CN115762722B - 一种基于人工智能的影像复查系统 - Google Patents
一种基于人工智能的影像复查系统 Download PDFInfo
- Publication number
- CN115762722B CN115762722B CN202211468929.8A CN202211468929A CN115762722B CN 115762722 B CN115762722 B CN 115762722B CN 202211468929 A CN202211468929 A CN 202211468929A CN 115762722 B CN115762722 B CN 115762722B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- images
- registration
- comparison
- 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
Links
Images
Abstract
本发明公开了一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块，解决了通过PACS上的“对比模式”，反复翻阅不同时期，不同层面的图像，通过专家肉眼根据不同的解剖标志进行人工判断是否是同一层面，确定好同一层面后，再进行观察目标病变，进行测量病变大小等重要数据，进行对照，整个过程耗时耗力的问题，同时解决了在多学科会诊过程中，不同学科的专家都在等待人工翻阅图像和寻找较为一致的同层图像进行比对，这样消耗了大量的专家耐心和宝贵会诊时间的问题。
Description
技术领域
本发明涉及医学图像领域，尤其是一种基于人工智能的影像复查系统。
背景技术
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。临床医学需要大量的影像证据支持治疗方式选择有效性的评估，故此需要高效，准确，且精细化不同时间段的前后可对比图像。例如，肿瘤内科，在执行完一个阶段的治疗后，需要紧密观察前期治疗效果，根据影像学证据证明病变对药物的响应效果，最直接的系列指标就是需要在同角度，同层面，不同时间的影像学资料进行前后对照，重点观察病变的大小、数目、分布和血供等重要信息。
在现有技术中，临床解决以上需求是通过基于PACS上的已采集图像，使用PACS上的“对比模式”，反复翻阅不同时期，不同层面的图像，通过专家肉眼根据不同的解剖标志进行人工判断是否是同一层面，确定好同一层面后，再进行观察目标病变，进行测量病变大小等重要数据，进行对照，整个过程耗时耗力，更为重要的是，在多学科会诊过程中，不同学科的专家都在等待人工翻阅图像和寻找较为一致的同层图像进行比对，这样消耗了大量的专家耐心和宝贵会诊时间。
为了能够实时将不同时间段的检查图像进行智能化对比和显示，目前亟需设计出一种基于人工智能的影像复查系统。
发明内容
本发明为了解决上述存在的技术问题，提供一种基于人工智能的影像复查系统。
本发明的技术方案是这样实现的：
一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块。
所述AI搜索模块包括智能分割单元和智能分析单元。
所述图像重建模块包括层面角度获取单元和角度配准单元。
所述AI测量模块包括病变直径测量单元、体积测量单元和编辑单元。所述动态对比模块包括层面排列单元和动态影像转化单元。
本发明通过设置图像同层搜索系统，依据人体重要解剖标志进行层面搜索和选择同层面的图像，并通过AI配准系统配准不同时期的同层面图像，再传输至AI对比系统进行自动对比，解决了通过人工翻阅图像和寻找较为一致的同层图像进行比对的方法消耗了大量的专家耐心和宝贵会诊时间的问题。在此期间，也能将不同时期同层面的对比图像转化为动态图或视频，有利于进行成果展示和学术交流使用，本发明专利可以提高临床影像和诊断的使用准确性，便捷性和客观性。且本发明专利操作方便，实用性高，安全可靠，具有很好的临床推广价值。
附图说明
图1为本发明的工作流程示意图。
具体实施方式
如图1所示，一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI搜索模块包括智能分割单元和智能分析单元，通过解剖标志识别模块，依据人体重要解剖标志进行层面识别，再依次通过AI搜索模块和选择模块，对患者诸多横断位图像进行分割和分析，自动选择同层面的图像和层数进行进一步的配准步骤。
所述图像重建模块包括层面角度获取单元和角度配准单元。
在配准系统中，通过图像重建模块，将不同角度切面的横断位图像进行体素重建的方式，根据对比图像的层面和角度重新构建图像，并通过图像配准模块使前后两次或者多次图像在成像角度上没有差异，达到完全配准状态并输出配准图像，传输至AI对比系统，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块，所述动态对比模块包括层面排列单元和动态影像转化单元，所述AI测量模块包括病变直径测量单元、体积测量单元和编辑单元。在AI对比系统中，通过AI测量模块自动测量病变体积，自动测量病变的直径大小，同时直接给出体积数据，通过编辑模块可以调节图像的透明度，在动态对比模块中可以将对比图像进行动态遮蒙覆盖对比，显示更加直观和动态，通过动态影像转化单元可以将所有对比图像转化为动态图或视频，可以进行成果展示和学术交流使用。
实施例一
