CN115019972B - 一种基于大数据分析的医疗影像数据共享系统 - Google Patents

一种基于大数据分析的医疗影像数据共享系统 Download PDF

Info

Publication number
CN115019972B
CN115019972B CN202210653118.9A CN202210653118A CN115019972B CN 115019972 B CN115019972 B CN 115019972B CN 202210653118 A CN202210653118 A CN 202210653118A CN 115019972 B CN115019972 B CN 115019972B
Authority
CN
China
Prior art keywords
target hospital
patient
medical image
patients
target
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
CN202210653118.9A
Other languages
English (en)
Other versions
CN115019972A (zh
Inventor
何慢
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.)
Wei Tao
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202210653118.9A priority Critical patent/CN115019972B/zh
Publication of CN115019972A publication Critical patent/CN115019972A/zh
Application granted granted Critical
Publication of CN115019972B publication Critical patent/CN115019972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种基于大数据分析的医疗影像数据共享系统，包括患者基本信息获取模块、医疗影像采集模块、医疗影像预处理模块、病变部位分析模块、发病原因评估模块、治疗方案分析模块、医疗数据共享模块和数据库，本发明通过对目标医院中各需求患者对应人体部位的医疗影像进行预处理，以此有效的解决了由患者各人体部位的差异性导致得误诊和漏诊问题，通过目标医院中各需求患者对应的发病病症和基本信息共同筛选患者的发病原因和治疗方案，从而提高了诊断结果的准确性和可靠性，更好地维护了患者的生命健康，同时将患者的诊断信息共享到数据库中，增加了数据库中的样本容量，提高了整个医疗影像诊断过程的有效性。

Description

一种基于大数据分析的医疗影像数据共享系统
技术领域
本发明涉及医疗数据共享技术领域，涉及一种基于大数据分析的医疗影像数据共享系统。
背景技术
随着医疗卫生技术水平的提高，越来越多的医疗仪器被使用，当今许多疑难杂症可以通过医辽影像诊断，使得更方便、快捷、准确的医疗影像诊断模式成为人们期待的目标，而现有的医疗影像诊断模式存在以下不足:
现有的医疗影像诊断模式，将患者的医疗影像直接与数据库中的医疗影像对比，忽略了患者身高、体重、年龄、性别的差异，从而给患者各人体部位带来的差异性，容易导致现有的医疗影像诊断模式存在误诊或漏诊的风险；
现有的医疗影像诊断模式，将主治医师对患者医疗影像的诊断结果，作为患者的发病原因和治疗方案，容易导致诊断结果具有片面性和绝对性，从而降低了诊断结果的准确性和可靠性，更有甚者会威胁患者的生命健康；
现有的医疗影像共享模式，只将患者的基本信息存储到数据库，没有将患者对应各病变部位的有效发病原因和患者对应的有效治疗方案进行系统的存储，容易导致数据库中的样本误差较大，影响到整个医疗影像诊断有效性。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种基于大数据分析的医疗影像数据共享系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：一种基于大数据分析的医疗影像数据共享系统，包括：
患者基本信息获取模块：用于对目标医院中各患者的基本信息进行获取，得到目标医院中各患者的基本信息；
医疗影像采集模块：用于通过目标医院中各患者的基本信息，筛选目标医院中需要医疗影像采集的各患者，并将其记为目标医院中各需求患者，采集目标医院中各需求患者对应各人体部位的医疗影像；
医疗影像预处理模块：用于对目标医院中各需求患者对应各人体部位的医疗影像进行预处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像；
病变部位分析模块：用于根据目标医院中各需求患者对应各人体部位的相似医疗影像，分析目标医院中各需求患者对应的各病变部位；
发病原因评估模块：用于根据目标医院中各需求患者对应的各病变部位，评估目标医院中各需求患者的各可参考发病原因；
治疗方案分析模块：用于根据目标医院中各需求患者的基本信息、各病变部位和各可参考发病原因，分析目标医院中各需求患者的治疗方案；
医疗数据共享模块：用于将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中；
数据库：用于存储目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型和标准医疗影像，存储目标医院对应各病变部位的标准异常医疗影像集合，存储各可参考异常医疗影像对应的发病病症，存储各发病病症对应的各发病原因，存储目标医院中各科室对应的各治疗方案。
在本申请较佳的技术方案中，所述患者基本信息获取模块的具体实施方式如下：
根据目标医院中各患者的病历，获取目标医院中各患者的基本信息，其中基本信息包括科室信息和个人信息，个人信息包括身高、体重、年龄和性别。
在本申请较佳的技术方案中，所述医疗影像采集模块的具体操作方法如下：
根据目标医院中各患者的科室信息，筛选目标医院中需要采集医疗影像的患者，记为目标医院中各需求患者；
通过目标医院中的医疗影像采集仪器，对目标医院中各需求患者对应的各人体部位进行医疗影像采集，得到目标医院中各需求患者对应各人体部位的医疗影像。
在本申请较佳的技术方案中，所述医疗影像预处理模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像轮廓模型：
通过高精度轮廓扫描仪，对目标医院中各需求患者对应各人体部位的医疗影像进行高精度扫描，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型，将目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型进行对比，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型的比值，记为目标医院中各需求患者对应各人体部位医疗影像轮廓模型的比值其中r＝1,2......q，r表示为目标医院中各需求患者的编号，j＝1,2......p，j表示各人体部位的编号；
通过将目标医院中各需求患者对应各人体部位的医疗影像进行相应处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像，获取目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的灰度值和各像素点的空间坐标位置，并分别标记为和/>e表示为医疗影像内各像素点的编号，e＝1,2,......t。
在本申请较佳的技术方案中，所述病变部位分析模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像；
获取目标医院中各需求患者对应各人体部位的标准医疗影像中各像素点的标准灰度值和各像素点的标准空间坐标位置，并分别标记为和/>
分析目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点与对应标准医疗影像中对应像素点的符合指数记为目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数，其中/>表示为预设的像素点位置坐标影响因子，/>表示为预设的像素点灰度影响因子，D表示为预设的像素点允许误差距离；
将目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数代入公式/>得到目标医院中各需求患者对应各人体部位的相似医疗影像符合指数/>其中γ表示为预设的符合指数影响因子，t表示为预设的人体部位医疗影像中像素点的个数；
将目标医院中各需求患者对应各人体部位的相似医疗影像符合指数与预设的医疗影像标准符合指数进行对比分析，若目标医院中某需求患者对应某人体部位的相似医疗影像符合指数小于预设的标准医疗影像符合指数，表明目标医院中该需求患者的该人体部位存在病变，将目标医院中该需求患者的该人体部位记为病变部位，统计目标医院中各需求患者对应各病变部位，并筛选目标医院中各需求患者对应各病变部位的相似医疗影像，将其记为目标医院中各需求患者对应各病变部位的异常医疗影像。
在本申请较佳的技术方案中，所述发病原因评估模块中目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的具体实施方式如下：
提取数据库中存储的目标医院对应各病变部位的标准异常医疗影像集合；根据目标医院中各需求患者对应的各病变部位，筛选目标医院中各需求患者对应各病变部位的标准异常医疗影像集合，得到目标医院中各需求患者对应各病变部位的各标准异常医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像符合指数计算方法，得到目标医院中各需求患者对应各病变部位的异常医疗影像与其对应各标准异常医疗影像的符合指数；
若目标医院中某需求患者对应某病变部位的异常医疗影像与对应的某标准异常医疗影像符合指数高于预设的符合指数，则将该标准异常医疗影像记为目标医院中该需求患者对应该病变部位的可参考异常医疗影像，统计获得目标医院中各需求患者对应各病变部位的各可参考异常医疗影像。
在本申请较佳的技术方案中，所述发病原因评估模块中目标医院中各需求患者各病变部位的各发病原因的具体实施方式如下：
提取数据库中存储的各可参考异常医疗影像对应的发病病症，筛选目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症；
提取数据库中存储的各发病病症对应的各发病原因，根据目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症，筛选目标医院中各需求患者对应各病变部位的各发病原因，统计目标医院中各需求患者对应各病变部位的各发病原因出现次数，将目标医院中各需求患者对应各病变部位的各发病原因出现次数依次标记为其中/>表示为目标医院中第r个需求患者的第m个病变部位对应的第i个发病原因出现次数，m＝1,2，......,u，i＝1,2,......k；
分析目标医院中各需求患者对应各病变部位中各发病原因的可参考系数其中β表示为预设的系数影响因子，h′表示为预设的发病原因标准出现次数；
将目标医院中各需求患者对应各病变部位中各发病原因的可参考系数与预设的发病原因可参考系数阈值进行对比，若目标医院中某需求患者对应某病变部位中某发病原因的可参考系数大于预设的发病原因可参考系数阈值，则将目标医院中某需求患者对应某病变部位中某发病原因记为目标医院中该需求患者对应该病变部位的指定发病原因，统计目标医院中各需求患者对应各病变部位的各指定发病原因，并分析目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率；
将目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率进行对比，若目标医院中某需求患者对应某病变部位的某指定发病原因大于预设的指定发病原因出现概率，则将该指定发病原因记为目标医院中该需求患者对应该病变部位的可参考发病原因，统计目标医院中各需求患者的各可参考发病原因。
在本申请较佳的技术方案中，所述治疗方案分析模块的具体实施方式如下：
提取数据库中存储的目标医院中各科室对应的各治疗方案，得到目标医院中各科室对应各治疗方案对应的患者基本信息、各病变部位和各可参考发病原因，根据目标医院中各需求患者的基本信息、各病变部位和各可参考发病原因，分析获得目标医院中各需求患者的诊断治疗方案。
在本申请较佳的技术方案中，所述医疗数据共享模块的具体实施方式如下：
通过目标医院中各需求患者的定期检查结果，分析目标医院中各需求患者对应的诊断治疗方案是否有效，若目标医院中各需求患者对应的诊断治疗方案有效，将目标医院中各需求患者的各可参考发病原因和治疗方案，记为目标医院中各需求患者的有效发病原因和有效治疗方案，并将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
本发明通过一种基于大数据分析的医疗影像数据共享系统，通过将患者的人体部位医疗影像轮廓与对应的标准人体部位医疗影像轮廓进行对比处理，得到患者的人体部位相似医疗影像，解决了患者因人体部位差异性导致医疗诊断误诊或漏诊的问题。
本发明通过筛选患者对应各可参考异常医疗影像的发病病症，并与患者的基本信息共同分析筛选患者的发病原因和治疗方案，有效解决了由单一医疗影像作为患者发病原因和治疗方案的问题，从而避免患者诊断结果存在片面性和绝对性的现象，提高了诊断结果的准确性和可靠性，更好地维护了患者的生命健康。
本发明将目标医院中各患者的基本信息、有效发病原因和有效治疗方案系统的存储到共享数据库中，不仅减小了样本数据的误差，而且增加了样本容量，提高了整个医疗影像诊断的有效性。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，本发明提供专利名称一种基于大数据分析的医疗影像数据共享系统，包括患者基本信息获取模块、医疗影像采集模块、医疗影像预处理模块、病变部位分析模块、发病原因评估模块、治疗方案分析模块、医疗数据共享模块和数据库。
所述患者基本信息获取模块与医疗影像采集模块、医疗影像预处理模块、病变部位分析模块、治疗方案分析模块、医疗数据共享模块和数据库连接，医疗影像采集模块与医疗影像预处理模块连接，医疗影像预处理模块与数据库和病变部位分析模块连接，病变部位分析模块连接与发病原因评估模块、治疗方案分析模块、医疗数据共享模块和数据库连接，发病原因评估模块与治疗方案分析模块和数据库连接，治疗方案分析模块与医疗数据共享模块和数据库连接，医疗数据共享模块数据库连接。
所述患者基本信息获取模块用于对目标医院中各患者的基本信息进行获取，得到目标医院中各患者的基本信息。
进一步地，所述患者基本信息获取模块的具体实施方式如下：
根据目标医院中各患者的病历，获取目标医院中各患者的基本信息，其中基本信息包括科室信息和个人信息，个人信息包括身高、体重、年龄和性别。
所述医疗影像采集模块：用于通过目标医院中各患者的基本信息，筛选目标医院中需要医疗影像采集的各患者，并将其记为目标医院中各需求患者，采集目标医院中各需求患者对应各人体部位的医疗影像。
进一步地，所述医疗影像采集模块的具体操作方法如下：
根据目标医院中各患者的科室信息，筛选目标医院中需要采集医疗影像的患者，记为目标医院中各需求患者；
通过目标医院中的医疗影像采集仪器，对目标医院中各需求患者对应的各人体部位进行医疗影像采集，得到目标医院中各需求患者对应各人体部位的医疗影像。
所述医疗影像预处理模块用于对目标医院中各需求患者对应各人体部位的医疗影像进行预处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像。
进一步地，所述医疗影像预处理模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像轮廓模型：
通过高精度轮廓扫描仪，对目标医院中各需求患者对应各人体部位的医疗影像进行高精度扫描，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型，将目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型进行对比，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型的比值，记为目标医院中各需求患者对应各人体部位医疗影像轮廓模型的比值其中r＝1,2......q，r表示为目标医院中各需求患者的编号，j＝1,2......p，j表示各人体部位的编号；
通过将目标医院中各需求患者对应各人体部位的医疗影像进行相应处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像，获取目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的灰度值和空间坐标位置，并分别标记为和/>e表示为医疗影像内各像素点的编号，e＝1,2,......t。
需要说明的是，上述中将目标医院中各需求患者对应各人体部位的医疗影像进行相应处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像的具体实施方法如下：
若目标医院中某需求患者对应某人体部位的轮廓模型比值小于预设的该人体部位医疗影像轮廓模型的比值，则将目标医院中该需求患者对应该人体部位的医疗影像放大倍，若目标医院中各需求患者对应各人体部位的医疗影像轮廓模型比值大于预设的各人体部位的轮廓模型比值，则将目标医院中各需求患者对应各人体部位的医疗影像缩小/>倍，得到目标医院中各需求患者对应各人体部位的相似医疗影像。
本发明通过一种基于大数据分析的医疗影像数据共享系统，通过将患者的人体部位医疗影像轮廓与对应的标准人体部位医疗影像轮廓进行对比处理，得到患者的人体部位相似医疗影像，解决了患者因人体部位差异性导致医疗诊断误诊或漏诊的问题。
所述病变部位分析模块用于根据目标医院中各需求患者对应各人体部位的相似医疗影像，分析目标医院中各需求患者对应的各病变部位。
进一步地，所述病变部位分析模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像；
获取目标医院中各需求患者对应各人体部位的标准医疗影像中各像素点的标准灰度值和各像素点的标准空间坐标位置，并分别标记为和/>
分析目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点与对应标准医疗影像中对应像素点的符合指数记为目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数，其中/>表示为预设的像素点位置坐标影响因子，/>表示为预设的像素点灰度影响因子，D表示为预设的像素点允许误差距离；
将目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数代入公式/>得到目标医院中各需求患者对应各人体部位的相似医疗影像符合指数/>其中γ表示为预设的符合指数影响因子，t表示为预设的人体部位医疗影像中像素点的个数；
将目标医院中各需求患者对应各人体部位的相似医疗影像符合指数与预设的标准医疗影像符合指数进行对比分析，若目标医院中某需求患者对应某人体部位的相似医疗影像符合指数小于预设的标准医疗影像符合指数，表明目标医院中该需求患者的该人体部位存在病变，将目标医院中该需求患者的该人体部位记为病变部位，统计目标医院中各需求患者对应各病变部位，并筛选目标医院中各需求患者对应各病变部位的相似医疗影像，将其记为目标医院中各需求患者对应各病变部位的异常医疗影像。
需要说明的是，上述中数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像和目标医院中各需求患者对应各人体部位的医疗影像的分辨率相同。
所述发病原因评估模块用于根据目标医院中各需求患者对应的各病变部位，评估目标医院中各需求患者的各可参考发病原因；
进一步地，所述发病原因评估模块中目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的具体实施方式如下：
提取数据库中存储的目标医院对应各病变部位的标准异常医疗影像集合；根据目标医院中各需求患者对应的各病变部位，筛选目标医院中各需求患者对应各病变部位的标准异常医疗影像集合，得到目标医院中各需求患者对应各病变部位的各标准异常医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像符合指数计算方法，得到目标医院中各需求患者对应各病变部位的异常医疗影像与其对应各标准异常医疗影像的符合指数；
若目标医院中某需求患者对应某病变部位的异常医疗影像与对应的某标准异常医疗影像符合指数高于预设的符合指数，则将该标准异常医疗影像记为目标医院中该需求患者对应该病变部位的可参考异常医疗影像，统计获得目标医院中各需求患者对应各病变部位的各可参考异常医疗影像。
进一步地，所述发病原因评估模块中评估目标医院中各需求患者各病变部位的各发病原因的具体实施方式如下：
提取数据库中存储的各可参考异常医疗影像对应的发病病症，筛选目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症；
提取数据库中存储的各发病病症对应的各发病原因，根据目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症，筛选目标医院中各需求患者对应各病变部位的各发病原因，统计目标医院中各需求患者对应各病变部位的各发病原因出现次数，将目标医院中各需求患者对应各病变部位的各发病原因出现次数依次标记为其中/>表示为目标医院中第r个需求患者的第m个病变部位对应的第i个发病原因出现次数，m＝1,2，......,u，i＝1,2,......k；
分析目标医院中各需求患者对应各病变部位中各发病原因的可参考系数其中β表示为预设的系数影响因子，h′表示为预设的发病原因标准出现次数；
将目标医院中各需求患者对应各病变部位中各发病原因的可参考系数与预设的发病原因可参考系数阈值进行对比，若目标医院中某需求患者对应某病变部位中某发病原因的可参考系数大于预设的发病原因可参考系数阈值，则将目标医院中某需求患者对应某病变部位中某发病原因记为目标医院中该需求患者对应该病变部位的指定发病原因，统计目标医院中各需求患者对应各病变部位的各指定发病原因，并分析目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率；
将目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率进行对比，若目标医院中某需求患者对应某病变部位的某指定发病原因大于预设的指定发病原因出现概率，则将该指定发病原因记为目标医院中该需求患者对应该病变部位的可参考发病原因，统计目标医院中各需求患者的各可参考发病原因。
需要说明的是，上述中分析目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率的具体实施方式如下：
分析目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率其中k表示为发病原因的个数。
所述治疗方案分析模块用于根据目标医院中各需求患者的基本信息、各需求患者对应的各病变部位和各需求患者对应各病变部位的发病原因，分析目标医院中各需求患者的治疗方案。
进一步地，所述治疗方案分析模块的具体实施方式如下：
提取数据库中存储的目标医院中各科室对应的各治疗方案，得到目标医院中各科室对应各治疗方案对应的患者基本信息、各病变部位和各可参考发病原因，根据目标医院中各需求患者的基本信息、各病变部位和各可参考发病原因，分析获得目标医院中各需求患者的诊断治疗方案。
需要说明的是，上述中分析获得目标医院中各需求患者的诊断治疗方案的具体实施方式为；
提取数据库中存储的目标医院中各科室对应的各治疗方案，得到目标医院中各科室对应各治疗方案的患者基本信息，根据目标医院中各需求患者的基本信息、筛选目标医院中各需求患者的各可参考治疗方案；
通过目标医院中各需求患者的各可参考治疗方案，得到目标医院中各需求患者各可参考治疗方案对应的各病变部位，将目标医院中各需求患者对应的各病变部位与对应需求患者的各可参考治疗方案对应的各病变部位对比分析，若目标医院中某需求患者对应的各病变部位均与对应需求患者的某可参考治疗方案对应的各病变部位完全符合，则将目标医院中该需求患者的该可参考治疗方案，记为目标医院中该需求患者的初步方案，统计目标医院中各需求患者的各初步方案；
通过目标医院中各需求患者的各初步方案，得到目标医院中各需求患者各初步方案对应的各可参考发病原因，将目标医院中各需求患者对应的各可参考发病原因与对应需求患者的某初步方案对应的各可参考发病原因对比分析，若目标医院中某需求患者对应的各可参考发病原因均与对应需求患者的某初步方案对应的可参考发病原因完全符合，则将目标医院中该需求患者的该初步方案，记为目标医院中该需求患者的最终方案，统计目标医院中各需求患者的各最终方案；
根据目标医院中各需求患者的各最终方案，得到目标医院中各需求患者的各最终方案的使用次数，筛选目标医院中各需求患者对应使用次数最多的最终方案，作为目标医院中各需求患者的诊断治疗方案。
本发明通过筛选患者对应各可参考异常医疗影像的发病病症，并与患者的基本信息共同分析筛选患者的发病原因和治疗方案，有效解决了由单一医疗影像作为患者发病原因和治疗方案的问题，从而避免患者诊断结果存在片面性和绝对性的现象，提高了诊断结果的准确性和可靠性，更好地维护了患者的生命健康。
所述医疗数据共享模块用于将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中。
进一步地，所述医疗数据共享模块的具体实施方式如下：
通过目标医院中各需求患者的定期检查结果，分析目标医院中各需求患者对应的诊断治疗方案是否有效，若目标医院中各需求患者对应的诊断治疗方案有效，将目标医院中各需求患者的各可参考发病原因和治疗方案，记为目标医院中各需求患者的有效发病原因和有效治疗方案，并将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中。
需要说明的是，上述判断目标医院中各需求患者对应的治疗方案是否有效的具体方式为；
根据目标医院中各需求患者的诊断治疗方案，得到目标医院中各需求患者的诊断治疗方案对应的标准治疗周期，将目标医院中各需求患者定期检查的治疗周期与目标医院中各需求患者的诊断治疗方案对应的标准治疗周期对比分析，若目标医院中某需求患者定期检查的治疗周期与对应需求患者的诊断治疗方案对应的标准治疗周期均在允许的误差范围内，则表明目标医院中该需求患者对应的诊断治疗方案有效。
所述数据库用于存储目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型和标准医疗影像，存储目标医院对应各病变部位的标准异常医疗影像集合，存储各可参考异常医疗影像对应的发病病症，存储各发病病症对应的各发病原因，存储目标医院中各科室对应的各治疗方案。
本发明将目标医院中各患者的基本信息、有效发病原因和有效治疗方案系统的存储到共享数据库中，不仅减小了样本数据的误差，而且增加了样本容量，提高了整个医疗影像诊断的有效性。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于大数据分析的医疗影像数据共享系统，其特征在于，包括：
患者基本信息获取模块：用于对目标医院中各患者的基本信息进行获取，得到目标医院中各患者的基本信息；
医疗影像采集模块：用于通过目标医院中各患者的基本信息，筛选目标医院中需要医疗影像采集的各患者，并将其记为目标医院中各需求患者，采集目标医院中各需求患者对应各人体部位的医疗影像；
医疗影像预处理模块：用于对目标医院中各需求患者对应各人体部位的医疗影像进行预处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像；
所述医疗影像预处理模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像轮廓模型：
通过高精度轮廓扫描仪，对目标医院中各需求患者对应各人体部位的医疗影像进行高精度扫描，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型，将目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型进行对比，得到目标医院中各需求患者对应各人体部位的医疗影像轮廓模型与其对应标准医疗影像轮廓模型的比值，记为目标医院中各需求患者对应各人体部位医疗影像轮廓模型的比值，其中/>，r表示为目标医院中各需求患者的编号，/>，j表示各人体部位的编号；
通过将目标医院中各需求患者对应各人体部位的医疗影像进行相应处理，得到目标医院中各需求患者对应各人体部位的相似医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像，获取目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的灰度值和空间坐标位置，并分别标记为和/>，e表示为医疗影像内各像素点的编号，/>；
病变部位分析模块：用于根据目标医院中各需求患者对应各人体部位的相似医疗影像，分析目标医院中各需求患者对应的各病变部位；
所述病变部位分析模块的具体实施方法如下：
提取数据库中存储的目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像，根据目标医院中各需求患者的个人信息，筛选目标医院中各需求患者对应各人体部位的标准医疗影像；
获取目标医院中各需求患者对应各人体部位的标准医疗影像中各像素点的标准灰度值和各像素点的标准空间坐标位置，并分别标记为和/>；
分析目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点与对应标准医疗影像中对应像素点的符合指数，，记为目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数，其中/>表示为预设的像素点位置坐标影响因子，/>表示为预设的像素点灰度影响因子，/>表示为预设的像素点允许误差距离;
将目标医院中各需求患者对应各人体部位的相似医疗影像中各像素点的符合指数代入公式/>，得到目标医院中各需求患者对应各人体部位的相似医疗影像符合指数/>，其中/>表示为预设的符合指数影响因子，/>表示为预设的人体部位医疗影像中像素点的个数；
将目标医院中各需求患者对应各人体部位的相似医疗影像符合指数与预设的标准医疗影像符合指数进行对比分析，若目标医院中某需求患者对应某人体部位的相似医疗影像符合指数小于预设的标准医疗影像符合指数，表明目标医院中该需求患者的该人体部位存在病变，将目标医院中该需求患者的该人体部位记为病变部位，统计目标医院中各需求患者对应各病变部位，并筛选目标医院中各需求患者对应各病变部位的相似医疗影像，将其记为目标医院中各需求患者对应各病变部位的异常医疗影像；
发病原因评估模块：用于根据目标医院中各需求患者对应的各病变部位，评估目标医院中各需求患者的各可参考发病原因；
治疗方案分析模块：用于根据目标医院中各需求患者的基本信息、各病变部位和各可参考发病原因，分析目标医院中各需求患者的治疗方案；
医疗数据共享模块：用于将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中；
数据库：用于存储目标医院中各年龄、各身高、各体重和各性别对应各人体部位的标准医疗影像轮廓模型和标准医疗影像，存储目标医院对应各病变部位的标准异常医疗影像集合，存储各可参考异常医疗影像对应的发病病症，存储各发病病症对应的各发病原因，存储目标医院中各科室对应的各治疗方案。
2.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述患者基本信息获取模块的具体实施方式如下：
根据目标医院中各患者的病历，获取目标医院中各患者的基本信息，其中基本信息包括科室信息和个人信息，个人信息包括身高、体重、年龄和性别。
3.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述医疗影像采集模块的具体操作方法如下：
根据目标医院中各患者的科室信息，筛选目标医院中需要采集医疗影像的患者，记为目标医院中各需求患者；
通过目标医院中的医疗影像采集仪器，对目标医院中各需求患者对应的各人体部位进行医疗影像采集，得到目标医院中各需求患者对应各人体部位的医疗影像。
4.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述发病原因评估模块中目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的具体实施方式如下：
提取数据库中存储的目标医院对应各病变部位的标准异常医疗影像集合；根据目标医院中各需求患者对应的各病变部位，筛选目标医院中各需求患者对应各病变部位的标准异常医疗影像集合，得到目标医院中各需求患者对应各病变部位的各标准异常医疗影像；
通过目标医院中各需求患者对应各人体部位的相似医疗影像符合指数计算方法，得到目标医院中各需求患者对应各病变部位的异常医疗影像与其对应各标准异常医疗影像的符合指数；
若目标医院中某需求患者对应某病变部位的异常医疗影像与对应的某标准异常医疗影像符合指数高于预设的符合指数，则将该标准异常医疗影像记为目标医院中该需求患者对应该病变部位的可参考异常医疗影像，统计获得目标医院中各需求患者对应各病变部位的各可参考异常医疗影像。
5.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述发病原因评估模块中评估目标医院中各需求患者各病变部位的各发病原因的具体实施方式如下：
提取数据库中存储的各可参考异常医疗影像对应的发病病症，筛选目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症；
提取数据库中存储的各发病病症对应的各发病原因，根据目标医院中各需求患者对应各病变部位的各可参考异常医疗影像的发病病症，筛选目标医院中各需求患者对应各病变部位的各发病原因，统计目标医院中各需求患者对应各病变部位的各发病原因出现次数，将目标医院中各需求患者对应各病变部位的各发病原因出现次数依次标记为，其中/>表示为目标医院中第r个需求患者的第m个病变部位对应的第i个发病原因出现次数，/>，/>；
分析目标医院中各需求患者对应各病变部位中各发病原因的可参考系数，其中/>表示为预设的系数影响因子，/>表示为预设的发病原因标准出现次数；
将目标医院中各需求患者对应各病变部位中各发病原因的可参考系数与预设的发病原因可参考系数阈值进行对比，若目标医院中某需求患者对应某病变部位中某发病原因的可参考系数大于预设的发病原因可参考系数阈值，则将目标医院中某需求患者对应某病变部位中某发病原因记为目标医院中该需求患者对应该病变部位的指定发病原因，统计目标医院中各需求患者对应各病变部位的各指定发病原因，并分析目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率；
将目标医院中各需求患者对应各病变部位中各指定发病原因的出现概率进行对比，若目标医院中某需求患者对应某病变部位的某指定发病原因大于预设的指定发病原因出现概率，则将该指定发病原因记为目标医院中该需求患者对应该病变部位的可参考发病原因，统计目标医院中各需求患者的各可参考发病原因。
6.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述治疗方案分析模块的具体实施方式如下：
提取数据库中存储的目标医院中各科室对应的各治疗方案，得到目标医院中各科室对应各治疗方案对应的患者基本信息、各病变部位和各可参考发病原因，根据目标医院中各需求患者的基本信息、各病变部位和各可参考发病原因，分析获得目标医院中各需求患者的诊断治疗方案。
7.根据权利要求1所述的一种基于大数据分析的医疗影像数据共享系统，其特征在于：所述医疗数据共享模块的具体实施方式如下：
通过目标医院中各需求患者的定期检查结果，分析目标医院中各需求患者对应的诊断治疗方案是否有效，若目标医院中各需求患者对应的诊断治疗方案有效，将目标医院中各需求患者的各可参考发病原因和治疗方案，记为目标医院中各需求患者的有效发病原因和有效治疗方案，并将目标医院中各需求患者的基本信息、有效发病原因和有效治疗方案上传到共享数据库中。
CN202210653118.9A 2022-06-09 2022-06-09 一种基于大数据分析的医疗影像数据共享系统 Active CN115019972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210653118.9A CN115019972B (zh) 2022-06-09 2022-06-09 一种基于大数据分析的医疗影像数据共享系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210653118.9A CN115019972B (zh) 2022-06-09 2022-06-09 一种基于大数据分析的医疗影像数据共享系统

Publications (2)

Publication Number Publication Date
CN115019972A CN115019972A (zh) 2022-09-06
CN115019972B true CN115019972B (zh) 2024-03-15

Family

ID=83072113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210653118.9A Active CN115019972B (zh) 2022-06-09 2022-06-09 一种基于大数据分析的医疗影像数据共享系统

Country Status (1)

Country Link
CN (1) CN115019972B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168845B (zh) * 2023-04-23 2023-07-25 安徽协创物联网技术有限公司 一种图像数据处理协同运动系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106909778A (zh) * 2017-02-09 2017-06-30 北京市计算中心 一种基于深度学习的多模态医学影像识别方法及装置
CN106951691A (zh) * 2017-03-06 2017-07-14 宁波大学 基于云平台的远程移动医疗管理方法
CN109698022A (zh) * 2018-12-17 2019-04-30 天津百士德力科技有限公司 一种医疗影像数据的利用与共享平台
CN110033456A (zh) * 2019-03-07 2019-07-19 腾讯科技（深圳）有限公司 一种医疗影像的处理方法、装置、设备和系统
CN112349369A (zh) * 2020-11-27 2021-02-09 广州瀚信通信科技股份有限公司 医疗影像大数据智能分析方法、系统及存储介质
CN114464300A (zh) * 2022-01-18 2022-05-10 平安好医投资管理有限公司 医疗影像的处理方法及装置、存储介质和计算机设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106909778A (zh) * 2017-02-09 2017-06-30 北京市计算中心 一种基于深度学习的多模态医学影像识别方法及装置
CN106951691A (zh) * 2017-03-06 2017-07-14 宁波大学 基于云平台的远程移动医疗管理方法
CN109698022A (zh) * 2018-12-17 2019-04-30 天津百士德力科技有限公司 一种医疗影像数据的利用与共享平台
CN110033456A (zh) * 2019-03-07 2019-07-19 腾讯科技（深圳）有限公司 一种医疗影像的处理方法、装置、设备和系统
CN112349369A (zh) * 2020-11-27 2021-02-09 广州瀚信通信科技股份有限公司 医疗影像大数据智能分析方法、系统及存储介质
CN114464300A (zh) * 2022-01-18 2022-05-10 平安好医投资管理有限公司 医疗影像的处理方法及装置、存储介质和计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
区域医疗影像诊断中心的建设方案探讨;孙雪梅;;中国医疗设备(04);全文 *

Also Published As

Publication number Publication date
CN115019972A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
US7346203B2 (en) Methods and apparatus for processing image data to aid in detecting disease
Bullmore et al. Fractal analysis of the boundary between white matter and cerebral cortex in magnetic resonance images: a controlled study of schizophrenic and manic-depressive patients
EP1646981B1 (en) Automatic detection of skin lesions
US20030063704A1 (en) Methods and devices for quantitative analysis of x-ray images
CN111127467B (zh) 图像量化方法、计算机设备和存储介质
JP2017164492A (ja) 新規の詳細な分類に基づく肝線維症の存在または重症度を評価するための非侵襲的方法
CN116612891B (zh) 一种慢性病患者数据处理系统
CN115019972B (zh) 一种基于大数据分析的医疗影像数据共享系统
CN112309566A (zh) 影像智能识别与医学智能推理的远程自动诊断系统及方法
CN115714022B (zh) 基于人工智能的新生儿黄疸健康管理系统
JP4022587B2 (ja) 脳疾患の診断支援方法及び装置
US8331635B2 (en) Cartesian human morpho-informatic system
CN115099331A (zh) 基于可解释性机器学习算法的恶性胸腔积液辅助诊断系统
CN114788705A (zh) 一种影像医学质量分析调控方法、设备以及计算机存储介质
CN116864104A (zh) 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级系统
CN116030987B (zh) 系统性硬化病食管动力的评估模型的构建方法
CN108596877B (zh) 肋骨ct数据分析系统
CN111445443A (zh) 早急性脑梗死检测方法和装置
CN116363104A (zh) 一种具有影像医学用自动诊断设备及系统
CN114782352A (zh) 一种基于人工智能的医学影像识别系统及识别方法
CN110859599B (zh) 脑血管病神经损伤病人认知功能自动化筛查系统
KR101455198B1 (ko) Ｃｔ 영상 분석을 이용한 흉곽 변형성 정량적 평가 지표값 계산 방법, 시스템 및 기록 매체
US20210264596A1 (en) System and method for producing a multiparameter graphic indicator from an image of a histological section
CN117788474B (zh) 一种基于机器视觉的泌尿结石图像识别方法
CN116564547B (zh) 一种呼吸道传染病的早期预警方法及系统

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
TA01 Transfer of patent application right

Effective date of registration: 20240220

Address after: Room 404, Unit B, Building 57, Pubei New Village, Tianning District, Changzhou City, Jiangsu Province, 213000

Applicant after: Wei Tao

Country or region after: China

Address before: No. 19, Jianxin West Road, Guanyin Bridge, Jiangbei District, Chongqing 400000

Applicant before: Yato (Chongqing) Medical Equipment Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant