CN117116436A - 一种条目化数字病理切片诊断系统 - Google Patents
一种条目化数字病理切片诊断系统 Download PDFInfo
- Publication number
- CN117116436A CN117116436A CN202311161914.1A CN202311161914A CN117116436A CN 117116436 A CN117116436 A CN 117116436A CN 202311161914 A CN202311161914 A CN 202311161914A CN 117116436 A CN117116436 A CN 117116436A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- item
- pathological section
- digital pathological
- model
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 400
- 230000001575 pathological effect Effects 0.000 title claims abstract description 153
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims 1
- 238000010827 pathological analysis Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000013506 data mapping Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H30/40—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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种条目化数字病理切片诊断系统,包括诊断结果获取模块,用于利用数字病理切片辅助诊断模型,获得数字病理切片的预测诊断结果;诊断结果展示模块,用于基于医疗诊断数据库,获得非预测诊断结果,并基于预测诊断结果和非预测诊断结果,构建条目化显示页面;诊断结果修正模块,用于医生通过编辑和操作条目化显示页面,获得修正诊断结果。本发明通过采用条目化选项的方式展示预测诊断结果以及手动添加操作项,便于医生查看、操作,并修正预测诊断结果,可进一步提高病理诊断的准确性和可靠性。
Description
技术领域
本发明涉及病理切片诊断技术领域,尤其涉及一种条目化数字病理切片诊断系统。
背景技术
当前,病理诊断在医学领域扮演着重要的角色。通过观察和分析组织切片下的细胞结构和病理变化,病理医生能够对疾病进行准确的诊断和预后评估。然而,传统的病理诊断方法往往依赖于肉眼观察和显微镜下的观察,存在主观性和人力成本高的问题。为了克服这些限制,数字病理切片辅助诊断系统应运而生。
随着人工智能和深度学习的快速发展,数字病理切片辅助诊断系统成为病理医生的有力工具。这些系统利用大量的标注病理切片作为训练数据,通过深度学习算法训练出高精度和高准确率的诊断模型。它们能够辅助医生快速、准确地识别癌症区域和不同类型的癌症病理特征,提供重要的诊断参考。这种技术的前景非常广阔,有望大大提高病理诊断的准确性和效率。
然而,当前的数字病理切片辅助诊断系统在结果展示方面存在一些限制。现有系统中的算法模型无法包含全部可能的预测结果选项;这导致在数字病理切片辅助诊断过程中,医生无法全面了解和评估所有可能的病理切片诊断结果。这限制了医生对病理切片的准确性和全面性评估,可能导致诊断结果的不准确性或遗漏;现有系统缺乏医生对算法预测结果进行手动修正的功能。当算法模型预测结果存在错误或不准确时,医生无法直接进行修正或调整,以纠正诊断结果。这可能导致医生对诊断结果的信任度降低,甚至影响后续的治疗决策和病情监测;针对一些算法模型预测有误的选项无法通过人工更正,导致数字病理预测诊断软件可用性下降,同时无法通过人工更正来进一步优化算法模型。
因此,需要一种条目化数字病理切片诊断系统。
发明内容
本发明提供了一种条目化数字病理切片诊断系统,本发明通过采用条目化选项的方式展示预测诊断结果以及手动添加操作项,便于医生查看、操作,并修正预测诊断结果,可进一步提高病理诊断的准确性和可靠性。
本发明提供了一种条目化数字病理切片诊断系统,包括:
诊断结果获取模块,用于利用数字病理切片辅助诊断模型,获得数字病理切片的预测诊断结果;
诊断结果展示模块,用于基于医疗诊断数据库,获得非预测诊断结果,并基于预测诊断结果和非预测诊断结果,构建条目化显示页面;
诊断结果修正模块,用于医生通过编辑和操作条目化显示页面,获得修正诊断结果。
进一步地,诊断结果获取模块包括数字病理切片数据获取单元和数字病理切片预测诊断单元;
数字病理切片数据获取单元,用于获取数字病理切片,并进行标注后,生成数字标注病理切片;
数字病理切片预测诊断单元,用于基于预设的深度学习训练模型,基于数字标注病理切片生成的训练数据,训练输出预测诊断结果。
进一步地,诊断结果展示模块包括非预测诊断结果获取单元和条目化显示页面构建单元;
非预测诊断结果获取单元,用于基于医疗诊断数据库,获得数字病理切片的全部历史诊断结果,将全部历史诊断结果除去预测诊断结果后,获得非预测诊断结果;
条目化显示页面构建单元,用于基于移动终端上的显示软件程序,将全部历史诊断结果设置为显示软件程序的后台数据;基于显示软件程序设置条目化显示页面;条目化显示页面包括预测诊断结果项和手动添加操作项;预测诊断结果项用于显示预测诊断结果的内容子项;手动添加操作项用于操作选择非预测诊断结果中的一个或若干个非预测诊断结果的内容子项。
进一步地,条目化显示页面构建单元包括智能标记显示子单元;智能标记显示子单元,用于在条目化显示页面上,默认显示预测诊断结果的内容子项,并在内容子项上默认显示预设的标识标记。
进一步地,诊断结果展示模块还包括数据映射转换单元,数据映射转换单元用于基于数据映射模型,将数字病理切片的全部历史诊断结果,映射转换为条目化显示页面的预测诊断结果项和手动添加操作项。
进一步地,诊断结果修正模块包括条目编辑单元、添加操作单元和结果修正单元;
条目编辑单元,用于对预测诊断结果项进行内容子项的选择或取消选择,获得校正预测诊断结果;
添加操作单元,用于通过手动添加操作项,选择非预测诊断结果的内容子项,获得添加非预测诊断结果;
结果修正单元,综合校正预测诊断结果和添加非预测诊断结果,生成修正诊断结果。
进一步地,诊断结果修正模块还包括模型优化单元;
模型优化单元,用于基于修正诊断结果,对数字病理切片辅助诊断模型的训练参数进行优化,获得优化后的数字病理切片辅助诊断模型。
进一步地,模型优化单元还包括模型定级子单元,模型定级子单元包括定级条件确定分子单元和定级实施分子单元;
定级条件确定分子单元,用于根据数字病理切片辅助诊断模型的优化记录,获得第一定级条件;根据数字病理切片辅助诊断模型的使用频率,获得第二定级条件;根据条目编辑和添加操作的内容子项的数量,获得第三定级条件;基于第一定级条件、第二定级条件和第三定级条件,生成综合定级条件;
定级实施分子单元,用于设置定级标准和等级项;当综合定级条件满足预设的定级标准时,将数字病理切片辅助诊断模型定为相应的等级项。
进一步地,诊断结果获取模块还包括辅助诊断模型选取单元;辅助诊断模型选取单元,用于基于数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,获得数字病理切片辅助诊断模型的可信任度,根据可信任度和历史诊断数据中的预测准确率,选择数字病理切片辅助诊断模型;辅助诊断模型选取单元包括可信任度确定子单元和模型选取确定子单元;
可信任度确定子单元,用于获取数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,将数字病理切片辅助诊断模型的等级项和数字病理切片辅助诊断模型的利用率,进行赋分并加权后获得综合得分值,基于综合得分值,生成数字病理切片辅助诊断模型的可信任度分值;
模型选取确定子单元,用于基于数字病理切片辅助诊断模型的历史预测诊断数据,获得数字病理切片辅助诊断模型的预测诊断准确率;将可信任度分值大于预设的可信任度分值阈值,并且预测诊断准确率大于预设的预测诊断准确率阈值的数字病理切片辅助诊断模型作为选择目标,用于数字病理切片的助诊断。
进一步地,还包括智能化诊断策略生成模块,用于基于医疗大数据云平台,根据修正诊断结果,获得智能化诊断策略,提供给医生进行诊断;智能化诊断策略生成模块包括智能化诊断策略获取单元、智能化诊断策略展现单元和智能化诊断策略应用单元;
智能化诊断策略获取单元,用于基于医疗大数据云平台,根据人工智能算法,获得与修正诊断结果相对应的若干组诊断参考策略;
智能化诊断策略展现单元,用于在条目化显示页面,设置显示诊断参考策略内容的子显示页面;针对预测诊断结果项,设置操作方式和链接路径,通过对预测诊断结果项操作,链接到子显示子页面,显示若干组诊断参考策略;
智能化诊断策略应用单元,用于医生在子显示子页面上操作,选取若干组诊断参考策略,用于生成最终的诊断结论。
本发明与现有技术相比,具有如下的优点和有益效果:通过采用条目化选项的方式展示预测诊断结果以及手动添加操作项,便于医生查看、操作,并修正预测诊断结果,可进一步提高病理诊断的准确性和可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其它优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的一种条目化数字病理切片诊断系统结构示意图;
图2为本发明的一种条目化数字病理切片诊断系统诊断结果获取模块结构示意图;
图3为本发明的一种条目化数字病理切片诊断系统诊断结果展示模块结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了一种条目化数字病理切片诊断系统,如图1所示,包括:诊断结果获取模块,用于利用数字病理切片辅助诊断模型,获得数字病理切片的预测诊断结果;
诊断结果展示模块,用于基于医疗诊断数据库,获得非预测诊断结果,并基于预测诊断结果和非预测诊断结果,构建条目化显示页面;
诊断结果修正模块,用于医生通过编辑和操作条目化显示页面,获得修正诊断结果。
上述技术方案的工作原理为:诊断结果获取模块,用于利用数字病理切片辅助诊断模型,获得数字病理切片的预测诊断结果;
诊断结果展示模块,用于基于医疗诊断数据库,获得非预测诊断结果,并基于预测诊断结果和非预测诊断结果,构建条目化显示页面;
诊断结果修正模块,用于医生通过编辑和操作条目化显示页面,获得修正诊断结果。
上述技术方案的有益效果为:采用本实施例提供的方案,通过采用条目化选项的方式展示预测诊断结果以及手动添加操作项,便于医生查看、操作,并修正预测诊断结果,可进一步提高病理诊断的准确性和可靠性。
在一个实施例中,如图2所示,诊断结果获取模块包括数字病理切片数据获取单元和数字病理切片预测诊断单元;
数字病理切片数据获取单元,用于获取数字病理切片,并进行标注后,生成数字标注病理切片;
数字病理切片预测诊断单元,用于基于预设的深度学习训练模型,基于数字标注病理切片生成的训练数据,训练输出预测诊断结果。
上述技术方案的工作原理为:诊断结果获取模块包括数字病理切片数据获取单元和数字病理切片预测诊断单元;
数字病理切片数据获取单元,用于获取数字病理切片,并进行标注后,生成数字标注病理切片;
数字病理切片预测诊断单元,用于基于预设的深度学习训练模型,基于数字标注病理切片生成的训练数据,训练输出预测诊断结果。
上述技术方案的有益效果为:采用本实施例提供的方案,通过深度学习训练模型对数字标注病理切片的训练数据进行训练,可获得预测诊断结果。
在一个实施例中,如图3所示,诊断结果展示模块包括非预测诊断结果获取单元和条目化显示页面构建单元;
非预测诊断结果获取单元,用于基于医疗诊断数据库,获得数字病理切片的全部历史诊断结果,将全部历史诊断结果除去预测诊断结果后,获得非预测诊断结果;
条目化显示页面构建单元,用于基于移动终端上的显示软件程序,将全部历史诊断结果设置为显示软件程序的后台数据;基于显示软件程序设置条目化显示页面;条目化显示页面包括预测诊断结果项和手动添加操作项;预测诊断结果项用于显示预测诊断结果的内容子项;手动添加操作项用于操作选择非预测诊断结果中的一个或若干个非预测诊断结果的内容子项。
上述技术方案的工作原理为:诊断结果展示模块包括非预测诊断结果获取单元和条目化显示页面构建单元;
非预测诊断结果获取单元,用于基于医疗诊断数据库,获得数字病理切片的全部历史诊断结果,将全部历史诊断结果除去预测诊断结果后,获得非预测诊断结果;
条目化显示页面构建单元,用于基于移动终端上的显示软件程序,将全部历史诊断结果设置为显示软件程序的后台数据;基于显示软件程序设置条目化显示页面;条目化显示页面包括预测诊断结果项和手动添加操作项;预测诊断结果项用于显示预测诊断结果的内容子项;手动添加操作项用于操作选择非预测诊断结果中的一个或若干个非预测诊断结果的内容子项。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对非预测诊断结果的区分和条目化显示页面的构建,可保证条目化显示页面的展现内容的全面准确。
在一个实施例中,条目化显示页面构建单元包括智能标记显示子单元;智能标记显示子单元,用于在条目化显示页面上,默认显示预测诊断结果的内容子项,并在内容子项上默认显示预设的标识标记。
上述技术方案的工作原理为:条目化显示页面构建单元包括智能标记显示子单元;智能标记显示子单元,用于在条目化显示页面上,默认显示预测诊断结果的内容子项,并在内容子项上默认显示预设的标识标记。
上述技术方案的有益效果为:采用本实施例提供的方案,通过在预测诊断结果的内容子项上默认显示预设的标识标记,可便于直观地显示诊断预测结果,并方便进行便捷。
在一个实施例中,诊断结果展示模块还包括数据映射转换单元,数据映射转换单元用于基于数据映射模型,将数字病理切片的全部历史诊断结果,映射转换为条目化显示页面的预测诊断结果项和手动添加操作项。
上述技术方案的工作原理为:诊断结果展示模块还包括数据映射转换单元,数据映射转换单元用于基于数据映射模型,将数字病理切片的全部历史诊断结果,映射转换为条目化显示页面的预测诊断结果项和手动添加操作项。
上述技术方案的有益效果为:采用本实施例提供的方案,通过数据映射模型的转换,可将数字病理切片的全部历史诊断结果全面准确地进行转换。
在一个实施例中,诊断结果修正模块包括条目编辑单元、添加操作单元和结果修正单元;
条目编辑单元,用于对预测诊断结果项进行内容子项的选择或取消选择,获得校正预测诊断结果;
添加操作单元,用于通过手动添加操作项,选择非预测诊断结果的内容子项,获得添加非预测诊断结果;
结果修正单元,综合校正预测诊断结果和添加非预测诊断结果,生成修正诊断结果。
上述技术方案的工作原理为:诊断结果修正模块包括条目编辑单元、添加操作单元和结果修正单元;
条目编辑单元,用于对预测诊断结果项进行内容子项的选择或取消选择,获得校正预测诊断结果;
添加操作单元,用于通过手动添加操作项,选择非预测诊断结果的内容子项,获得添加非预测诊断结果;
结果修正单元,综合校正预测诊断结果和添加非预测诊断结果,生成修正诊断结果。
上述技术方案的有益效果为:采用本实施例提供的方案,通过综合校正预测诊断结果和添加非预测诊断结果,生成修正诊断结果,可保证在医生人工操作下,校正和完善预测诊断结果。
在一个实施例中,诊断结果修正模块还包括模型优化单元;
模型优化单元,用于基于修正诊断结果,对数字病理切片辅助诊断模型的训练参数进行优化,获得优化后的数字病理切片辅助诊断模型。
上述技术方案的工作原理为:诊断结果修正模块还包括模型优化单元;
模型优化单元,用于基于修正诊断结果,对数字病理切片辅助诊断模型的训练参数进行优化,获得优化后的数字病理切片辅助诊断模型。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对数字病理切片辅助诊断模型的优化,可加强数字病理切片辅助诊断模型的训练,提高数字病理切片辅助诊断模型的准确性。
在一个实施例中,模型优化单元还包括模型定级子单元,模型定级子单元包括定级条件确定分子单元和定级实施分子单元;
定级条件确定分子单元,用于根据数字病理切片辅助诊断模型的优化记录,获得第一定级条件;根据数字病理切片辅助诊断模型的使用频率,获得第二定级条件;根据条目编辑和添加操作的内容子项的数量,获得第三定级条件;基于第一定级条件、第二定级条件和第三定级条件,生成综合定级条件;
定级实施分子单元,用于设置定级标准和等级项;当综合定级条件满足预设的定级标准时,将数字病理切片辅助诊断模型定为相应的等级项。
上述技术方案的工作原理为:模型优化单元还包括模型定级子单元,模型定级子单元包括定级条件确定分子单元和定级实施分子单元;
定级条件确定分子单元,用于根据数字病理切片辅助诊断模型的优化记录,获得第一定级条件;根据数字病理切片辅助诊断模型的使用频率,获得第二定级条件;根据条目编辑和添加操作的内容子项的数量,获得第三定级条件;基于第一定级条件、第二定级条件和第三定级条件,生成综合定级条件;
定级实施分子单元,用于设置定级标准和等级项;当综合定级条件满足预设的定级标准时,将数字病理切片辅助诊断模型定为相应的等级项。
上述技术方案的有益效果为:采用本实施例提供的方案,通过对数字病理切片辅助诊断模型的定级,可便于数字病理切片辅助诊断模型的选取和使用。
在一个实施例中,诊断结果获取模块还包括辅助诊断模型选取单元;辅助诊断模型选取单元,用于基于数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,获得数字病理切片辅助诊断模型的可信任度,根据可信任度和历史诊断数据中的预测准确率,选择数字病理切片辅助诊断模型;辅助诊断模型选取单元包括可信任度确定子单元和模型选取确定子单元;
可信任度确定子单元,用于获取数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,将数字病理切片辅助诊断模型的等级项和数字病理切片辅助诊断模型的利用率,进行赋分并加权后获得综合得分值,基于综合得分值,生成数字病理切片辅助诊断模型的可信任度分值;
模型选取确定子单元,用于基于数字病理切片辅助诊断模型的历史预测诊断数据,获得数字病理切片辅助诊断模型的预测诊断准确率;将可信任度分值大于预设的可信任度分值阈值,并且预测诊断准确率大于预设的预测诊断准确率阈值的数字病理切片辅助诊断模型作为选择目标,用于数字病理切片的助诊断。
上述技术方案的工作原理为:诊断结果获取模块还包括辅助诊断模型选取单元;辅助诊断模型选取单元,用于基于数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,获得数字病理切片辅助诊断模型的可信任度,根据可信任度和历史诊断数据中的预测准确率,选择数字病理切片辅助诊断模型;辅助诊断模型选取单元包括可信任度确定子单元和模型选取确定子单元;
可信任度确定子单元,用于获取数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,将数字病理切片辅助诊断模型的等级项和数字病理切片辅助诊断模型的利用率,进行赋分并加权后获得综合得分值,基于综合得分值,生成数字病理切片辅助诊断模型的可信任度分值;
模型选取确定子单元,用于基于数字病理切片辅助诊断模型的历史预测诊断数据,获得数字病理切片辅助诊断模型的预测诊断准确率;将可信任度分值大于预设的可信任度分值阈值,并且预测诊断准确率大于预设的预测诊断准确率阈值的数字病理切片辅助诊断模型作为选择目标,用于数字病理切片的助诊断。
上述技术方案的有益效果为:采用本实施例提供的方案,通过基于数字病理切片辅助诊断模型的等级项和利用率,以及获得可信任度和预测准确率,选择数字病理切片辅助诊断模型,可保证数字病理切片辅助诊断模型选取的准确性,有利于数字病理切片辅助诊断的效果。
在一个实施例中,还包括智能化诊断策略生成模块,用于基于医疗大数据云平台,根据修正诊断结果,获得智能化诊断策略,提供给医生进行诊断;智能化诊断策略生成模块包括智能化诊断策略获取单元、智能化诊断策略展现单元和智能化诊断策略应用单元;
智能化诊断策略获取单元,用于基于医疗大数据云平台,根据人工智能算法,获得与修正诊断结果相对应的若干组诊断参考策略;
智能化诊断策略展现单元,用于在条目化显示页面,设置显示诊断参考策略内容的子显示页面;针对预测诊断结果项,设置操作方式和链接路径,通过对预测诊断结果项操作,链接到子显示子页面,显示若干组诊断参考策略;
智能化诊断策略应用单元,用于医生在子显示子页面上操作,选取若干组诊断参考策略,用于生成最终的诊断结论。
上述技术方案的工作原理为:还包括智能化诊断策略生成模块,用于基于医疗大数据云平台,根据修正诊断结果,获得智能化诊断策略,提供给医生进行诊断;智能化诊断策略生成模块包括智能化诊断策略获取单元、智能化诊断策略展现单元和智能化诊断策略应用单元;
智能化诊断策略获取单元,用于基于医疗大数据云平台,根据人工智能算法,获得与修正诊断结果相对应的若干组诊断参考策略;
智能化诊断策略展现单元,用于在条目化显示页面,设置显示诊断参考策略内容的子显示页面;针对预测诊断结果项,设置操作方式和链接路径,通过对预测诊断结果项操作,链接到子显示子页面,显示若干组诊断参考策略;
智能化诊断策略应用单元,用于医生在子显示子页面上操作,选取若干组诊断参考策略,用于生成最终的诊断结论。
上述技术方案的有益效果为:采用本实施例提供的方案,通过获取并使用智能化诊断策略,以及设置子显示子页面操作选取用于诊断结论的诊断参考策略,丰富了条目化显示页面的功能,提高了数字病理切片的智能化诊断水平。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种条目化数字病理切片诊断系统,其特征在于,包括:
诊断结果获取模块,用于利用数字病理切片辅助诊断模型,获得数字病理切片的预测诊断结果;
诊断结果展示模块,用于基于医疗诊断数据库,获得非预测诊断结果,并基于预测诊断结果和非预测诊断结果,构建条目化显示页面;
诊断结果修正模块,用于医生通过编辑和操作条目化显示页面,获得修正诊断结果。
2.根据权利要求1所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果获取模块包括数字病理切片数据获取单元和数字病理切片预测诊断单元;
数字病理切片数据获取单元,用于获取数字病理切片,并进行标注后,生成数字标注病理切片;
数字病理切片预测诊断单元,用于基于预设的深度学习训练模型,基于数字标注病理切片生成的训练数据,训练输出预测诊断结果。
3.根据权利要求1所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果展示模块包括非预测诊断结果获取单元和条目化显示页面构建单元;
非预测诊断结果获取单元,用于基于医疗诊断数据库,获得数字病理切片的全部历史诊断结果,将全部历史诊断结果除去预测诊断结果后,获得非预测诊断结果;
条目化显示页面构建单元,用于基于移动终端上的显示软件程序,将全部历史诊断结果设置为显示软件程序的后台数据;基于显示软件程序设置条目化显示页面;条目化显示页面包括预测诊断结果项和手动添加操作项;预测诊断结果项用于显示预测诊断结果的内容子项;手动添加操作项用于操作选择非预测诊断结果中的一个或若干个非预测诊断结果的内容子项。
4.根据权利要求3所述的一种条目化数字病理切片诊断系统,其特征在于,条目化显示页面构建单元包括智能标记显示子单元;智能标记显示子单元,用于在条目化显示页面上,默认显示预测诊断结果的内容子项,并在内容子项上默认显示预设的标识标记。
5.根据权利要求3所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果展示模块还包括数据映射转换单元,数据映射转换单元用于基于数据映射模型,将数字病理切片的全部历史诊断结果,映射转换为条目化显示页面的预测诊断结果项和手动添加操作项。
6.根据权利要求3所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果修正模块包括条目编辑单元、添加操作单元和结果修正单元;
条目编辑单元,用于对预测诊断结果项进行内容子项的选择或取消选择,获得校正预测诊断结果;
添加操作单元,用于通过手动添加操作项,选择非预测诊断结果的内容子项,获得添加非预测诊断结果;
结果修正单元,综合校正预测诊断结果和添加非预测诊断结果,生成修正诊断结果。
7.根据权利要求6所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果修正模块还包括模型优化单元;
模型优化单元,用于基于修正诊断结果,对数字病理切片辅助诊断模型的训练参数进行优化,获得优化后的数字病理切片辅助诊断模型。
8.根据权利要求7所述的一种条目化数字病理切片诊断系统,其特征在于,模型优化单元还包括模型定级子单元,模型定级子单元包括定级条件确定分子单元和定级实施分子单元;
定级条件确定分子单元,用于根据数字病理切片辅助诊断模型的优化记录,获得第一定级条件;根据数字病理切片辅助诊断模型的使用频率,获得第二定级条件;根据条目编辑和添加操作的内容子项的数量,获得第三定级条件;基于第一定级条件、第二定级条件和第三定级条件,生成综合定级条件;
定级实施分子单元,用于设置定级标准和等级项;当综合定级条件满足预设的定级标准时,将数字病理切片辅助诊断模型定为相应的等级项。
9.根据权利要求8所述的一种条目化数字病理切片诊断系统,其特征在于,诊断结果获取模块还包括辅助诊断模型选取单元;辅助诊断模型选取单元,用于基于数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,获得数字病理切片辅助诊断模型的可信任度,根据可信任度和历史诊断数据中的预测准确率,选择数字病理切片辅助诊断模型;辅助诊断模型选取单元包括可信任度确定子单元和模型选取确定子单元;
可信任度确定子单元,用于获取数字病理切片辅助诊断模型的等级项,以及数字病理切片辅助诊断模型的利用率,将数字病理切片辅助诊断模型的等级项和数字病理切片辅助诊断模型的利用率,进行赋分并加权后获得综合得分值,基于综合得分值,生成数字病理切片辅助诊断模型的可信任度分值;
模型选取确定子单元,用于基于数字病理切片辅助诊断模型的历史预测诊断数据,获得数字病理切片辅助诊断模型的预测诊断准确率;将可信任度分值大于预设的可信任度分值阈值,并且预测诊断准确率大于预设的预测诊断准确率阈值的数字病理切片辅助诊断模型作为选择目标,用于数字病理切片的助诊断。
10.根据权利要求3所述的一种条目化数字病理切片诊断系统,其特征在于,还包括智能化诊断策略生成模块,用于基于医疗大数据云平台,根据修正诊断结果,获得智能化诊断策略,提供给医生进行诊断;智能化诊断策略生成模块包括智能化诊断策略获取单元、智能化诊断策略展现单元和智能化诊断策略应用单元;
智能化诊断策略获取单元,用于基于医疗大数据云平台,根据人工智能算法,获得与修正诊断结果相对应的若干组诊断参考策略;
智能化诊断策略展现单元,用于在条目化显示页面,设置显示诊断参考策略内容的子显示页面;针对预测诊断结果项,设置操作方式和链接路径,通过对预测诊断结果项操作,链接到子显示子页面,显示若干组诊断参考策略;
智能化诊断策略应用单元,用于医生在子显示子页面上操作,选取若干组诊断参考策略,用于生成最终的诊断结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311161914.1A CN117116436A (zh) | 2023-09-11 | 2023-09-11 | 一种条目化数字病理切片诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311161914.1A CN117116436A (zh) | 2023-09-11 | 2023-09-11 | 一种条目化数字病理切片诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117116436A true CN117116436A (zh) | 2023-11-24 |
Family
ID=88809024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311161914.1A Pending CN117116436A (zh) | 2023-09-11 | 2023-09-11 | 一种条目化数字病理切片诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117116436A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001097111A1 (fr) * | 2000-06-15 | 2001-12-20 | Kabushiki Kaisha Toshiba | Systeme d'acquisition d'un second avis et procede d'acquisition d'un second avis |
CN105468900A (zh) * | 2015-11-20 | 2016-04-06 | 邹远强 | 一种基于知识库的智能病历录入平台 |
US20160259902A1 (en) * | 2010-07-20 | 2016-09-08 | InterfaceED Solutions, Inc. | Electronic medical record interactive interface system |
CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
CN106682446A (zh) * | 2017-01-24 | 2017-05-17 | 宁波江丰生物信息技术有限公司 | 一种病理诊断方法 |
CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
CN110767312A (zh) * | 2019-12-26 | 2020-02-07 | 杭州迪英加科技有限公司 | 人工智能辅助病理诊断系统及方法 |
CN111276263A (zh) * | 2020-02-19 | 2020-06-12 | 挂号网(杭州)科技有限公司 | 一种支持健共体的基层医生智能执业云平台 |
CN113130049A (zh) * | 2021-04-15 | 2021-07-16 | 黑龙江机智通智能科技有限公司 | 基于云服务的智能病理图像诊断系统 |
CN113793305A (zh) * | 2021-08-23 | 2021-12-14 | 上海派影医疗科技有限公司 | 一种融合多信息的病理图像分类识别方法与系统 |
CN115205588A (zh) * | 2022-07-04 | 2022-10-18 | 中山大学孙逸仙纪念医院 | 基于人工智能的膀胱癌肌层浸润病理辅助诊断方法及装置 |
CN115516571A (zh) * | 2019-09-06 | 2022-12-23 | 美国比昂恒创有限公司 | 一种影像学研究报告生成系统 |
CN115938565A (zh) * | 2022-11-11 | 2023-04-07 | 浙江大学医学院附属第一医院 | 基于智能推理和证据关联的肿瘤辅助决策支持系统 |
CN116344070A (zh) * | 2023-03-16 | 2023-06-27 | 北京透彻未来科技有限公司 | 一种病理特征与临床信息融合方法及系统 |
CN116386902A (zh) * | 2023-04-24 | 2023-07-04 | 北京透彻未来科技有限公司 | 基于深度学习的大肠癌人工智能辅助病理诊断系统 |
-
2023
- 2023-09-11 CN CN202311161914.1A patent/CN117116436A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001097111A1 (fr) * | 2000-06-15 | 2001-12-20 | Kabushiki Kaisha Toshiba | Systeme d'acquisition d'un second avis et procede d'acquisition d'un second avis |
US20160259902A1 (en) * | 2010-07-20 | 2016-09-08 | InterfaceED Solutions, Inc. | Electronic medical record interactive interface system |
CN105468900A (zh) * | 2015-11-20 | 2016-04-06 | 邹远强 | 一种基于知识库的智能病历录入平台 |
CN105975793A (zh) * | 2016-05-23 | 2016-09-28 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于数字病理图像的癌症辅助诊断方法 |
CN106682446A (zh) * | 2017-01-24 | 2017-05-17 | 宁波江丰生物信息技术有限公司 | 一种病理诊断方法 |
CN107785075A (zh) * | 2017-11-01 | 2018-03-09 | 杭州依图医疗技术有限公司 | 基于文本病历的小儿发热疾病深度学习辅助诊断系统 |
CN115516571A (zh) * | 2019-09-06 | 2022-12-23 | 美国比昂恒创有限公司 | 一种影像学研究报告生成系统 |
CN110767312A (zh) * | 2019-12-26 | 2020-02-07 | 杭州迪英加科技有限公司 | 人工智能辅助病理诊断系统及方法 |
CN111276263A (zh) * | 2020-02-19 | 2020-06-12 | 挂号网(杭州)科技有限公司 | 一种支持健共体的基层医生智能执业云平台 |
CN113130049A (zh) * | 2021-04-15 | 2021-07-16 | 黑龙江机智通智能科技有限公司 | 基于云服务的智能病理图像诊断系统 |
CN113793305A (zh) * | 2021-08-23 | 2021-12-14 | 上海派影医疗科技有限公司 | 一种融合多信息的病理图像分类识别方法与系统 |
CN115205588A (zh) * | 2022-07-04 | 2022-10-18 | 中山大学孙逸仙纪念医院 | 基于人工智能的膀胱癌肌层浸润病理辅助诊断方法及装置 |
CN115938565A (zh) * | 2022-11-11 | 2023-04-07 | 浙江大学医学院附属第一医院 | 基于智能推理和证据关联的肿瘤辅助决策支持系统 |
CN116344070A (zh) * | 2023-03-16 | 2023-06-27 | 北京透彻未来科技有限公司 | 一种病理特征与临床信息融合方法及系统 |
CN116386902A (zh) * | 2023-04-24 | 2023-07-04 | 北京透彻未来科技有限公司 | 基于深度学习的大肠癌人工智能辅助病理诊断系统 |
Non-Patent Citations (1)
Title |
---|
大石头20210413: "电子病历系统操作手册(临床医生操作手册)", Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1715216813021822259&wfr=spider&for=pc> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573490B (zh) | 一种针对肿瘤影像数据的智能读片系统 | |
CN107767376B (zh) | 基于深度学习的x线片骨龄预测方法及系统 | |
CN110660055B (zh) | 疾病数据预测方法、装置、可读存储介质及电子设备 | |
CN110974306B (zh) | 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的系统 | |
CN110352389A (zh) | 信息处理装置及信息处理方法 | |
CN112884724B (zh) | 一种用于肺癌组织病理分型的智能判断方法及系统 | |
CN103778630A (zh) | 基于android的田间病害程度图像识别方法 | |
CN109979546A (zh) | 基于人工智能数字病理的网络模型分析平台及构建方法 | |
CN112562816A (zh) | 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法 | |
CN113113100B (zh) | 医学影像检查报告的制作方法和装置 | |
CN117116436A (zh) | 一种条目化数字病理切片诊断系统 | |
US20160239962A1 (en) | System and method to objectively measure quality assurance in anatomic pathology | |
CN116580801A (zh) | 一种基于大型语言模型的超声检查方法 | |
CN115564750A (zh) | 术中冰冻切片图像识别方法及装置、设备、存储介质 | |
US20220199229A1 (en) | Method and system for enhancing medical ultrasound imaging devices with computer vision, computer aided diagnostics, report generation and network communication in real-time and near real-time | |
CN111968111A (zh) | 一种ct图像的脏器或伪影辨别方法及装置 | |
CN111627554A (zh) | 一种基于深度卷积神经网络的骨折图像自动分类系统 | |
CN116469513B (zh) | 基于深度学习的大肠癌个体化治疗和预后信息预测系统 | |
CN112669973B (zh) | 基于大数据深度学习的疾病协同递进预测方法和机器人 | |
CN116013509A (zh) | 一种基于思维脑图的病征全面性辅助分析方法及系统 | |
CA2976443A1 (en) | System and method to objectively measure quality assurance in anatomic pathology | |
CN114724726A (zh) | 一种用于耳鼻喉科的诊断试验的可视化评估方法 | |
Reul et al. | Expectation-driven text extraction from medical ultrasound images | |
CN112488166A (zh) | 一种图像识别模型的训练方法及系统 | |
CN117036224A (zh) | 病灶评估、模型训练方法及装置、超声设备、存储介质 |
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 |