本发明一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块。
所述AI搜索模块包括智能分割单元和智能分析单元。
所述图像重建模块包括层面角度获取单元和角度配准单元。
所述AI测量模块包括病变直径测量单元、体积测量单元和编辑单元。所述动态对比模块包括层面排列单元和动态影像转化单元。
当需要通过本发明得到对比医疗影像的动态图或视频时，本发明的工作流程是这样的：
S1：通过图像同层搜索系统，通过解剖标志识别模块，依据人体重要解剖标志对图像进行层面搜索和选择，建立在依据智能卷积神经网络的基础上，依据神经网络的智能分割功能，对患者诸多横断位图像进行分割和分析，自动智能选择同层面的图像和层数进行进一步的配准步骤；
S2：通过配准系统，通过图像重建模块，将不同角度切面的横断位图像进行体素重建的方式，根据对比图像的层面和角度重新构建图像，根据对比图像的层面和角度重新构建图像，并通过图像配准模块使前后两次或者多次图像在成像角度上没有差异，达到完全配准状态并输出配准图像；
S3：通过对比系统，自动测量病变体积，自动测量病变的直径大小，直接给出体积大小数据，通过编辑单元调整图像透明度，在同平面，同角度前提下，与需要对比的不同时间点层面进行动态遮蒙覆盖对比；
S4：通过动态影像转化单元将所有对比图像转化为动态图或视频，可以进行成果展示和学术交流使用。
实施例二
本发明一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块。
所述AI搜索模块包括智能分割单元和智能分析单元。
所述图像重建模块包括层面角度获取单元和角度配准单元。
所述AI测量模块包括病变直径测量单元、体积测量单元和编辑单元。所述动态对比模块包括层面排列单元和动态影像转化单元。
当需要通过本发明得到配准图像时，本发明的工作流程是这样的：
S1：通过图像同层搜索系统，通过解剖标志识别模块，依据人体重要解剖标志对图像进行层面搜索和选择，建立在依据智能卷积神经网络的基础上，依据神经网络的智能分割功能，对患者诸多横断位图像进行分割和分析，自动智能选择同层面的图像和层数进行进一步的配准步骤；
S2：通过配准系统，通过图像重建模块，将不同角度切面的横断位图像进行体素重建的方式，根据对比图像的层面和角度重新构建图像，并通过图像配准模块使前后两次或者多次图像在成像角度上没有差异，达到完全配准状态并输出配准图像。
Claims (7)
1.一种基于人工智能的影像复查系统，包括图像同层搜索系统、AI配准系统和AI对比系统，所述图像同层搜索系统包括解剖标志识别模块、AI搜索模块和选择模块，所述AI配准系统包括图像重建模块和图像配准模块，所述AI对比系统包括AI测量模块和动态对比模块；
解剖标志识别模块，依据人体重要解剖标志进行层面搜索和选择同层面的图像；
AI搜索模块，建立在依据智能卷积神经网络的基础上，依据神经网络的智能分割功能，对患者诸多横断位图像进行分割和分析；
选择模块，主动智能选择同层面的图像和层数进行进一步的配准步骤；
图像重建模块，基于卷积神经网络可以将不同角度切面的横断位图像进行体素重建；
图像配准模块，将进行重建后的图像与需要对比的图像进行配准，使前后图像在成像角度上没有差异，达到完全配准状态并输出配准图像；
AI测量模块，自动测量病变体积，自动测量病变的直径大小，同时直接给出体积大小数据，调整图像透明度；
动态对比模块，在同平面，同角度前提下，与需要对比的不同时间点层面进行动态遮蒙覆盖对比，将所有对比图像转化为动态图或视频。
2.根据权利要求1所述的一种基于人工智能的影像复查系统，其特征在于：所述AI搜索模块包括智能分割单元，依据神经网络的智能分割功能，对患者诸多横断位图像进行分割；智能分析单元，依据神经网络的智能分析功能，对患者诸多横断位图像进行分析。
3.根据权利要求1所述的一种基于人工智能的影像复查系统，其特征在于：所述图像重建模块包括层面角度获取单元，负责获取需要对比的图像的摄片角度；角度配准单元，将若干同层面的图像进行角度调整并配准。
4.根据权利要求1所述的一种基于人工智能的影像复查系统，其特征在于：所述AI测量模块包括病变直径测量单元，自动测量病变的直径大小；体积测量单元，自动测量病变体积，同时直接给出体积数据；编辑单元，调节图像的透明度。
5.根据权利要求1所述的一种基于人工智能的影像复查系统，其特征在于：所述动态对比模块包括层面排列单元，负责在同平面，同角度前提下，与需要对比的不同时间点层面进行动态遮蒙覆盖对比；动态影像转化单元，将所有对比图像转化为动态图或视频。
6.根据权利要求2所述的一种基于人工智能的影像复查系统，其特征在于：所述智能分割单元依据卷积神经网络的智能分割功能对图像进行分割。
7.根据权利要求1所述的一种基于人工智能的影像复查系统，其特征在于：所述图像重建模块基于卷积神经网络将不同角度切面的横断位图像进行体素重建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211468929.8A CN115762722B (zh) | 2022-11-22 | 2022-11-22 | 一种基于人工智能的影像复查系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211468929.8A CN115762722B (zh) | 2022-11-22 | 2022-11-22 | 一种基于人工智能的影像复查系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115762722A CN115762722A (zh) | 2023-03-07 |
| CN115762722B true CN115762722B (zh) | 2023-05-09 |
Family
ID=85335274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211468929.8A Active CN115762722B (zh) | 2022-11-22 | 2022-11-22 | 一种基于人工智能的影像复查系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115762722B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
| CN108053433A (zh) * | 2017-11-28 | 2018-05-18 | 浙江工业大学 | 一种基于物理对齐和轮廓匹配的多模态颈动脉mri配准方法 |
| CN108805913A (zh) * | 2018-05-14 | 2018-11-13 | 首都医科大学附属北京安贞医院 | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 |
| CN109767461A (zh) * | 2018-12-28 | 2019-05-17 | 上海联影智能医疗科技有限公司 | 医学影像配准方法、装置、计算机设备和存储介质 |
| CN110251243A (zh) * | 2019-06-24 | 2019-09-20 | 淮安信息职业技术学院 | 一种超声融合导航辅助配准装置 |
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| CN112070809A (zh) * | 2020-07-22 | 2020-12-11 | 中国科学院苏州生物医学工程技术研究所 | 基于pet/ct双时成像的胰腺癌精准诊断系统 |
| CN112150524A (zh) * | 2020-09-29 | 2020-12-29 | 武汉大学 | 一种基于深度学习的二维和三维医学图像配准方法和系统 |
| WO2021114226A1 (zh) * | 2019-12-12 | 2021-06-17 | 珠海横乐医学科技有限公司 | 基于肝内血管配准的手术导航系统 |
| CN115116586A (zh) * | 2022-06-01 | 2022-09-27 | 盐城工学院 | 一种基于联合配准的可变形统计图谱构建方法 |
| CN115359878A (zh) * | 2022-08-30 | 2022-11-18 | 北京赛迈特锐医疗科技有限公司 | Icu床旁胸部x线片自动对比诊断智能报告系统及方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017116512A1 (en) * | 2015-12-28 | 2017-07-06 | Metritrack, Inc. | System and method for the coregistration of medical image data |
| US20170337682A1 (en) * | 2016-05-18 | 2017-11-23 | Siemens Healthcare Gmbh | Method and System for Image Registration Using an Intelligent Artificial Agent |
| US11551353B2 (en) * | 2017-11-22 | 2023-01-10 | Arterys Inc. | Content based image retrieval for lesion analysis |
-
2022
- 2022-11-22 CN CN202211468929.8A patent/CN115762722B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
| CN108053433A (zh) * | 2017-11-28 | 2018-05-18 | 浙江工业大学 | 一种基于物理对齐和轮廓匹配的多模态颈动脉mri配准方法 |
| CN108805913A (zh) * | 2018-05-14 | 2018-11-13 | 首都医科大学附属北京安贞医院 | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 |
| CN109767461A (zh) * | 2018-12-28 | 2019-05-17 | 上海联影智能医疗科技有限公司 | 医学影像配准方法、装置、计算机设备和存储介质 |
| CN110251243A (zh) * | 2019-06-24 | 2019-09-20 | 淮安信息职业技术学院 | 一种超声融合导航辅助配准装置 |
| CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
| WO2021114226A1 (zh) * | 2019-12-12 | 2021-06-17 | 珠海横乐医学科技有限公司 | 基于肝内血管配准的手术导航系统 |
| CN112070809A (zh) * | 2020-07-22 | 2020-12-11 | 中国科学院苏州生物医学工程技术研究所 | 基于pet/ct双时成像的胰腺癌精准诊断系统 |
| CN112150524A (zh) * | 2020-09-29 | 2020-12-29 | 武汉大学 | 一种基于深度学习的二维和三维医学图像配准方法和系统 |
| CN115116586A (zh) * | 2022-06-01 | 2022-09-27 | 盐城工学院 | 一种基于联合配准的可变形统计图谱构建方法 |
| CN115359878A (zh) * | 2022-08-30 | 2022-11-18 | 北京赛迈特锐医疗科技有限公司 | Icu床旁胸部x线片自动对比诊断智能报告系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于深度学习的脑部肿瘤MR图像配准方法研究;刘忠强;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》(第3期);E070-333 * |
| 融合成像技术对肝脏局灶性病变的诊断价值;纪昌焕;《中国CT和MRI杂志》;第15卷(第3期);75-77 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115762722A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11430140B2 (en) | Medical image generation, localizaton, registration system | |
| CN113011485B (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 | |
| US20030228042A1 (en) | Method and system for preparation of customized imaging atlas and registration with patient images | |
| CN111311703B (zh) | 一种基于深度学习的电阻抗断层图像重构方法 | |
| CN105286768B (zh) | 基于手机平台下的人体健康状态的舌苔诊断装置 | |
| CN113205141B (zh) | 一种基于图像融合技术的甲状旁腺识别方法 | |
| CN115410046A (zh) | 基于深度学习的皮肤病舌象分类模型、建立方法及应用 | |
| CN112735569B (zh) | 脑肿瘤多模态mri术前胶质瘤手术区结果输出系统及方法 | |
| CN114782307A (zh) | 基于深度学习的增强ct影像直肠癌分期辅助诊断系统 | |
| CN116152185A (zh) | 一种基于深度学习的胃癌病理诊断系统 | |
| CN111950388A (zh) | 一种易损性斑块跟踪识别系统及方法 | |
| CN112927187A (zh) | —种自动识别定位局灶性皮质发育不良癫痫病灶的方法 | |
| CN110321827A (zh) | 一种基于人脸疼痛表情视频的疼痛水平评估方法 | |
| CN110827275B (zh) | 基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法 | |
| CN115762722B (zh) | 一种基于人工智能的影像复查系统 | |
| Wang et al. | An image analysis system for tongue diagnosis in traditional Chinese medicine | |
| Li et al. | Research about tongue image of traditional chinese medicine (TCM) based on artificial intelligence technology | |
| CN112308888A (zh) | 基于深度学习体征结构的全模态医学影像序列分组方法 | |
| Lu et al. | The JNU-IFM dataset for segmenting pubic symphysis-fetal head | |
| CN114065825B (zh) | 一种基于结构相似性的脑磁meg源定位方法 | |
| KR102461893B1 (ko) | 뇌질환 판단을 위한 최소 자승법 기반의 pet 영상 중기 데이터 예측 장치 및 그 방법 | |
| Wang et al. | Sk-Conv and SPP-based UNet for lesion segmentation of coronary optical coherence tomography | |
| CN100471446C (zh) | 早期生理突变预测系统 | |
| CN115019970A (zh) | 一种基于fNIRS的阿尔兹海默症诊断方法 | |
| Li et al. | Computer aided detection of bleeding in capsule endoscopy images |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |