CN202179552U - 放射科医生肺结节辅助诊断系统 - Google Patents
放射科医生肺结节辅助诊断系统 Download PDFInfo
- Publication number
- CN202179552U CN202179552U CN2011201851169U CN201120185116U CN202179552U CN 202179552 U CN202179552 U CN 202179552U CN 2011201851169 U CN2011201851169 U CN 2011201851169U CN 201120185116 U CN201120185116 U CN 201120185116U CN 202179552 U CN202179552 U CN 202179552U
- Authority
- CN
- China
- Prior art keywords
- lung
- assistant
- information
- radiologist
- diagnosis
- 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.)
- Expired - Lifetime
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 63
- 230000002685 pulmonary effect Effects 0.000 title abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 210000004072 lung Anatomy 0.000 claims description 51
- 230000008676 import Effects 0.000 claims description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 13
- 239000003795 chemical substances by application Substances 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 11
- 201000011510 cancer Diseases 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 208000020816 lung neoplasm Diseases 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 201000005202 lung cancer Diseases 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 230000000505 pernicious effect Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 201000003803 Inflammatory myofibroblastic tumor Diseases 0.000 description 2
- 206010068331 Inflammatory pseudotumour Diseases 0.000 description 2
- 208000007720 Plasma Cell Granuloma Diseases 0.000 description 2
- 206010036790 Productive cough Diseases 0.000 description 2
- 208000016433 Tuberculoma Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010006473 Bronchopulmonary aspergillosis Diseases 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010013952 Dysphonia Diseases 0.000 description 1
- 208000002927 Hamartoma Diseases 0.000 description 1
- 208000000616 Hemoptysis Diseases 0.000 description 1
- 208000010473 Hoarseness Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 208000004430 Pulmonary Aspergillosis Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 208000008128 pulmonary tuberculosis Diseases 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本实用新型公开了一种放射科医生肺结节辅助诊断系统，该系统(100)包括主体装置(10)、肺结节辅助诊断提示装置(20)、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置(30)、以及显示装置(40)，其中，肺结节辅助诊断提示装置设置在主体装置的内部，包括：用于存储通过输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器；与信息图像存储器连接的存储器驱动器；与信息图像存储器连接的纹理运算器；与信息图像存储器、存储器驱动器和纹理运算器相连的提取控制器；显示装置设置在主体装置上，输入装置通过与主体装置进行电气连接的接口连接在主体装置上。
Description
技术领域
本实用新型涉及一种放射科医生肺结节辅助诊断系统，属于医疗电子设备领域。
背景技术
肺癌已经成为当今世界发病率较高的癌症之一。从全球来看，每年有120万人诊断为肺癌(占到诊断为癌症病例数的12.3％)，有110万人死于肺癌(占到因癌症死亡人数的17.8％)。肺癌病人若在早期被确诊，五年生存率可达70％以上，然而肺癌被确诊时80％以上属中晚期，已丧失手术时机，60％的患者在诊断后1年内死亡，5年生存率仅为14％。如果能在早期诊断，五年生存率可以超过70％。在过去的三十年中，我国高发癌症变化明显，肺癌死亡率由20世纪70年代居癌症死因第4位，跃居2000年的第1位，上升最为明显。因此，如果能对肺癌进行早期诊断，并采取相应措施，对提高患者的生存时间和生活质量都有很重要的意义。目前病理诊断是确诊肺癌的金标准，但诊断是有创伤的，限制了在临床当中的应用。近年来，在肺癌诊断上，由于数字化CT(Computed Tomography)更加清晰方便等原因，已经成为肺癌诊断的主流影像检查方法。由于CT图像依据组织的密度呈现灰度明暗，而胸部存在心脏、气管、支气管、大量动静脉和肺泡等复杂重叠解剖结构，导致肺部CT图像出现大量伪影，干扰了恶性小结节的检出。另外，由于早期肺部恶性肿瘤(周围型肺癌)和结核球、炎性假瘤等良性肺部疾病在CT图像上均呈现小结节状，不易区别，所以肺小结节良恶性的判定在CT图像的诊断是肺癌判定的一个难点和关键点。正因为如此，即使是同一病变也会因为医生的经验不同或是诊疗环境的不同而造成诊断结论的不同。在进行医学图像诊断时，一般是对传统图像特征，如颜色、纹理、形状等进行描述。纹理是图像中很重要的特征，并且能够为识别和解释图像提供重要的信息。由于纹理形式的广泛性与多样性，纹理并没有一种被广泛认可的正式定义。一般认为图像的纹理特征描述物体表面灰度或颜色的变化，这种变化与物体自身属性有关，是某种纹理基元的重复。在含有结节的医学图像处理中，识别图像中结节的性质有重要的意义。但现有技术对直径在3cm以下的结节性质判定存在很大困难。如在含肺结节的CT图像中，多种情况都会出现肺小结节(指肺野内直径≤3cm的病灶)，包括早期肺部恶性肿瘤(周围型肺癌)和结核球、炎性假瘤、错构瘤和肺曲菌病等良性疾病在CT图像上均呈现小结节状。
现有的肺结节诊断主要还是依靠放射科医生的经验，目前还没有能够有效辅助放射科医生进行肺结节诊断的系统。
实用新型内容
鉴于上述技术问题，实用新型的目的在于提供一种不依据放射科医生的诊断经就能提高早期肺癌诊断率的放射科医生肺结节辅助诊断系统。
本实用新型第一方面所涉及的放射科医生肺结节辅助诊断系统包括主体装置、肺结节辅助诊断提示装置、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置、以及显示装置，其中，所述肺结节辅助诊断提示装置设置在所述主体装置的内部，包括：用于存储通过所述输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器；与所述信息图像存储器连接的存储器驱动器；与所述信息图像存储器连接的纹理运算器；与所述信息图像存储器、存储器驱动器和所述纹理运算器相连的提取控制器；所述显示装置设置在所述主体装置上；所述输入装置通过与所述主体装置进行电气连接的接口连接在所述主体装置上。
在上述的放射科医生肺结节辅助诊断系统中，所述显示装置优选是LCD面板。
在上述的放射科医生肺结节辅助诊断系统中，优选所述输入装置包括键盘、鼠标。
在上述的放射科医生肺结节辅助诊断系统中，所述主体装置优选还具有用于连接打印机的接口。
在上述的放射科医生肺结节辅助诊断系统中，所述主体装置优选是长方体或正方体形状。
根据本实用新型，能够提高早期肺癌的诊断率。
附加的对象和发明的优势将在下面进行描述，且部分内容在描述中将是明显的，或可以由该发明的实践而被学习。对象和发明的优点，可通过各种手段和下文中特别指出的组合工具来实现和获得。
附图说明
当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中；
图1是本实用新型的放射科医生肺结节辅助诊断系统100的示意图；
图2是肺结节辅助诊断提示工具20的结构示意图；
图3是放射科医生肺结节辅助诊断系统100的登陆界面截图；
图4是放射科医生肺结节辅助诊断系统100的病历信息界面截图的一例；
图5是放射科医生肺结节辅助诊断系统100的病历信息界面截图的一例；
图6是放射科医生肺结节辅助诊断系统100的病历信息界面截图的一例；
图7是放射科医生肺结节辅助诊断系统100的病历信息界面截图的一例；
图8是放射科医生肺结节辅助诊断系统100的图像载入界面截图；
图9是放射科医生肺结节辅助诊断系统100的图像分析界面截图。
具体实施方式
图1是本实用新型的放射科医生肺结节辅助诊断系统100的示意图，如图1所示，放射科医生肺结节辅助诊断系统100包括：主体装置10、肺结节辅助诊断提示工具20、输入装置30和显示装置40。
如图1所示，肺结节辅助诊断提示装置20设置在所述主体装置10的内部，显示装置40设置在主体装置10上；输入装置30通过与主体装置10进行电气连接的接口连接在主体装置10上。
此外，优选地，主体装置10可以是长方体或正方体形状。输入装置30包括键盘、鼠标。显示装置40是LCD面板。
图2是肺结节辅助诊断提示工具20的结构示意图。如图2所示，肺结节辅助诊断提示装置20包括：用于存储通过输入装置30输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器22；与信息图像存储器22连接的存储器驱动器24；与信息图像存储器22连接的纹理运算器26；与信息图像存储器22、存储器驱动器24和纹理运算器26相连的提取控制器28。上述信息图像存储器22、存储器驱动器24、纹理运算器26和提取控制器28均可由芯片构成。
图3是放射科医生肺结节辅助诊断系统100的登陆界面示意图，该界面显示有账号、密码以及登陆按钮。
图4、图5、图6、图7分别是放射科医生肺结节辅助诊断系统100的病历信息界面截图的一例。如图4、图5、图6、图7所示，显示的是流行病学资料调查情况。病人流行病学资料包括四个部分，首先是病人的基本信息的录入，其次是病人既往史的调查、再次是就诊信息的录入，最后影像检查效果的相关信息。通过这部分现场调查资料的录入，在建模的时候和图像信息相结合得到分析结果。其中，患者的基本信息包括姓名、性别、年龄、民族、婚姻状况和联系方式。病人既往史包括是否有肿瘤病史、肺结核病史、粉尘吸入史、遗传病史、吸烟史和呼吸系统其他病史相关情况。病人就诊信息包括主诉、是否有发热、咳嗽、咳痰、痰中带血、咳血、胸闷憋气、胸瘤、声音嘶哑等其他呼吸系统相关症状和病理诊断结果相关信息。影像检查结果包括CT号、检查方式、检查日期和肺结节的大小、部位、边缘和实质等相关信息。
图8是放射科医生肺结节辅助诊断系统100的图像载入界面截图，录入流行病学资料后，将病人CT图像载入软件中，此界面可以选择性的一张一张读入图像，也可以直接载入一个病人文件夹中的所有图像，通过放大按钮查看相关图片。点击“开始分析”按钮将进入分析结果界面。
图9是放射科医生肺结节辅助诊断系统100的图像分析界面截图，图像分析结果除了给出此患者肺小结节诊断恶性和良性的概率，同时给出了结果为恶性和良性的肺小结节CT图像的编号，而且，点击查看图片按钮可以查看原图。
如上所述，对本实用新型的实施例进行了详细地说明，但是只要实质上没有脱离本实用新型的实用新型点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本实用新型的保护范围之内。
Claims (5)
1.一种放射科医生肺结节辅助诊断系统，其特征在于，包括主体装置(10)、肺结节辅助诊断提示装置(20)、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置(30)、以及显示装置(40)，其中，
所述肺结节辅助诊断提示装置(20)设置在所述主体装置(10)的内部，包括：
用于存储通过所述输入装置(30)输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器(22)；
与所述信息图像存储器(22)连接的存储器驱动器(24)；
与所述信息图像存储器(22)连接的纹理运算器(26)；
与所述信息图像存储器(22)、存储器驱动器(24)
和所述纹理运算器(26)相连的提取控制器(28)；
所述显示装置(40)设置在所述主体装置(10)上；
所述输入装置(30)通过与所述主体装置(10)进行电气连接的接口连接在所述主体装置(10)上。
2.根据权利要求1所述的放射科医生肺结节辅助诊断系统，其特征在于，所述显示装置(40)是LCD面板。
3.根据权利要求2所述的放射科医生肺结节辅助诊断系统，其特征在于，所述输入装置(30)包括键盘、鼠标。
4.根据权利要求3所述的放射科医生肺结节辅助诊断系统，其特征在于，所述主体装置(10)还具有用于连接打印机的接口。
5.根据权利要求4所述的放射科医生肺结节辅助诊断系统，其特征在于，所述主体装置(10)是长方体或正方体形状。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011201851169U CN202179552U (zh) | 2011-06-02 | 2011-06-02 | 放射科医生肺结节辅助诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011201851169U CN202179552U (zh) | 2011-06-02 | 2011-06-02 | 放射科医生肺结节辅助诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN202179552U true CN202179552U (zh) | 2012-04-04 |
Family
ID=45887215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011201851169U Expired - Lifetime CN202179552U (zh) | 2011-06-02 | 2011-06-02 | 放射科医生肺结节辅助诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN202179552U (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103034996A (zh) * | 2012-11-30 | 2013-04-10 | 东软集团股份有限公司 | 一种ct影像左右肺粘连层检测、粘连检测的方法及装置 |
| CN103932727A (zh) * | 2013-01-22 | 2014-07-23 | 上海理工大学 | 基于ct图像纹理触觉的计算机辅助诊断系统 |
| CN107767362A (zh) * | 2017-09-01 | 2018-03-06 | 苏州侠洛信息科技有限公司 | 一种基于深度学习的肺癌早筛装置 |
-
2011
- 2011-06-02 CN CN2011201851169U patent/CN202179552U/zh not_active Expired - Lifetime
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103034996A (zh) * | 2012-11-30 | 2013-04-10 | 东软集团股份有限公司 | 一种ct影像左右肺粘连层检测、粘连检测的方法及装置 |
| CN103034996B (zh) * | 2012-11-30 | 2016-04-27 | 东软集团股份有限公司 | 一种ct影像左右肺粘连层检测、粘连检测的方法及装置 |
| CN103932727A (zh) * | 2013-01-22 | 2014-07-23 | 上海理工大学 | 基于ct图像纹理触觉的计算机辅助诊断系统 |
| CN107767362A (zh) * | 2017-09-01 | 2018-03-06 | 苏州侠洛信息科技有限公司 | 一种基于深度学习的肺癌早筛装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| McBee et al. | Deep learning in radiology | |
| Sumikawa et al. | Usual interstitial pneumonia and chronic idiopathic interstitial pneumonia: analysis of CT appearance in 92 patients | |
| CN106372390B (zh) | 一种基于深度卷积神经网络的预防肺癌自助健康云服务系统 | |
| Giger et al. | Anniversary paper: history and status of CAD and quantitative image analysis: the role of medical physics and AAPM | |
| Sistrom et al. | Proportions, odds, and risk | |
| Lundström et al. | State‐of‐the‐art of visualization in post‐mortem imaging | |
| CN111292821A (zh) | 一种医学诊疗系统 | |
| Hupse et al. | Computer-aided detection of masses at mammography: interactive decision support versus prompts | |
| CN105469419A (zh) | 一种基于ct影像的肺结节检测方法 | |
| Yang et al. | Histopathology-based diagnosis of oral squamous cell carcinoma using deep learning | |
| Shen et al. | Guest editorial: special issue on imaging-based diagnosis of COVID-19 | |
| CN202179552U (zh) | 放射科医生肺结节辅助诊断系统 | |
| WO2020106631A1 (en) | Machine learning-based automated abnormality detection in medical images and presentation thereof | |
| Crowe et al. | Expertise affects inter-observer agreement at peripheral locations within a brain tumor | |
| Gefter et al. | Reducing errors resulting from commonly missed chest radiography findings | |
| US20220139512A1 (en) | Mapping pathology and radiology entities | |
| CN110534182A (zh) | 医学影像的显示方法、显示设备和存储介质 | |
| Bhattacharya et al. | Unsupervised anomaly detection of paranasal anomalies in the maxillary sinus | |
| Rössling et al. | The Tumor Therapy Manager–design, refinement and clinical use of a software product for ENT surgery planning and documentation | |
| CN106662657A (zh) | 头部核医学图像的评价方法 | |
| Zhang et al. | Human-like artificial intelligent system for predicting invasion depth of esophageal squamous cell carcinoma using magnifying narrow-band imaging endoscopy: A retrospective multicenter study | |
| CN114334128A (zh) | 基于ct影像的肿瘤演进过程分析方法、系统及存储介质 | |
| Liu et al. | Deep learning-based radiomics allows for a more accurate assessment of sarcopenia as a prognostic factor in hepatocellular carcinoma | |
| Khongwirotphan et al. | Multimodality radiomics for tumor prognosis in nasopharyngeal carcinoma | |
| CN113592857A (zh) | 医学影像中图形要素的识别、提取和标注的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CX01 | Expiry of patent term | ||
| CX01 | Expiry of patent term |
Granted publication date: 20120404 |