CN117999606A - 数据去标记化 - Google Patents
数据去标记化 Download PDFInfo
- Publication number
- CN117999606A CN117999606A CN202280061855.8A CN202280061855A CN117999606A CN 117999606 A CN117999606 A CN 117999606A CN 202280061855 A CN202280061855 A CN 202280061855A CN 117999606 A CN117999606 A CN 117999606A
- Authority
- CN
- China
- Prior art keywords
- data
- phi
- elements
- image
- tagged
- 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
- 238000002372 labelling Methods 0.000 title description 6
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims abstract description 38
- 230000036541 health Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 22
- 230000008439 repair process Effects 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002608 intravascular ultrasound Methods 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OTZZZISTDGMMMX-UHFFFAOYSA-N 2-(3,5-dimethylpyrazol-1-yl)-n,n-bis[2-(3,5-dimethylpyrazol-1-yl)ethyl]ethanamine Chemical compound N1=C(C)C=C(C)N1CCN(CCN1C(=CC(C)=N1)C)CCN1C(C)=CC(C)=N1 OTZZZISTDGMMMX-UHFFFAOYSA-N 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012285 ultrasound imaging 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
提供了一种用于通过通信网络(120)传输由医学成像系统生成的数据(110)的系统(100)。所述系统包括处理装置(130、140),所述处理装置被配置为识别(S120)所述数据(110)中的一个或多个受保护的健康信息PHI元素(110’);模糊(S130)所述数据(110)中的所述一个或多个PHI元素(110’),以提供去标记化的数据(110”);通过所述通信网络(120)发送(S140)所述去标记化的数据(110”);以及在远程终端(150)处接收(S150)所述去标记化的数据(110”)。
Description
技术领域
本公开涉及对由医学成像系统生成的数据进行去标记化。公开了一种系统、计算机实施的方法和计算机程序产品。
背景技术
在医学领域中,通常需要传输可能包括个人健康信息“PHI”的数据。特别地,当传输数据以便对医学成像系统(例如X射线成像系统、计算机断层摄影“CT”成像系统、磁共振成像“MRI”系统等)执行维修或维护操作时,出现这种需要。例如,如果CT医学成像系统生成寄生图像伪影,则健康护理设施处的医学成像系统的操作者可能期望将包括伪影的图像发送给服务工程师,以便他们调查其根本原因。类似地,访问健康护理设施以便调查图像伪影的原因的服务工程师可能希望将包括伪影的图像发送给另一个服务工程师或中央服务设施以进行进一步分析。
然而,由医学成像系统生成的图像数据以及由医学成像系统生成的其他类型的数据可以包括诸如患者姓名、出生日期等的PHI元素、以及诸如寄生图像伪影的非PHI元素。为了对医学成像系统执行期望的维修或维护操作,服务工程师可能需要查看数据的一些非PHI元素(诸如图像伪影),但是对接收PHI元素没有兴趣。PHI数据还受到各种隐私法规的约束,并且必须设置安全措施以确保PHI数据不会被误用。
用于处理可能包括PHI的数据的当前技术是数据加密。然而,数据加密存在缺点。例如,在合法接收者去加密之后,必须设置安全措施以确保继续限制对数据的访问。因此,可能需要数据被重新加密,或被安全删除,以避免其后续误使用的风险。这在执行维修和维护操作时妨碍了数据的处理。
因此,当传输由医学成像系统生成的数据以便执行维修或维护操作时,存在改进的空间。
发明内容
根据本公开的一个方面,提供了一种用于通过通信网络传输由医学成像系统生成的数据的系统。所述数据包括一个或多个非PHI元素和一个或多个PHI元素。所述系统包括处理装置,所述处理装置被配置为:
接收所述数据;
识别所述数据中的所述一个或多个受保护的健康信息PHI元素;
模糊所述数据中的所述一个或多个PHI元素,以提供包括所述一个或多个非PHI元素的去标记化的数据;
通过所述通信网络发送所述去标记化的数据;并且
在远程终端处接收所述去标记化的数据,以用于分析所述去标记化的数据中的所述一个或多个非PHI元素,并且用于输出与所述非PHI元素相对应的分析数据以便对所述医学成像系统执行维修或维护操作。
通过这样做,可以确保在远程终端处接收数据以用于对医学成像系统执行维修或维护操作,而没有进一步传播PHI的风险。
根据参考附图对示例的以下描述,本公开的其他方面、特征和优点将变得显而易见。
附图说明
图1是图示包括X射线成像系统的医学成像装置以及由成像系统生成的医学图像的示例的示意图。
图2是图示包括PHI元素110’的医学成像装置的与虚线内的视图相对应的相机图像的示例的示意图。
图3是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的示例的示意图。
图4是图示根据本公开的一些方面的用于通过通信网络110传输数据的方法的示例的流程图。
图5是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的第二示例的示意图。
图6是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的第三示例的示意图。
具体实施方式
参考以下描述和附图提供本公开的示例。在该描述中,出于解释的目的,阐述了某些示例的许多具体细节。说明书中对“示例”、“实施方式”或类似语言的引用意味着结合该示例描述的特征、结构或特性包括在至少该一个示例中。还应当理解,关于一个示例描述的特征也可以在另一示例中使用,并且为了简洁起见,所有特征不一定在每个示例中进行重复。例如,关于系统描述的特征可以以对应的方式在计算机实施的方法和计算机程序产品中实施。
关于处理装置描述了本公开的示例,其中设置在第一位置处的第一处理器进行去标记化并将去标记化的数据发送给设置在第二位置处的远程终端。在一些示例中,远程终端包括用于分析数据并且用于输出分析数据以便对医学成像系统执行维修或维护操作的第二处理器。然而,应当理解,处理装置不限于这些特定示例,并且由处理装置执行的操作通常可以由处理器的不同配置来执行。本公开的示例可以替代地由在联网处理架构(诸如客户端/服务器架构、对等架构、互联网或云)内共享的处理器来实施。因此,在替代的处理配置中,在每个位置中可以存在多于一个的单独处理器,或者替代地,被描述为在特定位置中发生的处理中的一些或实际上全部可以在又一远程位置处发生。
注意,本文公开的计算机实施的方法可以被提供为包括存储在其上的计算机可读指令的非瞬态计算机可读存储介质,所述计算机可读指令在由至少一个处理器执行时所述至少一个处理器执行所述方法。换句话说,计算机实施的方法可以被实施为计算机程序产品。计算机程序产品可以由专用硬件或能够与适当软件相关联地运行软件的硬件提供。当由处理器提供时,方法特征的功能可以由单个专用处理器、由单个共享处理器或由其中一些可以共享的多个个体处理器提供。一个或多个方法特征的功能可以例如由在联网处理架构(诸如客户端/服务器架构、互联网或云)内共享的处理器提供。术语“处理器”或“控制器”的明确使用不应被解读为排他性地指代能够运行软件的硬件,并且可以隐含地包括但不限于数字信号处理器“DSP”硬件、用于存储软件的只读存储器“ROM”、随机存取存储器“RAM”、非易失性存储设备等。此外,本公开的示例可以采用可从计算机可用存储介质或计算机可读存储介质访问的计算机程序产品的形式,所述计算机程序产品提供用于由计算机或任何指令执行系统使用或与计算机或任何指令执行系统结合地使用的程序代码。出于该描述的目的,计算机可用存储介质或计算机可读存储介质可以是可以包括、存储、通信、传播或传输用于由指令执行系统、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程序的任何装置。介质可以是电子、磁性、光学、电磁、红外或半导体系统或设备或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器“RAM”、只读存储器“ROM”、硬磁盘和光盘。光盘的当前示例包括压缩盘只读存储器“CDROM”、压缩盘读/写“CDR/W”、蓝光碟TM和DVD。
如上所述,在医学领域中,通常需要传输可能包括个人健康信息“PHI”的数据。特别地,当传输数据以便对诸如X射线成像系统、计算机断层摄影“CT”成像系统、磁共振成像“MRI”系统等的医学成像系统执行维修或维护操作时,出现这种需要。然而,当执行这样的维修或维护操作时,既不需要也不期望传输PHI。为了对医学成像系统执行期望的维修或维护操作,服务工程师仅需要查看数据的一些非PHI元素(诸如图像伪影),并且对接收PHI元素没有兴趣。
PHI被定义为在诊断或处置的过程期间创建、使用或公开的个体医学记录中的可以用于个人地识别他们的任何信息片段。PHI数据的示例包括个体的姓名、地址(包括小于州的细分,诸如街道地址、城市、县或邮政编码)、与个体直接相关的日期(年份除外)(包括生日、入院或出院日期、死亡日期或89岁以上个体的确切年龄)、电话号码、传真号码、电子邮件地址、社会保障号、医学记录号、健康计划受益人号、账号、证书/牌照号、车辆识别符、序列号或牌照号、设备识别符或序列号、web URL、IP地址、生物特征识别符(诸如指纹或声纹)、全脸照片、以及任何其他唯一的识别数字、特征或代码。
各种隐私法规(包括美国的HPII隐私规则)管理PHI的使用,以防止其误用。以相应的方式,欧洲的通用数据保护条例“GDPR”管理可以用于识别个人的个人数据的使用。类似的隐私法规也适用于其他司法管辖区。因此,当对医学成像系统执行维修或维护操作时,重要的是确保安全措施就位以避免PHI被误用的可能性。
作为示例,图1是图示包括X射线成像系统的医学成像装置以及由包括PHI元素110’的成像系统生成的医学图像的示例的示意图。在图1所示的示例中,医学图像被显示在监视器上。可以在图1所示的医学图像中显示的PHI元素110’的示例包括患者的姓名、患者的出生日期以及患者在医学成像设施处的登记号。其他PHI元素也可以存在于医学图像中。例如,在X射线图像中可见的患者颅骨的特性形状或患者骨骼的特征尺寸也可以用于识别患者。医学成像设施处的医学成像系统的操作者可能期望将图1中的监视器上所示的医学图像发送给服务工程师或服务设施以进行进一步分析,以便调查图像质量问题(诸如图像中的图像伪影)的起源。可以通过使用附接到监视器的计算机拍摄在监视器上显示的医学图像的屏幕截图或屏幕截图并且使用电子邮件应用、消息传送应用发送屏幕截图或通过将图像上传到服务器来发送医学图像。该操作需要以避免医学图像中的PHI元素被误用的可能性的方式来执行。
作为另一示例,图2是图示包括PHI元素110’的医学成像装置的与虚线内的视图相对应的相机图像的示例的示意图。图2中的医学成像装置对应于图1中的医学成像装置,并且还包括对应的PHI元素110’。在图2的示例中,服务工程师或医学成像设施处的医学成像系统的操作者可能期望将相机图像发送给另一服务工程师或服务设施以进行进一步分析,以便调查图像质量问题(诸如图像中的图像伪影)的起源。当服务工程师参与成像程序以调查这种图像伪影时,可能会出现这样的场景。服务工程师使用诸如智能手机或膝上型计算机的移动设备捕获这样的相机图像可能是方便的。如在图1的示例中,例如,可以使用电子邮件应用、消息传送应用或通过将图像上传到服务器来发送图像。该操作还需要以避免医学图像中的PHI元素被误用的可能性的方式来执行。
应当理解,图1和图2所示的示例仅用作示例,并且在其他场景中,由包括PHI元素的医学成像系统生成的其他类型的数据可能需要以类似的方式发送,如下面更详细地描述的。
图3是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的示例的示意图。图4是图示根据本公开的一些方面的用于通过通信网络110传输数据的方法的示例的流程图。下面详细描述由图3所示的系统100执行的操作,并且应当理解,这些操作可以根据图4所示的方法以对应的方式执行。同样地,关于图4所示的方法描述的操作也可以由图3所示的系统以对应的方式执行。
参考图3,提供了一种用于通过通信网络120传输由医学成像系统生成的数据110的系统100。所述数据包括一个或多个非PHI元素和一个或多个PHI元素110’。该系统包括处理装置130、140,所示处理装置被配置为:
接收S110数据110;
识别S120数据110中的一个或多个受保护的健康信息PHI元素110’;
模糊S130数据110中的一个或多个PHI元素110’,以提供包括一个或多个非PHI元素的去标记化的数据110”;
通过通信网络120发送S140去标记化的数据110”;并且
在远程终端150处接收S150去标记化的数据110”,以用于分析去标记化的数据110”中的一个或多个非PHI元素,并且用于输出与非PHI元素相对应的分析数据以便对医学成像系统执行维修或维护操作。
图3所示的示例处理装置包括第一处理器130和第二处理器140。第一处理器130可以形成第一终端190的部分。第一终端190可以被设置在第一位置处,诸如在医学成像设施处。第一终端190可以例如是工作站或被配置为控制医学成像系统的瘦客户端。第一终端190可以被永久地或临时地设置在第一位置处。因此,设想了第一终端190可以是静态处理设备(诸如工作站、台式计算机等)、或实际上移动处理设备(诸如膝上型计算机、或智能手机、或平板电脑等)。
图3所示的第二处理器140形成远程终端150的部分。远程终端150可以位于第二位置处,例如位于要远程调查与医学成像系统相关的维修和/或维护操作的维修或维护设施处。远程终端150也可以位于其他地方。例如,远程终端可以由远程地理位置中的服务器提供,或它可以由云内的处理能力提供。因此,设想了第一和第二处理器可以由分布式处理装置个体地提供,其中,所述处理的一些方面由设置在第一和/或第二位置中的一个或多个处理器执行,并且其中,所述处理的其他方面在其他地方执行。
图3所示的通信网络120可以是任何类型的通信网络。作为一些示例,通信网络120可以是局域网或广域网。通信网络120可以是诸如移动电话网络的无线网络、或诸如电缆或光纤网络的有线网络。通信网络120也可以由互联网提供。
可以使用图3所示的系统来传输由各种类型的医学成像系统生成的数据110。医学成像系统可以例如是X射线成像系统、或CT成像系统、或“MRI”系统、正电子发射断层摄影“PET”成像系统、单光子发射计算机断层摄影“SPECT”成像系统、超声成像系统(诸如血管内超声“IVUS”成像系统)、光学相干断层摄影“OCT”成像系统等。数据110可以表示由医学成像系统生成的一个或多个图像。图像可以是由医学成像系统生成的重建图像。图像可以是静态图像或实况图像。此外,数据110可以包括非PHI元素以及PHI元素110’。图像可以包括诸如图像伪影的非PHI元素、以及诸如例如患者姓名、患者出生日期等的PHI元素110’。在这些示例中,PHI元素110’可以作为个体患者的特征(诸如例如特性颅骨、骨骼或器官形状)的图像特征存在于数据110中。替代地,PHI元素110’可以作为嵌入在图像内的文本(诸如出生日期)存在。
参考分别在图3和图4中所示的示例系统和方法,在操作S110中,由处理器130接收数据110。在一些示例中,从医学成像系统接收数据110。在其他示例中,从计算机或计算机可读存储介质接收数据110。因此,数据110可以作为实时数据被接收,或它可以先前已经被记录。在下面更详细描述的其他示例中,从被配置为捕获由医学成像系统生成的数据110的相机接收数据110。
在图3和图4所示的操作S120中,识别数据110中的一个或多个PHI元素110’,并且在操作S130中,模糊一个或多个PHI元素110’以提供包括一个或多个非PHI元素的去标记化的数据110”。在操作S120和S130中自动执行识别和模糊。这确保了可靠地执行去标记化。可以使用光学字符识别“OCR”或通过使用被训练为检测PHI元素的人工智能算法来分析数据110而执行操作S120。
如果数据110包括图像数据,则可以在操作S130中通过例如用默认值(诸如默认灰度或颜色值或表示噪声的随机值)替换与PHI元素相对应的像素或体素值来模糊在操作S120中识别的PHI元素110’。替代地,可以用诸如默认图像、模糊图像、默认姓名或默认出生日期等的替代数据来替换与PHI元素相对应的像素或体素值。同样地,如果数据110包括文本数据,则可以删除所识别的PHI文本元素,或用默认数据替换所识别的PHI文本元素。在操作S120中,可以从图像数据中识别这样的文本,或者如果由医学成像系统生成的数据包括文本数据,则可以从文本数据中识别这样的文本。
已知用于识别图像数据中的PHI的各种技术。作为示例,在文献US2020/0118317Al中公开了一种用于对MR图像数据进行去标记化的技术,所述MR图像数据包括为个体患者的特性的面部特征。在该技术中,通过识别表示面部表面分量的体素/像素来模糊MR图像中的面部特征,并且用随机噪声值替换它们的值以形成有噪声的面部层。有噪声的面部层充当掩模以去标记化或掩蔽图像中的面部信息。被替换的像素/体素值向外扩展,以便保留诸如脑的特征。
作为另一示例,文献US2013/0054268 Al公开了一种技术,其中,表示PHI的样本图像片段(诸如短语或字体)被变换并乘以源图像以识别源图像中的对应PHI。
作为另一示例,文献US2021/0065881 Al公开了用于识别和替换图像中的PHI信息的各种机器学习系统。公开了使用文本、OCR和图像分类器来识别包括PHI的图像的各种神经网络。
作为另一示例,OCR可以用于在操作S120中通过检测数据110中的文本并且将检测到的文本与指示PHI元素的词语的数据库进行比较来识别PHI元素110’。数据库可以例如包括诸如“出生日期”、“患者姓名”、“患者编号”等的词语。可以通过替换数据110中表示的图像的像素值、通过默认像素值(诸如灰黑色或灰白色值)或通过默认字段(诸如默认姓名“John Doe”和默认出生日期“1.1.2001”等)来模糊数据110中的PHI元素110’。
在一些示例中,除了对由医学成像系统生成的数据之进行去标记化外,还可以以类似的方式来识别、模糊和发送与由医学成像系统生成的数据同时生成的音频数据中的PHI元素。这样的音频数据可以在医学成像系统的操作期间被捕获,并且可以无意地捕获医学专业人员之间关于患者的对话,并且因此可以包括PHI元素,诸如患者的口述姓名。还可以在操作S120中识别这样的PHI元素,例如通过利用自然语言处理“NLP”技术分析音频数据。可以在操作S130中模糊PHI元素,例如通过用静音、或表示背景嘶嘶声的噪声、或诸如嘟嘟声的另一噪声等替换PHI元素110’。以这种方式来对语音数据进行去标记化以及由医学成像系统生成的数据提供了由系统100发送的数据不包括PHI元素的进一步的保护。
在操作S140中,处理装置通过通信网络120发送去标记化的数据110”。该操作可以由图3所示的一个或多个处理器130执行。在这方面,可以使用各种数据处理应用来发送数据,包括使用诸如电子邮件应用、消息传送应用、屏幕共享应用和电话应用的应用。如上所述,第一终端190可以例如是工作站或被配置为控制医学成像系统的瘦客户端,或者它可以是移动处理设备,诸如膝上型计算机或智能手机或平板电脑等。因此,应用程序可以在这些示例系统之一的处理器上执行。
在操作S150中,在远程终端150处接收去标记化的数据110”。远程终端150还可以被配置为分析去标记化的数据110”中的一个或多个非PHI元素,并输出与非PHI元素相对应的分析数据以用于对医学成像系统执行维修或维护操作。远程终端150可以包括执行这些操作的第二处理器140,如上所述。由远程终端提供的功能可以由单个处理器或多个处理器提供。由远程终端150提供的功能可以替代地由分布式处理装置提供,其中一些处理在设置在远程终端中的一个或多个处理器中执行,而其他处理可以在其他地方(诸如在云中)执行。
可以使用各种技术来分析在操作S150中接收的去标记化的数据。在一个示例中,分析去标记化的数据110”中的一个或多个非PHI元素并输出分析数据的操作可以由神经网络执行。在该示例中,使用真实情况数据来训练神经网络,以将输入数据分类为与一个或多个根本原因有关,或与一个或多个维护计划有关。神经网络可以例如被训练为识别图像伪影并且建议用于控制医学成像系统的改进的参数,诸如在文献WO 2019/201968 Al中所公开的。在该文献中,通过将磁共振图像和图像元数据输入到神经网络中来生成建议的脉冲序列命令变化的列表。所建议的脉冲序列命令改变包括图像改善可能性评分。
作为另一示例,由远程终端执行的分析去标记化的数据110”中的一个或多个非PHI元素和输出分析数据的操作可以由文献US2011/110572 Al中公开的分析器执行。在该文献中,公开了一种用于图像分析器,其自动解析和分析表示由医学图像采集设备采集的患者的特定解剖特征的图像的数据以识别所述图像中的缺陷。提供经修正的图像采集参数以用于重新采集图像。
作为另一示例,在分析去标记化的数据110”中的一个或多个非PHI元素和输出分析数据的操作中,可以使用诸如文献WO 2019/086365 Al中公开的技术来识别超声图像帧中的伪影。在该文献中,提供了用于基于超声图像帧中存在的伪影的存在和类型来调节超声换能器的指令。作为另一示例,神经网络可以被训练为识别显示在医学图像中的图像采集参数。在该示例中,神经网络可以被训练为分析图像采集参数和医学图像,以便输出可以用于获得具有改善的图像质量的医学图像的建议的改善的图像采集参数。可以以这种方式改善诸如信噪比的图像质量问题。
作为另一示例,神经网络可以被训练为识别由自动图像分析技术生成的图像注释。在该示例中,可以报告不正确的注释,并且可以输出触发这样的不正确的注释的医学图像的特性。
在一些示例中,去标记化的数据在被传输之前被加密。这有利地提供了额外的保护措施以防止数据被误用的可能性。因此,在这些示例中,处理装置还被配置为在通过通信网络120发送S140去标记化的数据110”之前,利用数据加密算法对去标记化的数据110”进行编码。该操作可以由图3所示的一个或多个处理器130执行。可以用于此目的算法的示例包括高级加密标准“AES”、三重数据加密算法“TDEA/3DES”和RSA非对称加密算法。
在一些示例中,处理装置还被配置为将去标记化的数据110”存储到计算机可读存储介质。该操作可以由图3所示的一个或多个处理器130执行。例如,计算机可读存储介质可以被设置在第一终端190内,或被设置在远程位置处,诸如在云中。
在一些示例中,处理装置还被配置为利用表示数据110已被去标记化的指示符来增强去标记化的数据110”。该操作可以由图3所示的一个或多个处理器130执行。指示符可以用于防止数据110被重新分析以用于去标记化目的。这提高了系统100的效率。在一个示例中,可以以缩略图图像的形式来提供指示符,以便在视觉上指示表示去标记化的数据110”的文件的状态。在另一示例中,可以以散列码的形式提供指示符。散列码可以表示一个或多个文件属性,诸如图像大小、其创建日期、或图像本身。此类散列码可以用于防止随后篡改去标记化的数据。指示符可以被存储在表示去标记化的数据110”的文件内,或者被存储为单独的文件。
在一些示例中,接收S110数据110、识别S120数据110中的一个或多个PHI元素110’、模糊S130数据110中的一个或多个PHI元素110’和发送S140去标记化的数据110”的操作是实时执行的。实时执行这些操作可以允许更有效地分析数据。例如,在医学成像设施处的操作者参与与服务工程师的屏幕共享操作的情况下,服务工程师可以请求操作者调整医学成像系统的各种设置,或显示或放大由医学成像系统生成的数据的特定方面,以便帮助分析数据。在这种情况下,由医学成像系统生成的数据110可以表示静态图像或视频图像。由于只有去标记化的数据110”被发送给远程终端150,因此可以确保有效地分析数据,同时符合关于PHI的必要隐私规则。
图5是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的第二示例的示意图。图5中的具有与图4中相同的标记的特征提供与关于图4描述的功能相同的功能。图5所示的示例系统100与图4所示的示例系统的不同之处在于,图5所示的系统100另外包括被配置为捕获数据110的相机160。相机160可以捕获包括由医学成像系统生成的数据110或更具体地图像数据110的图像。参考图2,相机160可以例如捕获视图,诸如在图2中的虚线内并且包括由医学成像系统生成的医学图像数据的视图。图2所示的视图包括由医学成像系统生成的医学图像,并且医学图像包括PHI元素110’,诸如与医学图像相关联的患者姓名。返回到图5,由相机160捕获并且包括由医学成像系统生成的数据110的图像数据110可以由处理器130以与参考图4描述的相同的方式处理,以提供去标记化的数据110”,该去标记化的数据110”然后在操作S140中通过通信网络120发送并且在操作S150中接收,如上所述。换句话说,在通过通信网络120发送去标记化的数据110”之前,由处理器130模糊PHI元素110’,诸如由相机160捕获的图像中的患者姓名。
参考图5,第一终端190可以是处理设备,诸如智能手机、或平板电脑、或膝上型计算机或台式计算机。相机160可以集成在第一终端内,诸如在智能手机或膝上型电脑或平板电脑中。替代地,相机可与处理器130有线或无线通信。例如,相机可以借助于通用串行总线“USB”连接器或经由无线连接等耦合到处理器。图5所示的相机160可以捕获包括由医学成像系统生成的数据110的静止图像(即,静态图像),或者替代地,它可以捕获包括由医学成像系统生成的数据110的视频图像(即,实况或实时图像)。
在一些场景中,设置在第一终端190中的一个或多个处理器130可以接收其他数据以及由医学成像系统生成的数据。还可以根据图4所示的操作来处理该数据。例如,由图5所示的相机160捕获的图像数据110还可以捕获不是由医学成像系统生成的PHI元素。例如,图2所示的虚线内的视图可以包括PHI元素,诸如躺在图2所示的患者台上的患者的面部。在一个示例中,由相机捕获并且不是由医学成像系统生成的这些PHI元素也以与由医学成像系统生成的数据相同的方式被识别和模糊。
在另一示例中,设置在第一终端190中的一个或多个处理器130还接收音频数据。音频数据可能无意地包括关于由医学成像系统生成的医学图像中表示的患者的对话。这样的对话可以包括PHI元素。例如,可以提及患者的姓名以便确认他们的身份。在该示例中,音频数据可以与由相机160捕获的视频数据同时捕获,并且音频数据也可以由图5所示的示例系统以类似的方式处理。视频数据由相机160捕获,如上所述。附加的麦克风(图5中未图示)也与一个或多个处理器130通信,并且被配置为生成音频数据。麦克风可以集成在上述示例类型的第一终端190中的一个内,或者替代地,麦克风可以与处理器130有线或无线通信。麦克风可以与由相机160生成的视频数据同时生成音频数据。还可以根据图4所示的操作S110至S150来处理音频数据,以便确保通过通信网络120发送的任何音频数据也已经被去标记化。还可以在操作S110中从麦克风接收音频数据。在操作S120中,可以通过分析音频数据来在音频数据中识别音频PHI元素,诸如例如姓名或出生日期。例如,可以使用语音到文本算法将音频数据转换为文本。可以通过将文本形式的经转换的音频数据与包括指示PHI元素的即将提及的关键字的查找表进行比较来识别PHI元素。查找表可以包括诸如“出生日期”或“患者姓名”的词语。替代地,自然语言处理“NLP”技术可以用于识别PHI元素。然后在操作S130中模糊所识别的PHI元素,例如通过用静音、或表示背景嘶嘶声的噪声、或诸如嘟嘟声的另一噪声等替换PHI元素110’。然后,在操作S130中生成的去标记化音频数据在操作S140中通过通信网络120被发送,并且在操作S150中在远程终端150处接收。以这种方式去标记化音频数据提供了防止PHI的潜在误用的附加保护。
图6是图示根据本公开的一些方面的用于通过通信网络110传输数据的系统100的第三示例的示意图。图6中的具有与图5中相同的标记的特征提供与关于图5描述的功能相同的功能。图6所示的示例系统100与图5所示的示例系统的不同之处在于,图6所示的系统100另外包括易失性存储器170和非易失性存储器180。在图6中,相机160被配置为在将由该相机生成的图像数据传输到非易失性存储器180之前将图像数据传输到易失性存储器170。此外,处理装置130被配置为从易失性存储器170接收图像数据,并且将去标记化的图像数据输出到非易失性存储器180,使得在识别S120图像数据中的一个或多个PHI元素110’和模糊S130图像数据中的一个或多个PHI元素110’之前,图像数据不被传输到易失性存储器170。这些操作可以由图5所示的一个或多个处理器130执行。
易失性存储器需要供应电力以便保留所存储的信息。易失性存储器的当前示例包括静态RAM“SRAM”和动态RAM“DRAM”。相比之下,非易失性存储器可以在电源断开之后保留存储的信息。非易失性存储器的当前示例包括闪存和诸如硬盘的磁存储设备。有利地,参考图6描述的示例系统将去标记化的信息保留在非易失性存储器中,即使在电力已经从非易失性存储器断开之后,而PHI元素仅存储在易失性存储器中,其在电力断开时被擦除。因此,去标记化的数据以其可以用于以后参考的方式被存储,例如以帮助对医学成像系统执行维修或维护操作,同时防止由相机捕获的PHI的潜在误用。
下面描述还包括相机160以生成包括由医学成像系统生成的数据110的图像数据的另外示例。可以根据上面参考图5描述的系统100或上面参考图6描述的系统100来提供这些示例。
在一个示例中,处理装置还被配置为:
向图像数据中的所识别的一个或多个PHI元素110’分配概率,概率表示元素是PHI的可能性;并且
对于具有超过阈值的概率的PHI元素110’:
向显示器输出包括所识别的一个或多个PHI元素110’的图像数据;
向显示器输出请求将所识别的一个或多个PHI元素110’确认为表示PHI的用户输入的提示;并且
其中,模糊S130图像数据中的一个或多个PHI元素110’以提供去标记化的图像数据是根据接收到确认所识别的一个或多个PHI元素110’表示PHI的用户输入来执行的。
这些操作可以由图5和图6所示的一个或多个处理器130执行。允许用户以这种方式接受或拒绝由处理器执行的评估可以允许通过防止数据中的重要特征被不必要地模糊来保留数据中的重要特征。这在操作S120中执行的识别没有确定性地将信息识别为表示PHI的情况下可能是有用的。例如,如果相机捕获部分模糊的PHI元素(诸如面部的部分),则处理器可以经由这些部分模糊的元素潜在地表示PHI元素的概率来指示。然后,在操作S140中发送数据之前,用户可以决定是否要去标记化这些元素。在该示例中,可以通过算法或通过在操作S120中识别PHI元素的神经网络来分配概率。诸如可以在操作S120中使用的分类型神经网络通常在执行分类任务时输出这样的概率。阈值可以是基于用户输入可调整的。例如,如果相机在用户不期望其捕获包括PHI的图像数据的设置中操作,则可以将其设置为高级别。在生成体模的图像时捕获医学成像系统的显示器的图像时可以是这种情况。因此,阈值可以用于限制这种提示的比率。替代地,如果相机在其中更可能包括PHI的设置中操作,诸如当医学成像系统正在生成患者的图像时,则阈值可以被设置为低水平。
在另一示例中,处理装置被配置为通过将图像数据输入到被训练为识别PHI元素的神经网络中来识别图像数据中的一个或多个PHI元素110’。在该示例中,处理装置130还响应于将所识别的一个或多个PHI元素110’确认为表示PHI的用户输入来重新训练神经网络。该操作可以由附图中所示的一个或多个处理器130执行。它还可以部分地由在分布式处理装置中(诸如在云中)联网的一个或多个另外的处理器来执行。在这样做时,由系统执行的分析的准确性可以根据使用系统的设置来定制。处理装置可以例如将图像数据与由用户提供的地面实况分类(即“PHI”或“非PHI”)一起保存为新的训练数据,并且使用图像数据及其地面实况分类通过将新的训练数据输入到神经网络中并调整其参数直到神经网络正确地分类新的训练数据来周期性地重新训练神经网络。
在另一示例中,处理装置被配置为:
向图像数据中的所识别的一个或多个PHI元素110’分配概率,概率表示元素是PHI的可能性;并且
对于具有超过阈值的概率的PHI元素110’:
通过通信网络120将包括所识别的一个或多个PHI元素110’的数据110发送给服务器;以及
从服务器接收所识别的一个或多个PHI元素110’已被模糊的数据。
这些操作可以由图所示的一个或多个处理器130执行。在这样做时,可以由服务器确认对具有超过阈值的概率值的PHI元素的分析。服务器可以具有附加的处理能力,并且因此可以提供对数据的更准确的评估。在一些情况下,可以以这种方式将具有在预定范围内的概率值的PHI元素发送给服务器。因此,在预定范围内并且导致非结论性分析的数据可以被发送给服务器,而导致确定性分析的数据可以根据需要由一个或多个处理器130自动去标记化,从而限制服务器对验证的需要和相关联的延迟。
在另一示例中,系统100还包括显示器和触摸屏。在该示例中,处理装置还被配置为:
将图像数据输出到显示器;
从触摸屏接收指示包括PHI元素的至少一个另外的区域的用户输入;以及
模糊图像数据中的至少一个另外的区域,使得至少一个另外的区域在去标记化的图像数据中被模糊。
这些操作可以由图所示的一个或多个处理器130执行。例如,用户可以通过经由触摸屏在显示器上勾勒出PHI元素或在PHI元素上拖动预定义形状来提供输入。允许用户以这种方式输入评估提供了附加的保护,因为它允许用户识别在操作S120中未自动识别的PHI。
在另一示例中,所述数据表示由医学成像系统生成的一幅或多幅医学图像。所述一幅或多幅医学图像包括一个或多个图像伪影。在该示例中,处理装置130可以将包括由医学成像系统生成的一幅或多幅医学图像的数据输出到显示器。处理装置130可以接收识别用于分析的一个或多个图像伪影的部分的用户输入。例如,可以从诸如触摸屏、键盘或鼠标的用户输入设备接收用户输入。用户输入可以例如包括注释,诸如词语“伪影”。用户输入可以例如通过勾勒一个或多个伪影的形状来定义一个或多个图像伪影的部分。处理装置130可以将用户输入包括在所发送的去标记化的数据中,以便于图像伪影的分析。
在另一示例中,所述数据表示由医学成像系统生成的一幅或多幅医学图像,并且所述一幅或多幅医学图像包括一个或多个图像伪影,并且模糊S130数据中的一个或多个PHI元素110’的操作被执行为使得一个或多个图像伪影的至少部分存在于去标记化的数据中。在该示例中,处理装置130将包括由医学成像系统生成的一幅或多幅医学图像的数据输出到显示器。处理装置130接收识别用于分析的一个或多个图像伪影的部分的用户输入。例如,可以从诸如触摸屏、键盘或鼠标的用户输入设备接收用户输入。用户输入可以例如包括注释,诸如词语“伪影”。用户输入可以例如通过勾勒一个或多个伪影的形状来定义一个或多个图像伪影的部分。处理装置130可以将用户输入包括在所发送的去标记化的数据中,以便于图像伪影的分析。在该示例中,数据110中的一个或多个PHI元素110’的模糊可以被执行为使得用户识别区域内的数据不被模糊。如果操作S120识别出用户识别区域内的数据中的一个或多个PHI元素,则处理装置可以在显示器上突出显示PHI元素,并且请求关于用户识别区域内的PHI元素是否应当被模糊的用户输入,并且如果是,则模糊PHI元素,或者替代地,是否应当调整用户识别区域。
图像伪影的性质自然地取决于诸如用于图像数据采集和采集的成像模态以及图像形成和图像处理算法参数的因素。图像伪影的示例是CT图像上的环形亮度变化(其指向X射线探测器或其设置的问题)、星形伪影(其指向机械对准的问题)、以及条纹伪影(其指向X射线束路径中的金属或其他高度衰减的对象或区域)。此外,在心脏或胸部检查的情况下,患者运动以及不良门控可能导致解剖结构的模糊伪影或明显不连续性。与MR成像相关的示例包括噪声、运动、混叠、化学位移、吉布斯、磁化率和RF干扰。噪声相关伪影可以例如由如LED灯以及造影剂注入器的外部设备引入。吉布斯伪影(也称为截断、振铃或谱泄漏伪影)通常表现为紧邻高对比度界面的多条细平行线。这些伪影在脊柱成像中特别成问题,其中它们可能以伪影形式加宽或变窄脊髓或模仿空腔。
通过将图像数据输入到被训练为检测伪影的神经网络并且保留图像中表示伪影的区域,这样的图像伪影可以被检测到并且从而被保留在去标记化的图像数据中。取决于伪影的性质,可以触发对维修或维护操作的特定警报。
在这样做时,可以对医学成像系统执行维修或维护操作以调查医学图像中的(一个或多个)图像伪影的起源,同时防止由医学成像系统生成的原始图像中的PHI的潜在误用。
在另一示例中,提供了一种通过通信网络120来传输由医学成像系统生成的数据110的计算机实施的方法。该方法包括:
接收S110数据110;
识别S120数据110中的一个或多个受保护的健康信息PHI元素110’;
模糊S130数据110中的一个或多个PHI元素110’,以提供去标记化的数据110”;
通过通信网络120发送S140去标记化的数据110”;并且
在远程终端处接收S150去标记化的数据110”,以用于分析去标记化的数据110”中的一个或多个非PHI元素,并且用于输出与非PHI元素相对应的分析数据以便对医学成像系统执行维修或维护操作。
在另一示例中,提供了一种计算机程序产品。所述计算机程序产品包括指令,所述指令在由至少一个处理器130、140执行时使所述至少一个处理器执行通过通信网络120传输由医学成像系统生成的数据110的方法。该方法包括:
接收S110数据110;
识别S120数据110中的一个或多个受保护的健康信息PHI元素110’;
模糊S130数据110中的一个或多个PHI元素110’,以提供去标记化的数据110”;
通过通信网络120发送S140去标记化的数据110”;以及
在远程终端处接收S150去标记化的数据110”,以用于分析去标记化的数据110”中的一个或多个非PHI元素,并且用于输出与非PHI元素相对应的分析数据以便对医学成像系统执行维修或维护操作。
上述示例应被理解为对本公开的说明而非限制。还设想了另外的示例。例如,在与系统100有关的示例中描述的操作也可以由计算机实施的方法、或由计算机程序产品、或由计算机可读存储介质以对应的方式提供。
应当理解,关于任何一个示例描述的特征可以单独使用,或与其他描述的特征组合使用,并且可以与另一示例或其他示例的组合的一个或多个特征组合使用。此外,在不脱离所附权利要求中限定的本发明的范围的情况下,也可以采用上面未描述的等同物和修改。在权利要求中,词语“包括”不排除其他元件或操作,并且词语“一”或“一个”不排除多个。尽管特定特征是在相互不同的从属权利要求中记载的,但并不指示不能有利地使用这些特征的组合。权利要求中的任何附图标记不应被解读为限制其范围。
Claims (15)
1.一种用于通过通信网络(120)来传输由医学成像系统生成的数据(110)的系统(100),所述数据包括一个或多个非PHI元素和一个或多个PHI元素(110’),所述系统包括处理装置(130、140),所述处理装置被配置为:
接收(S110)所述数据(110);
识别(S120)所述数据(110)中的所述一个或多个受保护的健康信息PHI元素(110’);
模糊(S130)所述数据(110)中的所述一个或多个PHI元素(110’),以提供包括所述一个或多个非PHI元素的去标记化的数据(110”);
通过所述通信网络(120)发送(S140)所述去标记化的数据(110”);并且
在远程终端(150)处接收(S150)所述去标记化的数据(110”),以用于分析所述去标记化的数据(110”)中的所述一个或多个非PHI元素,并且用于输出与所述非PHI元素相对应的分析数据以便对所述医学成像系统执行维修或维护操作。
2.根据权利要求1所述的系统,其中,所述数据(110)包括以下中的至少一项:图像数据、文本数据和音频数据;并且
其中,所述PHI元素(110’)分别包括以下中的至少一项:图像元素、文本元素和音频元素。
3.根据权利要求1或2所述的系统,其中,所述处理装置(130)被配置为使用电子邮件应用、或使用消息传送应用、或使用屏幕共享应用、或使用电话应用来通过所述通信网络(120)发送(S140)所述去标记化的数据(110”)。
4.根据权利要求1所述的系统,其中,所述处理装置(130)还被配置为在通过所述通信网络(120)发送(S140)所述去标记化的数据(110”)之前,利用数据加密算法对所述去标记化的数据(110”)进行编码。
5.根据权利要求1所述的系统,其中,所述处理装置(130)还被配置为将所述去标记化的数据(110”)存储到计算机可读存储介质。
6.根据权利要求1所述的系统,其中,所述处理装置(130)还被配置为利用表示所述数据(110)已经被去标记化的指示符来增强所述去标记化的数据(110”)。
7.根据权利要求1所述的系统,其中,所述接收(S110)所述数据(110)、所述识别(S120)所述数据(110)中的一个或多个PHI元素(110’)、所述模糊(S130)所述数据(110)中的所述一个或多个PHI元素(110’)、以及所述发送(S140)所述去标记化的数据(110”)是实时执行的。
8.根据权利要求1所述的系统,还包括被配置为捕获所述数据(110)的相机(160),并且其中,所述数据包括图像数据。
9.根据权利要求8所述的系统,还包括易失性存储器(170)和非易失性存储器(180),并且其中,所述相机(160)被配置为在将所述图像数据传输到所述非易失性存储器(180)之前将所述图像数据传输到所述易失性存储器(170);并且
其中,所述处理装置(130)被配置为从所述易失性存储器(170)接收所述图像数据,并且将所述去标记化的图像数据输出到所述非易失性存储器(180),使得在所述识别(S120)所述图像数据中的所述一个或多个PHI元素(110’)和所述模糊(S130)所述图像数据中的所述一个或多个PHI元素(110’)之前,所述图像数据不被传输到所述易失性存储器(170)。
10.根据权利要求8所述的系统,其中,所述数据(110)包括图像数据,并且其中,所述处理装置(130)还被配置为:
向所述图像数据中的所识别的一个或多个PHI元素(110’)分配概率,所述概率表示所述元素是PHI的可能性;并且
对于具有超过阈值的概率的PHI元素(110’):
向显示器输出包括所识别的一个或多个PHI元素(110’)的所述图像数据;
向所述显示器输出请求用户输入的提示,所述用户输入将所识别的一个或多个PHI元素(110’)确认为表示PHI;并且
其中,所述模糊(S130)所述图像数据中的所述一个或多个PHI元素(110’)以提供去标记化的图像数据是根据接收到确认所识别的一个或多个PHI元素(110’)表示PHI的所述用户输入来执行的。
11.根据权利要求10所述的系统,其中,所述处理装置(130)被配置为通过将所述图像数据输入到被训练为识别所述PHI元素的神经网络中来识别所述图像数据中的所述一个或多个PHI元素(110’);并且
其中,所述处理装置(130)还被配置为响应于将所识别的一个或多个PHI元素(110’)确认为表示PHI的所述用户输入来重新训练所述神经网络。
12.根据权利要求8所述的系统,其中,所述处理装置(130)还被配置为:
向所述图像数据中的所识别的一个或多个PHI元素(110’)分配概率,所述概率表示所述元素是PHI的可能性;并且
对于具有超过阈值的概率的PHI元素(110’):
通过所述通信网络(120)将包括所识别的一个或多个PHI元素(110’)的所述数据(110)发送到服务器;并且
从所述服务器接收所述,其中,所识别的一个或多个PHI元素(110’)已经被模糊。
13.根据权利要求8所述的系统,还包括显示器和触摸屏,并且其中,所述处理装置(130)还被配置为:
将所述图像数据输出到所述显示器;
从所述触摸屏接收指示包括PHI元素的至少一个另外的区域的用户输入;并且
模糊所述图像数据中的所述至少一个另外的区域,使得所述至少一个另外的区域在所述去标记化的图像数据中被模糊。
14.根据任一前述权利要求所述的系统,其中,所述数据表示由所述医学成像系统生成的一幅或多幅医学图像。
15.根据权利要求14所述的系统,其中,所述一幅或多幅医学图像包括一个或多个图像伪影,并且其中,所述模糊(S130)所述数据中的所述一个或多个PHI元素(110’)被执行为使得所述一个或多个图像伪影的至少部分存在于所述去标记化的数据中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163243352P | 2021-09-13 | 2021-09-13 | |
US63/243,352 | 2021-09-13 | ||
PCT/EP2022/074541 WO2023036717A1 (en) | 2021-09-13 | 2022-09-05 | Data de-identification |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117999606A true CN117999606A (zh) | 2024-05-07 |
Family
ID=83398175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280061855.8A Pending CN117999606A (zh) | 2021-09-13 | 2022-09-05 | 数据去标记化 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117999606A (zh) |
WO (1) | WO2023036717A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8520920B2 (en) | 2009-11-11 | 2013-08-27 | Siemens Corporation | System for dynamically improving medical image acquisition quality |
US20130054268A1 (en) | 2011-08-26 | 2013-02-28 | International Business Machines Corporation | Systems and methods for abstracting image and video data |
WO2019002521A1 (en) | 2017-06-29 | 2019-01-03 | Koninklijke Philips N.V. | MASKING FACIAL CHARACTERISTICS OF A SUBJECT IN AN IMAGE |
CN111432731A (zh) | 2017-11-02 | 2020-07-17 | 皇家飞利浦有限公司 | 用于检测图像伪影的智能超声系统 |
EP3557274A1 (en) | 2018-04-19 | 2019-10-23 | Koninklijke Philips N.V. | Automatic artifact detection and pulse sequence modification in magnetic resonance imaging |
US11183294B2 (en) | 2019-08-30 | 2021-11-23 | International Business Machines Corporation | Automatic detection and replacement of identifying information in images using machine learning |
-
2022
- 2022-09-05 WO PCT/EP2022/074541 patent/WO2023036717A1/en active Application Filing
- 2022-09-05 CN CN202280061855.8A patent/CN117999606A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023036717A1 (en) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021819B (zh) | 使用深度学习网络的匿名和安全分类 | |
US11049606B2 (en) | Dental imaging system utilizing artificial intelligence | |
US11602302B1 (en) | Machine learning based non-invasive diagnosis of thyroid disease | |
US10452812B2 (en) | Methods and apparatus for recording anonymized volumetric data from medical image visualization software | |
KR102053527B1 (ko) | 이미지 처리 방법 | |
US20190156942A1 (en) | Apparatus for assessing medical device quality | |
US11819347B2 (en) | Dental imaging system utilizing artificial intelligence | |
CN114365181B (zh) | 使用机器学习自动检测和替换图像中的识别信息 | |
US20180289291A1 (en) | Health diagnostic fingerprint scanner | |
CN111243711B (zh) | 医学成像中的特征识别 | |
US20200168320A1 (en) | Methods and systems for autonomous control of imaging devices | |
US10924632B2 (en) | Apparatus and methods for determining and providing anonymized content within images | |
CN108509888B (zh) | 用于生成信息的方法和装置 | |
US11934555B2 (en) | Privacy-preserving data curation for federated learning | |
US11164309B2 (en) | Image analysis and annotation | |
CN117999606A (zh) | 数据去标记化 | |
KR102007525B1 (ko) | 통계적 적응식 추정함수 모델링 기법을 통한 진단 의료 영상의 대비 향상 방법 | |
KR102263572B1 (ko) | 헬스케어 영상 비식별화 장치 | |
US20220391760A1 (en) | Combining model outputs into a combined model output | |
US11501451B2 (en) | Detecting subject motion in medical imaging | |
US11666306B2 (en) | Device and method for detecting misuse of a medical imaging system | |
KR102410848B1 (ko) | 이미지 내 개인 식별 정보를 비식별화하는 전자 장치의 비식별화 방법 | |
EP3437563A1 (en) | Device and method for detecting misuse of a medical imaging system | |
US20230047497A1 (en) | System for processing radiographic images and outputting the result to a user | |
WO2022153329A1 (en) | Method and system for analyzing data displayed on ventilators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |