CN115394406A - 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 - Google Patents
一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 Download PDFInfo
- Publication number
- CN115394406A CN115394406A CN202110563183.8A CN202110563183A CN115394406A CN 115394406 A CN115394406 A CN 115394406A CN 202110563183 A CN202110563183 A CN 202110563183A CN 115394406 A CN115394406 A CN 115394406A
- Authority
- CN
- China
- Prior art keywords
- module
- mobile terminal
- segmentation
- diagnosis
- image
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- 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)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于医学影像人工智能诊断领域,公开了一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法,该系统包括:移动终端医学图像获取模块、移动终端用户界面交互模块、病灶识别分割模块、移动互联网加密传输和通信模块、服务器人工智能快速诊断和数据管理模块。这种布署方法能够在现有的通信基础设施上,以较为低廉的成本实现医学影像人工智能快速诊断模型和数据库的搭建,同时创新地采用移动端设备基于统一的标准对医学图像数据进行二次采集和处理,能够最大程度地克服当前各医院的医学影像数据异质性太大所致人工智能诊断程序通用性差的弊端。
Description
技术领域
本发明属于医学影像人工智能诊断领域,尤其涉及一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法。
背景技术
医学影像人工智能诊断依赖于深度学习领域的进步而快速发展,从2013年到2021年的8年时间内,从最早期的R-CNN和OverFeat网络模型,发展到SSD和YOLO v3网络模型,再到M2Det网络模型,这些网络模型的性能在各种大样本数据集竞赛中的性能愈来愈好。医学影像人工智能诊断在临床科研中也表现出极高的应用前景,在许多领域的表现优于大部分影像诊断医师,在部分领域甚至可以和最顶尖的人类专家媲美或略胜一筹。然而,从目前落地的许多医学影像人工智能诊断软件来看,其中的大多数在医院的应用效果不佳。影像科医师对这些软件的有效性和易用性的评价与医学影像人工智能诊断在临床科研中的表现出现了两极分化。
医学影像人工智能诊断依赖的最核心两要素分别是数据和算法。虽然当前的算法并非完美,但是这些算法和网络模型在其他领域都取得了非常优秀的实践效果,如“人脸识别”、“视频及图片识别”和“物体检测”等。这些领域与医学影像人工智能诊断同属计算机视觉领域。当前,众多的医学影像人工智能诊断软件应用效果不佳的主要原因是缺乏大量可靠的数据。发明人在临床科研和临床实践中发现,不同医院间的医学影像数据存在着极大的异质性,甚至是同一医院通过不同厂家设备和不同操作人员获取的医学影像数据也存在着很大的异质性。这些异质性的来源主要有不同医院的数据采集方法和协议差异,不同厂家硬件设备差异,不同操作人员个人习惯差别。这些差异在图像中表现为扫描视野、层厚、层间距、分辨率和重建算法等存在明显不同。由于医学影像诊断相较于一般的图像识别要复杂困难得多,涉及从解剖到病理,再到临床决策的复杂过程,因此缺乏由影像科医师标注的高质量大样本的图像数据集。这些图像中单一病灶的标注往往涉及数十到数百个层面的勾画,即使有人已经发明了在医学图像分割表现优异的Unet神经网络,但类似的神经网络训练依然要依靠医师标注的数据,并且其分割的数据也需要医师核对。医学影像人工智能诊断软件往往分别布置于每个医院的局域网内,这些由其他医院数据训练的模型往往水土不服,鲜有影像科医师会对这些模型的参数进行重新调整,因为缺乏人工智能专业知识和动力。从长期来看,解决医学影像人工智能诊断中数据问题的方法是统一不同医院的扫描协议并将数据联网集中存储调用,尽量采用相似的影像设备,规定统一的图像采集操作方法和标注过程。然而,我国仍然将长期处于发展中阶段,不同地区的各级医院经济实力存在巨大差异,短期内上述方案是不现实也是不经济的。
综上所述,当前医学影像人工智能诊断软件布署方法的问题是:
(1)现有的许多医学影像人工智能诊断软件布署于每个医院的局域网内,但这些软件的有效性和易用性较差,主要是由于训练模型数据和实际数据的差异较大。而基于互联网和标准化数据中心的解决方式短期无法实现。
(2)当前医学影像人工智能诊断软件面向的主要是影像科医师,而其诊断效果尚不能满足影像科工作需求且与影像科医师工作存在重复。此外,并无面向临床科室医师和非医疗人员的比较合理的快速影像诊断解决方案,存在着供给不匹配需求的情况。
发明内容
针对现有医学影像人工智能诊断布署的问题,本发明提供了一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法。
本发明采用的技术方案如下:
基于移动端和移动互联网的医学影像人工智能快速诊断布署方法需要包括以下模块:移动终端医学图像获取模块、移动终端用户界面交互模块、病灶识别分割模块、移动互联网加密传输和通信模块、服务器人工智能快速诊断和数据管理模块。
移动终端医学图像获取模块,与移动终端用户界面交互模块、病灶识别分割模块相连,用于医学图像的获取,获取的方式包括通过移动终端的拍照录影设备或通过移动终端的网络传输获得。
移动终端用户界面交互模块,与移动终端医学图像获取模块、移动互联网加密传输和通信模块相连,用于处理用户的交互,其中用户分为医疗专业人员和非医疗人员。
病灶识别分割模块,包括病灶识别分割模块一和病灶识别分割模块二。病灶识别分割模块一与移动终端医学图像获取模块、移动互联网加密传输和通信模块相连,而病灶识别分割模块二与移动互联网加密传输和通信模块、服务器人工智能快速诊断和数据管理模块相连。病灶识别分割模块一布置在移动终端,用于对获取的医学图像实现病灶的分割。病灶识别分割模块二布置在服务器,用于对不能在移动终端实现病灶分割的图像进行病灶分割。
移动互联网加密传输和通信模块,与病灶识别分割模块、移动终端用户界面交互模块、服务器人工智能快速诊断和数据管理模块相连,用于医学图像、文本、语音数据的加密和经移动互联网传输。
服务器人工智能快速诊断和数据管理模块,与病灶识别分割模块、移动互联网加密传输和通信模块相连,用于对分割后的病灶图像在后端进行人工智能快速诊断和其他相关信息的处理。
基于上述的布署情况,本发明可以满足三类人群(临床科室医师、非医疗人员和影像科医师)对医学影像人工智能快速诊断的不同需求和使用场景:
(1)面向临床医师,临床医师均学习过初步的影像诊断知识,但是不同临床医师的影像诊断能力存在较大差异。临床医师对影像诊断的一个重要需求是能够获取快速简略的诊断意见,特别是对于临床急症如脑出血、脑梗塞、肺栓塞、胃肠道穿孔、急性胰腺炎、阑尾炎和主动脉夹层等临床进展快、处理不及时预后差的疾病。而影像科医师人数有限,无法做到面面俱到,此时临床医师可以通过移动终端连接移动互联网获取医学影像人工智能快速诊断意见,可以和自我的判断互相印证,引起重视,主动联系影像科寻求进一步意见。
(2)面向非医疗人员,非医疗人员不具备医疗专业知识,对人工智能快速诊断给出的诊断意见无法进一步甄别。非医疗人员对影像诊断的需求主要是帮助其进一步就诊。因此,本发明主要通过识别患者的图像和诊断报告文字信息,为非医疗人员提供进一步就诊的相关建议,比如需要就诊内科或者外科,就诊的紧迫性等。这些建议来源于服务器中经专业医师整理的专业意见。
(3)面向影像科医师,影像科医师系统学习过临床知识和影像诊断知识,不同医师间虽然存在个人水平的差异,但是能胜任临床工作的影像科医师必定达到了一定诊断能力。因此,影像科医师对医学影像人工智能快速诊断的主要需求是能够在精准影像方面提供一定的参考意见。例如,病理亚型、病灶分期和预后等。同时,影像科医师也可以通过移动终端标注新的数据和反馈病理结果。
为了满足面向临床医师的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈临床医师当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像以备后续流程。
(2)移动终端用户界面交互模块,可以实现医师的身份及医师资格的验证,使临床医师能够方便的选择当前需要获取图像的部位及临床疑似诊断的倾向,帮助移动终端医学图像获取模块选择合适的算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面。
(3)病灶识别分割模块一,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块反馈给临床医师并将正确的分割结果传输给移动互联网加密传输和通信模块进行进一步处理。
(4)移动互联网加密传输和通信模块,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块。
(5)病灶识别分割模块二,能够在病灶识别分割模块一对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块。
