CN117795497A - 用于实现和使用医学数字成像和通信(dicom)结构化报告(sr)对象合并的方法和系统 - Google Patents
用于实现和使用医学数字成像和通信(dicom)结构化报告(sr)对象合并的方法和系统 Download PDFInfo
- Publication number
- CN117795497A CN117795497A CN202280055623.1A CN202280055623A CN117795497A CN 117795497 A CN117795497 A CN 117795497A CN 202280055623 A CN202280055623 A CN 202280055623A CN 117795497 A CN117795497 A CN 117795497A
- Authority
- CN
- China
- Prior art keywords
- objects
- processing
- remaining
- data
- dicom
- 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
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000003384 imaging method Methods 0.000 title claims abstract description 56
- 238000004891 communication Methods 0.000 title claims abstract description 31
- 239000003814 drug Substances 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 37
- 239000002131 composite material Substances 0.000 claims abstract description 22
- 238000013473 artificial intelligence Methods 0.000 claims description 23
- 239000002243 precursor Substances 0.000 claims description 17
- 238000012550 audit Methods 0.000 claims description 9
- 230000003362 replicative effect Effects 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 description 58
- 238000012285 ultrasound imaging Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 25
- 238000013523 data management Methods 0.000 description 17
- 239000000523 sample Substances 0.000 description 15
- 238000003860 storage Methods 0.000 description 11
- 210000002569 neuron Anatomy 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000002592 echocardiography Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000012217 deletion Methods 0.000 description 5
- 230000037430 deletion Effects 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 210000001765 aortic valve Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000002526 effect on cardiovascular system Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 239000003607 modifier Substances 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002099 shear wave elastography Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G16H30/40—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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
用于实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并的系统和方法。合并过程可应用于基于相同医学成像数据生成的多个对象。该合并过程包括评定该多个对象中的每个对象,其中该评定包括确定该对象是否是该多个对象中另一对象的父,以及当该对象是另一对象的父时丢弃该对象。然后基于该多个对象生成复合对象,其中该生成包括当在该评定之后仅剩余一个对象时,将该对象复制到经合并的对象中;否则,当在该评定之后剩余多个剩余对象时,按照从最新到最旧的顺序处理剩余对象,其中该处理包括将每个剩余对象中的每个数据元复制到该复合对象中。
Description
相关申请的交叉引用
本申请要求于2021年8月27日提交的美国专利申请号17/459,542的权益和优先权,该美国专利申请的公开内容全文以引用方式并入本文。
技术领域
本公开的各方面涉及医学成像解决方案。更具体地,某些实施方案涉及用于实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并的方法和系统。
背景技术
各种医学成像技术可用于成像,例如对人体内的器官和软组织进行成像。医学成像技术的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。在医学成像期间生成图像所用的方式取决于特定技术。
例如,超声成像使用实时的、无创的高频声波来产生超声图像,通常为人体内的器官、组织、对象(例如,胎儿)的超声图像。在医学成像期间产生或生成的图像可以是二维(2D)、三维(3D)和/或四维(4D)图像(本质上为实时/连续的3D图像)。在医学成像期间,采集成像数据集(包括例如3D/4D成像期间的体积成像数据集)并且利用成像数据集实时地生成和渲染对应的图像(例如,经由显示器)。
在一些情况下,可能需要管理在医学成像期间和/或基于医学成像生成的成像数据,特别是关于管理成像数据的分析和评定,具体地当由各种用户进行时。此类场景可能提出某些挑战,特别是关于确保成像数据和/或基于其获得的信息的可靠性和完整性。通过将此类方案与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较,用于处理此类情况的常规方法的限制和缺点(如果存在的话)对本领域的技术人员将变得显而易见。
发明内容
提供了用于实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并的系统和方法,基本上如在至少一个附图中所示和/或结合至少一个附图所述,如在权利要求书中更完整地阐述。
从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及本公开的一个或多个所例示的示例性实施方案的细节。
附图说明
图1是示出示例性医学成像布置的框图。
图2是示出超声成像系统的示例的框图。
图3是示出用于合并多个医学数字成像和通信(DICOM)结构化报告(SR)对象的示例性使用场景的框图。
图4示出了用于医学数字成像和通信(DICOM)结构化报告(SR)对象合并的示例性过程的流程图。
具体实施方式
根据本公开的某些具体实施可涉及实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并。具体地,当结合附图阅读时,将更好地理解某些实施方案的以下具体实施方式。就附图示出各个实施方案的功能块的图的范围而言,这些功能块不一定表示硬件电路之间的划分。因此,例如,一个或多个功能框(例如,处理器或存储器)可以在单件硬件(例如,通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地,程序可以是独立程序,可以作为子例程包含在操作系统中,可以是安装的软件包中的功能等。应当理解,各个实施方案不限于附图中所示的布置和工具。还应当理解,可以组合实施方案,或者可以利用其他实施方案,并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此,以下详述不应视为限制性意义,并且本公开的范围由所附权利要求书及其等同物限定。
如本文所用,以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个所述元件或步骤,除非明确说明此类排除。此外,对“示例性实施方案”、“各个实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也包含了叙述的特征的附加实施方案。此外,除非明确地相反说明,否则“包含”、“包括”或“具有”具有特定性质的一个元件或多个元件的实施方案可以包括不具有该性质的附加元件。
另外,如本文所用,术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而,许多实施方案生成(或被配置为生成)至少一个可视图像。此外,如本文所用,如在超声成像的环境中所使用的,短语“图像”用于指超声模式,诸如B模式(2D模式)、M模式、三维(3D)模式、CF模式、PW多普勒、CW多普勒、MGD,和/或B模式和/或CF的子模式,诸如剪切波弹性成像(SWEI)、TVI、Angio、B-flow、BMI、BMI_Angio,并且在一些情况下还包括MM、CM、TVD,其中“图像”和/或“平面”包括单个波束或多个波束。
此外,如本文所用,短语“像素”也包括其中数据由“体素”表示的实施方案。因此,术语“像素”和“体素”两者可在本文档通篇中可互换地使用。
此外,如本文所用,术语处理器或处理单元是指可执行各种实施方案需要的所需计算的任何类型的处理单元,诸如单核或多核:CPU、加速处理单元(APU)、图形板、DSP、FPGA、ASIC或它们的组合。
应当指出的是,本文所述的生成或形成图像的各个实施方案可包括用于形成图像的处理,该处理在一些实施方案中包括波束形成,而在其他实施方案中不包括波束形成。例如,可在不进行波束形成的情况下形成图像,例如通过将解调数据的矩阵乘以系数矩阵,使得乘积是图像,并且其中该过程不形成任何“波束”。此外,可使用可能源自多于一个发射事件的信道组合(例如,合成孔径技术)来执行图像的形成。
在各种实施方案中,在软件、固件、硬件或它们的组合中执行形成图像的处理。该处理可包括使用波束形成。具有根据各种实施方案形成的软件波束形成器架构的超声系统的一个示例性具体实施如图2中所示。
图1是示出示例性医学成像布置的框图。图1中示出了包括一个或多个医学成像系统110和一个或多个计算系统120的示例性医学成像布置100。根据本公开,医学成像布置100(包括其各种元件)可被配置为支持实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并。
医学成像系统110包括用于支持医学成像(即,使得能够获得用于在医学成像检查期间生成和/或渲染图像的数据)的合适的硬件、软件或它们的组合。医学成像的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。这可能需要以特定方式捕获特定类型的数据,该数据继而可用于生成图像的数据。例如,医学成像系统110可以是被配置用于生成和/或渲染超声图像的超声成像系统。参考图2更详细地描述了可对应于医学成像系统110的超声系统的示例性具体实施。
如图1所示,医学成像系统110可包括扫描仪设备112和显示/控制单元114,该扫描仪设备可以是便携式的且可移动的。扫描仪设备112可被配置用于例如通过在患者身体(或其部分)上方移动来生成和/或捕获特定类型的成像信号(和/或与其对应的数据),并且可包括用于执行和/或支持此类功能的合适电路。扫描仪设备112可为超声探头、MRI扫描仪、CT扫描仪、或任何合适的成像设备。例如,在医学成像系统110是超声系统的情况下,扫描仪设备112可发射超声信号并捕获回波超声图像。
显示/控制单元114可被配置用于显示图像(例如,经由屏幕116)。在一些情况下,显示/控制单元114还可被配置用于至少部分地生成所显示图像。此外,显示/控制单元114还可支持用户输入/输出。例如,除了图像之外,显示/控制单元114还可提供(例如,经由屏幕116)用户反馈(例如,与系统、其功能、其设置等相关的信息)。显示/控制单元114还可支持用户输入(例如,经由用户控件118),以便例如允许控制医学成像。用户输入可涉及控制图像的显示、选择设置、指定用户偏好、请求反馈等。
在一些具体实施中,医学成像布置100还可包含附加的和专用的计算资源,诸如一个或多个计算系统120。在这方面,每个计算系统120可包括用于处理、存储和/或通信数据的合适的电路、接口、逻辑和/或代码。计算系统120可以是被配置用于特别地结合医学成像使用的专用装备,或者它可以是被设置和/或配置为执行下文相对于计算系统120所述的操作的通用计算系统(例如,个人计算机、服务器等)。计算系统120可被配置为支持医学成像系统110的操作,如下所述。在这方面,可从成像系统卸载各种功能和/或操作。这样做可简化和/或集中处理的某些方面,以降低成本,例如通过消除增加成像系统中的处理资源的需要来降低成本。
计算系统120可被设置和/或布置用于以不同方式使用。例如,在一些具体实施中,可使用单个计算系统120;在其他具体实施中,多个计算系统120被配置为一起工作(例如,基于分布式处理配置),或者单独工作,其中每个计算系统120被配置为处理特定方面和/或功能,和/或仅为特定医学成像系统110处理数据。此外,在一些具体实施中,计算系统120可以是本地的(例如,与一个或多个医学成像系统110协同定位,例如在相同设施和/或相同本地网络内);在其他具体实施中,计算系统120可以是远程的,因此只能经由远程连接(例如,经由互联网或其他可用远程访问技术)访问。在特定具体实施中,计算系统120可以基于云的方式配置,并且可以与访问和使用其他基于云的系统基本上类似的方式访问和/或使用。
一旦在计算系统120中生成和/或配置数据,就可将数据复制和/或加载到医学成像系统110中。这可以不同的方式进行。例如,可经由医学成像系统110和计算系统120之间的定向连接或链接来加载数据。在这方面,可使用可用的有线和/或无线连接和/或根据任何合适的通信(和/或联网)标准或协议来进行医学成像布置100中的不同元件之间的通信。另选地或附加地,可间接地将数据加载到医学成像系统110中。例如,可将数据存储到合适的机器可读介质(例如,闪存卡等)中,然后使用该机器可读介质将数据加载到医学成像系统110中(现场,例如由系统的用户(例如,成像临床医生)或授权人员);或者可将数据下载到本地能够通信的电子设备(例如,膝上型计算机等)中,然后现场使用(例如,由系统的用户或授权人员)该电子设备经由直接连接(例如,USB连接件等)将数据上传到医学成像系统110中。
在操作中,医学成像系统110可用于在医学检查期间生成和呈现(例如,渲染或显示)图像,和/或用于与其结合支持用户输入/输出。图像可以是2D、3D和/或4D图像。在医学成像系统110中执行以便于生成和/或呈现图像的特定操作或功能取决于系统的类型(即,获得和/或生成对应于图像的数据所用的方式)。例如,在基于计算机断层扫描(CT)扫描的成像中,数据是基于发射和捕获的x射线信号。在超声成像中,数据基于发射超声信号和回波超声信号,如相对于图2更详细地描述的。
在根据本公开的各种具体实施中,医学成像系统和/或架构(例如,医学成像系统110和/或医学成像布置100整体)可被配置为支持用于医学成像数据的存储和管理的增强的解决方案。具体地,医学成像解决方案可被配置和/或修改为结合基于增强的医学数字成像和通信(DICOM)的功能,诸如结构化报告(SR)对象合并。根据本公开的合并方案/方法可由消费DICOM SR对象(如报告和分析包)的任何应用使用。
就这一点而言,DICOM是用于医学成像信息和相关数据的通信和管理的国际标准。DICOM标准描述了医学数据可如何在文件中表示以及它可如何被交换,例如定义文件的格式和网络传输协议两者。就这一点而言,DICOM标准定义了用于与成像数据的存储、管理和通信结合使用的各种结构。例如,DICOM 3.0标准定义了被称为结构化报告(SR)对象的若干对象类型,其可被用于促进在软件应用程序之间交换医学发现。如在标准中所使用的,SR(报告)不一定意味着“临床”意义上的报告;相反,它可仅仅是或对应于基于对应成像数据的观察。SR被创建并伴随对应图像文件,包括与这些图像文件或与其相关联的图像相关的信息(例如,测量结果、与其中的成像结构或特征相关的信息等)。
当存在用于研究的多个SR对象时,消费这些SR对象集的应用具有合并内容的挑战。就这一点而言,可存在不同类型的SR对象—例如,SR可以是两个主要的不同种类:1)“最终”SR,其可包含与图像文件相关的“最终”信息;和2)“中间”或“不完全”SR。“中间”或“不完全”SR记载了观察的细节。因此可能是有问题的,然而,由于可能存在多个观察—例如,在心脏成像的上下文中,可能存在解剖结构相关的观察、血流相关的观察等。然后,它们是可基于这些观察进行的计算以得出结论。此外,不同的人(临床医生、医生等)可查看图像和相关的测量结果,并且可进行新的测量,从而导致新的计算。
因此,在一些情况下,可能生成多个报告并且可能需要对其进行消化。DICOM 3.0标准不提供用于合并与特定研究相关联的多个SR对象(例如,所有不同的中间/不完全SR对象)的机制。就这一点而言,现有解决方案通常集中于创建发现(例如,测量结果)和SR对象,几乎(如果有的话)不具有用于使得数据的消费者能够整理和解决来自多个SR对象的冲突数据元的功能。根据本公开的解决方案通过用于合并多个SR对象的结合机制(例如,在解决数据冲突时自动合并数据)来解决此类问题。
这些机制可被配置为例如自动识别SR对象之间的异常和/或差异,并且解决/协调这些异常和/或差异。这可例如通过使用合并器模块来完成,该合并器模块可被部署并用于在多个SR对象可被创建时管理它们。此类合并器可例如在医学成像装备中、在本地专用系统中、或者甚至在远程实体(例如,基于云的系统)中自适应地部署;或者另选地,可以分布式方式部署,其中在成像环境内的不同部件中部署和/或执行其不同功能或元件。在一些情况下,高级处理技术可用于进一步增强多个SR对象的处理。例如,在一些示例性具体实施中,也可使用基于人工智能(AI)的学习模式,以识别常见手动异常协调以使其自动化。
根据本公开的解决方案提供了优于任何现有解决方案的各种技术和商业益处。就这一点而言,具有独立的应用以准备供消费的SR数据具有以下益处。例如,此类专用合并功能的使用使得对基于DICOM的应用的需要从需要关于DICOM SR格式化的主题专业知识中解脱出来。而且,此类专用合并功能的使用可允许避免可能由数据冲突和异常引起的错误。此外,此类专用合并功能的使用可允许解决创建DICOM SR对象的供应商之间的差异。
下面更详细地描述基于根据本公开的解决方案的示例性具体实施和使用情况/场景,特别是结合图4中示出的示例性使用情况场景。
图2是示出超声成像系统的示例的框图。图2示出的是超声成像系统200,根据本公开,该超声成像系统可被配置为支持实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并。
超声成像系统200可被配置为提供超声成像,并且因此可包括用于执行和/或支持超声成像相关功能的合适的电路、接口、逻辑和/或代码。超声成像系统200可对应于图1的医学成像系统110。超声成像系统200包括例如发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入模块230、信号处理器240、图像缓冲器250、显示系统260、档案270和训练引擎280。
发射器202可包括可操作为驱动超声探头204的合适的电路、接口、逻辑和/或代码。超声探头204可包括压电元件的二维(2D)阵列。超声探头204可包括通常构成相同元件的一组发射换能器元件206和一组接收换能器元件208。在某些实施方案中,超声探头204可操作为采集覆盖解剖结构(诸如心脏、血管或任何合适的解剖结构)的至少大部分的超声图像数据。
发射波束形成器210可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为控制发射器202,该发射器通过发射子孔径波束形成器214驱动这组发射换能器元件206以将超声发射信号发射到感兴趣的区域(例如,人、动物、地下空腔、物理结构等)中。发射的超声信号可从感兴趣对象中的结构(如血细胞或组织)反向散射,以产生回波。回波由接收换能器元件208接收。
超声探头204中的该组接收换能器元件208可操作以将接收到的回波转换为模拟信号,通过接收子孔径波束形成器216进行子孔径波束形成,并且然后传送到接收器218。接收器218可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为接收来自接收子孔径波束形成器216的信号。可将模拟信号传送到多个A/D转换器222中的一个或多个A/D转换器。
多个A/D转换器222可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为将来自接收器218的模拟信号转换为对应的数字信号。多个A/D转换器222设置在接收器218与RF处理器224之间。尽管如此,本公开在这方面并不受限制。因此,在一些实施方案中,可将多个A/D转换器222集成在接收器218内。
RF处理器224可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为解调由多个A/D转换器222输出的数字信号。根据一个实施方案,RF处理器224可包括复解调器(未示出),该复解调器可操作为解调数字信号,以形成表示对应回波信号的I/Q数据对。然后可将RF或I/Q信号数据传送到RF/IQ缓冲器226。RF/IQ缓冲器226可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为提供由RF处理器224生成的RF或I/Q信号数据的临时存储。
接收波束形成器220可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为执行数字波束形成处理,以例如对经由RF/IQ缓冲器226从RF处理器224接收的延迟信道信号求和并输出波束求和信号。所得的经处理的信息可以是从接收波束形成器220输出并且传送到信号处理器240的波束求和信号。根据一些实施方案,可将接收器218、多个A/D转换器222、RF处理器224和波束形成器220集成到单个波束形成器中,该单个波束形成器可以是数字波束形成器。在各种实施方案中,超声成像系统200包括多个接收波束形成器220。
用户输入设备230可用于输入患者数据、扫描参数、设置、选择协议和/或模板,与人工智能分段处理器交互以选择跟踪目标等。在示例性实施方案中,用户输入设备230可操作以配置、管理和/或控制超声成像系统200中的一个或多个部件和/或模块的操作。就这一点而言,用户输入设备230可操作为配置、管理和/或控制发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入设备230、信号处理器240、图像缓冲器250、显示系统260和/或档案270的操作。
例如,用户输入设备230可包括按钮、旋转编码器、触摸屏、运动跟踪、语音识别、鼠标设备、键盘、相机和/或能够接收用户指令的任何其他设备。在某些实施方案中,例如,可将用户输入设备230中的一个或多个用户输入设备集成到其他部件诸如显示系统260或超声探头204中。
例如,用户输入设备230可包括触摸屏显示器。作为另一个示例,用户输入设备230可包括附接到探头204和/或与探头集成的加速度计、陀螺仪和/或磁力仪,以提供探头204的姿势运动识别,诸如识别抵靠患者身体的一次或多次探头压缩、预定义探头移动或倾斜操作等。在一些情况下,用户输入设备230可附加地或另选地包括图像分析处理以通过分析所采集的图像数据来识别探头姿势。根据本公开,用户输入和与其相关的功能可被配置为支持使用新数据存储方案,如本公开中所描述的。例如,用户输入设备230可被配置为支持接收针对触发和管理(在需要的情况下)分离过程的应用的用户输入,如本文所述,和/或提供或设置用于执行此类过程的参数。类似地,用户输入设备230可被配置为支持接收针对触发和管理(在需要的情况下)恢复过程的应用的用户输入,如本文所述,和/或提供或设置用于执行此类过程的参数。
信号处理器240可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为处理超声扫描数据(即,求和的IQ信号),以生成用于在显示系统260上呈现的超声图像。信号处理器240可操作为根据采集的超声扫描数据上的多个可选择超声模态来执行一个或多个处理操作。在示例性实施方案中,信号处理器240可操作为执行显示处理和/或控制处理等。随着接收到回波信号,可在扫描会话期间实时处理所采集的超声扫描数据。附加地或另选地,超声扫描数据可在扫描会话期间暂时存储在RF/IQ缓冲器226中并且在在线操作或离线操作中以不太实时的方式处理。在各种实施方案中,经处理的图像数据可呈现在显示系统260处和/或可存储在档案270处。
档案270可以是本地档案、图片存档和通信系统(PACS)或用于存储图像和相关信息的任何合适的设备,或者可耦接到此类设备或系统以有利于存储和/或实现成像相关数据。在示例性具体实施中,档案270进一步耦接到远程系统(诸如放射科信息系统、医院信息系统)和/或耦接到内部或外部网络(未示出),以允许处于不同位置的操作员供应命令和参数和/或获取对图像数据的访问。
信号处理器240可以是一个或多个中央处理单元、微处理器、微控制器等。例如,信号处理器240可以是集成部件,或者可分布在各个位置。信号处理器240可被配置用于从用户输入设备230和/或档案270接收输入信息,生成可由显示系统260显示的输出,并且响应于来自用户输入设备230的输入信息来操纵输出等。信号处理器240可能够执行例如根据本文各种实施方案中所讨论的方法和/或指令集中的任一者。
超声成像系统200可操作以按适于所考虑的成像情况的帧速率连续采集超声扫描数据。通常,帧速率在20至220的范围内,但可更低或更高。所采集的超声扫描数据可以与帧速率相同、或以更慢或更快的显示速率显示在显示系统260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来存储至少几分钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在示例性实施方案中,信号处理器240可以包括数据管理模块242,该数据管理模块包括合适的电路、接口、逻辑和/或代码,其可以被配置为执行和/或支持与用于医学成像解决方案的新数据存储和管理方案相关或支持用于医学成像解决方案的新数据存储和管理方案的各种功能或操作,如本公开中所描述的。
在一些具体实施中,信号处理器240(和/或其部件,诸如数据管理模块242)可被配置为实现和/或使用人工智能和/或机器学习技术来增强和/或优化成像相关的功能或操作。例如,信号处理器240(和/或其部件,诸如,数据管理模块242)可被配置为实现和/或使用深度学习技术和/或算法,诸如通过使用深度神经网络(例如,卷积神经网络(CNN)),和/或可利用任何合适形式的基于人工智能的处理技术或机器学习处理功能(例如,用于图像分析)。该基于人工智能的图像分析可被配置为例如分析所采集的超声图像,诸如以识别、分段、标记和跟踪满足特定标准和/或具有特定特性的结构(或其组织)。
在示例性具体实施中,可将信号处理器240(和/或其部件,诸如,数据管理模块242)提供为深度神经网络,该深度神经网络可以由例如输入层、输出层以及输入层和输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。
例如,深度神经网络可包括输入层,该输入层具有用于来自解剖结构的扫描平面的每个像素或一组像素的神经元,并且输出层可具有对应于多个预定义结构或结构类型(或其中的组织)的神经元。每个层的每个神经元可执行处理功能,并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。例如,第一层的神经元可学习以识别超声图像数据中的结构边缘。第二层的神经元可学习以基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的界标的位置。第四层的神经元可学习特定结构中存在的特定组织类型的特征等。因此,由深度神经网络(例如,卷积神经网络(CNN))执行的处理可允许以高概率识别超声图像数据中的生物结构和/或人工结构。
在一些具体实施中,信号处理器240(和/或其部件,诸如,数据管理模块242)可被配置为基于经由用户输入设备230的用户指令来执行或以其他方式控制由此执行的功能中的至少部分功能。例如,用户可提供语音命令、探头姿态、按钮按压等来发出特定指令,诸如启动和/或控制新数据管理方案的各个方面,包括基于人工智能(AI)的操作、和/或提供或以其他方式指定与其相关的各种参数或设置,如本公开所描述的。
训练引擎280可包括合适的电路、接口、逻辑部件和/或代码,该电路、接口、逻辑部件和/或代码可操作为训练信号处理器240(和/或其部件,诸如数据管理模块242)的深度神经网络的神经元。例如,可训练信号处理器240以识别超声扫描平面中提供的特定结构和/或组织(或其类型),其中训练引擎280训练其深度神经网络以执行所需功能中的一些功能,诸如使用各种结构的分类超声图像的数据库。
作为一个示例,训练引擎280可被配置为利用特定结构的超声图像相对于特定结构的特征(诸如结构边缘的外观、基于边缘的结构形状的外观、形状相对于超声图像数据中的界标的位置等)和/或相对于特定组织的特征(例如,其柔软性)来训练信号处理器240(和/或其部件,诸如数据管理模块242)。在各种实施方案中,训练图像的数据库可存储在档案270或任何合适的数据存储介质中。在某些实施方案中,训练引擎280和/或训练图像数据库可以是经由有线或无线连接通信地耦接到超声成像系统200的外部系统。
在操作中,超声成像系统200可用于生成超声图像,包括二维(2D)、三维(3D)和/或四维(4D)图像。在这方面,超声成像系统200可操作以特定的帧速率连续采集超声扫描数据,这可适用于所考虑的成像情况。例如,帧速率可在30至70的范围内,但可以更低或更高。所采集的超声扫描数据可以与帧速率相同、或以更慢或更快的显示速率显示在显示系统260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来储存至少几秒钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在一些情况下,超声成像系统200可被配置为支持灰阶和基于颜色的操作。例如,信号处理器240可操作为执行灰阶B模式处理和/或颜色处理。灰阶B模式处理可包括处理B模式RF信号数据或IQ数据对。例如,灰阶B模式处理可使得通过计算量(I2+Q2)1/2能够形成波束求和接收信号的包络。该包络可经受附加的B模式处理,诸如对数压缩以形成显示数据。
显示数据可被转换为X-Y格式以用于视频显示。扫描转换的帧可映射至灰阶以用于显示。B模式帧被提供给图像缓冲器250和/或显示系统260。颜色处理可包括处理基于颜色的RF信号数据或IQ数据对以形成帧,以覆盖被提供给图像缓冲器250和/或显示系统260的B模式帧。灰阶和/或颜色处理可基于用户输入(例如,来自用户输入设备230的选择)自适应地调节,例如用于增强特定区域的灰阶和/或颜色。
在一些情况下,超声成像可包括体积超声图像的生成和/或显示(即,对象(例如,器官、组织等)以三维显示3D的位置)。在这方面,用3D(并且类似地用4D)成像,可采集包括对应于成像对象的体素的体积超声数据集。这可例如通过以不同角度发射声波而不是仅沿一个方向(例如,直向下)发射它们来完成,并且然后将它们的反射捕获回去。然后捕获并且处理(例如,经由信号处理器240)(以不同角度的发射的)返回回波以生成对应体积数据集,其继而可用于创建和/或显示体积(例如,3D)图像,诸如经由显示器250。这可能需要使用特定的处理技术来提供所需的3D感知。
例如,体积渲染技术可用于显示体积(例如,3D)数据集的投影(例如,3D投影)。在这方面,渲染3D数据集的3D投影可包括相对于正被显示的对象设置或限定空间上的感知角度,并且然后为数据集中的每个体素限定或计算必要的信息(例如,不透明度和颜色)。这可例如使用合适的传输函数来为每个体素限定RGBA(红色、绿色、蓝色和α)值来完成。
在一些实施方案中,根据本公开,超声成像系统200可被配置为支持实现和使用医学数字成像和通信(DICOM)结构化报告(SR)对象合并。就这一点而言,如本公开中所描述的,医学成像系统和/或环境可被配置为支持实现和使用用于医学成像数据的存储和管理的增强的解决方案,特别是在促进基于图像文件合并多个SR对象方面,如关于图1所描述的以及关于图4所示和所述的示例性使用情况场景中示出的。
例如,一旦获得或生成成像数据,信号处理器240(和/或其部件,诸如数据管理模块242)就可将经处理的图像文件存储在档案270中,该档案可被配置为独立地或在信号处理器240(和/或其部件,诸如数据管理模块242)的控制下将基于存档的编码(例如,基于DICOM的编码)应用于数据,并且然后执行存储和管理相关的功能(例如,基于DICOM标准),包括执行用于将所得的经编码的数据对象发射到对应存储位置(本地或远程)的所需通信功能。
档案270还可被配置为将经编码的数据检索回来,并且因此可被配置为执行恢复过程。就这一点而言,档案270可被配置为将恢复过程应用于先前存档的数据,包括执行用于向存储位置(本地或远程)请求和从存储位置接收数据文件的任何所需通信功能,以及解码数据以使得能够生成对应图像,诸如用于经由显示系统260显示。这些功能可以由信号处理器240(和/或其部件,诸如数据管理模块242)控制或管理。另选地,档案270还可以被配置为独立地执行这些功能中的至少一些功能,并且因此处理器240可能甚至不知道数据经历任何分离。
此外,超声成像系统200(例如,具体地经由处理器240和/或其部件,诸如数据管理模块242)可被配置为处理多个SR对象,具体地依照根据本公开的合并方案/方法可用于处理SR对象的合并。就这一点而言,如在一些情况下所指出的,基于超声成像生成的图像文件可基于DICOM标准被处理以用于其存储、管理和/或通信。当研究和/或分析这些图像文件时,这可导致对应SR对象。这可导致多个SR对象,并且因此合并方案/方法可用于处理如本文所述的SR对象的合并。关于图4更详细地描述了具有多个SR对象及其处理的示例性使用情况场景。
在一些情况下,可在超声成像系统200内执行合并方案/方法的至少一部分,特别是经由处理器240(和/或其部件,诸如数据管理模块242),该处理器可被配置为运行处理或处置DICOM SR对象的应用程序。另选地或附加地,合并方案/方法的至少一部分可被卸载到外部系统(例如,如关于图1所述的计算机系统120的实例)。
此外,在一些情况下,合并方案/方法以及其实现或执行可能需要使用高级处理技术,诸如人工智能(AI)或其他机器学习技术。就这一点而言,具体地经由处理器240(和/或其部件,诸如数据管理模块242)的超声成像系统200可被配置为实现和/或支持基于人工智能(AI)的学习模式结合合并方案/方法的使用。例如,数据管理模块242(和训练引擎280)可被配置为在运行或使用合并方案/方法时支持和使用基于人工智能(AI)的学习模式,以识别异常和/或自动进行常见手动异常协调。另选地或附加地,可将基于人工智能(AI)的学习模式相关功能的至少一部分推给外部系统(例如,本地专用计算系统、远程(例如,基于云的)服务器等)。
超声成像系统200还可被配置为支持可由合并方案/方法产生的复合SR对象的使用和处理,如本文所述。例如,档案270可被配置为在应用如上所述的恢复过程时处理此类复合SR对象。
图3是示出具有多个医学数字成像和通信(DICOM)结构化报告(SR)对象的合并的示例性使用情况场景的框图。图3示出的是描绘多个DICOM SR对象(SR1至SR6)与合并之间的关系和处理的示图300。
就这一点而言,如上所述,DICOM SR对象可存储与图像文件相关联的信息,诸如来自医疗规程(研究)的发现,其可包括测量、计算、解释等。SR对象通常可包括两个强制性状态标签:“完成标志”和“验证标志”。“完成标志”可具有“完成”或“部分”的值。“验证标志”可具有“已验证”或“未验证”的值。这些标签可用于传达有关内容相关的信息,诸如内容完成的责任。“完成”和“已验证”的SR对象可用作“真实源”(例如,用于研究中的发现)。然而,当仅存在“部分”SR对象时,SR对象集的消费者可能难以合并离散数据元并解决冲突。就这一点而言,“数据元”可指标记和值两者,因此可存在具有相同标记的多个数据元。标记包括描述值的上下文的任选编码的“修饰语”。合并SR对象的困难对于特定类型的研究(诸如超声心动图超声(回波)研究)尤其如此,该研究跨多个测量会话采用许多测量和计算。
在示例性基于心脏的使用场景/研究中,SR对象可用于存储与主动脉瓣的心血管孔口面积相关的发现。就这一点而言,主动脉瓣的心血管孔口面积可具有以下编码:测量类型:心血管孔口面积;部位:主动脉瓣;图像模式:2D;测量方法:测面法;流动方向:顺行流动;值:1.391677163142;单位:平方厘米(cm2)。然而,此类编码不是强制性的/固定的,并且因此,另一方(例如,另一供应商)可不同地编码主动脉瓣的心血管孔口面积—例如,跳过测量方法并且添加选择状态:选择平均值。DICOM SR对象具有由DICOM 3.0标准定义的用于各种临床使用情况例如“成人超声心动图”的“模板”。
研究中的各个SR对象可以是独立的或者是先前DICOM SR对象的聚合。例如,在使用聚合的情况下,DICOM标准定义了被称为“前身文档序列”的任选字段,其列出了其内容被继承到新的“子”DICOM SR对象中的“父”DICOM SR对象。然而,在用前身文档序列创建SR对象的情况下,例如当两个用户同时从相同的源SR对象制作新的SR对象时,它们仍然可能“分散”。此类新对象可被称为“分散SR对象”。然而,当在研究(相同研究)中存在多个SR对象时,可能遇到许多可能的问题场景。下表列出了这种研究中可能的问题场景。
表1:当合并多个SR对象时可能的问题场景
根据本公开,可使用合并方案/方法来处理多个SR对象的合并。就这一点而言,本文所述的合并方案/方法可自适应地应用,诸如仅应用于具有“部分”的完成标志和相同模板的SR对象。以下合并方案/方法可用于将上表中详述的各种可能的问题场景处理成复合SR对象:1)检查SR对象的前身文档序列,丢弃作为另一SR对象的父的任何SR对象。就这一点而言,如本文所用,“丢弃”SR对象不一定需要删除此类对象;相反,这些对象可被简单地忽略而实际上不被删除。在DICOM对象的情况下尤其如此,因为避免从档案中删除对象是常规实践,因为此类对象是永久医学记录的一部分。如果仅剩余一个SR对象,则复制它以产生经合并的SR对象;2)否则,对于剩余的每个SR对象,使用用于排序的内容日期和内容时间字段来从最新到最旧地处理它们;以及3)对于每个SR对象,将发现的每个数据元复制到复合SR对象中,并将其从未处理的SR对象中的任一者移除以避免稍后再次复制它;复制存在于单个SR对象中的任何重复发现,因为在知道相同发现被创建两次方面存在临床价值。
每当新的DICOM SR对象被添加到研究中时,合并方案导致创建新的复合SR对象。以这种方式,复合SR对象可总是存在于研究中。DICOM SR对象的所有消费者将能够通过检查前身文档序列来容易地发现正确且唯一的复合SR。
例如,图3的示图300示出了具有在上表中描述的所有4个问题场景的示例性使用情况。合并方案将在以下步骤中处理SR对象集:1)丢弃SR1和SR2;2)处理SR6;3)处理SR5;4)处理SR3(分散情况,SR3和SR2彼此分散);5)处理SR4(在SR5中没有保存前身标签);以及6)创建新的复合SR对象,将所有6个SR对象列为前身,因此它们可被SR消费者忽略。
在一些情况下,对象考虑可能需要遇到和处理特殊使用情况。例如,在特殊使用情况下,被删除的数据元可能存在并且可能需要被寻址。就这一点而言,当前身文档序列存在时,删除可被自动地处理,因为它们将不存在于子SR对象中并且父SR对象将被忽略。然而,当前身文档序列不存在时,有可能遇到包含在较新SR对象中被删除的数据元的较旧SR对象。没有办法将真正的删除与其中SR对象来自不同源的情况区分开,其中内容由两个源添加。
因此,可使用用于处理此类状况的措施。例如,可使用以下选项来处理这些潜在删除:1)提供控制是否应当保留可能的删除的配置;2)为管理员提供协调工具以解决可能的删除;以及3)协调工具可结合学习机制(例如,AI“学习模式”)以识别用于特定发现的共同协调模式(例如,保留或移除),从而允许其自动完成。
在另一特殊使用情况下,用户可能仅想要保留发现的最新实例。就这一点而言,当前身文档序列存在时,旧的发现将被忽略,因为旧的SR对象将被丢弃。然而,当前身文档序列不存在时,可使用用于处理此类状况的措施。例如,可使用以下选项来处理发现的多个实例:1)提供控制是否应当保留发现的多个实例或仅保留最新实例的配置;2)如果存在,则利用指示如何处理多个发现实例的任选修饰语,例如最大、最小、第一、最后、平均;3)为管理员提供协调工具以管理发现的多个实例;以及4)协调工具可结合学习机制(例如,AI“学习模式”)以识别用于特定发现的共同协调模式(例如,保持全部或保持最后),从而允许其自动完成。
在另一特殊使用情况下,理解发现的语义对于该方法的执行可能是必要的。就这一点而言,2个SR对象有可能表示具有不同的一组修饰语的相同发现实例。该方法可被配置为采用语义解释以允许将这些发现识别为相同实例。然而,该方法在没有语义解释的情况下仍然起作用,具有复制一些发现实例的可能性。另外,学习机制(例如,AI“学习模式”)可被使用并被配置为检测具有相同值但每个不同供应商的表示略有不同的发现的模式,从而允许自动地将发现检测为重复。
AI“学习模式”可在系统的适当部件中实现和/或由系统的适当部件提供,该适当部件诸如在超声系统200中的信号处理器240(并且特别是其部件,诸如数据管理模块242,结合训练引擎280)。
在示例性具体实施中,审计日志可被维护以跟踪由管理员或由AI模式针对以上特殊情况采取的动作。
图4示出了用于医学数字成像和通信(DICOM)结构化报告(SR)对象合并的示例性过程的流程图。图4示出了流程图400,该流程图包括多个示例性步骤(表示为框402至框416),该步骤可在合适的系统(例如,图1的医学成像系统110、或图2的超声成像系统200)中执行,以用于医学数字成像和通信(DICOM)结构化报告(SR)对象合并。
在开始步骤402中,可设置该系统,并且可启动操作。
在步骤404中,可在基于医学成像的检查期间获得成像信号。这可通过发射某些类型的信号,并且然后捕获这些信号的回波来完成。例如,在超声成像系统(例如,图2的超声系统200)中,这可包括发射超声信号以及接收超声信号的对应回波。
在步骤406中,可对成像信号(例如,接收到的超声信号的回波)进行处理(例如,经由医学成像系统110的显示/控制单元114或超声系统200的信号处理器240),以生成对应的成像数据以用于生成对应的医学图像(例如,超声图像)。在一些情况下,数据生成的至少一部分可在与其中捕获成像信号的系统不同的系统中执行。
在步骤408中,生成的图像数据(例如,图像文件)可被处理以用于存档,特别是根据特定标准诸如DICOM。这可包括对图像数据应用编码(例如,基于DICOM的编码)。在一些情况下,存档的至少一部分可在与其中捕获成像信号和/或生成图像数据的系统不同的系统中执行。
在步骤410中,可基于成像数据来生成多个对象(例如,DICOM SR对象)—例如,由多个用户和/或多次运行/评定(包括相同用户)生成。
当生成这样的多个对象时,可执行对象合并。这在步骤412中开始,可评定多个DICOM SR对象中的每个对象。该评定可包括:确定对象是否是多个对象中的另一对象的父;以及当确定该对象是另一对象的父时,丢弃该对象。在步骤414中,可执行检查以确定是否已评定所有对象,当已处理所有对象时(即,“是”条件),过程进行到步骤414,并且当未处理所有对象时(即,“否”条件),过程循环回到步骤412。
在步骤416中,可生成复合对象(例如,DICOM SR复合对象)。就这一点而言,生成复合对象可包括:当在评定之后仅剩余一个对象时,将该一个对象复制到经合并的对象中;当在评定之后剩余多个剩余对象时,处理所述多个剩余对象,其中该处理按照从最新到最旧的顺序执行,并且其中该处理包括:对于每个剩余对象,将发现的每个数据元复制到复合对象中;以及(从处理列表)移除剩余对象。
根据本公开的用于管理医学数据的示例性方法包括:由处理器应用用于合并多个对象的合并过程,其中该多个对象是基于相同医学成像数据生成的;并且其中该合并过程包括:评定多个对象中的每个对象,其中该评定包括:确定对象是否是该多个对象中的另一对象的父;以及当该对象是另一对象的父时,丢弃该对象;以及基于该多个对象来生成复合对象,其中该生成包括:当在该评定之后仅剩余一个对象时,将该一个对象复制到经合并的对象中;以及当在评定之后剩余多个剩余对象时,处理该多个剩余对象,其中该处理按照从最新到最旧的顺序执行,并且其中该处理包括:对于每个剩余对象,将发现的每个数据元复制到复合对象中;以及丢弃剩余对象。
在一个示例性实施方案中,医学数据集包括基于医学数字成像和通信(DICOM)的数据集。
在一个示例性实施方案中,多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象。
在一个示例性实施方案中,该方法还包括根据基于DICOM SR对象的内容日期和内容时间字段来将多个剩余对象中的剩余对象从最新到最旧进行排序。
在一个示例性实施方案中,评定对象包括确定该对象的前身唯一标识符(UID)序列,以及基于前身文档序列的匹配来确定该对象何时是另一对象的父。
在一个示例性实施方案中,处理多个剩余对象还包括复制存在于单个对象中的任何重复发现。
在一个示例性实施方案中,该方法还包括处理多个剩余对象还包括丢弃与已经处理的另一剩余对象重复的任何发现。
在一个示例性实施方案中,该方法还包括当应用合并过程时利用人工智能。
在一个示例性实施方案中,该方法还包括应用基于人工智能的学习,用于在多个剩余对象的处理期间识别发现中的共同协调模式。
在一个示例性实施方案中,该方法还包括基于用户输入来配置该合并过程的至少一部分。
在一个示例性实施方案中,该方法还包括维护审计日志,其中该审计日志包括来自结合所述多个对象的所述合并而采取的跟踪动作的数据。
根据本公开的用于管理医学数据的示例性系统包括至少一个处理电路,该至少一个处理电路被配置为应用用于合并多个对象的合并过程,其中该多个对象是基于相同医学成像数据生成的。该至少一个处理电路被配置为,当应用该合并过程时:评定该多个对象中的每个对象,其中该评定包括:确定对象是否是该多个对象中的另一对象的父,以及当该对象是另一对象的父时,丢弃该对象;以及基于该多个对象来生成复合对象,其中该生成包括:当在该评定之后仅剩下一个对象时,将该一个对象复制到经合并的对象中,以及当在该评定之后剩下多个剩余对象时,处理该多个剩余对象,其中该处理按照从最新到最旧的顺序执行,并且其中该处理包括:对于每个剩余对象,将发现的每个数据元复制到该复合对象中,并且丢弃该剩余对象。
在一个示例性实施方案中,多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象,并且至少一个处理电路被配置为根据基于DICOM SR对象的内容日期和内容时间字段来将多个剩余对象中的剩余对象从最新到最旧进行排序。
在一个示例性实施方案中,多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象,并且至少一个处理电路被配置为,当评定对象时:确定该对象的基于DICOM的前身唯一标识符(UID)序列,以及基于前身文档序列的匹配来确定该对象何时是另一对象的父。
在一个示例性实施方案中,至少一个处理电路被配置为当处理多个剩余对象时,复制存在于单个对象中的任何重复发现。
在一个示例性实施方案中,至少一个处理电路被配置为当处理多个剩余对象时,丢弃与已经处理的另一剩余对象重复的任何发现。
在一个示例性实施方案中,至少一个处理电路被配置为在应用合并过程时利用人工智能。
在一个示例性实施方案中,至少一个处理电路被配置为利用和/或应用基于人工智能的学习,用于在多个剩余对象的处理期间识别发现中的共同协调模式。
在一个示例性实施方案中,至少一个处理电路被配置为基于用户输入来配置或调整合并过程的至少一部分。
在一个示例性实施方案中,至少一个处理电路被配置为维护审计日志,其中所述审计日志包括来自结合所述多个对象的所述合并而采取的跟踪动作的数据。
如本文所用,术语“电路(circuit/circuitry)”是指物理电子部件(例如,硬件)以及可配置硬件、由硬件执行和/或以其他方式与硬件相关联的任何软件和/或固件(“代码”)。例如,如本文所用,当执行一条或多条第一代码时,特定处理器和存储器可包括第一“电路”,并且在执行一条或多条第二代码时,特定处理器和存储器可包括第二“电路”。如本文所用,“和/或”表示列表中的由“和/或”连结的项中的任一个或多个项。例如,“x和/或y”表示三元素集{(x),(y),(x,y)}中的任何元素。换句话讲,“x和/或y”意指“x和y中的一者或两者”。作为另一个示例,“x、y和/或z”表示七元素集{(x),(y),(z),(x,y),(x,z),(y,z),(x,y,z)}中的任何元素。换句话讲,“x、y和/或z”意指“x、y和z中的一者或多者”。如本文所用,术语“框”和“模块”是指可由一个或多个电路执行的功能。如本文所用,术语“示例性”表示用作非限制性示例、实例或例证。如本文所用,术语“例如(for example/e.g.)”引出一个或多个非限制性示例、实例或例证的列表。如本文所用,电路“可操作为”每当该电路包括执行功能的必需硬件(和代码,如果需要的话)时就执行该功能,不管是否(例如,通过某些用户可配置的设置、工厂微调等)禁用或不启用该功能的执行。
本发明的其他实施方案可提供其上存储有机器代码和/或计算机程序的非暂态计算机可读介质和/或存储介质和/或非暂态机器可读介质和/或存储介质,该机器代码和/或计算机程序具有至少一个代码段,该至少一个代码段能够由机器和/或计算机执行,从而使机器和/或计算机执行如本文所述的过程。
因此,本公开可在硬件、软件或硬件和软件的组合中实现。本发明可以集中方式在至少一个计算系统中实现,或以分布式方式实现,其中不同的元件分布在若干互连的计算系统上。适于执行本文所述的方法的任何种类的计算系统或其他装置都是合适的。硬件和软件的典型的组合可以是具有程序或其他代码的通用计算系统,该程序或其他代码在加载和执行时控制计算系统,使得其执行本文所述的方法。另一个典型的具体实施可包括专用集成电路或芯片。
根据本公开的各种实施方案也可嵌入计算机程序产品中,该计算机程序产品包括能够实现本文所述的方法的所有特征,并且当加载到计算机系统中时能够执行这些方法。本文中的计算机程序是指以任何语言、代码或符号表示的一组指令的任何表达,这些指令旨在使具有信息处理能力的系统直接执行特定功能或在以下两项或其中一项之后执行特定功能:a)转换为另一种语言、代码或符号;b)以不同的物质形式进行复制。
虽然已经参考某些实施方案来描述了本发明,但是本领域的技术人员应当理解,在不脱离本发明的范围的情况下,可以进行各种改变并可以替换等同物。另外,在不脱离本发明的范围的情况下,可以进行许多修改以使特定情况或材料适应于本发明的教导。因此,本发明不旨在限于所公开的特定实施方案,而是本发明将包括落入所附权利要求书的范围内的所有实施方案。
Claims (20)
1.一种用于管理医学数据的方法,所述方法包括:
由处理器应用用于合并多个对象的合并过程,
其中所述多个对象是基于相同医学成像数据生成的;并且
其中所述合并过程包括:
评定所述多个对象中的每个对象,其中所述评定包括:
确定所述对象是否是所述多个对象中的另一对象的父;以及
当所述对象是另一对象的父时,丢弃所述对象;以及
基于所述多个对象来生成复合对象,其中所述生成包括:
当在所述评定之后仅剩余一个对象时,将所述一个对象复制到经合并的对象中;以及
当在所述评定之后剩余多个剩余对象时,处理所述多个剩余对象,
其中所述处理按照从最新到最旧的顺序执行,并且
其中对于每个剩余对象,所述处理包括:
将发现的每个数据元复制到所述复合对象中;以及
丢弃所述剩余对象。
2.根据权利要求1所述的方法,其中医学数据集包括基于医学数字成像和通信(DICOM)的数据集。
3.根据权利要求1所述的方法,其中所述多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象。
4.根据权利要求3所述的方法,还包括根据基于DICOM SR对象的内容日期和内容时间字段来将多个剩余对象中的剩余对象从最新到最旧进行排序。
5.根据权利要求3所述的方法,其中评定所述对象包括确定所述对象的前身唯一标识符(UID)序列,以及基于前身文档序列的匹配来确定所述对象何时是另一对象的父。
6.根据权利要求1所述的方法,其中处理所述多个剩余对象还包括复制存在于单个对象中的任何重复发现。
7.根据权利要求1所述的方法,其中处理所述多个剩余对象还包括丢弃与已经处理的另一剩余对象重复的任何发现。
8.根据权利要求1所述的方法,还包括当应用所述合并过程时利用人工智能。
9.根据权利要求8所述的方法,还包括应用基于人工智能的学习,以用于在所述多个剩余对象的所述处理期间识别发现中的共同协调模式。
10.根据权利要求1所述的方法,还包括基于用户输入来配置所述合并过程的至少一部分。
11.根据权利要求1所述的方法,还包括维护审计日志,其中所述审计日志包括来自结合所述多个对象的所述合并而采取的跟踪动作的数据。
12.一种用于管理医学数据的系统,所述系统包括:
至少一个处理电路,所述至少一个处理电路被配置为应用用于合并多个对象的合并过程,
其中所述多个对象是基于相同医学成像数据生成的;并且
其中所述至少一个处理电路被配置为当应用所述合并过程时:
评定所述多个对象中的每个对象,其中所述评定包括:
确定所述对象是否是所述多个对象中的另一对象的父;以及
当所述对象是另一对象的父时,丢弃所述对象;以及
基于所述多个对象来生成复合对象,其中所述生成包括:
当在所述评定之后仅剩余一个对象时,将所述一个对象复制到经合并的对象中;以及
当在所述评定之后剩余多个剩余对象时,处理所述多个剩余对象,
其中所述处理按照从最新到最旧的顺序执行,并且
其中对于每个剩余对象,所述处理包括:
将发现的每个数据元复制到所述复合对象中;以及
丢弃所述剩余对象。
13.根据权利要求12所述的系统,其中所述多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象,并且
其中所述至少一个处理电路被配置为根据基于DICOM SR对象的内容日期和内容时间字段来将多个剩余对象中的剩余对象从最新到最旧进行排序。
14.根据权利要求12所述的系统,其中所述多个对象中的每一者包括医学数字成像和通信(DICOM)结构化报告(SR)对象,并且
其中所述至少一个处理电路被配置为当评定所述对象时:
确定所述对象的基于DICOM的前身唯一标识符(UID)序列,以及
基于前身文档序列的匹配来确定所述对象何时是另一对象的父。
15.根据权利要求12所述的系统,其中所述至少一个处理电路被配置为当处理所述多个剩余对象时,复制存在于单个对象中的任何重复发现。
16.根据权利要求12所述的系统,其中所述至少一个处理电路被配置为当处理所述多个剩余对象时,丢弃与已经处理的另一剩余对象重复的任何发现。
17.根据权利要求12所述的系统,其中所述至少一个处理电路被配置为在应用所述合并过程时利用人工智能。
18.根据权利要求17所述的系统,其中所述至少一个处理电路被配置为利用和/或应用基于人工智能的学习,以用于在所述多个剩余对象的所述处理期间识别发现中的共同协调模式。
19.根据权利要求12所述的系统,其中所述至少一个处理电路被配置为基于用户输入来配置或调整所述合并过程的至少一部分。
20.根据权利要求12所述的系统,其中所述至少一个处理电路被配置为维护审计日志,其中所述审计日志包括来自结合所述多个对象的所述合并而采取的跟踪动作的数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/459,542 | 2021-08-27 | ||
US17/459,542 US20230062781A1 (en) | 2021-08-27 | 2021-08-27 | Methods and systems for implementing and using digital imaging and communications in medicine (dicom) structured reporting (sr) object consolidation |
PCT/US2022/041524 WO2023028228A1 (en) | 2021-08-27 | 2022-08-25 | Methods and systems for implementing and using digital imaging and communications in medicine (dicom) structured reporting (sr) object consolidation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117795497A true CN117795497A (zh) | 2024-03-29 |
Family
ID=85288711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280055623.1A Pending CN117795497A (zh) | 2021-08-27 | 2022-08-25 | 用于实现和使用医学数字成像和通信(dicom)结构化报告(sr)对象合并的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230062781A1 (zh) |
CN (1) | CN117795497A (zh) |
WO (1) | WO2023028228A1 (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030184811A1 (en) * | 1998-07-08 | 2003-10-02 | John Overton | Automated system for image archiving |
AU2006254689B2 (en) * | 2005-06-02 | 2012-03-08 | Salient Imaging, Inc. | System and method of computer-aided detection |
EP2702940B1 (en) * | 2005-11-25 | 2023-08-09 | Toshiba Medical Systems Corporation | Image reference apparatus |
US20140142980A1 (en) * | 2012-11-21 | 2014-05-22 | Radia Inc., P.S. | Medical imaging study retrieval system |
US7532942B2 (en) * | 2006-01-30 | 2009-05-12 | Bruce Reiner | Method and apparatus for generating a technologist quality assurance scorecard |
JP2016534426A (ja) * | 2013-10-10 | 2016-11-04 | カルガリー・サイエンティフィック・インコーポレイテッドCalgary Scientific Inc. | 複数の収納システム内の、処理能力の高いアーカイブ検索のための方法及びシステム |
US10671646B2 (en) * | 2016-12-22 | 2020-06-02 | Aon Global Operations Ltd (Singapore Branch) | Methods and systems for linking data records from disparate databases |
US10346980B2 (en) * | 2017-10-30 | 2019-07-09 | Proscia Inc. | System and method of processing medical images |
US11120025B2 (en) * | 2018-06-16 | 2021-09-14 | Hexagon Technology Center Gmbh | System and method for comparing and selectively merging database records |
-
2021
- 2021-08-27 US US17/459,542 patent/US20230062781A1/en active Pending
-
2022
- 2022-08-25 CN CN202280055623.1A patent/CN117795497A/zh active Pending
- 2022-08-25 WO PCT/US2022/041524 patent/WO2023028228A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20230062781A1 (en) | 2023-03-02 |
WO2023028228A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10818048B2 (en) | Advanced medical image processing wizard | |
Slomka et al. | Cardiac imaging: working towards fully-automated machine analysis & interpretation | |
CN108701370B (zh) | 基于机器学习的基于内容的医学成像渲染 | |
JP2018185856A (ja) | 医療情報用の進化型コンテキスト臨床データエンジン | |
US20190392944A1 (en) | Method and workstations for a diagnostic support system | |
US11564663B2 (en) | Ultrasound imaging apparatus and control method thereof | |
CN114902288A (zh) | 利用基于解剖结构的三维(3d)模型切割进行三维(3d)打印的方法和系统 | |
US11250564B2 (en) | Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography | |
CN117120996A (zh) | 用于医学成像解决方案的新数据存储和管理方案的方法和系统 | |
US20240062498A1 (en) | Systems and methods for rendering models based on medical imaging data | |
CN115813434A (zh) | 用于由胎儿超声扫描自动评估分数肢体体积和脂肪瘦体块的方法和系统 | |
CN117795497A (zh) | 用于实现和使用医学数字成像和通信(dicom)结构化报告(sr)对象合并的方法和系统 | |
CN112515944B (zh) | 具有用于心肺复苏(cpr)按压的实时反馈的超声成像 | |
US20230238151A1 (en) | Determining a medical professional having experience relevant to a medical procedure | |
CN112515705A (zh) | 用于投影轮廓启用的计算机辅助检测(cad)的方法和系统 | |
US11881301B2 (en) | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3D) medical images | |
CN114098687B (zh) | 用于超声运动模式的自动心率测量的方法和系统 | |
US20230123169A1 (en) | Methods and systems for use of analysis assistant during ultrasound imaging | |
US20240070817A1 (en) | Improving color doppler image quality using deep learning techniques | |
US20220101518A1 (en) | System and method for stylizing a medical image | |
WO2023032438A1 (ja) | 回帰推定装置および方法、プログラム並びに学習済みモデルの生成方法 | |
CN115730136A (zh) | 基于所检测的活动模式自动推荐超声检查工作流修改的方法和系统 |
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 |