CN115393353A - 医学影像数据质量监测管理方法及系统 - Google Patents

医学影像数据质量监测管理方法及系统 Download PDF

Info

Publication number
CN115393353A
CN115393353A CN202211324420.6A CN202211324420A CN115393353A CN 115393353 A CN115393353 A CN 115393353A CN 202211324420 A CN202211324420 A CN 202211324420A CN 115393353 A CN115393353 A CN 115393353A
Authority
CN
China
Prior art keywords
data
equipment
medical image
service data
service
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.)
Granted
Application number
CN202211324420.6A
Other languages
English (en)
Other versions
CN115393353B (zh
Inventor
刘丽
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.)
Affiliated Hospital of Jiangnan University
Original Assignee
Affiliated Hospital of Jiangnan University
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 Affiliated Hospital of Jiangnan University filed Critical Affiliated Hospital of Jiangnan University
Priority to CN202211324420.6A priority Critical patent/CN115393353B/zh
Publication of CN115393353A publication Critical patent/CN115393353A/zh
Application granted granted Critical
Publication of CN115393353B publication Critical patent/CN115393353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • 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
    • G06T2207/30168—Image quality inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提出一种医学影像数据质量监测管理方法及系统，通过综合评估医学影像设备成像产生的业务数据，以及医学影像设备自身的运行数据，对医学影像的数据质量实施全方位的监测，并及时评估风险，避免由于设备带病运行导致的医学影像数据质量不合格而产生的医疗诊断风险。本发明根据监测预警信息大数据进一步指导质量控制管理，建立起从医学影像数据采集、分析处理到质量控制的闭环管理流程，结合数据质量定量指标测定持续提高医学影像数据质量管理水平，减少医学影像检查机构因为数据质量不达标导致的诊断出错，也为行政等管理部门推进医学影像同质化检查工作提供所需的数据质量监督管理方法，具有良好的社会意义与实用价值。

Description

医学影像数据质量监测管理方法及系统
技术领域
本发明属于物联网技术领域，具体涉及一种医学影像数据质量监测管理方法及系统，适用于医疗机构、行政管理部门对医学影像数据质量的管理与监督。
背景技术
现有技术中，医学影像数据质量常采用主观评价方法，由医务人员评价并做出诊断。然而医疗设备本身在风险状态下产生的业务数据质量存在很大的偏差风险，带病工作的设备产生的业务数据作为诊断依据存在巨大风险，因此医学影像数据质量监测管理要同时评估设备安全风险和业务数据风险。随着医学影像检查服务工作量的迅猛增加，传统方法更不能满足工作需要，医学影像诊断的医务人员又往往无法获得设备运行状态信息，因此急需新型的医学影像数据质量监测管理方法及系统给工作医务人员提供及时、有效、客观的医学影像数据风险质量监测与评估的手段。
发明内容
本发明提供一种医学影像数据质量监测管理方法及系统，对医学影像的数据质量实施全方位的监测，并及时评估风险，避免由于设备带病运行的导致的医学影像数据质量不合格的情形发生。
为了解决上述技术问题，本发明采用的一种技术方案是：所述医学影像数据质量监测管理系统，包括：
业务数据采集模块，采集生成受检者的影像检查数据；
设备数据采集模块，采集医学影像设备运行状况数据；
业务数据预处理模块，与业务数据采集模块连接，用于对获得的医学影像业务数据进行预处理；
设备数据分析模块，设备数据分析模块与设备数据采集模块连接，采集医学影像设备的实时设备状态，并对设备数据进行建模分析识别影像检查业务，输出医学影像设备的影像检查业务时间分布表；
业务数据识别与配准模块，业务数据识别与配准模块与业务数据预处理模块和设备数据分析模块连接，用于将业务数据和设备数据进行关联，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；
业务数据质量风险评估模块，业务数据质量风险评估模块与业务数据识别与配准模块连接，用于获得医学影像业务数据关联信息，对在该采集成像时间段内的医学影像设备数据进行分析，同时检索预警信息知识库进行比对，生成该业务数据的预警风险等级评定和异常信息；
以及业务数据质量指标计算模块，业务数据质量指标计算模块连接业务数据质量指标知识库，用于从业务数据质量指标知识库中选择定量评价指标，逐个比对数据质量标准符合情况并输出至评价结果管理模块，生成数据质量评价报告。
进一步地，所述设备数据采集模块通过设备数据接口，获得设备运行状态数据。
进一步地，所述医学影像设备的实时设备状态包括电流、温度、湿度、噪声、振动。
进一步地，所述业务数据和设备数据的关联，包括：进行设备唯一识别即关联业务数据成像采集的设备，以及进行影像检查的时间关联，即识别关联业务数据生成的起始和终止时间点、关联此时间段的设备相关数据和风险等级；通过将影像检查业务时间分布表与影像业务数据表进行对照，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；根据业务数据质量风险评估模型累计计算设备风险等级时间分布表。
进一步地，所述预警信息知识库，用于存储数据质量监测过程中发现的设备风险信息。
进一步地，还包括质量控制管理模块，质量控制管理模块与预警信息知识库和业务数据质量风险评估模块连接，质量控制管理模块给出人工干预的提醒信号，并将人工干预的提醒信号写入预警信息知识库，对数据质量问题进行分类管理。
进一步地，所述业务数据质量指标知识库存储的指标包括峰值信噪比，结构相似度。
本发明还提供一种医学影像数据质量监测管理方法，包括以下步骤：
（1）采集并成像生成受检者的影像检查数据和医学影像设备运行状况数据；
（2）对获得的医学影像业务数据进行格式转换以及去除噪声操作；
（3）采集医学影像设备的实时设备状态情况，通过对采集数据来源信息识别成像设备，然后通过数据建模分析找出检查序列的起始时刻和终止时刻，识别输出影像检查设备的影像检查业务时间分布表；
（4）将业务数据和设备数据进行关联，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；
（5）对校正后的设备风险等级时间分布表进行对照，逐个遍历检查任务确定风险等级；对高风险出具数据质量风险报告，要求重新进行业务数据采集；对于低风险的进行实时预警，由工作人员根据情况判断是否可以接受，继续评价并使用；
（6）从业务数据质量指标知识库中选择定量评价指标，逐个比对数据质量标准符合情况并输出结果生成数据质量评价报告。
进一步地，所述步骤（4）中将业务数据和设备数据进行关联时具体为：识别关联业务数据生成的起始和终止时间点、关联此时间段的设备相关数据和风险等级；通过将影像检查业务时间分布表与影像业务数据表进行对照，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；根据业务数据质量风险评估模型累计计算设备风险等级时间分布表。
进一步地，所述业务数据质量风险评估模型包括：（1）业务数据、设备数据关联与对照，通过辨识业务数据采集对应的设备数据信息，提取关联设备状态信息；（2）关联设备风险评分；（3）通过综合业务数据预处理质量评价，以及关联设备风险评分及预警，给出风险评估结果。
本发明的优点具体如下：
（1）本发明利用物联网技术无损采集医学影像设备的电流，温度，湿度，噪声，振动等多维度客观、实时运行数据，并通过数据建模分析识别输出影像检查业务的时间分布，对业务数据的时间等信息进行校正；
（2）建立了医学影像数据质量风险评估模型，综合业务数据及设备数据进行定量评分，形成成像设备的低风险，高风险等级评分作为医学影像业务数据质量检测的前置条件，结合医学影像数据质量定量指标计算方法，为医学影像数据质量评估提供了具体的操作方法及处理流程。
附图说明
图1为医学影像数据质量监测管理方法的工作流程图。
图2为PET-CT设备采集的电流RMS时间序列以及识别的检查序列示意图。
具体实施方式
为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合具体附图对本发明的具体实施方式作进一步的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施例，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
本发明专利涉及一种医学影像数据质量监测管理方法及系统，包括以下模块：业务数据采集模块1、设备数据采集模块2、业务数据预处理模块3、设备数据分析模块4、业务数据识别与配准模块5、业务数据质量风险评估模块6、质量控制管理模块7、业务数据质量指标计算模块8和评价结果管理模块9；本发明还建立了业务数据质量风险评估模型、预警信息知识库10和业务数据质量指标知识库11，以提高系统的智能化水平。
所述业务数据采集模块，通过医学影像设备成像生成受检者的影像检查数据，包括影像检查编号、检查类型、检查序列系列描述（包括检查序列标识、检查部位、检查方位、检查日期、检查开始时间、检查结束时间、检查部位等）以及原始DICOM格式图像等。
所述设备数据采集模块，用于采集医学影像设备运行状况数据（包括日志记录、开关机时间及关键性技术参数等），用于监视、控制设备运行或者维护与升级，不含有医学影像成像受检者个人信息；设备数据采集模块的方式包括通过设备数据接口，采用传感器获得与设备运行状态及设备维修、维保等使用管理相关的数据。
所述业务数据预处理模块与业务数据采集模块连接，用于对获得的医学影像业务数据进行格式转换以及去除噪声影响等常规操作。
所述设备数据分析模块与设备数据采集模块连接，利用物联网技术采集医学影像设备的电流、温度、湿度、噪声、振动等客观、实时设备状态情况，并对设备数据进行建模分析识别影像检查以及检查序列，输出医学影像设备的影像检查业务时间分布表。
所述业务数据识别与配准模块与业务数据预处理模块和设备数据分析模块连接，用于将业务数据和设备数据进行关联，包括：进行设备唯一识别即关联业务数据成像采集的设备，以及进行影像检查的时间关联，即识别关联业务数据生成的起始和终止时间段、关联此时间段的设备相关数据和风险等级。
所述业务数据质量风险评估模块与业务数据识别与配准模块连接，用于获得医学影像业务数据关联配准表，对在该采集成像时间段内的医学影像设备数据进行分析，同时检索预警信息知识库进行比对，生成该业务数据的预警风险等级评定（0-正常，1-低风险，2-高风险）、异常信息例如采集到的医学影像设备数据提示设备球管部件老化、曝光容易存在问题）；如果正常不存在风险则将业务数据输入业务数据质量指标计算模块；相反如果业务数据存在风险（异常），则将业务数据输入质量控制管理模块给出人工干预的提醒信号，提醒专业人员进行质量干预及控制管理；如果在预警信息知识库中未检索到预警信息，但是在比对的医学影像设备数据信息中发现了新的预警风险信息也更新写入预警信息知识库。
所述预警信息知识库，用于存储数据质量监测过程中发现的设备风险，包括设备运行、使用管理信息，具体如设备运行故障或异常的参考值、设备稳定运行的性能指标、设备合理工作时长、工作量、工作年限，以及设备使用管理中约定的设备巡检周期、保养周期、设备维修记录等。
所述质量控制管理模块与预警信息知识库和业务数据质量风险评估模块连接，用于对数据质量问题进行分类管理；质量控制管理模块形成对风险问题解决的闭环管理系统，即对后续问题的处理情况及解决过程在系统中记录，然后经管理人员确认后将风险评估的相关标签进行重置为正常状态，并且持续记录设备维修，保养的工作记录，便于跟踪设备的健康状态。
所述业务数据质量指标计算模块连接业务数据质量指标知识库，用于从业务数据质量指标知识库中依据研究类型选择定量评价指标（如峰值信噪比PSNR（Peak Singal toNoise Ratio）、结构相似度SSIM（Structural Similarity Index）），逐个比对数据质量标准符合情况并输出至评价结果管理模块，生成数据质量评价报告结果；所述业务数据质量指标知识库存储的指标包括峰值信噪比，结构相似度等。
本发明所述医学影像数据质量监测管理方法，包括以下步骤：
（1）业务数据采集模块采集并成像生成受检者的影像检查数据，包括影像检查编号、检查类型、检查序列系列描述（包括检查序列标识、检查部位、检查方位、检查日期、检查开始时间、检查结束时间、检查部位等）以及原始DICOM格式图像等；
以PET-CT医学影像设备为例，受检者接受的本次医学影像检查是由指定设备在一段时间内成像的若干检查序列组成，通过影像信息系统采集到的影像业务数据清单如表1所示，包括医学影像设备的编码、本次影像检查号，以及检查序列标识、检查部位、检查方法、检查方位、检查日期与检查时间，其中检查时间信息只有该检查的起始时间，缺少结束时间，且起始时间往往与实际情况存在偏差，主要原因是此起始时间记录的是人为手工上传时间，不是该业务发生的实际成像时间；
表1 影像业务数据清单
Figure 73940DEST_PATH_IMAGE002
注：WS 538—2017为中华人民共和国卫生行业标准《医学数字影像通信基本数据集》。
（2）设备数据采集模块采集医学影像设备运行状况数据（包括日志记录、开关机时间及关键性技术参数等），用于监视、控制设备运行或者维护与升级，不含有医学影像成像受检者个人信息；设备数据采集模块的方式包括通过设备数据接口，采用传感器获得与设备运行状态及设备维修、维保等使用管理相关的数据；
（3）业务数据预处理模块对获得的医学影像业务数据进行格式转换以及去除噪声影响等常规操作；
（4）设备数据分析模块利用物联网技术采集医学影像设备的电流、温度、湿度、噪声、振动等客观、实时设备状态情况，如图2所示为PET-CT设备采集到的电流信息RMS（RootMean Square，均方根），代表某时刻采集的一组电流数据有效值。电流的RMS比电流值能更准确地反映电流特性，是定义电流的一种最普遍的数学方法。通过对采集数据来源信息识别成像设备，然后通过数据建模分析找出检查序列的起始时刻和终止时刻，识别输出影像检查设备的影像检查业务时间分布表，关联上包括检查设备编码、检查类型、影像检查号、检查序列号、检查日期、检查起始时间、检查结束时间等信息；图2中分别示出了PET WB、PETBrain、ThorHR、PET WB_Delay的电流RMS，可以分别确定各项检查序列的起始时刻和终止时刻；
（5）业务数据识别与配准模块将业务数据和设备数据进行关联，具体地：通过将影像检查业务时间分布表与表1清单所示的影像业务数据表进行对照，形成设备信息与业务数据的关联配准表，就可以对业务数据的时间信息进行校正；根据业务数据质量风险评估模型累计计算设备风险等级时间分布表（检查设备编码、日期、起始时间、终止时间、风险总得分、风险等级评分等）；
所述业务数据质量风险评估模型包括：（1）业务数据、设备数据关联与对照，通过辨识业务数据采集对应的设备数据信息，提取关联设备状态信息（选择业务数据采集时间段，及与该设备类型对应的采集的设备数据）；（2）关联设备风险评分（1、当前设备状态；2、预警信息；3、含人员相关质量控制管理反馈情况），给出当前设备状态并且预测出设备恢复正常状态的时间；系统预先设定设备风险等级类型,系统提前给出预警时间窗；时间窗的调整和关闭由人员干预，如果风险解决了人员可以提前关闭及取消预警；如问题检测后发现预计故障时间延长，或风险等级升级则需要更新风险等级并更新预警时间窗；（3）通过综合业务数据预处理质量评价，以及关联设备风险评分及预警，给出风险评估结果。
表2 设备风险评估模型及风险得分表
Figure 194343DEST_PATH_IMAGE003
（6）业务数据质量风险评估模块对校正后的设备风险等级时间分布表进行对照，逐个遍历检查任务确定风险等级；对高风险出具数据质量风险报告，要求重新进行业务数据采集；对于低风险的进行实时预警，由工作人员根据情况判断是否可以接受，继续评价并使用；
（7）评价结果管理模块获得医学影像数据质量定量指标计算及评估模块的结果，综合上述步骤的输出结果生成数据质量评价报告提交人工进行数据质量评价；并收集人工反馈的评估准确性意见；记录系统与人工评价的差异情况，支持人工智能的学习。
以上对本申请所提供的一种医学影像数据质量监测管理方法及系统进行了详细介绍，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，对于本领域的一般技术人员，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 (10)

1.一种医学影像数据质量监测管理系统，其特征在于，包括：
业务数据采集模块，采集生成受检者的影像检查数据；
设备数据采集模块，采集医学影像设备运行状况数据；
业务数据预处理模块，与业务数据采集模块连接，用于对获得的医学影像业务数据进行预处理；
设备数据分析模块，设备数据分析模块与设备数据采集模块连接，采集医学影像设备的实时设备状态，并对设备数据进行建模分析识别影像检查业务，输出医学影像设备的影像检查业务时间分布表；
业务数据识别与配准模块，业务数据识别与配准模块与业务数据预处理模块和设备数据分析模块连接，用于将业务数据和设备数据进行关联，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；
业务数据质量风险评估模块，业务数据质量风险评估模块与业务数据识别与配准模块连接，用于获得医学影像业务数据关联信息，对在该采集成像时间段内的医学影像设备数据进行分析，同时检索预警信息知识库进行比对，生成该业务数据的预警风险等级评定和异常信息；
以及业务数据质量指标计算模块，业务数据质量指标计算模块连接业务数据质量指标知识库，用于从业务数据质量指标知识库中选择定量评价指标，逐个比对数据质量标准符合情况并输出至评价结果管理模块，生成数据质量评价报告。
2.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：所述设备数据采集模块通过设备数据接口，获得设备运行状态数据。
3.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：所述医学影像设备的实时设备状态包括电流、温度、湿度、噪声、振动。
4.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：所述业务数据和设备数据的关联，包括：进行设备唯一识别即关联业务数据成像采集的设备，以及进行影像检查的时间关联，即识别关联业务数据生成的起始和终止时间点、关联此时间段的设备相关数据和风险等级；通过将影像检查业务时间分布表与影像业务数据表进行对照，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；根据业务数据质量风险评估模型累计计算设备风险等级时间分布表。
5.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：所述预警信息知识库，用于存储数据质量监测过程中发现的设备风险信息。
6.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：还包括质量控制管理模块，质量控制管理模块与预警信息知识库和业务数据质量风险评估模块连接，质量控制管理模块给出人工干预的提醒信号，并将人工干预的提醒信号写入预警信息知识库，对数据质量问题进行分类管理。
7.根据权利要求1所述的医学影像数据质量监测管理系统，其特征在于：所述业务数据质量指标知识库存储的指标包括峰值信噪比，结构相似度。
8.一种医学影像数据质量监测管理方法，其特征是，包括以下步骤：
（1）采集并成像生成受检者的影像检查数据和医学影像设备运行状况数据；
（2）对获得的医学影像业务数据进行格式转换以及去除噪声操作；
（3）采集医学影像设备的实时设备状态情况，通过对采集数据来源信息识别成像设备，然后通过数据建模分析找出检查序列的起始时刻和终止时刻，识别输出影像检查设备的影像检查业务时间分布表；
（4）将业务数据和设备数据进行关联，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；
（5）对校正后的设备风险等级时间分布表进行对照，逐个遍历检查任务确定风险等级；对高风险出具数据质量风险报告，要求重新进行业务数据采集；对于低风险的进行实时预警，由工作人员根据情况判断是否可以接受，继续评价并使用；
（6）从业务数据质量指标知识库中选择定量评价指标，逐个比对数据质量标准符合情况并输出结果生成数据质量评价报告。
9.根据权利要求8所述的医学影像数据质量监测管理方法，其特征在于：所述步骤（4）中将业务数据和设备数据进行关联时具体为：识别关联业务数据生成的起始和终止时间点、关联此时间段的设备相关数据和风险等级；通过将影像检查业务时间分布表与影像业务数据表进行对照，形成设备信息与业务数据的关联配准表，对业务数据的时间信息进行校正；根据业务数据质量风险评估模型累计计算设备风险等级时间分布表。
10.根据权利要求9所述的医学影像数据质量监测管理方法，其特征在于：所述业务数据质量风险评估模型包括：（1）业务数据、设备数据关联与对照，通过辨识业务数据采集对应的设备数据信息，提取关联设备状态信息；（2）关联设备风险评分；（3）通过综合业务数据预处理质量评价，以及关联设备风险评分及预警，给出风险评估结果。
CN202211324420.6A 2022-10-27 2022-10-27 医学影像数据质量监测管理方法及系统 Active CN115393353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211324420.6A CN115393353B (zh) 2022-10-27 2022-10-27 医学影像数据质量监测管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211324420.6A CN115393353B (zh) 2022-10-27 2022-10-27 医学影像数据质量监测管理方法及系统

Publications (2)

Publication Number Publication Date
CN115393353A true CN115393353A (zh) 2022-11-25
CN115393353B CN115393353B (zh) 2023-05-19

Family

ID=84129164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211324420.6A Active CN115393353B (zh) 2022-10-27 2022-10-27 医学影像数据质量监测管理方法及系统

Country Status (1)

Country Link
CN (1) CN115393353B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424385A (zh) * 2013-08-22 2015-03-18 上海联影医疗科技有限公司 一种医学影像的评价方法和装置
CN106027664A (zh) * 2016-06-29 2016-10-12 上海吉功信息技术有限公司 医疗设备运行管理系统及方法
CN109801258A (zh) * 2018-12-18 2019-05-24 重庆市忠县人民医院 一种医学影像诊断质量管理系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104424385A (zh) * 2013-08-22 2015-03-18 上海联影医疗科技有限公司 一种医学影像的评价方法和装置
CN106027664A (zh) * 2016-06-29 2016-10-12 上海吉功信息技术有限公司 医疗设备运行管理系统及方法
CN109801258A (zh) * 2018-12-18 2019-05-24 重庆市忠县人民医院 一种医学影像诊断质量管理系统及方法

Also Published As

Publication number Publication date
CN115393353B (zh) 2023-05-19

Similar Documents

Publication Publication Date Title
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
US20150025900A1 (en) System and method for assessing data quality during clinical trials
CN111557672B (zh) 一种烟酸皮肤反应图像分析方法和设备
CN110739076A (zh) 一种医疗人工智能公共训练平台
CN111916196A (zh) 一种基于人工智能技术的伤口及皮肤压力性损伤辅助诊断系统
CN115185936B (zh) 一种基于大数据的医疗临床数据质量分析系统
CN114255784A (zh) 一种基于声纹识别的变电站设备故障诊断方法及相关装置
CN117150418B (zh) 基于状态特征故障树的变压器运检周期制定方法和系统
CN111627536A (zh) 一种用于医院的不良事件管理系统和管理方法
CN116664001B (zh) 一种基于人工智能的学员技能评估方法及系统
CN110738630A (zh) 递归性深度学习系统的训练方法与检测系统
CN115393353B (zh) 医学影像数据质量监测管理方法及系统
CN117038079A (zh) 基于神经网络的儿童心脏病风险评估与预警系统
CN115034614A (zh) 一种基于设备健康度的设备管理方法、装置及设备
CN115904955A (zh) 性能指标的诊断方法、装置、终端设备及存储介质
CN114724720B (zh) 一种基于深度学习的产前电子胎心监护自动识别系统
CN117423475B (zh) 应用于医院场景的科室感染风险识别方法及系统
CN115984756B (zh) 一种基于数据分析的农业电网线路巡查管理方法
CN117171478B (zh) 一种医学检测数据误差识别模型构建方法与装置
CN116864050A (zh) 一种方案偏离半定量评估的临床试验质量控制方法和设备
Gulati et al. Machine Learning Models for Parkinson's Detection Using Features of Speech
CN118115021A (zh) 力学类试验设备物资质量监督管理方法
CN117575153A (zh) 一种基于物联网的配电终端设备性能监管方法和系统
CN117038091A (zh) 一种通过预测模型对糖尿病性肾病的快速诊断系统及方法
CN117952318A (zh) 基于大数据的产业园碳排放数据管理系统及方法

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
CB02 Change of applicant information

Address after: No. 1-2202-8, Financial 8th Street, Wuxi Economic Development Zone, Jiangsu Province, 214000

Applicant after: AFFILIATED HOSPITAL OF JIANGNAN University

Address before: 214000 1000 Hefeng Road, Binhu District, Wuxi City, Jiangsu Province

Applicant before: AFFILIATED HOSPITAL OF JIANGNAN University

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 214000 1000 Hefeng Road, Binhu District, Wuxi City, Jiangsu Province

Patentee after: AFFILIATED HOSPITAL OF JIANGNAN University

Address before: No. 1-2202-8, Financial 8th Street, Wuxi Economic Development Zone, Jiangsu Province, 214000

Patentee before: AFFILIATED HOSPITAL OF JIANGNAN University