型判断模块231可以利用训练好的卒中识别模型确定脑部扫描图像对应的卒中类型。又如,卒中类型判断模块231可以基于用户针对脑部扫描图像手动输入或选择输入的信息确定卒中类型。
步骤532,卒中类型为出血性卒中时,确定脑部扫描图像对应的出血量和/或出血位置。在一些实施例中,步骤532可以由出血功能模块232执行。
在一些实施例中,出血功能模块232可以通过出血分割模块分割脑部扫描图像中的出血区域。在一些实施例中,出血分割模块可以包括脑实质分割模块、脑实质出血分割模块、蛛网膜下腔出血分割模块等中的至少一种。例如,脑实质分割模块可以用于分割脑部解剖结构,包括但不限于右侧额叶、左侧额叶、中脑、右侧顶叶、左侧顶叶、小脑蚓部、右侧颞叶、左侧颞叶、脑桥、右侧枕叶、左侧枕叶、右侧小脑、左侧小脑、右基底节、左基底节、右侧外囊、左侧外囊、右侧丘脑和左侧丘脑等。又如,脑实质出血分割模块和蛛网膜下腔出血分割模块可以分别用于脑实质出血和蛛网膜下腔出血的分割。在一些实施例中,对脑部扫描图像分割还可以得到眼膜,眼膜用于估算出血体积。在一些实例中,出血分割模块可以基于机器学习进行脑部扫描图像的出血区域分割。
在一些实施例中,出血功能模块232可以通过出血体积测量模块计算出血量。在一些实施例中,出血量可以是出血性卒中血液自血管或心脏外流的量。出血量可以通过出血体积表示。例如,出血体积测量模块可以根据上述任意两个通过出血分割模块获得的出血区域计算输出每个连通域的出血体积。在一些实施例中,出血体积测量模块可以根据脑部扫描图像空间背景大小及眼膜在空间上的尺寸可以估算出血体积。
在一些实施例中,出血功能模块232可以通过出血定位模块确定出血位置。出血位置可以是出血性卒中血液外流的具体部位。在一些实施例中,出血位置可以通过具体部位名称表示,或通过建立脑部坐标系以坐标点表示。
步骤533,卒中类型为缺血性卒中时,确定脑部扫描图像对应的Alberta卒中项目早期电子计算机断层扫描评分。在一些实施例中,步骤533可以由缺血功能模块233执行。
Alberta卒中项目早期电子计算机断层扫描评分也可以称为ASPECTS评分,其可以包括中动脉ASPECTS评分、前循环ASPECTS评分、后循环ASPECTS评分等。在一些实施例中,缺血性卒中的脑部扫描图像对应的ASPECTS评分可以通过对大脑皮层不同部位的评分实现,如图7中(a)-(c)所示。仅作为示例,图7(a)中所示的皮层下结构区域,如:尾状核C、豆状核L以及内囊IC,以及图7(b)中所示的大脑中动脉皮层区域,如:大脑中动脉前皮质区M1、岛叶皮质I、大脑中动脉岛叶外侧皮质区M2、大脑中动脉后皮层区M3、M1上方的大脑中动脉皮层M4、M2上方的大脑中动脉皮层M5、M3上方的大脑中动脉皮层M6均对应1分,前循环ASPECTS评分=10-所有区域总分(早期缺血改变每累及一个区域减1分);图7(c)中脑桥和中脑Po的任何部分均对应2分,左侧小脑、右侧小脑、左侧丘脑、右侧丘脑、左侧大脑后动脉供血区、右侧大脑后动脉供血区均对应1分,所有区域总分对应后循环ASPECTS评分,得分越高对应预后越好。
在一些实施例中,缺血功能模块233可以通过缺血分割模块410分割脑部扫描图像中的缺血区域。
在一些实施例中,缺血功能模块233可以通过缺血体积测量模块420计算缺血量。在一些实施例中,缺血量可以是缺血性卒中与正常供血相比供血不足的量。缺血量可以通过缺血体积表示。
在一些实施例中,缺血功能模块233可以通过缺血定位模块430确定缺血位置。缺血位置可以是缺血性卒中供血不足的具体部位。在一些实施例中,缺血位置可以通过具体部位名称表示,或通过建立脑部坐标系以坐标点表示。
分割缺血区域、计算缺血量、定位缺血位置分别与分割出血区域、计算出血量、定位出血位置类似,更多内容可以参见步骤532中相关描述,此处不再赘述。
在一些实施例中,缺血功能模块233可以通过责任血管确定模块440确定缺血性卒中对应的责任血管。责任血管可以是缺血性卒中导致供血不足的闭塞血管。在一些实施例中,责任血管的确定可以基于深度学习确定。例如,通过责任血管确定模型进行,模型输入为脑部扫描图像,输出为责任血管位置,模型训练样本可以是CT血管图像(CTA)和CT平扫图像(NCCT),通过训练样本获取血管供血分区的标准模板,基于标准模板与实际脑部扫描图像对照可以确定责任血管位置。
步骤540,基于分析结果和预设生成方式,生成与目标对象相关的结构化分析报告。在一些实施例中,步骤540可以由处理设备120或报告生成模块240执行。
预设生成方式可以是针对不同脑卒中分析结果预先设置的报告生成内置规则。例如,预设的报告的分析内容、分析内容的放置顺序、突出显示内容、突出显示方式等格式信息。
在一些实施例中,预设生成方式可以包括用户自定义编辑的生成方式。自定义编辑可以是用户通过人工设置的方式确定结构化分析报告的格式信息。在一些实施例中,自定义编辑可以包括:编辑结构化分析报告的分析内容、分析内容的放置顺序、突出显示内容、突出显示方式等中的至少一种。不同病患(即目标对象)的病灶状况(如卒中类型)具有唯一性,设置可以让用户自主填写或选择的内容,实现结构化分析报告的针对性定制,以使得结构化分析报告针对不同病患的需要具体描述其对应的特殊状况。
结构化分析报告的分析内容可以是与急性卒中相关的具体病灶症状。在一些实施例中,结构化分析报告的分析内容可以包括脑卒中类型、出血区域/缺血区域、出血位置/缺血位置、出血体积/缺血体积。在一些实施例中,结构化分析报告的分析内容还可以包括腔隙性脑梗塞、大脑中动脉高密度征、颈内动脉高密度征、脑白质变性等级描述、脑室形态描述、脑中线偏移程度描述等中的至少一种。在一些实施例中,用户可以通过勾选以上分析内容中的至少一种,例如,在图3中所示的对应分析内容的前面的方框中打勾,以确定实际生成的结构化分析报告中包含的内容。在一些实施例中,用户可以通过修改以上分析内容中的至少一种,确定实际生成的结构化分析报告中包含的内容,例如,用户可以通过在图3中所示的自定义输入框、或对应分析内容的文本框中手动修改或输入对应的分析内容。
在一些实施例中,结构化分析报告的分析内容还可以包括基于系统使用者的使用情况,如医院、用户,以及对急性卒中的实际分析情况,由系统自动或用户手动生成的对脑卒中分析结果的补充说明内容,以实现结构化分析报告的分析内容在一定程度上的针对性定制。
分析内容的放置顺序可以是分析内容在结构化分析报告的前后/左右等排列顺序。例如,影响急性卒中的最主要因素和主要症状可以被放置在结构化分析报告的较为醒目的位置。在一些实施例中,可以基于用户信息,确定分析内容的放置顺序。例如,可以基于医生的阅读习惯,将影响急性卒中的最主要因素和主要症状放置在结构化分析报告的最前面/最左面。
突出显示内容可以指需要重点显示的内容。例如,可以将影响急性卒中的最主要因素和主要症状设置为较为醒目的格式以与其他非关键信息区分。在一些实施例中,可以基于卒中分析结果确定突出显示内容,如突出显示脑部扫描图像中的出血/缺血位置。在一些实施例中,可以基于目标对象的相关信息,确定突出显示内容,例如基于患者的性别、年龄等基本信息和/或病历信息确定突出显示多次发生卒中的出血/缺血位置。
突出显示方式可以是对分析内容中重要信息采用醒目的提醒方式。例如,影响急性卒中的最主要因素和主要症状可以通过不限于结构化分析报告文字呈现的形式体现,而采用较为醒目的提醒方式。在一些实施例中,突出显示方式可以包括对突出显示内容采用直接在脑部扫描图像上标注的形式体现。在一些实施例中,突出显示方式可以包括对突出显示内容,如影响急性卒中的最主要因素和主要症状的描述,采用较大的字体、采用醒目颜色(如红色)、采用其他文字格式(如下划线或圈注文字)等方式进行显示。
在一些实施例中,预设生成方式可以包括基于用户信息、系统历史分析数据、患者信息、大数据统计信息等中的至少一种自动确定的生成方式。例如,可以基于用户阅读习惯、性别、性格、年龄等数据自动确定预设生成方式,如年龄较大则放大结构化分析报告中的字体大小。又如,可以基于系统历史分析数据,确定使用频率较高的生成方式为本次结构化分析报告的预设生成方式。再如,可以基于患者病历信息等确定针对性的预设生成方式,如将与患者上次脑卒中分析结果相似的内容突出显示等。
在一些实施例中,可以基于使用者信息、急性卒中历史分析数据、患者信息等内容中的至少一种,向用户推荐结构化分析报告的生成方式。示例性地,使用者信息可以包括使用急性卒中分析系统的医院规模、医院类型(如儿童医院、妇科医院等)等信息,操作者(如医生、护士)的诊疗习惯、性别、年龄等信息;急性卒中历史分析数据可以包括对目标对象的急性卒中的历史分析结果、报告生成方式等数据;患者信息可以包括患者年龄、性别等基本信息以及患者病历信息。例如,系统可以基于病人信息进行识别,响应于病人是再次就诊,则推荐与上次结构化分析报告相同的生成方式。再例如,系统可以基于急性卒中历史分析数据进行识别,响应于本次分析结果与急性卒中历史分析数据相同,推荐与急性卒中历史分析相同的结构化分析报告的生成方式。
在一些实施例中,可以基于反馈信息确定结构化分析报告的生成方式。例如,可以基于操作者/使用者对结构化分析报告的格式、内容等的反馈信息和/或历史调整记录,更新/调整结构化分析报告的生成方式,如反馈字体较小时调整字体大小、多次使用“小五”号字体则将字体大小设置为“小五”等。
结构化分析报告可以是反映急性卒中分析结果的书面报告。该报告可以以电子化或纸质化内容呈现。在一些实施例中,结构化分析报告可以包括预设部分和自定义编辑部分。预设部分可以指基于预设生成方式生成的内容。自定义编辑部分可以指用户手动编辑的内容,如手动补充输入的内容。例如,系统可以直接基于预设生成方式生成目标对象的结构化分析报告。又如,用户可以调整系统自动生成的结构化分析报告中的内容的位置顺序、添加新的内容(如图像、数据等)和/或删除报告中的内容。
在一些实施例中,急性卒中分析系统可以远程连接其他分析中心,将目标对象的脑部扫描图像和/或相关的结构化分析报告发送至其他分析中心,如医院。例如,部分下级医院因为条件限制只能做CT平扫,此时可以基于远程模块,将患者的脑部扫描图像、病人信息以及生成的结构化分析报告等相关信息发送至上级医院如“三甲医院”,基于上级医院更完善的医疗条件与专家团队,得到更进一步的诊断结果与治疗方案。通过远程传输可以解除不同分析中心的地域限制,在某一医院急诊忙碌时分配病患至其他医院诊断,同时使相关专家能够第一时间处理其他医院的病危患者,优化医疗资源配置。在一些实施例中,可以基于其他分析中心返回的分析结果,更新与目标对象相关的结构化分析报告。
应当注意的是,上述有关流程500和600的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程500和/或600进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,在流程500中,获取目标对象的脑部扫描图像的同时,可以获取目标对象的病史、或其他部位的扫描信息等。
本说明书一些实施例中,通过结构化分析报告自动生成系统及其方法,(1)可以实现急性卒中病情分析、报告制作的流程化处理,节约急诊病患的诊断时间,方便不同用户快速了解同一报告的内容;(2)急性脑卒中智能分析与文档结构化处理方法结合有助于减少用户工作量;(3)通过在结构化报告中设置自定义输入模块,实现结构化报告的针对性定制,满足不同的病患情况,系统灵活性较高、适应性较强;(4)通过远程模块实现卒中数据/结构化分析报告的远程共享,解决了急性卒中只能就近就医的问题、提高诊断效率。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种结构化分析报告的生成方法,其特征在于,所述方法包括:
获取目标对象的扫描图像;
检测所述扫描图像的图像质量;
分析所述扫描图像,并获得分析结果;以及
基于所述分析结果和预设生成方式,生成与所述目标对象相关的结构化分析报告。
2.根据权利要求1所述的方法,其特征在于,所述扫描图像包括脑部扫描图像,所述分析所述扫描图像,并获得分析结果,进一步包括:
判断所述脑部扫描图像中的卒中类型;以及
当所述卒中类型为出血性卒中时,确定所述脑部扫描图像对应的出血位置和/或出血体积;当所述卒中类型为缺血性卒中时,确定所述脑部扫描图像对应的ASPECTS评分。
3.根据权利要求2所述的方法,其特征在于,所述当所述卒中类型为出血性卒中时,确定所述脑部扫描图像对应的出血位置和/或出血体积,进一步包括:
分割所述脑部扫描图像中的出血区域;
基于所述出血区域,计算所述脑部扫描图像的出血体积,和/或,确定所述脑部扫描图像的出血位置。
4.根据权利要求2所述的方法,其特征在于,当所述卒中类型为缺血性卒中时,所述方法还包括:
确定所述缺血性卒中对应的缺血区域、缺血位置、缺血体积和责任血管中的至少一种。
5.根据权利要求1所述的方法,其特征在于,所述预设生成方式包括所述结构化分析报告的分析内容、分析内容的放置顺序、突出显示内容、突出显示方式中的至少一种。
6.根据权利要求5所述的方法,其特征在于,所述结构化分析报告的所述分析内容包括:脑卒中类型、出血区域/缺血区域、出血位置/缺血位置、出血体积/缺血体积、腔隙性脑梗塞、大脑中动脉高密度征、颈内动脉高密度征、脑白质变性等级描述、脑室形态描述、脑中线偏移程度描述中的至少一种。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
自定义编辑所述结构化分析报告的预设生成方式。
8.一种结构化分析报告的生成系统,其特征在于,所述系统包括:
获取模块,用于获取目标对象的扫描图像;
图像质量检测模块,用于检测所述扫描图像的图像质量;
分析模块,用于分析所述扫描图像,并获得分析结果;以及
报告生成模块,用于基于所述分析结果和预设生成方式生成与所述目标对象相关的结构化分析报告。
9.一种结构化分析报告的生成装置,其特征在于,所述装置包括:
至少一个存储介质,存储计算机指令;
至少一个处理器,执行所述计算机指令,以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210588945.4A CN114882969A (zh) | 2022-05-27 | 2022-05-27 | 一种结构化分析报告的生成方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210588945.4A CN114882969A (zh) | 2022-05-27 | 2022-05-27 | 一种结构化分析报告的生成方法、系统、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882969A true CN114882969A (zh) | 2022-08-09 |
Family
ID=82677679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210588945.4A Pending CN114882969A (zh) | 2022-05-27 | 2022-05-27 | 一种结构化分析报告的生成方法、系统、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882969A (zh) |
-
2022
- 2022-05-27 CN CN202210588945.4A patent/CN114882969A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5366356B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
US8630467B2 (en) | Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method | |
US10085707B2 (en) | Medical image information system, medical image information processing method, and program | |
CN101978375B (zh) | 灌注成像 | |
US9922268B2 (en) | Image interpretation report creating apparatus and image interpretation report creating system | |
US8903147B2 (en) | Medical report generation apparatus, method and program | |
JP5222082B2 (ja) | 情報処理装置およびその制御方法、データ処理システム | |
JP2013198763A (ja) | 医用画像処理装置 | |
US11139067B2 (en) | Medical image display device, method, and program | |
US8244010B2 (en) | Image processing device and a control method and control program thereof | |
KR101604086B1 (ko) | 이종데이터를 이용한 통합진단 및 유사환자 검색 시스템 | |
CN102855618A (zh) | 用于图像产生和图像分析的方法 | |
JP6719421B2 (ja) | 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム | |
Tmenova et al. | CycleGAN for style transfer in X-ray angiography | |
US20220246301A1 (en) | Medical machine learning system | |
Rubin et al. | Biomedical imaging informatics | |
US10860894B2 (en) | Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program | |
JP5539478B2 (ja) | 情報処理装置および情報処理方法 | |
US8045779B2 (en) | Method and device for evaluation of an image and/or of a time sequence of images of tissue or tissue samples | |
Ojha et al. | Intracranial hemorrhage detection and classification using deep learning | |
CN114783595A (zh) | 一种急性卒中分析系统、方法及存储介质 | |
CN114841996A (zh) | 一种图像分析系统及方法 | |
CN115861175A (zh) | 医疗影像质量监控方法、装置、电子设备和存储介质 | |
CN114882969A (zh) | 一种结构化分析报告的生成方法、系统、装置和存储介质 | |
Swarnambiga | Medical Image Processing for Improved Clinical Diagnosis |
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 |