CN115994193A - 使用聚类数据库进行检查建议的系统和方法 - Google Patents
使用聚类数据库进行检查建议的系统和方法 Download PDFInfo
- Publication number
- CN115994193A CN115994193A CN202211242558.1A CN202211242558A CN115994193A CN 115994193 A CN115994193 A CN 115994193A CN 202211242558 A CN202211242558 A CN 202211242558A CN 115994193 A CN115994193 A CN 115994193A
- Authority
- CN
- China
- Prior art keywords
- measurements
- measurement
- user
- subset
- database
- 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
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4427—Device being portable or laptop-like
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/54—Control of the diagnostic device
-
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供了用于提供患者检查的建议诊断和/或测量的方法和系统。在一个示例中,一种用于医疗成像系统的用户界面的方法包括:从用户接收第一用户输入;以及基于第一用户输入来确定对医学图像的第一组测量;将第一组测量发送到检查的数据库;从数据库接收检查的子集,该子集基于第一组测量;在对检查的子集进行聚类之后,确定第二测量;以及在用户执行第二测量之前向用户建议第二测量。
Description
技术领域
本文公开的主题的实施方案涉及超声成像,并且更具体地,涉及改进从超声检查的测量识别临床检查结果/诊断代码的过程。
背景技术
医学超声是采用超声波来探测患者身体的内部结构并产生对应图像的成像模态。例如,包括多个换能器元件的超声探头发射超声脉冲,这些超声脉冲会被身体中的结构反射或回传、折射或者吸收。然后超声探头接收所反射的回波,这些所反射的回波被处理成图像。内部结构的超声图像可被保存以供临床医生稍后分析从而有助于诊断和/或可以实时地或近实时地显示在显示设备上。
发明内容
在一个实施方案中,一种用于医疗成像系统的用户界面的方法包括:从用户接收第一用户输入;以及基于第一用户输入来确定对医学图像的第一组测量;将第一组测量发送到检查的数据库;从数据库接收检查的子集,该子集基于第一组测量;在对检查的子集进行聚类之后,确定第二测量;以及在用户执行第二测量之前向用户建议第二测量。
在单独或与附图联系时,本说明书的以上优势以及其他优势和特征将从以下具体实施方式中显而易见。应当理解,提供以上发明内容是为了以简化的形式介绍在具体实施方式中进一步描述的概念的选择。这并不意味着识别所要求保护的主题的关键或必要特征,该主题的范围由具体实施方式后的权利要求书唯一地限定。此外,所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。
附图说明
通过阅读以下详细描述并且参考附图,可以更好地理解本公开的各个方面,其中:
图1示出了超声系统的示例性实施方案的框图;
图2是示出形成图1的系统的一部分的界面的图;
图3是示出用于生成数据库的示例性方法的流程图;
图4是示出用于基于在当前检查期间所采取的测量向用户呈现诊断代码和/或检查结果的示例性方法的流程图;并且
图5是示出示例性数据库结构的表,该数据库结构可以在确定向用户建议的潜在诊断和/或测量时在数据库查找期间生成。
图6是在二维中聚类的检查的示例性曲线图。
具体实施方式
一些医疗成像系统(诸如超声系统)是相对较低的成本、非侵入性的,并且易于运输、使用和维护。因此,这些医疗成像系统在全球范围内被广泛采用。然而,在许多地区/市场,医疗成像系统的用户在评估由医疗成像系统生成的图像方面可能没有经验。例如,虽然可以使用超声系统对远离大型医疗机构的偏远或农村地区的患者的心脏进行成像,但是通常很难找到心脏病专家或其他有经验且受过训练的临床医生来评估图像并做出准确的诊断。此外,即使在受过训练的临床医生可用于评估图像时,一些诊断也可能是复杂的和/或罕见的,这可能导致临床医生对做出准确诊断具有较低信心。
因此,根据本文公开的实施方案,可基于对医学图像诸如超声图像进行的测量自动建议可能的诊断或检查结果。建议的诊断/检查结果可以通过询问包括来自多个先前患者检查的数据的数据库来识别。基于在当前检查中已经执行的测量,可以识别数据库中的先前患者检查。在一些示例中,仅包括至少包含与当前检查中已经执行的测量相同的测量(例如,相同的测量ID)的先前检查。此外,如果已经执行的测量的数量大于阈值,诸如大于六个或八个测量,则执行降维(例如,通过主成分分析(PCA))。然后,基于来自当前检查的测量ID,对来自已识别的先前患者检查的数据进行聚类。在当前检查的测量值已经经历相同的PCA降维(如果需要)之后,当前检查可以被分配给先前患者检查的集群中的一个集群。在这一点上,系统将在集群中找到检查的诊断代码的一部分(例如,最常出现的前五个)并向用户建议这些诊断代码。此外,还可以使用类似的过程来建议一个或多个附加测量,可以采用该一个或多个附加测量来增加诊断置信度或在多个可能的诊断之间进行区分。从包含至少与当前检查中已经存在的测量相同的测量的数据库的检查开始,逐个考虑(最常见的测量列表中的,例如最常见的100个测量的)每个候选附加测量。首先,识别(除了当前检查的测量之外)还包含候选测量的检查。然后,如果指示,则执行PCA,然后对所识别的检查执行聚类。一旦识别出集群,则计算该集群集合辨别诊断代码的能力的得分。一旦为一个或多个候选测量计算得分,系统将建议具有最高得分的候选测量。虽然原始数据库可能源自服务器,但是数据库可以以在每个设备上使用相对少量的存储器并且允许对类似检查、标签和测量的简单查找的格式来保存,以提供诊断和测量的建议。这样,一旦被策展和验证,数据库可以被保存并在各种设备诸如医疗成像系统本身上执行,这可以允许在各种临床环境中向用户建议诊断和测量。
图1中示出了一种示例性超声系统,该示例性超声系统包括超声探头、显示设备和成像处理系统。经由超声探头,可采集超声图像并将其显示在显示设备上。图2中示出了在图1的显示设备上显示的界面。根据图3的方法,可以生成包括医学数据的数据库,并且将该数据包括在该数据库中。根据图4的方法,用户可以基于经由对数据库中的选定检查进行聚类分析而提出的建议,将诊断代码和/或检查结果标签应用于当前患者的检查数据。图5中示出了示例性数据库结构,其示出了在系统的用户操作期间的数据库查找期间基于如图6所示的检查的聚类而执行的潜在计算。
参见图1,示出了根据本公开的实施方案的超声成像系统100的示意图。超声成像系统100包括发射波束形成器101和发射器102,该发射器驱动换能器阵列(本文中称为探头106)内的元件(例如,换能器元件)104,以将脉冲超声信号(本文中称为发射脉冲)发射到身体(未示出)中。根据一个实施方案,探头106可以是一维换能器阵列探头。然而,在一些实施方案中,探头106可以是二维矩阵换能器阵列探头。如以下进一步解释的,换能器元件104可以由压电材料构成。当向压电晶体施加电压时,压电晶体会发生物理膨胀和收缩,从而发射超声波。这样,换能器元件104可将电子发射信号转换为声学发射波束。
在探头106的元件104将脉冲超声信号发射到(患者的)身体中之后,脉冲超声信号从身体内部的结构(如血细胞或肌肉组织)反射,以产生返回到元件104的回波。回波被元件104转换成电信号或超声数据,并且电信号被接收器108接收。表示所接收的回波的电信号穿过输出超声数据的接收波束形成器110。
通过发射操作产生的回波信号沿着发射的超声波束从位于连续距离处的结构反射。回波信号由每个换能器元件单独感测,并且在特定时间点处的回波信号幅值的样本表示在特定距离处发生的反射量。然而,由于反射点P与每个元件之间的传播路径的差异,因此不同时检测到这些回波信号。接收器108放大单独的回波信号,将计算出的接收时间延迟赋给每个回波信号,并且将它们求和以提供单个回波信号,该单个回波信号大致指示沿着以角度θ定向的超声波束从位于距离R处的点P反射的总超声能量。
在接收回波期间,每个接收信道的时间延迟持续变化以在距离R处提供接收的波束的动态聚焦,基于介质的假设声速假设回波信号从距离R处发出。
根据处理器116的指示,接收器108在扫描期间提供时间延迟,使得接收器108的转向追踪由发射器转向的波束的方向θ,并且在连续的距离R处对回波信号进行采样,以便提供适当的时间延迟和相移来沿着波束在点P处动态聚焦。因此,超声脉冲波形的每次发射导致一连串数据点的采集,这些数据点表示从沿着超声波束定位的一连串对应点P反射的声量。
根据一些实施方案,探头106可包含电子电路来执行发射波束形成和/或接收波束形成的全部或部分。例如,发射波束形成器101、发射器102、接收器108和接收波束形成器110的全部或部分可位于探头106内。在本公开中,术语“扫描”或“扫描中”可也用于指通过发射和接收超声信号的过程来采集数据。本公开中,术语“数据”可以用于指称用超声成像系统来采集的一个或多个数据集。用户界面115可用于控制超声成像系统100的操作,包括用于控制患者数据(例如,患者病史)的输入、用于改变扫描或显示参数、用于启动探头复极化序列等。用户界面115可包括以下项中的一者或多者:旋转元件、鼠标、键盘、轨迹球、链接到特定动作的硬键、可被配置为控制不同功能的软键,以及显示在显示设备118上的图形用户界面。
超声成像系统100还包括处理器116,该处理器用以控制发射波束形成器101、发射器102、接收器108和接收波束形成器110。处理器116与探头106进行电子通信(例如,通信地连接)。出于本公开的目的,术语“电子通信”可被定义为包括有线通信和无线通信两者。处理器116可以根据存储在处理器的存储器、和/或存储器120上的指令来控制探头106以采集数据。处理器116控制元件104中的哪些是活动的以及从探头106发射的波束的形状。处理器116还与显示设备118进行电子通信,并且处理器116可将数据(例如,超声数据)处理成图像以用于在显示设备118上显示。处理器116可以包括根据一个实施方案的中央处理器(CPU)。根据其他实施方案,处理器116可包括能够执行处理功能的其他电子部件,诸如数字信号处理器、现场可编程门阵列(FPGA)或图形板。根据其他实施方案,处理器116可包括能够执行处理功能的多个电子部件。例如,处理器116可包括从电子部件的列表中选择的两个或更多个电子部件,这些电子部件包括:中央处理器、数字信号处理器、现场可编程门阵列和图形板。根据另一个实施方案,处理器116还可以包括解调真实RF数据以及生成复合数据的复合解调器(未示出)。在另一个实施方案中,解调可以在处理链中较早地执行。处理器116适于根据数据上的多个可选超声模态来执行一个或多个处理操作。在一个示例中,可在扫描会话期间实时处理数据,因为回波信号被接收器108接收并且被发射至处理器116。出于本公开的目的,术语“实时”被定义为包括在没有任何有意延迟的情况下执行的过程。例如,实施方案可以7帧/秒至20帧/秒的实时速率采集图像。超声成像系统100能够以显著更快的速率获取一个或多个平面的2D数据。然而,应当理解,实时帧速率可取决于采集用于显示的每帧数据所花费的时间长度。因此,当采集相对大量的数据时,实时帧速率可能较慢。因此,一些实施方案可具有显著快于20帧/秒的实时帧速率,而其他实施方案可具有低于7帧/秒的实时帧速率。数据可在扫描会话期间临时存储在缓冲器(未示出)中,并且在实时或离线操作中以不太实时的方式处理。本发明的一些实施方案可包括多个处理器(未示出),以处理根据上文所述的示例性实施方案的由处理器116处理的处理任务。例如,在显示图像之前,可利用第一处理器来解调和抽取RF信号,同时可使用第二处理器来进一步处理数据(例如,通过如本文进一步描述的那样扩充数据)。应当理解,其他实施方案可使用不同的处理器布置方式。
超声成像系统100可以例如10Hz至30Hz的帧速率(例如,每秒10帧至30帧)连续采集数据。根据数据生成的图像可以在显示设备118上以相似的帧速率刷新。其他实施方案能够以不同速率采集并且显示数据。例如,根据帧的大小和预期的应用,一些实施方案可以小于10Hz或大于30Hz的帧速率采集数据。包括存储器120,用于存储经处理的采集数据的帧。在示例性实施方案中,存储器120具有足够的容量来存储至少几秒钟的超声数据帧。数据帧的存储方式便于根据其采集顺序或时间进行检索。存储器120可包括任何已知的数据存储介质。
在本发明的各种实施方案中,处理器116可通过不同的模式相关模块(例如,B模式、彩色多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率等)来处理数据,以形成2D或3D数据。例如,一个或多个模块可生成B模式、彩色多普勒、M模式、彩色M模式、频谱多普勒、弹性成像、TVI、应变、应变速率以及它们的组合等。作为一个示例,一个或多个模块可处理彩色多普勒数据,其可包括传统彩色血流多普勒、功率多普勒、HD流,等等。图像线和/或帧存储在存储器中,并且可包括指示图像线和/或帧存储在存储器中的时间的定时信息。这些模块可包括例如扫描转换模块,用于执行扫描转换操作,以将所采集的图像从波束空间坐标转换为显示空间坐标。可以提供视频处理器模块,该视频处理器模块从存储器读取所采集的图像并且在对患者执行规程(例如,超声成像)时实时显示图像。视频处理器模块可包括单独的图像存储器,并且超声图像可被写入图像存储器以便由显示设备118读取和显示。
在本公开的各种实施方案中,超声成像系统100的一个或多个部件可以包括在便携手持式超声成像设备中。例如,显示设备118和用户界面115可以集成到手持式超声成像设备的外部表面中,该手持式超声成像设备可还包括处理器116和存储器120。探头106可以包括与手持式超声成像设备进行电子通信以收集原始超声数据的手持式探头。发射波束形成器101、发射器102、接收器108和接收波束形成器110可以包括在超声成像系统100的相同或不同部分中。例如,发射波束形成器101、发射器102、接收器108和接收波束形成器110可以包括在手持式超声成像设备、探头以及它们的组合中。
在执行二维超声扫描之后,生成包含扫描线及其样本的数据块。在应用后端滤波器之后,执行称为扫描转换的过程,以将二维数据块变换为具有附加扫描信息(诸如深度、每条扫描线的角度等)的可显示的位图图像。在扫描转换期间,应用内插技术来填充所得图像中的丢失的孔(即,像素)。出现这些丢失的像素是因为二维块的每个元素通常应该覆盖所得图像中的许多像素。例如,在当前超声成像系统中,应用了双三次插值,其利用了二维块的相邻元素。因此,如果与位图图像的尺寸相比,二维块相对较小,则扫描转换后的图像将包括分辨率差或分辨率低的区域,特别是对于深度较大的区域。
处理器116和存储器120可以包括在计算设备122中。计算设备122可以是被配置成定位在与探头106相同的空间/区域中的本地设备,并且可以经由有线或无线连接耦接到探头106。计算设备122可以包括通信子系统,该通信子系统可以允许计算设备122与附加的外部计算设备通信。如图所示,计算设备122通信地耦接到建议系统124和图像归档128。建议系统124可以是具有被分配用于构建和利用集群测量数据库(本文称为数据库126)的资源(例如,存储器、处理器)的计算设备。如下面将更详细解释的,建议系统124可以经由数据库126提供针对诊断代码、检查结果和/或将要进行的用于患者检查的附加测量的建议,该患者检查包括医学图像,诸如由超声系统100生成的超声图像。例如,数据库126可以用从图像归档128接收的数据来填充。图像归档128可以是影像归档和通信系统(PACS)、供应商中立档案(VNA)或被配置成存储患者检查的另一个合适的存储系统。虽然图1中未示出,但是存储在图像归档128上的信息可以通过被称为工作站的单独的计算设备访问,该单独的计算设备可以具有显示设备、用户输入设备等。
虽然图1将超声计算设备(例如,计算设备122)、建议系统124和图像归档128显示为单独的设备,但应理解的是,在一些示例中,可以将这些设备中的一个或多个设备组合在单个设备中。例如,建议系统124可以驻留在图像归档128上。此外,在一些示例中,可以将数据库126作为单独的设备的一部分包括在内,或者可以将数据库126作为图像归档128的一部分包括在内。在另外的示例中,建议系统124的方面可以被包括在计算设备122上。例如,在已经建立数据库126并且已经策展具有相关联的测量、诊断代码/检查结果的先前患者检查之后,可以将如图5所示的多维空间中和/或结构化数据库格式的检查映射在本地存储在计算设备122上,并且计算设备122可以被配置为基于该映射来提供对诊断代码、检查结果和测量的建议。
现在转向图2,其示出了可以形成图1的系统的一部分的界面200的实施方案。在一个示例中,界面200可以显示在显示设备(诸如图1的显示设备118)上,或者显示在可通信地耦接到存储设备的单独的显示设备上,该存储设备被配置为存储医学图像,诸如PACS工作站。界面200可以向用户显示多个诊断代码、检查结果和/或标签,允许用户(例如,临床医生)选择任何量的诊断代码、检查结果和/或标签作为当前患者检查的一部分包括在内。如本文所用,患者检查可以包括患者的一个或多个医学图像,诸如一个或多个超声图像,以及相关联的诊断代码、检查结果、标签和/或由临床医生选择、执行或以其他方式应用的测量。为了完成患者检查,临床医生可以分析一个或多个医学图像,对在该一个或多个医学图像内存在的解剖特征执行测量,并且使用界面200将诊断代码、检查结果和/或标签与该一个或多个医学图像相关联,这些可以被全部保存作为患者检查的一部分。患者检查在本文中也可以被称为患者报告。
菜单按钮诸如第一菜单按钮202、第二菜单按钮204、第三菜单按钮206、第四菜单按钮208和第五菜单按钮210可以表示用户可以在与系统交互时选择的相应标记的可选菜单。所选菜单可以通过颜色变化来直观地指示,诸如第三菜单按钮206。在一个示例中,第三菜单按钮206可以是用于报告的菜单,其中用户可以检视附加菜单/子菜单以便选择要包括在报告中的诊断代码、检查结果等。
子菜单按钮诸如第一子菜单按钮212、第二子菜单按钮214、第三子菜单按钮216、第四子菜单按钮218和第五子菜单按钮220可以表示用户在与系统的相应标记的所选菜单交互时可以选择的可选子菜单。所选子菜单可以通过颜色变化来直观地指示,诸如第四子菜单按钮218。
在一个示例中,第二子菜单按钮214可以是用于诊断代码的子菜单,其中当选择第二子菜单按钮214时,可以显示可用/可选诊断代码的列表。
可显示包括第一诊断代码222、第二诊断代码224和第N诊断代码226的所
有诊断代码,其中N可为诊断代码子菜单中的总诊断代码的数量。如果用户选择诊断代码中的一个诊断代码,则该诊断代码可以被保存为患者检查/报告的一部分。诊断代码可以包括疾病、病症、症状或其他临床相关观察,并且在一些示例中可以通过国家或国际监管/管理机构来定义,诸如ICD代码。在一些示例中,用户可以经由界面200规定进行的检查的类型(例如,超声心动图),并且可以显示与检查类型相关的可能的诊断代码的子集。
在一个示例中,第四子菜单按钮218可以是用于检查结果的子菜单,其中在选择第四子菜单按钮218时可以显示检查结果的列表,从而允许用户查看可以被选择并应用于报告的检查结果标签。可以显示包括第一检查结果标签230、第二检查结果标签232和第M检查结果标签234的所有检查结果标签,其中M可以是检查结果子菜单中的总检查结果标签的数量。检查结果可与诊断代码相似,并且因此指示疾病、病症、症状等。检查结果可以是用户指定的和/或医院指定的,并且可以包括从诊断代码以及附加患者信息(诸如患者历史)中提取的检查结果。与诊断代码类似,所显示的检查结果列表可以基于正在执行的检查的类型。
在一些示例中,用户能够指定新检查结果或通过将信息输入到附加框中来包括关于现有检查结果的附加信息,该附加框包括标记框240、检查结果文本框242、结论文本框244和计费代码框246。用户可以向标记框240输入某项输入,以定义检查结果的显示标记(例如,名称),其中标记240可以将检查结果标签可以显示的任何地方显示为检查结果标签的表示。经由检查结果文本框242,用户可以输入检查结果标签的详细描述,使得可以包括与检查结果标签相关、与检查结果标签相关联或进一步详细描述检查结果标签的任何信息。经由结论文本框244,用户可以输入关于可能的诊断或结论的指导诊断信息,以基于医学图像和具有相关联的检查结果标签的患者历史来做出关于患者的结论。在一个示例中,经由检查结果标签的结论文本244输入的信息可以包括用户基于与检查结果标签相关联的信息而要考虑的多个诊断。计费代码246可以包括基于相关联的检查结果标签应用于当前患者检查的相关计费代码。
如果用户选择添加用户定义的检查结果标签,则用户可以填写标记240、检查结果文本242、结论文本244和计费代码246,以将用户定义的检查结果标签应用于系统。此外,虽然在图2中未示出,但是可以经由界面200显示医学图像,并且可以经由界面200执行和保存测量。例如,可以显示心脏的图像,并且用户可以经由一个或多个用户输入来测量心脏的室间隔(IVS)的厚度(例如,用户可以将第一测量点放置在IVS的第一侧上,并且将第二测量点放置在IVS的第二侧上,并且厚度可以被测量为从第一点到第二点的距离)。这些测量可以被保存为患者检查/报告的一部分。
因此,界面200可以在患者检查的分析阶段期间显示,其中医学图像可以由临床医生(诸如心脏病专家)审阅以确认或排除一个或多个患者状况、疾病、病症等。为了选择诊断代码或检查结果,临床医生可以执行对医学图像中存在的解剖特征的一个或多个测量,并且基于测量来选择一个或多个诊断代码和/或检查结果。例如,患者检查可以是超声心动图(这里也称为回波),并且医学图像可以包括在各种标准视图中的患者心脏的多幅超声图像,包括多普勒成像。临床医生可以审阅医学图像,并对心脏的各种特征(诸如左心室、右心室、室间隔、血流等)进行唯一可识别的测量,诸如距离测量、面积测量、速度测量等。在某些检查诸如回波中,可以进行的不同测量的数量相对较大(从更大可能数量的测量诸如100个可能测量中进行20个或更多个测量),并且可以用于选择的不同诊断代码和检查结果的数量也可以相对较大,诸如5个或更多个诊断代码和/或检查结果。每个临床医生可以选择进行不同的测量,并且可以从测量中得出不同的结论。此外,一些临床医生可能依赖于视觉评估而不是进行测量。
因此,用于执行患者检查的时间量可能是漫长的,并且用于执行患者检查的标准化协议的缺乏可能导致不一致的患者诊断,特别是由无经验的用户。在回波或其他复杂检查中可能执行的大量可能的测量可能对无经验的用户提出挑战,这些用户可能不知道哪些测量可能最好地指示给定的诊断,或者在给定大量可用测量的情况下做出哪些诊断。
因此,如本文所述,在进行对医学图像中存在的解剖特征的测量以选择一个或多个诊断代码和/或检查结果的患者检查期间,可以基于一个或多个先前测量来为随后的测量和/或诊断代码/检查结果提供建议。可以基于先前检查的数据库中的检查来生成建议,该先前检查的数据库针对当前检查的特定测量(例如,基于测量ID)被聚类(可能在降维之后),诸如图1的数据库126。数据库可以包括来自多个先前患者检查的测量,该多个先前患者检查经由非监督聚类算法聚类,使得每个检查基于在检查中执行的测量和那些测量的值与类似检查的一个或多个集群相关联。建议诊断代码/检查结果或附加测量的过程在下面详细描述。
图3示出了图示用于构建医学信息的关系数据库的示例性方法300的流程图,根据该关系数据库可以识别检查,并且对包括在该数据库中的医学信息(例如,检查)执行聚类算法。参考图1至图2的系统和部件描述了方法300,但应当理解,可在不脱离本公开的范围的情况下使用其他系统和部件来实现方法300。方法300可根据存储在计算设备的非暂态存储器(诸如存储器120和处理器116)中的指令来执行。在其他示例中,方法300可以由具有非暂态存储器和一个或多个处理器并且与图1的超声系统和/或图像归档(诸如图1的建议系统124)通信的计算设备来执行。
在302处,方法300包括构建将包括来自多个先前患者检查的数据的关系数据库表。关系数据库表可以是根据指南构建的内部数据库(例如,特定医院或其他医疗机构内部),并且因此至少在一些示例中,可以仅从该医院或医疗机构提取/获得来自包括在关系数据库中的多个先前患者检查的信息。在其他示例中,可以从多于一个医院或医疗机构提取/获得包括在关系数据库中的多个先前患者检查。可以构建的数据库表包括检查表、测量表、诊断代码表和检查结果表,但是应当理解,可以构建任何数量的数据库表以包括相关医疗数据,因为其涉及本公开的实施方案。检查表可以包括多个先前患者检查中的每个检查的识别信息(例如,检查类型,诸如超声心动图、胎儿超声等)。在一个示例中,测量数据库表可以包括在多个先前患者检查中的每个检查中进行的所有测量,包括每个测量的值,以及每个测量的可能关联信息,包括进行测量的医生、进行测量的日期、测量单位等。诊断代码表和检查结果表可以各自分别包括来自多个先前患者检查中的每个检查的诊断代码和检查结果标签。在一些示例中,诊断代码表和检查结果表可以被组合成一个表。
在304处,方法300包括构建关系数据库模式。在一个示例中,测量数据库表可以与诊断代码数据库表具有多对多的关系,测量数据库表可以与检查结果数据库表具有多对多的关系,并且诊断代码数据库表可以与检查结果数据库表具有多对多的关系。
在306处,方法300包括使数据具有关系数据库的资格。可以从外部源(例如,其他医院)获取数据(例如,来自一个或多个先前患者检查)以与内部关系数据库聚合。使来自外部源的数据具有资格可以包括检查用户定义的标签(诸如用户定义的检查结果标签)的一致性。例如,不同的医院可遵循不同的标准/协议来对检查结果进行命名,并且因此一些检查结果可以根据从其获得检查的医院而具有不同的名称。在一个示例中,如果数据是从内部医院外部的一个或多个医院获取的,则如果用户定义的标签与内部医院中使用的命名一致(例如,最初包括在关系数据库中),则可以允许用户定义的标签被包括在关系数据库中并与关系数据库聚合。为了确定用户定义的标签是否与内部医院命名一致,可以将来自外部源的每个用户定义的标签与来自内部源(例如,内部图像归档)的标签进行比较,并且如果来自外部源的给定标签与来自内部源的标签匹配,则可以确定该标签与内部命名一致。可以采用类似的方法来确定来自内部源的用户定义的标签是否彼此一致。例如,作为最近使用的标签(例如,在过去三个月内使用)的用户定义的标签可以被识别为一致的,并且/或者作为频繁使用的标签(例如,使用超过5次)的用户定义的标签可以被识别为一致的。在另一个示例中,如果数据是从多于一个医院获得的,由于用户定义的标签在多个医院之间可能不一致的可能性,所以用户定义的标签可能不被包括在关系数据库中并且不与关系数据库聚合。相反,可以仅使用已知一致的标签(例如,基于机器的标签、ICD代码)。资格度量还可以包括量化可能包括的患者检查的数量,量化可能包括的具有诊断代码标签、检查结果标签等的患者检查的数量,量化可能包括的每个患者检查进行的测量的数量,以及量化可能包括的可能被注销(例如,用户将患者检查标记为已完成)的患者检查的数量。在一个示例中,可以有资格被包括在关系数据库中的患者检查数据可以包括具有4个或更少的相关联的诊断代码和/或8个或更少的相关联的检查结果的患者检查,具有10个到200个之间的相关联测量的患者检查,以及由用户标记为已完成的患者检查,这意味着不满足这些资格的任何患者检查数据可以不被包括在关系数据库中。
在308处,方法300包括获取关系数据库的数据。该数据可以包括来自多个先前患者检查的非图像数据的子集或全部。可以获取的任何外部数据库的内容可以由多个脚本转换成可串行化且可转移的表示。这样,上述数据库表可以用来自多个先前患者检查的数据填充。
在310处,方法300包括部署关系数据库以供在一个或多个计算设备上和/或从一个或多个计算设备访问。一旦建立关系数据库,就可以查询该数据库,以便基于当前检查中已经执行的测量来识别可能的诊断代码和/或测量。关于数据库如何被部署以建议诊断代码和/或测量的附加细节在下面关于图4和图5被提供。
在一些示例中,在执行聚类算法之前,可以预处理关系数据库中的测量数据以根据患者体表面积(BSA)、年龄和/或性别来归一化测量值。另选地,可以对多个性别和/或年龄组(例如,儿童对成人)中的每一者执行单独的聚类。此外,可以针对每种类型的检查执行单独的聚类。例如,所有回波可以被聚类为一个组,而所有胎儿超声可以被聚类为另一个组。
图4示出了图示出用于基于在针对当前患者的患者检查中的测量向用户建议诊断代码和/或测量的示例性方法400的流程图,该患者检查基于进行的测量和来自数据库的相关患者检查数据,该数据库诸如图1的数据库126和/或以上关于图3描述的关系数据库。方法400可根据存储在计算设备的非暂态存储器(诸如存储可由处理器116执行的指令的存储器120)中的指令来执行。在其他示例中,方法400可以由具有非暂态存储器和一个或多个处理器并且与图1的超声系统和/或图像归档并且与关系数据库通信的计算设备(诸如PACS工作站或临床设备)来执行。
在402处,方法400包括从当前患者检查获得超声图像。可以使用超声系统诸如图1的超声成像系统来采集超声图像。在一些示例中,可以在执行方法400时采集和显示超声图像,使得在采集图像的基本同时进行测量并针对检查选择诊断代码和/或检查结果。在其他示例中,可以在完成与患者的成像会话之后从图像归档(例如,PACS)获得超声图像。超声图像可以显示在检查界面诸如上面关于图2描述的界面200上。
在404处,方法400包括接收第一组测量。当在显示设备上显示超声图像时,用户可以经由在计算设备处接收的用户输入来对所显示的超声图像中的一个或多个解剖特征的距离、速度、面积、体积、频率等进行测量。当已经进行足够数量的测量时(例如,五个或更多个),该测量可以用于建议诊断代码和/或测量,如下所述。在一些示例中,用户可以查看显示设备上的超声图像而不进行测量,选择仅基于视觉分析进行诊断或添加相关联的信息。在此类示例中,用户可以从经由检查界面显示的可选诊断代码中进行选择。可选择的诊断代码(和/或检查结果)可以响应于用户请求在检查期间的任何时间显示,或者可选择的诊断代码和/或检查结果可以在检查的整个持续时间内在检查界面上与超声图像一起显示。
在406处,方法400查询数据库以基于第一组测量确定建议的诊断代码。诊断代码可以与先前检查中的相关或等效测量相关联,并且基于当前检查的测量来识别。下面参考图5说明和描述来自查询的示例性输出。相关或等效测量可以包括来自具有匹配测量识别的先前检查的任何/全部测量(例如,相同的测量但不一定是相同的测量值)。在一个示例中,用户可以是专注于身体的一个特定区域的专家,因此相关的测量可以包括由用户从先前患者检查获得的任何测量。又如,如果先前患者检查发生在当前患者检查之前的最大时间量内,则可以包括相关的测量。
例如,当前检查的测量(到目前为止)用于仅提取包含相同测量标识(不一定是相同的测量值)的数据库的检查,如405所指示的。例如,如果当前测量包括心脏舒张期的2D室间隔直径(IVSd)的第一测量和左心室射血分数(EF)的第二测量,则可以识别和提取还包括IVSd和EF的测量的检查,而不管测量的值如何。如果当前检查中的测量数量相对较大(例如,大于六个测量),则执行由主成分分析(PCA)进行的降维,如407所指示的。所识别的检查被聚类,如409处所指示的。聚类可以是在顶部PCA维度(例如,顶部5个PCA维度)上执行的非监督聚类(例如,通过k-最近邻/k-均值)。在这一点上,可以将当前检查的测量转换成对应的PCA值,该PCA值用于从数据库中识别聚类检查中的哪个(哪些)集群与当前检查最紧密地对应。然后,基于在所识别的集群中出现的最常见的诊断代码、检查结果和/或标签,可以将这些诊断代码、检查结果和/或标签呈现给当前检查的用户。
应当理解,为了以高置信度识别集群/先前患者检查,可能需要不止一次测量。因此,上述过程(例如,基于第一测量识别相似的先前患者检查)可以在每次进行新的测量时迭代地重复,并且一旦已经进行了足够的识别/区分测量并在聚类过程中使用,即可识别不同的集群/先前患者检查。在其他示例中,响应于对建议的诊断代码、检查结果和/或进一步的测量的用户请求,第一测量和任何先前或后续测量可以被用在上述过程中,或者响应于当前检查完成的指示(例如,用户指示已经进行了所有测量),第一测量和任何先前或后续测量可以被用在上述过程中。
在408处,方法400包括基于查询显示所识别的诊断代码。诊断代码和检查结果可以显示在显示设备上的界面(诸如图2的界面200)中。在一个示例中,显示设备可以是用于显示超声图像的同一显示设备。又如,辅助显示设备可用于显示诊断代码和检查结果的界面。例如,将数据库缩减到相关测量、进行降维、将当前检查聚类和映射到该空间的过程可以如上所述识别一个或多个集群/先前患者检查,并且发送与每个识别的集群/先前患者检查相关联的诊断代码和/或检查结果。又如,将数据库缩减到相关测量、进行降维、将当前检查聚类并映射到该空间中的过程可以基于所接收的测量来识别来自所识别的聚类/先前患者检查的哪个(哪些)诊断代码和/或检查结果是最可能的(最常出现在集群中的检查之中),并且发送那些诊断代码和/或检查结果。这样,当前测量的查找/搜索的结果可以是来自集群的最接近地匹配测量和当前测量的测量值的诊断代码列表,该诊断代码列表然后可以被呈现给用户。
在410处,方法400包括计算附加测量是否会增加诊断置信度。基于通过查找找到的当前测量和相关测量,可以执行计算以确定一个或多个附加测量是否会增加诊断置信度。如果可以确定多个附加测量增加诊断置信度,则该计算可以确定可以增加诊断置信度的附加测量的最小量。在一个示例中,如果建议的诊断代码和检查结果的量减少预先确定的量或百分比,则可以认为诊断置信度充分增加。在另一示例中,如果诊断置信度的增加量大于预先确定的置信度阈值,则可以认为诊断置信度充分增加。至少在一些示例中,附加测量是否将增加诊断置信度的计算可以由单独的计算设备(例如,存储数据库并执行数据简化和聚类和/或与进行这种操作的设备诸如建议系统124通信的计算设备)来执行。
在412处,方法400包括建议基于来自410的计算进行附加测量。可以基于如上所述的类似聚类过程来选择所建议的附加测量,包括当前检查的测量,并且迭代地包括附加测量。附加测量与第一测量的值相关,因为附加测量是基于第一测量和第一测量的值建议的(例如,缩减基于第一测量建议的可能的集群/先前患者检查和/或在基于第一测量识别的两个或更多个识别的集群/先前患者检查之间进行区分)。在用户进行附加测量之前,可以向用户建议附加测量。
为了识别可以缩减可能的诊断代码的附加测量,从数据库中提取第二组检查,其中第二组检查中的每个检查至少具有与当前检查相同的测量和附加的尚未进行的测量。第二组检查被聚类成至少两个集群,类似于上面描述的聚类过程(其可以包括应用PCA来减少检查中数据的维度)。然后,对于第二组检查的至少两个集群中的每个集群,提取该集群中包括的检查的诊断代码的子集。例如,对于每个集群,可以提取该集群中出现最多的前五个诊断代码。基于提取的诊断代码子集计算区分得分。区别得分可以指示每个集群与每个其他集群有多相似或不同。例如,基于集群具有相同诊断代码,低区分得分可以指示集群彼此相似。基于具有不同诊断代码的集群,高区分得分可以指示集群彼此不同。如果确定区分得分高于阈值,则可以向用户建议附加测量。阈值可以是针对至少包括当前检查的测量(不包括附加测量)的检查而计算的区分得分。
在416处,方法400包括确定是否进行了附加测量。用户可以基于用户偏好或来自412的可能建议来任选地选择进行附加测量。是否进行附加测量的确定可以基于所接收的用户输入(例如,放置测量点的用户输入)。如果没有进行附加测量,方法400可以继续到420,其包括显示可选择的诊断代码和检查结果。
如果在418处进行附加测量,方法400包括查询数据库以确定基于测量向用户建议的诊断代码,该测量可包括第一组测量和新的附加测量。当缩减相关或等效测量时,可以遵守查找所遵守的同一标准。例如,可以通过以下过程发送所进行的第一测量和附加测量(包括测量的类型和测量的值):将先前检查的数据库简化为仅具有相关测量的检查、然后进行降维、然后进行非监督聚类、然后将当前检查的值转换为降维空间并且基于第一测量和附加测量来识别聚类测量的数据库的哪个(哪些)聚类(例如,哪些先前患者检查)与当前检查最相似。当识别一个或多个集群/先前患者检查时,可以提取所识别的集群/先前患者检查中最常见的诊断代码/检查结果并将其呈现给用户。随着进行的测量越来越多,可能的诊断代码或检查结果的列表可能会缩减。例如,在第一组测量之后,可以向用户返回第一标签列表(每个标签指示诊断代码或检查结果),其中第一标签列表包括多个可能标签的子集,并且从该多个可能标签中排除剩余标签。在进行第二测量之后,可以向用户返回第二标签列表,其中第二标签列表包括来自第一标签列表的一个或多个标签,并且排除来自第一标签列表的剩余标签。在一些示例中,当接收到第二测量时,可以仅查询标签列表中的标签,这可以降低识别第二标签列表所需的处理能力,并且降低识别第二标签列表所需的时间量。
在用附加测量执行新的搜索时,方法400继续回到408,以显示由涉及先前检查测量的聚类的过程所建议的识别的诊断代码和/或检查结果。这种建议测量和诊断代码的过程可以随着进行更多的测量而迭代地重复。例如,在建议附加测量之后,可以从用户接收第二用户输入,并且可以基于第二用户输入来确定超声图像的第二测量。第二测量和第二测量的值可以被发送到聚类测量的数据库。可以从数据库接收第三建议测量,其中第三建议测量与第一测量的值和第二测量的值相关。可以在用户执行第三测量之前向用户建议第三建议测量。此外,应当理解,所进行和建议的测量以及建议的诊断代码和检查结果可以应用于当前显示的超声图像和/或当前患者检查中的其他超声图像。例如,超声心动图通常可包括在不同解剖视图(例如,PLAX、PSAX、A4C等)拍摄的多个图像,其中每个视图以一种或多种成像模式(例如,B模式、M模式、多普勒等)成像。因此,可以对不同的图像执行不同的测量,并且因此当前显示的超声图像可以随着方法400的进展而改变。此外,当在活动成像会话期间执行方法400时,除了建议附加测量之外或作为建议附加测量的替代,还可以建议附加视图和/或成像模式以确保执行完整的检查,这可以由已经进行的测量来引导。
回到416,如果没有进行附加测量和/或如果用户指示所有测量都完成,方法400进行到420,其中方法400包括显示可选择的诊断代码和检查结果。所显示的诊断代码和检查结果的列表可以是正在执行的检查的类型的所有可能的诊断代码和检查结果。在其他示例中,可以基于已经进行的测量和基于测量确定的建议诊断代码/检查结果来缩减所显示的诊断代码和检查结果。从显示的可选择的诊断代码和检查结果的列表中,用户可以选择一个或多个诊断代码和/或检查结果作为患者检查的一部分保存,这可能受到建议的诊断代码和/或检查结果的影响。
在422处,方法400包括将选择的诊断代码和/或检查结果应用于当前患者检查数据(例如,应用于当前患者检查)。用户可以选择任何诊断代码和/或检查结果,以将相关联的数据与当前患者检查数据一起应用。用户还可以基于当前的患者检查者或用户偏好来选择应用用户定义的标签。
因此,方法400基于当前检查的一组测量,提供可能的诊断代码和进一步测量的识别。可以从先前的检查中识别已经基于先前检查中的测量和测量值进行聚类的可能的诊断代码和/或测量。然而,聚类仅能够在当前检查中已经执行了至少一些测量时发生,因为当前检查的测量被用于缩减要被包括在聚类中的检查。因此,聚类发生在当前检查期间-由用户触发或者自动地(当测量完成时)发生。另外,聚类仅可以在低维度上发生,诸如<8维(由于高维度)。因此,维度可在聚类发生之前。可以使用主成分分析(PCA)来减少维度。可以对包含与当前在本地检查中相同测量的数据库中的所有检查运行PCA。
聚类本身可以通过k-均值/k-最近邻或通过多重对应分析(MCA)聚类。MCA的好处是允许一些检查不被强制成为集群的一部分,这可以减少噪声。在聚类发生后,可以识别当前检查测量(最接近地)所属于的集群。为了实现这一点,当前检查测量值的PCA值可以基于与数据库的检查所达到的相同的PCA变换来计算。一旦识别集群,可以向用户建议来自集群的检查的诊断代码的子集(例如,集群中检查的前5个最常出现的诊断代码/检查结果)。
在此之后,为了建议下一个测量,可以如下评估每个候选测量:
f_1:获得目前检查中的N个测量ID
f_2:对于每个候选测量m_i:
f_3:对数据库中具有这些N个测量+m_i的所有检查进行PCA分析
f_4:进行以W个集群为目标的k均值聚类
f_5:计算“辨别诊断标签”的得分
f_6:一旦计算出所有候选测量的得分,建议得分最高的候选测量m_i。作为f_6的替换,在f_5之后,如果N+m_i的得分好于N的得分,则可以建议m_i作为下一测量。
图5示出了示例性数据库结构500,其中可以基于多个测量来识别一个或多个诊断标签。数据库结构500可以在当前患者检查期间生成。结构500可以是示出数据库(或执行数据库的系统)如何确定向用户建议哪些诊断代码的一个示例,如上文参考图4所述,但是在不脱离本公开的范围的情况下,可以实现基于数据库做出建议的其他方法。
在结构500中,检查列502可以包括存储在数据库中的所有检查。多个测量列(诸如测量列504)可以包括在数据库中的至少一个检查中存在的每个可能的测量。在图5中,示出了五个测量列,针对五个不同的测量(例如,测量A至E)中的每个测量都有一个测量列。结构500还包括多个诊断标签列(诸如诊断标签列506),包括用于存在于数据库中的至少一个检查中的每个诊断标签的一个诊断标签列。在图5中,示出了四个诊断标签列,一个列用于四个不同标签(例如,标签1至4)中的每个标签。
来自每个检查的测量(和测量值)以及诊断标签可以被填充在结构500中。例如,对于第一检查(检查1),对测量A至D中的每一者进行测量,并且诊断标签1至3与第一检查相关联。测量和诊断标签中的每一者的值/指示标识被填充在第一检查的行中。
当查询结构500时,基于哪些检查具有相同的测量,使用来自当前检查的测量来识别数据库中的类似检查。例如,到目前为止,当前检查中的N个测量可以是N=3,其中测量是a、b和c。识别数据库中具有这N个测量的所有检查。在图5的示例中,所识别的检查可以是检查1、2、10和11(总共4个检查)。
然后可以对数据库中具有这些N个测量的所有检查(例如,上面识别的四个检查)执行通过PCA分析进行的降维。例如,PCA分析可以返回PCA_1和PCA_2作为两个第一主成分/维度。
然后执行聚类,其中沿着由PCA分析识别的维度对检查进行聚类/绘制。聚类可以是以W个集群为目标的k均值聚类,其在图5的示例中可以是两个集群的目标。图6中示出了PCA分析之后的聚类的示例,其包括具有沿垂直轴线绘制的PCA_1和沿水平轴绘制的PCA_2的曲线图600。聚类可以产生两个集群,每个集群中有两个检查(例如,第一集群中的检查以白色示出,而第二集群中的检查以黑色示出)。
计算当前检查的N个测量的PCA值,并且与聚类的检查一起绘制。在该示例中,PCA空间中的当前检查点可以被定位成最靠近黑色点(例如,第二集群)。因此,当前检查属于第二(黑色)集群。然后识别集群中的检查的顶部(例如,五个)最常出现的诊断代码/标签。在该示例中,检查1和检查2位于第二集群中。因此,最常出现的标签(来自如图5所示的检查1和2)是标签1、标签2和标签3(例如,“x”“o”和“.”)。
也可以建议附加测量。为了识别附加测量,可以为N个测量计算“辨别诊断标签”的得分。对于每个附加候选测量m_i(例如,来自数据库的尚未进行的测量,诸如测量D),对数据库中具有N个测量+m_i的所有检查执行PCA分析。例如,在图5所示的示例中,可以选择检查1和检查2。然后以W个集群为目标执行聚类(例如,k均值聚类)。计算“辨别诊断标签”的得分(参见下文)。如果得分优于(例如,高于)仅用N个测量计算的得分:建议该测量(例如,测量D)作为下一个测量。如果得分不比N个测量的得分更优(例如,不更高),则该方法前进以评估下一候选测量m_i。
为了计算每个集群的“辨别诊断标签”的得分,识别/提取该集群中的检查的前5个出现的诊断标签。基于来自一个集群的5个标签与所有其他集群比较的唯一性来计算得分。W是集群数。基于标签在集群的检查中出现的频率来分配得分。对于每个完全唯一的标签,例如只提到一个集群,分配W个点。对于仅在两个集群之间共享的每个标签:分配W-1个点。对于仅由三个集群共享的每个标签:分配W-2个点。最终得分是用点数除以W*5计算出来的。例如,可能的最高得分(例如,如果所有W个集群都具有5个其他集群都没有的唯一标签)是(W*5)/(W*5)=1.0。可能的最低得分(例如,如果所有集群都具有相同的5个标签)是(W*1)/(W*5)=1/5。
通过基于当前测量计算得分,然后以迭代方式重新计算包括一个附加测量的得分,可以快速识别和建议增加得分的测量。
通过如结构500所示构造集群的结果和/或当根据结构500接收到一组测量时返回数据库查询,可以实现若干个优点。结构500可以要求最小化的存储器使用,因为只有来自检查和聚类的相关数据可以被保存(例如,来自检查的其他信息可以被丢弃),并且数据可以以有效的方式被结构化。当执行查询以从接收到的一组测量中识别标签和/或测量时,可以快速返回结果,特别是当可能标签的列表随着每个附加测量而缩减时。此外,通过提供相关测量和标签的容易识别,可以降低处理能力,这也可以用于帮助识别要执行的附加的诊断相关测量。
在一个示例中,当前患者检查可以包括与包括给定诊断代码(例如,标签X)的先前患者检查相同的测量,因此可以将与当前患者检查相关的测量值与来自包括给定诊断代码的先前检查的测量值(由参考图4描述的聚类算法界定)进行比较,以确定当前患者检查是否也应该包括给定诊断代码。当比较测量值时,如果来自当前患者检查的测量值不在由与测量相关联的集群界定的值范围内,则可能不建议给定诊断代码。在该示例中,与标签相关联的每个测量(如由数据库确定的)可以存在于当前检查中,具有在预先确定范围内的值,以便建议该标签。然而,在其他示例中,如果测量缺失或具有在预先确定的范围之外的值,则仍然可以建议标签,但是具有较低的置信度。
在另一示例中,当前患者检查可以不包括先前患者检查中所包括的测量,该先前患者检查包括现时与当前患者检查相关联的多个诊断代码,因此可以针对现时与当前患者检查相关联的、包括现时未包括在当前患者检查中的测量的所有诊断代码,比较包括测量之后与当前患者检查相关联的每个诊断代码的概率。如果在包括测量之后与当前患者检查相关联的任何诊断代码的任何概率变化超过方差阈值的量,则可以确定可以向用户建议该测量以缩减要包括在当前患者检查中的可能诊断代码的列表。
虽然这里已经关于超声系统描述了建议系统、聚类测量的数据库以及用于聚类数据并向用户建议可能的诊断和测量的方法,但是应当理解,这里描述的系统和方法可以应用于其他类型的医学图像,包括但不限于磁共振图像、计算机断层摄影图像、X射线图像、可见光图像等。
基于患者的医学图像中的解剖特征的一个或多个测量,使用具有根据当前测量集合聚类的匹配检查的检查数据库,建议患者检查的可能诊断和/或测量的技术效果是可以提供准确的诊断和/或可以增加诊断中的置信度水平,从而改善患者护理。另一技术效果是,数据库可以在各种设备上实现,并且允许在各种临床环境中建议诊断和/或测量,同时降低其他计算机辅助诊断系统所需的处理能力和存储器。
本公开还提供对用于医疗成像系统的用户界面的方法的支持,所述方法包括:从用户接收第一用户输入;以及基于所述第一用户输入确定医学图像上的第一组测量;将所述第一组测量发送到检查的数据库;从所述数据库接收检查的子集,所述子集基于所述第一组测量;在对检查的所述子集进行聚类之后,确定第二测量;以及在所述用户执行所述第二测量之前向所述用户建议所述第二测量。在所述方法的第一实施例中,所述方法还包括:从所述用户接收第二用户输入并基于所述第二用户输入确定所述医学图像的所述第二测量;将所述第二测量发送到检查的所述数据库;从所述数据库接收检查的第二子集,所述第二子集基于所述第一组测量和所述第二测量;在对检查的所述第二子集进行聚类之后确定第三测量;以及在所述用户执行所述第三测量之前向所述用户建议所述第三测量。在所述方法的第二实施例中,任选地包括第一实施例,所述方法还包括:从所述用户接收第二用户输入并基于所述第二用户输入确定所述医学图像的所述第二测量;将所述第二测量和所述第二测量的值发送到检查的所述数据库;从所述数据库接收检查的第二子集,所述第二子集基于所述第一组测量和所述第一组测量中的每个测量的值以及所述第二测量和所述第二测量的所述值;在对检查的所述第二子集进行聚类之后,基于所述第一组测量的每个值和所述第二测量的所述值确定指示可能的诊断代码或检查结果的建议的第一标签;以及显示所述建议的第一标签。在所述方法的第三实施例中,任选地包括第一实施例和第二实施例中的一者或两者,在对检查的所述子集进行聚类时,识别所述第一标签和第二标签,并且其中建议所述第二测量以区分所述第一标签和所述第二标签。在所述方法的第四实施例中,任选地包括第一实施例至第三实施例中的一者或多者或每一者,通过将所述第一组测量和所述第一组测量中的每个测量的所述值映射到检查的集群,然后识别所述第一标签和所述第二标签是所述集群中所述检查的最常出现的标签,来识别所述第一标签和所述第二标签。在所述方法的第五实施例中,任选地包括第一实施例至第四实施例中的一者或多者或每一者,所述方法还包括:确定所述第一组测量包括多于六个测量;并且作为响应,在对检查的所述子集进行聚类之前,使用主成分分析基于所述第一组测量对检查的所述子集执行降维。在所述方法的第六实施例中,任选地包括第一实施例至第五实施例中的一者或多者或每一者,所述方法还包括:在所述映射之前对所述第一组测量和所述第一组测量中的每个测量的所述值执行所述降维。在所述方法的第七实施例中,任选地包括第一实施例至第六实施例中的一者或多者或每一者,所述医学图像是患者的,并且还包括:响应于接收到选择所述第一标签的第三用户输入,将所述第一标签保存为所述患者的报告的一部分,所述报告还包括所述医学图像、所述第一组测量、所述第一组测量中的每个测量的所述值、所述第二测量以及所述第二测量的所述值。在所述方法的第八实施例中,任选地包括第一实施例至第七实施例中的一者或多者或每一者,所述医学图像是患者的,并且还包括显示一个或多个附加标签,并且响应于选择所述一个或多个附加标签的标签的第三用户输入,将所选择的标签保存为所述患者的报告的一部分,所述报告还包括所述医学图像、所述第一组测量、所述第一组测量中的每个测量的所述值、所述第二测量以及所述第二测量的所述值。在所述方法的第九实施例中,任选地包括第一实施例至第八实施例中的一者或多者或每一者,在接收到所述第一组测量和所述第一组测量中的每个测量的所述值时,从所述数据库中列出的多个可能标签中识别可能标签的第一子集,并且排除所述多个可能标签中的所有其他标签;在接收到所述第二测量和所述第二测量的所述值时,从可能标签的所述第一子集中识别可能标签的第二子集,并且排除标签的所述第一子集中的所有其他标签;以及还包括接收标签的所述第二子集并显示标签的所述第二子集。在所述方法的第十实施例中,任选地包括第一实施例至第九实施例中的一者或多者或每一者,检查的所述子集仅包括来自所述数据库的至少包括所述第一组测量的检查。
本公开还提供了对一种方法的支持,所述方法包括:接收医学图像中解剖特征的第一组测量和所述第一组测量中的每个测量的值;经由一组聚类的检查将所述第一组测量和所述第一组测量中的每个测量的所述值映射到至少第一标签和第二标签,每个标签指示与所述医学图像中的所述解剖特征相关的诊断代码或检查结果;确定所述解剖特征的第二测量将在所述第一标签和所述第二标签之间进行区分,并且作为响应,输出应当执行所述第二测量的建议。在所述方法的第一实施例中,从包括来自多个先前患者检查的数据的数据库中提取所述一组聚类的检查,所述一组聚类的检查基于所述第一组测量和所述第一组测量中的每个测量的所述值而聚类。在所述方法的第二实施例中,任选地包括第一实施例,所述数据库中的所述数据包括来自仅先前患者检查的数据,所述先前患者检查的数据包括少于第一阈值数量的标签、在第二阈值范围内的多个测量以及所述先前患者检查完成的指示。在所述方法的第三实施例中,任选地包括第一实施例和第二实施例中的一者或两者,所述先前患者检查包括用户定义的标签和非用户定义的标签,并且其中在所述数据库中仅包括一致地使用的用户定义的标签,其中一致地使用的用户定义的标签基于使用频率和/或使用时间段来识别。在所述方法的第四实施例中,任选地包括第一实施例至第三实施例中的一者或多者或每一者,将所述第一组测量和所述第一组测量中的每个测量的所述值映射到至少所述第一标签和所述第二标签包括:基于一组检查中的具有所述第一组测量的每个检查来识别所述一组检查;将所述一组检查聚类成至少两个集群;将所述第一组测量和所述第一组测量中的每个测量的所述值映射到所述至少两个集群中的集群;以及确定所述第一标签和所述第二标签比任何其他标签更频繁地被包括在所述集群的检查中。在所述方法的第五实施例中,任选地包括第一实施例至第四实施例中的一者或多者或每一者,确定所述第二测量将在所述第一标签和所述第二标签之间进行区分包括:基于第二组检查中的具有所述第一组测量和所述第二测量的每个检查识别所述第二组检查;将所述第二组检查聚类成至少两个集群;对于所述第二组检查的所述至少两个集群中的每个集群,提取所述集群中包括的所述检查的诊断标签的子集;基于所提取的诊断标签的子集计算区分得分;确定所述区分得分大于阈值,并且作为响应,确定所述第二测量将在所述第一标签和所述第二标签之间进行区分。
本公开还提供了对系统的支持,所述系统包括:存储器,所述存储器存储指令;以及处理器,所述处理器被配置为执行所述指令以:接收在患者的一个或多个医学图像中存在的患者解剖特征的一组测量,每个测量具有相应的值;识别与所述一组测量相关的标签列表,所述标签列表中的每个标签指示相应的诊断代码或检查结果,所述标签列表是从来自基于所述一组测量聚类的一组检查的多个可能标签中识别的;以及输出所述标签列表以在显示设备上显示。在所述系统的第一实施例中,所述指令能够进一步执行以:基于所述一组测量和所述标签列表来识别要执行的附加测量;并且输出执行所述附加测量的建议以在所述显示设备上显示。在所述系统的第二实施例中,任选地包括第一实施例,所述指令能够进一步执行以:接收所述附加测量和所述附加测量的值,如由用户在所述一个或多个医学图像上测量的;基于所述标签列表和所述附加测量的值识别缩减的标签列表;以及输出最窄的标签列表以在所述显示设备上显示。
当介绍本公开的各种实施方案的元件时,词语“一个”、“一种”和“该”旨在意指存在这些元件中的一个或多个元件。术语“第一”、“第二”等不表示任何顺序、量或重要性,而是用于将一个元件与另一个元件区分开。术语“包括”、“包含”和“具有”旨在是包含性的,并且意指除了列出的元件之外还可存在附加元件。如本文使用术语“连接到”、“联接到”等,一个对象(例如,材料、元件、结构、构件等)可以连接到或联接到另一个对象,而无论该一个对象是否直接连接或联接到另一个对象,或者在该一个对象和另一个对象之间是否存在一个或多个介入对象。此外,应当理解,对本公开的“一个实施方案”或“实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。
除了任何先前指示的修改之外,本领域技术人员可以在不脱离本描述的实质和范围的情况下设计出许多其他变型和替换布置,并且所附权利要求书旨在覆盖此类修改和布置。因此,尽管上面已经结合当前被认为是最实际和最优选的方面对信息进行了具体和详细的描述,但对于本领域的普通技术人员将显而易见的是,在不脱离本文阐述的原理和概念的情况下,可以进行许多修改,包括但不限于形式、功能、操作方式和使用。同样,如本文所使用的,在所有方面,示例和实施方案仅意图是说明性的,并且不应以任何方式解释为限制性的。
Claims (20)
1.一种用于医疗成像系统的用户界面的方法,包括:
从用户接收第一用户输入并基于所述第一用户输入确定对医学图像的第一组测量;
将所述第一组测量发送到检查的数据库;
从所述数据库接收检查的子集,所述子集基于所述第一组测量;
在对检查的所述子集进行聚类之后确定第二测量;以及
在所述用户执行所述第二测量之前向所述用户建议所述第二测量。
2.根据权利要求1所述的方法,还包括:
从所述用户接收第二用户输入并基于所述第二用户输入确定所述医学图像的所述第二测量;
将所述第二测量发送到检查的所述数据库;
从所述数据库接收检查的第二子集,所述第二子集基于所述第一组测量和所述第二测量;
在对检查的所述第二子集进行聚类之后确定第三测量;以及
在所述用户执行所述第三测量之前向所述用户建议所述第三测量。
3.根据权利要求1所述的方法,还包括:
从所述用户接收第二用户输入并基于所述第二用户输入确定所述医学图像的所述第二测量;
将所述第二测量和所述第二测量的值发送到检查的所述数据库;
从所述数据库接收检查的第二子集,所述第二子集基于所述第一组测量和所述第一组测量中的每个测量的值以及所述第二测量和所述第二测量的所述值;
在对检查的所述第二子集进行聚类之后,基于所述第一组测量的每个值和所述第二测量的所述值确定指示可能的诊断代码或检查结果的建议的第一标签;以及
显示所述建议的第一标签。
4.根据权利要求3所述的方法,其中在对检查的所述子集进行聚类时,识别所述第一标签和第二标签,并且其中建议所述第二测量以区分所述第一标签和所述第二标签。
5.根据权利要求4所述的方法,其中通过将所述第一组测量和所述第一组测量中的每个测量的所述值映射到检查的集群,然后识别所述第一标签和所述第二标签是所述集群中所述检查的最常出现的标签,来识别所述第一标签和所述第二标签。
6.根据权利要求5所述的方法,还包括:确定所述第一组测量包括多于六个测量;并且作为响应,在对检查的所述子集进行聚类之前,使用主成分分析基于所述第一组测量对检查的所述子集执行降维。
7.根据权利要求6所述的方法,还包括在所述映射之前对所述第一组测量和所述第一组测量中的每个测量的所述值执行所述降维。
8.根据权利要求3所述的方法,其中所述医学图像是患者的医学图像,并且还包括:响应于接收到选择所述第一标签的第三用户输入,将所述第一标签保存为所述患者的报告的一部分,所述报告还包括所述医学图像、所述第一组测量、所述第一组测量中的每个测量的所述值、所述第二测量以及所述第二测量的所述值。
9.根据权利要求3所述的方法,其中所述医学图像是患者的医学图像,并且还包括显示一个或多个附加标签,并且响应于选择所述一个或多个附加标签的标签的第三用户输入,将所选择的标签保存为所述患者的报告的一部分,所述报告还包括所述医学图像、所述第一组测量、所述第一组测量中的每个测量的所述值、所述第二测量以及所述第二测量的所述值。
10.根据权利要求3所述的方法,其中在接收到所述第一组测量和所述第一组测量中的每个测量的所述值时,从所述数据库中列出的多个可能标签中识别可能标签的第一子集,并且排除所述多个可能标签中的所有其他标签;
在接收到所述第二测量和所述第二测量的所述值时,从可能标签的所述第一子集中识别可能标签的第二子集,并且排除标签的所述第一子集中的所有其他标签;并且
还包括接收标签的所述第二子集并显示标签的所述第二子集。
11.根据权利要求1所述的方法,其中检查的所述子集仅包括来自所述数据库的至少包括所述第一组测量的检查。
12.一种方法,包括:
接收医学图像中解剖特征的第一组测量和所述第一组测量中的每个测量的值;
经由一组聚类的检查将所述第一组测量和所述第一组测量中的每个测量的所述值映射到至少第一标签和第二标签,每个标签指示与所述医学图像中的所述解剖特征相关的诊断代码或检查结果;
确定所述解剖特征的第二测量将在所述第一标签和所述第二标签之间进行区分,并且作为响应,输出应当执行所述第二测量的建议。
13.根据权利要求12所述的方法,其中从包括来自多个先前患者检查的数据的数据库中提取所述一组聚类的检查,所述一组聚类的检查基于所述第一组测量和所述第一组测量中的每个测量的所述值而聚类。
14.根据权利要求13所述的方法,其中所述数据库中的所述数据包括来自仅先前患者检查的数据,所述先前患者检查的数据包括少于第一阈值数量的标签、在第二阈值范围内的多个测量以及所述先前患者检查完成的指示。
15.根据权利要求14所述的方法,其中所述先前患者检查包括用户定义的标签和非用户定义的标签,并且其中在所述数据库中仅包括一致地使用的用户定义的标签,其中一致地使用的用户定义的标签基于使用频率和/或使用时间段来识别。
16.根据权利要求13所述的方法,其中将所述第一组测量和所述第一组测量中的每个测量的所述值映射到至少所述第一标签和所述第二标签包括:
基于一组检查中的具有所述第一组测量的每个检查来识别所述一组检查;
将所述一组检查聚类成至少两个集群;
将所述第一组测量和所述第一组测量中的每个测量的所述值映射到所述至少两个集群中的集群;以及
确定所述第一标签和所述第二标签比任何其他标签更频繁地被包括在所述集群的检查中。
17.根据权利要求16所述的方法,其中确定所述第二测量将在所述第一标签和所述第二标签之间进行区分包括:
基于第二组检查中的具有所述第一组测量和所述第二测量的每个检查识别所述第二组检查;
将所述第二组检查聚类成至少两个集群;
对于所述第二组检查的所述至少两个集群中的每个集群,提取所述集群中包括的所述检查的诊断标签的子集;
基于所提取的诊断标签的子集计算区分得分;
确定所述区分得分大于阈值,并且作为响应,确定所述第二测量将在所述第一标签和所述第二标签之间进行区分。
18.一种系统,包括:
存储器,所述存储器存储指令;以及
处理器,所述处理器被配置为执行所述指令以:
接收在患者的一个或多个医学图像中存在的患者解剖特征的一组测量,每个测量具有相应的值;
识别与所述一组测量相关的标签列表,所述标签列表中的每个标签指示相应的诊断代码或检查结果,所述标签列表是从来自基于所述一组测量聚类的一组检查的多个可能标签中识别的;以及
输出所述标签列表以在显示设备上显示。
19.根据权利要求18所述的系统,其中所述指令能够进一步执行以:基于所述一组测量和所述标签列表来识别要执行的附加测量;并且输出执行所述附加测量的建议以在所述显示设备上显示。
20.根据权利要求19所述的系统,其中所述指令能够进一步执行以:接收所述附加测量和所述附加测量的值,如由用户在所述一个或多个医学图像上测量的;基于所述标签列表和所述附加测量的值识别缩减的标签列表;以及输出最窄的标签列表以在所述显示设备上显示。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/451,463 | 2021-10-19 | ||
US17/451,463 US20230121619A1 (en) | 2021-10-19 | 2021-10-19 | System and methods for exam suggestions using a clustered database |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115994193A true CN115994193A (zh) | 2023-04-21 |
Family
ID=85981111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211242558.1A Pending CN115994193A (zh) | 2021-10-19 | 2022-10-11 | 使用聚类数据库进行检查建议的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230121619A1 (zh) |
CN (1) | CN115994193A (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164968A1 (en) * | 2012-12-09 | 2014-06-12 | WinguMD, Inc. | Medical Photography User Interface Utilizing a Body Map Overlay in Camera Preview to Control Photo Taking and Automatically Tag Photo with Body Location |
US9495604B1 (en) * | 2013-01-09 | 2016-11-15 | D.R. Systems, Inc. | Intelligent management of computerized advanced processing |
US11551353B2 (en) * | 2017-11-22 | 2023-01-10 | Arterys Inc. | Content based image retrieval for lesion analysis |
US10646206B1 (en) * | 2019-01-10 | 2020-05-12 | Imorgon Medical LLC | Medical diagnostic ultrasound imaging system and method for communicating with a server during an examination of a patient using two communication channels |
US11164658B2 (en) * | 2019-05-28 | 2021-11-02 | International Business Machines Corporation | Identifying salient features for instances of data |
US11393579B2 (en) * | 2019-07-25 | 2022-07-19 | Ge Precision Healthcare | Methods and systems for workflow management |
EP4009870A4 (en) * | 2019-08-06 | 2024-01-24 | Neuroenhancement Lab, LLC | SYSTEM AND METHOD FOR COMMUNICATING BRAIN ACTIVITY TO AN IMAGING DEVICE |
EP4088282A4 (en) * | 2020-01-09 | 2024-03-13 | Whiterabbit.Ai Inc. | METHODS AND SYSTEMS FOR PERFORMING REAL-TIME RADIOLOGY |
US20220318991A1 (en) * | 2021-04-01 | 2022-10-06 | GE Precision Healthcare LLC | Artificial intelligence assisted diagnosis and classification of liver cancer from image data |
-
2021
- 2021-10-19 US US17/451,463 patent/US20230121619A1/en active Pending
-
2022
- 2022-10-11 CN CN202211242558.1A patent/CN115994193A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230121619A1 (en) | 2023-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488298B2 (en) | System and methods for ultrasound image quality determination | |
US20080281195A1 (en) | System and method for planning LV lead placement for cardiac resynchronization therapy | |
US8081806B2 (en) | User interface and method for displaying information in an ultrasound system | |
US8187187B2 (en) | Shear wave imaging | |
US8343053B2 (en) | Detection of structure in ultrasound M-mode imaging | |
US20050010098A1 (en) | Method and apparatus for knowledge based diagnostic imaging | |
US20070259158A1 (en) | User interface and method for displaying information in an ultrasound system | |
US20170238909A1 (en) | Method and apparatus for video interpretation of carotid intima-media thickness | |
US11931201B2 (en) | Device and method for obtaining anatomical measurements from an ultrasound image | |
US11593933B2 (en) | Systems and methods for ultrasound image quality determination | |
US20100249589A1 (en) | System and method for functional ultrasound imaging | |
CN112603374A (zh) | 颈动脉超声影像处理方法、装置、存储介质及超声设备 | |
US20100185088A1 (en) | Method and system for generating m-mode images from ultrasonic data | |
CN113194837A (zh) | 用于帧索引和图像复查的系统和方法 | |
JP2020103883A (ja) | 超音波撮像システムおよび対象物体品質レベルを表示するための方法 | |
US8394023B2 (en) | Method and apparatus for automatically determining time to aortic valve closure | |
US11890142B2 (en) | System and methods for automatic lesion characterization | |
US8556816B2 (en) | Providing a measuring item candidate group for measuring size of a target object in an ultrasound system | |
US20230186477A1 (en) | System and methods for segmenting images | |
US20230121619A1 (en) | System and methods for exam suggestions using a clustered database | |
US20230121506A1 (en) | System and methods for exam suggestions using a database | |
US12004900B2 (en) | System and methods for a measurement tool for medical imaging | |
EP4270411A1 (en) | Analysing an ultrasound image feed | |
US20220338842A1 (en) | Methods and apparatuses for providing indications of missing landmarks in ultrasound images | |
US20210228187A1 (en) | System and methods for contrast-enhanced ultrasound imaging |
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 |