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输面来的正确分割的图像结果进行分类,并将分类结果的相关信息通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
为了满足面向非医疗人员的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他纸质媒介或显示器上的医学图像或诊断报告文本,并且能按照预先设置的一定标准,动态反馈非医疗人员当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像或者文本信息以备后续流程。
(2)移动终端用户界面交互模块,使非医疗人员能方便地上传自己的就诊需求和影像资料,帮助移动终端医学图像获取模块选择合适的算法,同时也作为向非医疗人员反馈进一步就诊建议的界面。面向非医疗人员的界面需要以通俗易懂的语言阐述医学问题,一般尽量回避晦涩及易混淆的医学概念。
(3)病灶识别分割模块一,直接进行病灶分割后传输给移动互联网加密传输和通信模块进行进一步处理。
(4)移动互联网加密传输和通信模块,对获取的分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块。
(5)病灶识别分割模块二,能够在病灶识别分割模块一对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块。
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输而来的正确分割的图像结果进行分类,或者将获取的诊断报告的文本信息进行匹配分析处理,然后将面向非医疗人员的就诊建议通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
为了满足面向影像科医师的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈影像科医师当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像以备后续流程。
(2)移动终端用户界面交互模块,可以实现医师的身份及医师资格的验证,使影像科医师能够方便的选择当前需要获取图像的部位、序列及精准诊断需求,帮助移动终端医学图像获取模块选择合适的医学影像获取算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面。
(3)病灶识别分割模块一,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块反馈给影像科医师并将正确的分割结果传输给移动互联网加密传输和通信模块进行进一步处理。
(4)移动互联网加密传输和通信模块,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块。
(5)病灶识别分割模块二,对于影像科医师分割确认的分割结果,病灶识别分割模块二进队其做简单验证识别,然后直接传入服务器人工智能快速诊断和数据管理模块。
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输而来的正确分割的图像结果进行分类和储存,并在影像诊断数据库中检索匹配的临床、病理、影像技术及影像诊断相关的一系列资料,并将分类结果和一系列资料通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
本发明的优点及效益为:发明了一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法,这种布署方法能够在现有的通信基础设施上,以较为低廉的成本实现医学影像人工智能快速诊断数据库的搭建,同时创新地采用移动端设备基于统一的标准对医学图像数据进行二次采集和处理,能够最大程度地克服当前各医院的医学影像数据异质性太大所致人工智能诊断程序通用性差的弊端。相较于之前通过一家或部分医院提供的数据直接训练获得人工智能诊断模型,本发明中提出任何终端获取的图像只要能通过设定的采集标准,这些图像都能被用于模型的训练,这个云端模型是基于标准化的二次采集图像进行训练,并且能够方便地基于新的数据进行超参数的动态更新。同时本发明也明确了面向不同对象,医学影像人工智能诊断程序应针对不同的医疗环节提供差异化的服务,从而使其更具实用价值和安全性。
附图说明
图1是基于移动端和移动互联网的医学影像人工智能快速诊断布署方法的实施例示意图;
图中:1是移动终端医学图像获取模块;2是移动终端用户界面交互模块;3是病灶识别分割模块一;4是移动互联网加密传输和通信模块;5是病灶识别分割模块二;6是服务器人工智能快速诊断和数据管理模块。
图2是本发明实施例满足三类不同人群的医学影像人工智能快速诊断交互流程的示意图。
具体实施方式
为进一步说明本发明的内容、特点及效果,例举以下实施例,并配合附图详细说明如下:
如图1所示,本发明实施例提供的基于移动端和移动互联网的医学影像人工智能快速诊断布署方法包括:1是移动终端医学图像获取模块;2是移动终端用户界面交互模块;3是病灶识别分割模块一;4是移动互联网加密传输和通信模块;5是病灶识别分割模块二;6是服务器人工智能快速诊断和数据管理模块。
移动终端医学图像获取模块1,与移动终端用户界面交互模块2、病灶识别分割模块3相连,用于医学图像的获取,获取的方式包括通过移动终端的拍照录影设备或移动终端通过网络传输所获得。移动终端医学图像获取模块可以通过集成在应用软件、网页、轻量级小程序等多种方式实现。如果数据来源于网络传输,这些图像数据同样需要通过该模块进行二次处理和采集。移动终端医学图像获取模块最核心的作用是对获取的医学影像原始图像数据进行标准化的二次处理和采集。这些二次采集的标准化图像最后与临床诊断结果进行关联并据此训练人工智能模型。其目的是使训练人工智能网络和应用人工智能网络能够在一个样本空间中进行。
移动终端用户界面交互模块2,与移动终端医学图像获取模块1、移动互联网加密传输和通信模块4相连,用于处理用户的交互,其中用户分为医疗专业人员和非医疗人员。移动终端用户界面交互模块也可以通过集成在应用软件、网页、轻量级小程序等多种方式实现,其核心是对专业医疗人员和非医疗人员提供不同的交互方式,进一步为专业医疗人员中影像科医师和临床医师提供不同的功能属性,能够让医师在使用云端模型的同时提供更多数据的更新。
病灶识别分割模块,包括病灶识别分割模块一3和病灶识别分割模块二5。病灶识别分割模块一3与移动终端医学图像获取模块1、移动互联网加密传输和通信模块4相连,而病灶识别分割模块二5与移动互联网加密传输和通信模块4、服务器人工智能快速诊断和数据管理模块相连6。病灶识别分割模块一3布置在移动终端,用于对获取的医学图像实现病灶的分割。病灶识别分割模块二5布置在服务器,用于对不能在移动终端实现病灶分割的图像进行病灶分割。病灶识别分割模块可以通过集成在移动端的应用软件、网页、轻量级小程序和布署于服务器的人工智能程序等多种方式实现,病灶识别分割模块一3的核心是能够调用预先训练好的人工智能模型对病灶进行分割处理并实现与用户的快速交互,病灶识别分割模块二5的核心是调动训练好的分割和检测模型进一步对前端传输而来的数据进行处理,其目的是保证获取的图像得到尽可能准确的分割。
移动互联网加密传输和通信模块4,与病灶识别其分割模块一3和病灶识别分割模块二5、移动终端用户界面交互模块2、服务器人工智能快速诊断和数据管理模块6相连,用于医学图像、文本、语音数据的加密和通过移动互联网传输。该模块核心是基于现有成熟的通信协议实现,加密算法可以基于高效安全的加密算法,目的是实现数据通信的经济、安全和高效。
服务器人工智能快速诊断和数据管理模块6,与病灶识别分割模块二5、移动互联网加密传输和通信模块相连4,用于对分割后的病灶图像在后端进行人工智能快速诊断和其他相关信息的处理。该模块通过布署在服务器的各种人工智能模型对获取的经过预处理的图像进行分类诊断。一份数据可以经过多个专一化的模型进行处理,最后将处理的结果整合并反馈给前端的移动终端用户界面交互模块2。流程中的人工智能模型的超参数可以由新近更新的图像数据进行动态调整。
基于上述的布署情况,本发明面向三类人群(临床科室医师、非医疗人员和影像科医师)对医学影像人工智能快速诊断的不同需求和使用场景。
面向临床医师时,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块1,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈临床医师当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像以备后续流程。获取到的图像通过预设的检测算法后,将检测结果通过移动终端用户界面交互模块2反馈给临床医师是否需要重新采集图像。
(2)移动终端用户界面交互模块2,可以实现医师的身份及医师资格的验证,使临床医师能够方便的选择当前需要获取图像的部位及临床疑似诊断的倾向,帮助移动终端医学图像获取模块选择合适的医学影像获取算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面。移动终端用户界面交互模块2有属于临床医师的专属界面。
(3)病灶识别分割模块一3,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块反馈给临床医师并将正确的分割结果传输给移动互联网加密传输和通信模块4进行进一步处理。病灶识别分割模块一3依靠布置在终端上的高效分割算法实现,能够在终端算力允许的前提下提供实时高效的分割,便于临床医师对分割结果快速做出调整。
(4)移动互联网加密传输和通信模块4,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块6并将其反馈的结果传输至移动终端用户界面交互模块2。该模块依赖现有成熟的通信基础设施实现,以求在最经济的条件下实现人工智能快速诊断的可及性。
(5)病灶识别分割模块二5,能够在病灶识别分割模块一3对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块。病灶识别分割模块二5依赖于布署在服务器的分割算法实现,它是对移动端分割的提升或补救,主要是依赖后端充足的算力对前端传输来的图像进行精细化的处理。
(6)服务器人工智能快速诊断和数据管理模块6,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输而来的正确分割的图像结果进行分类,并将分类结果的相关信息通过移动互联网加密传输和通信模块4反馈至移动终端用户界面交互模块2。依赖于服务器中布署的程序和数据库实现上述过程。
为了满足面向非医疗人员的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块1,能够调用终端的拍照录像设备获取其他纸质媒介或显示器上的医学图像或诊断报告文本,并且能按照预先设置的一定标准,动态反馈非医疗人员当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像或者文本信息以备后续流程。获取到的图像和文本信息通过预设的检测算法后,将检测结果通过移动终端用户界面交互模块2反馈给非医疗人员是否需要重新采集图像或文本信息。
(2)移动终端用户界面交互模块2,使非医疗人员方便的上传自己的就诊需求和影像资料,帮助移动终端医学图像获取模块选择合适的医学影像获取算法,同时也作为向非医疗人员反馈进一步就诊建议的界面。面向非医疗人员的界面需要以通俗易懂的语言阐述医学问题,一般尽量回避晦涩及易混淆的医学概念。移动终端用户界面交互模块2有属于非医疗人员的专属界面。
(3)病灶识别分割模块一3,直接进行病灶分割后传输给移动互联网加密传输和通信模块4进行进一步处理。
(4)移动互联网加密传输和通信模块4,对获取的分割的图像结果采用加密算法加密,同时使用移动互联网将图像传输至服务器人工智能快速诊断和数据管理模块6并将其反馈的结果传输至移动终端用户界面交互模块2。该模块依赖现有成熟的通信基础设施实现,以求在最经济的条件下实现人工智能快速诊断的可及性。
(5)病灶识别分割模块二5,能够在病灶识别分割模块一对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块6。病灶识别分割模块二5依赖于布署在服务器的分割算法实现,它是对移动端分割的提升或补救,主要是依赖后端充足的算力对前端传输来的图像进行精细化的处理。
(6)服务器人工智能快速诊断和数据管理模块6,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输而来的正确分割的图像结果进行分类,或者将获取的诊断报告的文本信息进行匹配分析处理,然后将面向非医疗人员的就诊建议通过移动互联网加密传输和通信模块4反馈至移动终端用户界面交互模块2。依赖于服务器中布署的程序和数据库实现上述过程,对于非医疗人员,除了需要建立专业的医疗知识数据库外,还需要建立对应的面向不同知识水平人员的阐释方案数据库。
为了满足面向影像科医师的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块1,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈影像科医师当前获取的图像是否满足后续处理要求。同时也能够预处理通过网络传输来的图像以备后续流程。获取到的图像通过预设的检测算法后,将检测结果通过移动终端用户界面交互模块2反馈给影像科医师是否需要重新采集图像。
(2)移动终端用户界面交互模块2,可以实现医师的身份及医师资格的验证,使影像科医师能够方便的选择当前需要获取图像的部位、序列及精准诊断需求,帮助移动终端医学图像获取模块1选择合适的医学图像获取算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面。该模块使影像科医师能方便地对人工智能模型分割的结果进行调整,可以设置纯人工的勾画方法和医师部分参与的半自动分割方法。这些上传的分割结果经过确认后可以被用于训练和更新人工智能分割模型。
(3)病灶识别分割模块一3,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块2反馈给影像科医师并将正确的分割结果传输给移动互联网加密传输和通信模块4进行进一步处理。病灶识别分割模块一3依靠布置在终端上的高效分割算法实现,能够在终端算力允许的前提下提供实时高效的分割,便于影像科医师对分割结果做出精确的分割调整,为分割模型提供分割的参考标准。
(4)移动互联网加密传输和通信模块4,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块6并将其反馈的结果传输至移动终端用户界面交互模块2。
(5)病灶识别分割模块二5,影像科医师分割的结果属于分割的参照标准,因此病灶识别分割模块二5在此流程中主要是检测分隔结果是否存在重大错误,其依赖于布署在服务器的分割算法实现,它是对移动端分割的验证,主要是依赖后端充足的算力对前端传输来的图像进行把关。
(6)服务器人工智能快速诊断和数据管理模块6,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型。对传输而来的正确分割的图像结果进行分类和存储,并在影像诊断数据库中检索匹配的临床、病理、影像技术及影像诊断相关的一系列资料,并将分类结果和一系列资料通过移动互联网加密传输和通信模块4反馈至移动终端用户界面交互模块2。依赖于服务器中布署的程序和数据库实现上述过程。
上述仅是对本发明的较佳实施例,并非对本发明作任何形式上的限制和固定,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化和修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法,其特征在于,需要包括以下模块:移动终端医学图像获取模块、移动终端用户界面交互模块、病灶识别分割模块、移动互联网加密传输和通信模块、服务器人工智能快速诊断和数据管理模块;
移动终端医学图像获取模块,与移动终端用户界面交互模块、病灶识别分割模块相连,用于医学图像的获取,获取的方式包括通过移动终端的拍照录影设备或通过移动终端的网络传输获得;
移动终端用户界面交互模块,与移动终端医学图像获取模块、移动互联网加密传输和通信模块相连,用于处理用户的交互,其中用户分为医疗专业人员和非医疗人员;
病灶识别分割模块,包括病灶识别分割模块一和病灶识别分割模块二;病灶识别分割模块一与移动终端医学图像获取模块、移动互联网加密传输和通信模块相连,而病灶识别分割模块二与移动互联网加密传输和通信模块、服务器人工智能快速诊断和数据管理模块相连;病灶识别分割模块一布置在移动终端,用于对获取的医学图像实现病灶的分割;病灶识别分割模块二布置在服务器,用于对不能在移动终端实现病灶分割的图像进行病灶分割;
移动互联网加密传输和通信模块,与病灶识别分割模块、移动终端用户界面交互模块、服务器人工智能快速诊断和数据管理模块相连,用于医学图像、文本、语音数据的加密和经移动互联网的传输;
服务器人工智能快速诊断和数据管理模块,与病灶识别分割模块、移动互联网加密传输和通信模块相连,用于对分割后的病灶图像在后端进行人工智能快速诊断和其他相关信息的处理;
这种布署方法的特征还在于能够在现有的通信基础设施上,以较为低廉的成本实现医学影像人工智能快速诊断数据库的搭建,同时采用移动端设备基于统一的标准对医学图像数据进行二次采集和处理,能够最大程度地克服当前各医院医学影像数据异质性太大所致人工智能诊断程序通用性差的弊端,同时能够便于扩增图像数据并对流程内各环节涉及的人工智能模型进行更新。
2.根据权利要求1所述的,本发明为满足三类人群(临床科室医师、非医疗人员和影像科医师)对医学影像人工智能快速诊断的不同需求和使用场景所布署的应用方案,其特征在于:
(1)面向临床医师,临床医师均学习过初步的影像诊断知识,但是不同临床医师的影像诊断能力存在较大差异;临床医师对影像诊断的一个重要需求是能够获取快速简略的诊断意见,特别是对于临床急症如脑出血、脑梗塞、肺栓塞、胃肠道穿孔、急性胰腺炎、阑尾炎和主动脉夹层等临床进展快、处理不及时预后差的疾病;而影像科医师人数有限,无法做到面面俱到,此时临床医师可以通过移动终端连接移动互联网获取医学影像人工智能快速诊断意见,可以和自我的判断互相印证,引起重视,主动联系影像科寻求进一步意见;
(2)面向非医疗人员,非医疗人员不具备医疗专业知识,对人工智能快速诊断给出的诊断意见无法进一步甄别;非医疗人员对影像诊断的需求主要是帮助其进一步就诊;因此,本发明主要通过识别患者的图像和诊断报告文字信息,为非医疗人员提供进一步就诊的相关建议,比如需要就诊内科或者外科,就诊的紧迫性等;这些建议来源于服务器中经专业医师整理的专业意见;
(3)面向影像科医师,影像科医师系统学习过临床知识和影像诊断知识,不同医师间虽然存在个人水平的差异,但是能胜任临床工作的影像科医师必定达到了一定诊断能力;因此,影像科医师对医学影像人工智能快速诊断的主要需求是能够在精准影像方面提供一定的参考意见;例如,病理亚型、病灶分期和预后等;同时,影像科医师也可以通过移动终端标注新的数据和反馈病理结果。
3.根据权利要求2所述的,为了满足面向临床医师的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈临床医师当前获取的图像是否满足后续处理要求;同时也能够预处理通过网络传输来的图像以备后续流程;
(2)移动终端用户界面交互模块,可以实现医师的身份及医师资格的验证,使临床医师能够方便的选择当前需要获取图像的部位及临床疑似诊断的倾向,帮助移动终端医学图像获取模块选择合适的算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面;
(3)病灶识别分割模块一,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块反馈给临床医师并将正确的分割结果传输给移动互联网加密传输和通信模块进行进一步处理;
(4)移动互联网加密传输和通信模块,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块;
(5)病灶识别分割模块二,能够在病灶识别分割模块一对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块;
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型;对传输而来的正确分割的图像结果进行分类,并将分类结果的相关信息通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
4.根据权利要求2所述的,为了满足面向非医疗人员的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他纸质媒介或显示器上的医学图像或诊断报告文本,并且能按照预先设置的一定标准,动态反馈非医疗人员当前获取的图像是否满足后续处理要求;同时也能够预处理通过网络传输来的图像或者文本信息以备后续流程;
(2)移动终端用户界面交互模块,使非医疗人员能方便地上传自己的就诊需求和影像资料,帮助移动终端医学图像获取模块选择合适的算法,同时也作为向非医疗人员反馈进一步就诊建议的界面;面向非医疗人员的界面需要以通俗易懂的语言阐述医学问题,一般尽量回避晦涩及易混淆的医学概念;
(3)病灶识别分割模块一,直接进行病灶分割后传输给移动互联网加密传输和通信模块进行进一步处理;
(4)移动互联网加密传输和通信模块,对获取的分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块;
(5)病灶识别分割模块二,能够在病灶识别分割模块一对病灶进行初步分割后,进一步检测处理分割中出现的错误,保证将尽量好的分割结果传入服务器人工智能快速诊断和数据管理模块;
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型;对传输而来的正确分割的图像结果进行分类,或者将获取的诊断报告的文本信息进行匹配分析处理,然后将面向非医疗人员的就诊建议通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
5.根据权利要求2所述的,为了满足面向影像科医师的需求,本方法中包含的各模块应具备以下特征和功能:
(1)移动终端医学图像获取模块,能够调用终端的拍照录像设备获取其他显示器或媒介上的医学图像,并且能按照预先设置的一定标准,动态反馈影像科医师当前获取的图像是否满足后续处理要求;同时也能够预处理通过网络传输来的图像以备后续流程;
(2)移动终端用户界面交互模块,可以实现医师的身份及医师资格的验证,使影像科医师能够方便的选择当前需要获取图像的部位、序列及精准诊断需求,帮助移动终端医学图像获取模块选择合适的医学影像获取算法,同时也作为向医师反馈结果和医师进行图像分割调整的界面;
(3)病灶识别分割模块一,能够在移动端对病灶实现快速分割,并将结果通过移动终端用户界面交互模块反馈给影像科医师并将正确的分割结果传输给移动互联网加密传输和通信模块进行进一步处理;
(4)移动互联网加密传输和通信模块,对获取的正确分割的图像结果采用加密算法加密,同时使用移动互联网将结果传输至服务器人工智能快速诊断和数据管理模块并将其反馈的结果传输至移动终端用户界面交互模块;
(5)病灶识别分割模块二,对于影像科医师分割确认的分割结果,病灶识别分割模块二进队其做简单验证识别,然后直接传入服务器人工智能快速诊断和数据管理模块;
(6)服务器人工智能快速诊断和数据管理模块,能够管理和调度储存在服务器中的各种预先训练好的人工智能快速诊断模型;对传输而来的正确分割的图像结果进行分类和储存,并在影像诊断数据库中检索匹配的临床、病理、影像技术及影像诊断相关的一系列资料,并将分类结果和一系列资料通过移动互联网加密传输和通信模块反馈至移动终端用户界面交互模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563183.8A CN115394406A (zh) | 2021-05-24 | 2021-05-24 | 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563183.8A CN115394406A (zh) | 2021-05-24 | 2021-05-24 | 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115394406A true CN115394406A (zh) | 2022-11-25 |
Family
ID=84113670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110563183.8A Pending CN115394406A (zh) | 2021-05-24 | 2021-05-24 | 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115394406A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116825259A (zh) * | 2023-08-31 | 2023-09-29 | 四川省医学科学院·四川省人民医院 | 一种基于物联网的医疗数据管理方法 |
CN117672470A (zh) * | 2024-01-29 | 2024-03-08 | 北京大学 | 一种基于Web浏览器的医学影像辅助诊断装置 |
-
2021
- 2021-05-24 CN CN202110563183.8A patent/CN115394406A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116825259A (zh) * | 2023-08-31 | 2023-09-29 | 四川省医学科学院·四川省人民医院 | 一种基于物联网的医疗数据管理方法 |
CN116825259B (zh) * | 2023-08-31 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于物联网的医疗数据管理方法 |
CN117672470A (zh) * | 2024-01-29 | 2024-03-08 | 北京大学 | 一种基于Web浏览器的医学影像辅助诊断装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709254B (zh) | 一种医疗诊断机器人系统 | |
CN109997147B (zh) | 对鼓膜病理进行分类的系统、方法和计算机可读介质 | |
WO2021073380A1 (zh) | 一种图像识别模型训练的方法、图像识别的方法及装置 | |
CN108230296B (zh) | 图像特征的识别方法和装置、存储介质、电子装置 | |
WO2022188489A1 (zh) | 多模态多病种长尾分布眼科疾病分类模型训练方法和装置 | |
US7444071B2 (en) | Method for diagnosing disease from tongue image | |
CN110472494A (zh) | 脸部特征提取模型训练方法、脸部特征提取方法、装置、设备及存储介质 | |
CN115394406A (zh) | 一种基于移动端和移动互联网的医学影像人工智能快速诊断布署方法 | |
CN110458217A (zh) | 图像识别方法及装置、眼底图像识别方法和电子设备 | |
TWI723868B (zh) | 一種抽樣後標記應用在類神經網絡訓練模型之方法 | |
CN109508755B (zh) | 一种基于图像认知的心理测评方法 | |
CN110489577B (zh) | 医疗影像管理方法及装置、眼底影像处理方法、电子设备 | |
TWI728369B (zh) | 人工智慧雲端膚質與皮膚病灶辨識方法及其系統 | |
WO2021208091A1 (zh) | 一种基于神经网络的病毒筛查与防疫系统及方法 | |
CN112989087B (zh) | 一种图像处理方法、设备以及计算机可读存储介质 | |
CN109273088A (zh) | 一种基于物联网和云计算的快速智能体检系统 | |
CN110010245A (zh) | 一种精神疾病脑影像处理系统 | |
CN112802000A (zh) | 多模态医学影像智能辅助诊疗系统 | |
CN115862831B (zh) | 一种智能在线预约诊疗管理系统及方法 | |
CN110473176A (zh) | 图像处理方法及装置、眼底图像处理方法、电子设备 | |
CN113946217A (zh) | 一种肠镜操作技能智能辅助评估系统 | |
CN107341189A (zh) | 一种辅助人工对图像进行筛查、分类和存储的方法及系统 | |
KR102036052B1 (ko) | 인공지능 기반으로 비규격화 피부 이미지의 의료 영상 적합성을 판별 및 변환하는 장치 | |
CN116824670A (zh) | 基于微表情的问诊辅助方法、装置、设备及介质 | |
CN111652837A (zh) | 基于ai的甲状腺结节左右叶定位与超声报告纠错方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |