CN117672499A - 基于影像数据的诊疗方法、装置、电子设备和存储介质 - Google Patents
基于影像数据的诊疗方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117672499A CN117672499A CN202311691389.4A CN202311691389A CN117672499A CN 117672499 A CN117672499 A CN 117672499A CN 202311691389 A CN202311691389 A CN 202311691389A CN 117672499 A CN117672499 A CN 117672499A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- diagnosis
- disease
- medication
- 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 114
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 136
- 201000010099 disease Diseases 0.000 claims abstract description 105
- 238000007689 inspection Methods 0.000 claims abstract description 48
- 239000003814 drug Substances 0.000 claims description 166
- 229940079593 drug Drugs 0.000 claims description 122
- 238000012549 training Methods 0.000 claims description 49
- 208000035475 disorder Diseases 0.000 claims description 31
- 238000002372 labelling Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000002405 diagnostic procedure Methods 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 206010013709 Drug ineffective Diseases 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 230000000857 drug effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- ULGZDMOVFRHVEP-RWJQBGPGSA-N Erythromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 ULGZDMOVFRHVEP-RWJQBGPGSA-N 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002547 new drug Substances 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002279 cholagogic effect Effects 0.000 description 1
- 201000001883 cholelithiasis Diseases 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229960003276 erythromycin Drugs 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于影像数据的诊疗方法、装置、电子设备和存储介质,包括:获取就诊对象在经影像检查后得到的检查图像;将检查图像输入预设的诊断模型中,输出检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;当存在病症信息且预测概率大于预设概率时,将病症类型作为目标病症;基于目标病症获取治疗指导信息;将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,和/或,就诊对象所在客户端。通过设置诊断模型来作为就诊对象在线诊断的对象,可以减少就诊对象去往医院的次数和时间,节约患者和医生的问诊时间,还可以更好地辅助医生判断诊断结果和诊疗方案的合理性,提高了诊疗效率,给医生和患者带来便利。
Description
技术领域
本发明涉及辅助诊疗技术领域,尤其涉及一种基于影像数据的诊疗方法、装置、电子设备和存储介质。
背景技术
患者的正常诊疗过程为:患者挂号后由医生开出检查项目,患者进行检查,并等待检查结果,待检查结果出来后可以客户端(电脑、手机等)进行查询。但普通的患者通常难以看懂检查结果所表示的意义,尤其是CT、B超、X光、核磁共振等类型的影像检查图像,因而需要通过然后返回医生处询问检查结果所表示的病症类型。
但很多检查项目并不是第一时间便能产出检查结果,通常要等一段时间,例如半天或更长的时间,患者在等待检查结果出来后,又需要前往医院找医生进行询问检查结果,一方面,则耗费患者较多的时间,给患者带来不便。另一方面,对于医生来说,需要查看分析每个检查项目结果,同样也耗费了大量时间。
发明内容
本发明提供了一种基于影像数据的诊疗方法,以解决患者根据影像检查图像进行影像诊疗结果问询而耗费较多患者、医生较多时间的问题。
第一方面,本发明提供了一种基于影像数据的诊疗方法,应用于影像诊疗装置,包括:
获取就诊对象在经影像检查后得到的检查图像;
将所述检查图像输入预设的诊断模型中,输出所述检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;
当存在所述病症信息且所述预测概率大于预设概率时,将所述病症类型作为目标病症;
基于所述目标病症获取治疗指导信息;
将所述病症信息、所述治疗指导信息发送到所述影像诊疗装置的显示界面,和/或,所述就诊对象所在客户端。
第二方面,本发明提供了一种影像诊疗装置,包括:
检查图像获取模块,用于获取就诊对象在经影像检查后得到的检查图像;
诊断模块,用于将所述检查图像输入预设的诊断模型中,输出所述检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;
目标病症确定模块,用于当存在所述病症信息且所述预测概率大于预设概率时,将所述病症类型作为目标病症;
治疗指导信息确定模块,用于基于所述目标病症获取治疗指导信息;
诊疗结果发送模块,用于将所述病症信息、所述治疗指导信息发送到所述影像诊疗装置的显示界面,和/或,所述就诊对象所在客户端。
第三方面,本发明提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明第一方面所述的基于影像数据的诊疗方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明第一方面所述的基于影像数据的诊疗方法。
本发明实施例提供了一种基于影像数据的诊疗方法,应用于影像诊疗装置,包括:获取就诊对象在经影像检查后得到的检查图像;将检查图像输入预设的诊断模型中,输出检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;当存在病症信息且预测概率大于预设概率时,将病症类型作为目标病症;基于目标病症获取治疗指导信息;将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,和/或,就诊对象所在客户端。通过设置诊断模型来作为就诊对象在线诊断的对象,可以减少就诊对象去往医院的次数和时间,节约患者和医生的问诊时间。同时还可以更好地辅助医生判断诊断结果和诊疗方案的合理性,节约了医生对诊断结果进行查看和分析的时间,提高了诊疗效率,给医生和患者带来便利。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于影像数据的诊疗方法的流程图;
图2是本发明实施例一提供的一种诊断模型训练方式流程图;
图3是本发明实施例二提供的一种基于影像数据的诊疗方法的流程图;
图4是本发明实施例三提供的一种影像诊疗装置的结构示意图;
图5是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的一种基于影像数据的诊疗方法的流程图,本实施例可适用于对患者的影像检查结果进行诊疗的情况,该方法可以由影像诊疗装置来执行,该影像诊疗装置可以采用硬件和/或软件的形式实现,该影像诊疗装置可配置于电子设备中,诊断模型配置于影像诊疗装置中且影像诊疗装置配置有显示界面,便于医护人员查看数据。
如图1所示,该基于影像数据的诊疗方法包括:
S101、获取就诊对象在经影像检查后得到的检查图像。
影像检查包括普通X光、CT、核磁共振、B超、PET-CT等。一般医院的影像科室设置有影像检查设备,就诊对象(患者)在经影像检查后可得到检查图像。
检查图像是就诊对象在当前实际检查过程中所获得的影像检查图像。就诊对象为患者身份,具体地,就诊对象(或用户)可以通过其所在的客户端将检查图像发送到影像诊疗装置,也可以是医院的影像科室在获得检查图像后,将训练图像发送到影像诊疗装置。则影像诊疗装置能够获取到在就诊对象检查后得到的检查图像。
S102、将检查图像输入预设的诊断模型中,输出检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域。
其中,病症区域用于辅助判断病症类型,一般作为医生查看分析的材料,而普通的就诊对象(患者)一般很难通过病症区域去判断出病症类型。
预设概率用于衡量检查图像包含病症信息的置信度,概率越高,预测检查图像中包含病症信息的置信度越高,在概率大于预设概率时,表示检查图像包含病症信息的置信度较高,当前就诊对象存在病症,并获得对应的病症信息,且将病症类型作为目标病症。
诊断模型通过训练得到,训练的过程是训练诊断模型根据图像识别病症类型的能力。诊断模型可以是CNN、DNN、RNN等神经网络,训练方式可以采用有监督学习训练方法,本发明实施例对诊断模型的网络结构和训练方式均不作限制。
图2为一种诊断模型训练方式流程图,在一个可选的实施例中,如图2所示,预设的诊断模型采用以下方式训练:
S21、获取包括多张训练图像的图像集,训练图像为包含至少一种病症类型的影像检查结果图像。
一般医院的影像科室设置有影像检查设备,因此可通过收集历史检查结果图像,作为训练图像,并将训练图像的合集作为图像集。每张训练图像中至少包括一种病症类型,例如,对于肺部X光影像,则训练图像可以是包含肺部阴影的图像。需要说明的是,病症类型应当是由专业的医护人员根据训练图像来确定的。
在一个可选实施例中,在获取包括多张训练图像的图像集之后,还包括:对训练图像进行数据增强,得到增强图像;将增强图像添加到图像集中,以更新图像集。对训练图像进行数据增强,得到增强图像,一方面,将增强图像添加到图像集中,可以得到更多的训练数据,提高模型的稳定性和准确性;另一方面,有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足医学分析的需要。
具体地,对训练图像进行数据增强,得到增强图像,可以为:基于检查项目确定目标检查区域,根据目标检查区域来进行图像增强。例如,检查区域为肝胆区域,那么感兴趣区域为肝胆区域,不感兴趣的区域为骨骼区域、肺部区域等。
数据增强的具体方式可以包括:对比度增强、旋转、翻转、裁剪与缩放、透视变换、灰度化等。
其中,对比度增强可以改善图像的对比度,使得细节更清晰,常用方法包括直方图均衡化。对图像进行旋转、水平或垂直翻转,可以增加数据多样性。透视变换可以模拟不同角度的拍摄条件,同样可以增加数据多样性。
S22、对图像集中的每张训练图像标注第一标注信息,第一标注信息包括第一病症区域、第一病症类型以及第一病症类型的第一概率。
S23、提取一张训练图像输入初始的诊断模型中,得到训练图像的第二标注信息,第二标注信息包括第二病症区域、第二病症类型以及第二病症类型的第二概率。
S24、计算第一标注信息与第二标注信息的相似度。
具体是将每一种类型的信息进行对比来计算相似度。
S25、判断相似度是否大于预设的相似度阈值。
若是,执行S26,若否,执行S27。
S26、确定诊断模型训练完成。
S27、基于相似度调节诊断模型的参数,并返回执行S23。
其中,相似度阈值可以根据实际需求来设置,例如设置为99%,通过以上训练方法得到训练好的诊断模型,可以使得诊断模型具备根据影像检查图像准确输出病症信息和预测概率的能力。
诊断模型在训练完成后,可应用于辅助诊疗。将获取的检查图像输入到诊断模型中,得到检查图像包含的病症信息以及概率。需要说明的是,一张检查图像中可以不包含病症信息,也可以包含至少一类病症信息,当诊断模型检测到检查图像中包含病症信息时,可以输出该病症信息以及预测概率。当诊断模型检测到检查图像中不包含病症信息时,可以输出预设的文字信息,例如文字信息可以是“诊断无异常”,此时无需输出对应的预测概率。
S103、当存在病症信息且预测概率大于预设概率时,将病症类型作为目标病症。
当存在病症信息且预测概率大于预设概率时,表明该就诊对象存在病症,因此可以将病症信息中的病症类型作为目标病症。
此外,当存在病症信息且预测概率大于预设概率时,还可以将当前的检查图像作为新增的训练数据添加到图像集中,得到新的图像集,并采用新的图像集更新诊断模型,可以提高诊断模型的对病症类型的识别精度。
S104、基于目标病症获取治疗指导信息。
治疗指导信息指的是与药品相关的指导信息,常用于患者的病症情况轻微或不严重的情况下,而当病症情况较为严重时,可能需要多方面检查、化验甚至手术等来辅助治疗,因此更适合由医生来做出治疗指导。
在一个可选的示例中,治疗指导信息包括药物信息和用药指导信息,也可以确定与目标病症对应的药物信息,基于药物信息从药品信息库中获取用药指导信息。
具体的,可以将每一类药物信息均对应相应的病症记录于数据库中,示例性的,消炎利胆片可促进结石排出、修复损伤,当病症类型为胆结石时,便可开具消炎利胆片。因此,在确定病症类型的情况下,可以基于病症类型确定对应的药物信息。
在另一个可选的示例中,可以预先训练一个基于目标病症获取治疗指导信息的治疗指导模型,治疗指导模型与上述的诊断模型的训练方式相似,具体可以参考相关描述。
S105、将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,和/或,就诊对象所在客户端。
影像诊疗装置可以是医护人员所在终端,将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,则医护人员可以利用病症信息、治疗指导信息进行辅助分析,快速给出治疗建议,提高医生的看诊效率,并且还能对治疗指导信息的准确性进行核验,保障患者的治疗效果和安全性。
将病症信息、治疗指导信息发送到就诊对象所在客户端,则是发送给患者或用户,患者无需赶往医院便可知晓病症信息和治疗指导信息,为患者节约了问诊时间,给患者带来了便利。尤其是对于一些较为常见的非严重病症,可以根据治疗指导信息在就诊对象附近药店购买药物进行治疗,无需前往医院。
本发明实施例提供了一种病症基于影像数据的诊疗方法,应用于影像诊疗装置,包括:获取就诊对象在经影像检查后得到的检查图像;将检查图像输入预设的诊断模型中,输出检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;当存在病症信息且预测概率大于预设概率时,将病症类型作为目标病症;基于目标病症获取治疗指导信息;将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,和/或,就诊对象所在客户端。通过设置诊断模型来作为就诊对象在线诊断的对象,可以减少就诊对象去往医院的次数和时间,节约患者和医生的问诊时间。同时还可以更好地辅助医生判断诊断结果和诊疗方案的合理性,节约了医生对诊断结果进行查看和分析的时间,提高了诊疗效率,给医生和患者带来便利。
实施例二
图3为本发明实施例二提供的一种基于影像数据的诊疗方法的流程图,本发明实施例在上述实施例一的基础上进行优化,如图3所示,该基于影像数据的诊疗方法包括:
S301、获取就诊对象在经影像检查后得到的检查图像。
S302、将检查图像输入诊断模型中,输出检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域。
S303、在预测概率大于预设概率时,将病症类型作为目标病症。
S301-S303与实施例一中S101-S103相似,具体可以参考S101-S103的内容,在此不加以描述。
S304、基于药物信息从药品信息库中获取用药指导信息。
药品信息库中包含了各种药物的药品名称、用法用量、生产日期、注意事项等,对于医疗系统来说,药品信息库的建立是相对常规的操作。
S305、获取就诊对象的病历信息。
就诊对象的病历信息可以在医院的医疗系统中获得。
S306、从病历信息中获取就诊对象在最近的预设时间段内使用的当前药物。
考虑到药物在进入人体后存在一个浓度衰退过程,药物半衰期表示药物在血液中代谢一半的时间,药物进入半衰期时一般药效较小且浓度较低,对人体作用较小,不同药物的半衰期略有不同,若药物的半衰期较短,可能在3-5天便可代谢完毕。但若药物的半衰期较长,可能需要5-7天,方能完全代谢。因此,在开具药物时,可以根据就诊对象在最近时间内使用的当前药物来进行调整。
最近的预设时间段内根据实际需求(药物的半衰期)设置。例如预设时间段可以是最近一周内。
S307、判断当前药物与药物信息的药品是否存在药效冲突。
若是执行S308,若否,执行S309。
通常情况下,药物之间有可能会出现相互作用,不良的相互作用会造成药物疗效下降,导致治疗失败,也会使药物的毒副作用或治疗作用过度增强而危害身体,例如,阿司匹林和红霉素合用会导致听力减弱。
S308、基于当前药物修改药物信息,和/或,用药指导信息。
在一个可选的实施例中,基于当前药物修改药物信息,和/或,用药指导信息,包括:判断是否存在用于治疗目标病症且与当前药物无药效冲突的替代药物;若是,将替代药物的信息作为新的药物信息,并根据新的药物信息修改用药指导信息;若否,获取当前药物的半衰期;基于半衰期修改用药指导信息。
在近期当前药物与药物信息的药品存在药效冲突时,可以使用药效相同但不同组分的其他药物作为替代药物,且替代药物不与当前药物发生药效冲突,继而可以根据提到药物修改药物信息,在修改药物信息后,再对应修改用药指导信息。
也可以不修改药物信息,仅修改用药指导信息,仅根据药物的半衰期来确定初次使用药物信息对应的药物的时机。在一个可选的实施例中,用药指导信息包括用药备注信息,基于半衰期修改用药指导信息,包括:计算半衰期和预设的空余时间的和值,作为开始服用药物信息对应的药物的用药时间;基于用药时间生成新的用药备注信息,以对用药指导信息中的用药备注信息进行更新。例如,半衰期为3天,预设的空余时间为1天,那么可以建议在停用当前药物4天后服用药物信息对应的药物,并生成相应的用药备注信息。
S309、将药物信息和用药指导信息作为治疗指导信息。
S310、将病症信息、治疗指导信息发送到影像诊疗装置的显示界面,和/或,就诊对象所在客户端。
S310与实施例一中S105相似,具体可以参考S105的内容,在此不加以描述。
本实施例在基于药物信息从药物信息库中获取用药指导信息之后,获取诊断对象的病历信息;从病历信息中获取诊断对象在最近的预设时间段内的使用药品;判断使用药品与药物信息的药品是否存在药效冲突;若是,基于使用药品修改药物信息和用药指导信息。可以自动对就诊对象的历史使用药物与开具的药物信息的药物的药效冲突关系进行监控,为医生提供开药依据,可以帮助医生结合就诊对象的实际用药情况来正确地开具药物,提高了用药指导的科学性。
实施例三
图4为本发明实施例三提供的一种影像诊疗装置的结构示意图。如图4所示,该影像诊疗装置包括:
检查图像获取模块401,用于获取就诊对象在经影像检查后得到的检查图像;
诊断模块402,用于将所述检查图像输入预设的诊断模型中,输出所述检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;
目标病症确定模块403,用于当存在所述病症信息且所述预测概率大于预设概率时,将所述病症类型作为目标病症;
治疗指导信息确定模块404,用于基于所述目标病症获取治疗指导信息;
诊疗结果发送模块405,用于将所述病症信息、所述治疗指导信息发送到所述影像诊疗装置的显示界面,和/或,所述就诊对象所在客户端。
在一个可选的实施例中,所述诊断模型采用所述影像诊疗装置中的以下模块进行训练:
图像集获取模块,用于获取包括多张训练图像的图像集,所述训练图像为包含至少一种病症类型的影像检查结果图像;
信息标注模块,用于对所述图像集中的每张所述训练图像标注第一标注信息,所述第一标注信息包括第一病症区域、第一病症类型以及所述第一病症类型的第一概率;
输入模块,用于提取一张所述训练图像输入初始的诊断模型中,得到所述训练图像的第二标注信息,所述第二标注信息包括第二病症区域、第二病症类型以及所述第二病症类型的第二概率;
相似度计算模块,用于计算所述第一标注信息与所述第二标注信息的相似度;
相似度判断模块,用于判断所述相似度是否大于预设的相似度阈值;
训练完成确定模块,用于若所述相似度大于预设的相似度阈值,确定所述诊断模型训练完成;
训练完成确定模块,用于若所述相似度小于或等于预设的相似度阈值,基于所述相似度调节所述诊断模型的参数,并返回执行所述输入模块的内容。
在一个可选的实施例中,所述影像诊疗装置,还包括:
增强图像模块,用于对所述训练图像进行数据增强,得到增强图像;
图像集更新模块,用于将所述增强图像添加到所述图像集中,以更新所述图像集。
在一个可选的实施例中,所述治疗指导信息确定模块404,包括:
第一子模块,用于确定一个用于治疗所述目标病症对应的药物信息;
第二子模块,用于基于所述药物信息从药品信息库中获取用药指导信息;
第三子模块,用于将所述药物信息和所述用药指导信息作为治疗指导信息。
在一个可选的实施例中,所述治疗指导信息确定模块404,还包括:
第四子模块,用于获取所述就诊对象的病历信息;
第五子模块,用于从所述病历信息中获取所述就诊对象在最近的预设时间段内使用的当前药物;
第六子模块,用于判断所述当前药物与所述药物信息的药品是否存在药效冲突;
第七子模块,用于若存在药物冲突,基于所述当前药物修改所述药物信息,和/或,所述用药指导信息。
在一个可选的实施例中,所述第七子模块,包括:
第一单元,用于判断是否存在用于治疗所述目标病症且与所述当前药物无药效冲突的替代药物;若是执行第二单元的内容,若否执行第三单元的内容;
第二单元,用于将所述替代药物的信息作为新的所述药物信息,并根据新的所述药物信息修改所述用药指导信息;
第三单元,用于获取所述当前药物的半衰期;
第四单元,用于基于所述半衰期修改所述用药指导信息。
在一个可选的实施例中,所述用药指导信息包括用药备注信息,所述第四单元,包括:
第一子单元,用于计算所述半衰期和预设的空余时间的和值,作为开始服用所述药物信息对应的药物的用药时间;
第二子单元,用于基于所述用药时间生成新的用药备注信息,以对所述用药指导信息中的用药备注信息进行更新。
本发明实施例所提供的影像诊疗装置可执行本发明任意实施例所提供的基于影像数据的诊疗方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如基于影像数据的诊疗方法。
在一些实施例中,基于影像数据的诊疗方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的基于影像数据的诊疗方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于影像数据的诊疗方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于影像数据的诊疗方法,其特征在于,应用于影像诊疗装置,包括:
获取就诊对象在经影像检查后得到的检查图像;
将所述检查图像输入预设的诊断模型中,输出所述检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;
当存在所述病症信息且所述预测概率大于预设概率时,将所述病症类型作为目标病症;
基于所述目标病症获取治疗指导信息;
将所述病症信息、所述治疗指导信息发送到所述影像诊疗装置的显示界面,和/或,所述就诊对象所在客户端。
2.如权利要求1所述的基于影像数据的诊疗方法,其特征在于,所述诊断模型采用以下方式训练:
获取包括多张训练图像的图像集,所述训练图像为包含至少一种病症类型的影像检查结果图像;
对所述图像集中的每张所述训练图像标注第一标注信息,所述第一标注信息包括第一病症区域、第一病症类型以及所述第一病症类型的第一概率;
提取一张所述训练图像输入初始的诊断模型中,得到所述训练图像的第二标注信息,所述第二标注信息包括第二病症区域、第二病症类型以及所述第二病症类型的第二概率;
计算所述第一标注信息与所述第二标注信息的相似度;
判断所述相似度是否大于预设的相似度阈值;
若是,确定所述诊断模型训练完成;
若否,基于所述相似度调节所述诊断模型的参数,并返回执行提取一张所述训练图像输入所述诊断模型,得到所述训练图像的第二标注信息的步骤。
3.如权利要求2所述的基于影像数据的诊疗方法,其特征在于,在所述获取包括多张训练图像的图像集之后,还包括:
对所述训练图像进行数据增强,得到增强图像;
将所述增强图像添加到所述图像集中,以更新所述图像集。
4.如权利要求1所述的基于影像数据的诊疗方法,其特征在于,所述治疗指导信息包括药物信息和用药指导信息,所述基于所述目标病症获取治疗指导信息,包括:
确定一个用于治疗所述目标病症对应的药物信息;
基于所述药物信息从药品信息库中获取用药指导信息;
将所述药物信息和所述用药指导信息作为治疗指导信息。
5.如权利要求4所述的基于影像数据的诊疗方法,其特征在于,在所述基于所述药物信息从药品信息库中获取用药指导信息之后,还包括:
获取所述就诊对象的病历信息;
从所述病历信息中获取所述就诊对象在最近的预设时间段内使用的当前药物;
判断所述当前药物与所述药物信息的药品是否存在药效冲突;
若是,基于所述当前药物修改所述药物信息,和/或,所述用药指导信息。
6.如权利要求5所述的基于影像数据的诊疗方法,其特征在于,所述基于所述当前药物修改所述药物信息,和/或,所述用药指导信息,包括:
判断是否存在用于治疗所述目标病症且与所述当前药物无药效冲突的替代药物;
若是,将所述替代药物的信息作为新的所述药物信息,并根据新的所述药物信息修改所述用药指导信息;
若否,获取所述当前药物的半衰期;
基于所述半衰期修改所述用药指导信息。
7.如权利要求6所述的基于影像数据的诊疗方法,其特征在于,所述用药指导信息包括用药备注信息,所述基于所述半衰期修改所述用药指导信息,包括:
计算所述半衰期和预设的空余时间的和值,作为开始服用所述药物信息对应的药物的用药时间;
基于所述用药时间生成新的用药备注信息,以对所述用药指导信息中的用药备注信息进行更新。
8.一种影像诊疗装置,其特征在于,包括:
检查图像获取模块,用于获取就诊对象在经影像检查后得到的检查图像;
诊断模块,用于将所述检查图像输入预设的诊断模型中,输出所述检查图像所包含的病症信息以及预测概率,病症信息包括病症类型和病症区域;
目标病症确定模块,用于当存在所述病症信息且所述预测概率大于预设概率时,将所述病症类型作为目标病症;
治疗指导信息确定模块,用于基于所述目标病症获取治疗指导信息;
诊疗结果发送模块,用于将所述病症信息、所述治疗指导信息发送到所述影像诊疗装置的显示界面,和/或,所述就诊对象所在客户端。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于影像数据的诊疗方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于影像数据的诊疗方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311691389.4A CN117672499A (zh) | 2023-12-08 | 2023-12-08 | 基于影像数据的诊疗方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311691389.4A CN117672499A (zh) | 2023-12-08 | 2023-12-08 | 基于影像数据的诊疗方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117672499A true CN117672499A (zh) | 2024-03-08 |
Family
ID=90073112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311691389.4A Pending CN117672499A (zh) | 2023-12-08 | 2023-12-08 | 基于影像数据的诊疗方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117672499A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108231194A (zh) * | 2018-04-04 | 2018-06-29 | 苏州医云健康管理有限公司 | 一种疾病诊断系统 |
US20190139643A1 (en) * | 2017-11-08 | 2019-05-09 | International Business Machines Corporation | Facilitating medical diagnostics with a prediction model |
CN110570942A (zh) * | 2019-07-26 | 2019-12-13 | 华中科技大学 | 一种智能就医方法及相应的装置 |
CN113724828A (zh) * | 2021-08-18 | 2021-11-30 | 深圳中科强华低成本健康科技有限公司 | 一种慢病服药依从性管理方法 |
CN115019955A (zh) * | 2022-05-26 | 2022-09-06 | 福建中医药大学附属第二人民医院(福建省第二人民医院) | 一种基于超声影像组学特征的乳腺癌中医证型预测模型的构建方法及其系统 |
CN116230152A (zh) * | 2023-03-07 | 2023-06-06 | 江苏微药信息科技有限责任公司 | 一种基于云平台和各医院处方大数据分析的用药安全监测和干预方法、系统和设备 |
CN117174257A (zh) * | 2023-11-03 | 2023-12-05 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医疗影像的处理装置、电子设备及计算机可读存储介质 |
-
2023
- 2023-12-08 CN CN202311691389.4A patent/CN117672499A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190139643A1 (en) * | 2017-11-08 | 2019-05-09 | International Business Machines Corporation | Facilitating medical diagnostics with a prediction model |
CN108231194A (zh) * | 2018-04-04 | 2018-06-29 | 苏州医云健康管理有限公司 | 一种疾病诊断系统 |
CN110570942A (zh) * | 2019-07-26 | 2019-12-13 | 华中科技大学 | 一种智能就医方法及相应的装置 |
CN113724828A (zh) * | 2021-08-18 | 2021-11-30 | 深圳中科强华低成本健康科技有限公司 | 一种慢病服药依从性管理方法 |
CN115019955A (zh) * | 2022-05-26 | 2022-09-06 | 福建中医药大学附属第二人民医院(福建省第二人民医院) | 一种基于超声影像组学特征的乳腺癌中医证型预测模型的构建方法及其系统 |
CN116230152A (zh) * | 2023-03-07 | 2023-06-06 | 江苏微药信息科技有限责任公司 | 一种基于云平台和各医院处方大数据分析的用药安全监测和干预方法、系统和设备 |
CN117174257A (zh) * | 2023-11-03 | 2023-12-05 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医疗影像的处理装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Drukker et al. | Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology | |
US20160342753A1 (en) | Method and apparatus for healthcare predictive decision technology platform | |
WO2018236905A1 (en) | METHOD AND SYSTEM FOR COMPUTER-ASSISTED SORTING | |
Slight et al. | The return on investment of implementing a continuous monitoring system in general medical-surgical units | |
US11462318B2 (en) | Method and system for computer-aided triage of stroke | |
US20200334811A1 (en) | Method and system for computer-aided triage | |
von Wangenheim et al. | Creating a web infrastructure for the support of clinical protocols and clinical management: an example in teledermatology | |
CN109545387B (zh) | 一种基于神经网络的异常病例识别方法及计算设备 | |
US20220028524A1 (en) | Method and system for computer-aided aneurysm triage | |
CN112331298A (zh) | 开具药方的方法、装置、电子设备及存储介质 | |
WO2022012687A1 (zh) | 医疗数据处理方法与系统 | |
US20230051436A1 (en) | Systems and methods for evaluating health outcomes | |
JP2016518645A (ja) | ユーザに医療ケアアルゴリズムを提供するためのシステムおよび方法 | |
US20230123153A1 (en) | Clinical assessment of an intravenous catheter site | |
CN116110566A (zh) | 一种数据处理方法、装置及设备 | |
CN110957013A (zh) | 基于遗传算法的临床路径本地化的方法和装置 | |
CN117672499A (zh) | 基于影像数据的诊疗方法、装置、电子设备和存储介质 | |
CN112613313B (zh) | 医嘱质控的方法、装置、设备、存储介质以及程序产品 | |
JP7013841B2 (ja) | 読影レポート解析装置及びプログラム | |
AU2018373209A1 (en) | Medical care assistance device, and operation method and operation program therefor | |
WO2019084864A1 (zh) | 电子病历的评价方法及装置 | |
CN113963773A (zh) | 诊断报告展示方法、装置、电子设备及存储介质 | |
Kumar et al. | NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP | |
CN110910980A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
CN112712870B (zh) | 一种互联网医院用药方案确定方法及装置 |
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 |