TWI796018B - 利用病灶唯一碼產生共觀結構性報告的方法 - Google Patents
利用病灶唯一碼產生共觀結構性報告的方法 Download PDFInfo
- Publication number
- TWI796018B TWI796018B TW110144427A TW110144427A TWI796018B TW I796018 B TWI796018 B TW I796018B TW 110144427 A TW110144427 A TW 110144427A TW 110144427 A TW110144427 A TW 110144427A TW I796018 B TWI796018 B TW I796018B
- Authority
- TW
- Taiwan
- Prior art keywords
- lesion
- medical
- report
- information
- processing unit
- Prior art date
Links
Images
Landscapes
- Electrotherapy Devices (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一種利用病灶唯一碼產生共觀結構性報告的方法,包含:在具有複數病灶的複數醫療影像中,對每一醫療影像的一影像標註資訊加入一病灶標註識別碼,及/或,在複數醫療報告中,對每一醫療報告的一特徵發現資訊加入一病灶發現識別碼;當不同醫療影像的該影像標註資訊,及/或不同醫療報告的該特徵發現資訊在其中一病灶上相關聯時,一處理單元將對應之該病灶標註識別碼及/或該病灶發現識別碼,耦合到同一個該其中一病灶的一病灶唯一碼,並將對應的不同醫療影像及/或不同醫療報告,連結成一共觀結構性報告。藉此,方便一醫師快速獲取必要資訊。
Description
本發明係關於一種產生報告的方法,尤指一種利用病灶唯一碼產生共觀結構性報告的方法。
國際疾病分類是醫療報告常用的編碼,相關專利例如美國專利公開號第US20200312431A1號提供的一種「METHOD,SYSTEM,AND APPARATUS FOR AUTOMATICALLY ADDING ICD CODE,AND MEDIUM」,以及日本專利公開號第JP2010044783A號提供的一種「ICD CODE PROVIDING DEVICE」。
前述兩件專利案主要都是為患者的醫療報告加上國際疾病分類碼,以輔助不同醫師對患者醫療報告的解讀。
然而,由於同一位患者身上可能有多種疾病,也可能已多次就醫而有多份醫療報告;當下一次這位患者為某疾病就醫時,醫師需要重新瀏覽所有這位患者的醫療報告,以找出所有與某疾病相關的醫療報告輔助診斷。
甚至,患者可能在某疾病下又有多處病灶,即使根據某疾病的國際疾病分類進行搜尋,這些被找出的醫療報告多數又可能與患者此次就診要看的病灶無關,要找出真正需要的醫療報告,會耗費醫師大量的時間。
爰此,本發明人提出一種利用病灶唯一碼產生共觀結構性報告的方法,包含:一處理單元對複數病灶各自賦予一病灶唯一碼,使不同的所述病灶分別對應到不同的該病灶唯一碼;在具有所述病灶的複數醫療影像中,對每一醫療影像的一影像標註資訊加入一病灶標註識別碼,及/或,在對應所述醫療影像的複數醫療報告中,對每一醫療報告的一特徵發現資訊加入一病灶發現識別碼;該處理單元比對該每一醫療影像的該影像標註資訊,及比對該每一醫療報告的該特徵發現資訊,當不同醫療影像的該影像標註資訊,及/或不同醫療報告的該特徵發現資訊在其中一病灶上相關聯時,該處理單元將對應之該病灶標註識別碼及/或該病灶發現識別碼,耦合到同一個該其中一病灶的該病灶唯一碼;以及透過該病灶唯一碼,將耦合到相同該病灶唯一碼之該病灶標註識別碼及/或該病灶發現識別碼,對應的不同醫療影像及/或不同醫療報告,連結成一共觀結構性報告。
進一步,該處理單元比對該影像標註資訊及該特徵發現資訊時,若其中二醫療影像的該影像標註資訊相同程度高於一閾值,則該處理單元判定該其中二醫療影像在所述病灶上相關聯;若其中二醫療報告的該特徵發現資訊有相同或對應的一關鍵字,則該處理單元判定該其中二醫療報告在所述病灶上相關聯。
進一步,有複數歷史醫療影像對應複數醫療報告模板,該處理單元比對該每一醫療影像及所述歷史醫療影像後,若其中一醫療影像及其中一歷史醫療影像相同程度高於一閾值,則該處理單元將該其中一歷史醫療影像對應的所述醫療報告模板做為所述醫療報告的推薦模板。
進一步,由一醫師根據該處理單元所推薦的所述醫療報告模板,加入該特徵發現資訊而完成所述醫療報告。
進一步,有複數歷史醫療影像對應複數醫療報告模板,由一醫師根據所述醫療影像及所述歷史醫療影像,自行挑選所述醫療報告模板,並加入該特徵發現資訊而完成所述醫療報告。
其中,該醫師係以文字描述及/或選單介面的方式,加入該特徵發現資訊而完成所述醫療報告。
其中,加入該病灶標註識別碼及/或該病灶發現識別碼的步驟,係由人工或一人工智慧單元執行。
其中,所述醫療影像及所述醫療報告係對應至相同的一患者或不同的複數患者。
其中,所述醫療影像及所述醫療報告係對應至不同科別。
其中,該處理單元係為一人工智慧單元。
根據上述技術特徵較佳地可達成以下功效:
1.透過病灶唯一碼形成的共觀結構性報告,醫師無需重新瀏覽患者全部的醫療影像與醫療報告,即可以快速找出患者所有與某一個病灶真正相關的醫療影像與醫療報告,並獲得所有必要的影像標註資訊及特徵發現資訊,減少查閱醫療資料的時間,也可以有效避免診斷過程漏失。
2.處理單元根據醫療影像,可以推薦最適當的醫療報告給醫師,輔助醫師快速完成醫療報告。
3.除了文字描述,醫師也可以採用選單介面的方式,快速選擇特徵發現資訊而完成醫療報告。
4.共觀結構性報告可以將同一患者同一病灶的所有醫療影像及醫療報告進行整合、連結,甚至可以跨科別、跨患者進行整合,有利於後續的應用,如人工智慧對病灶判斷的學習。
5.由於共觀結構性報告可以跨科別進行整合同一病灶的所有醫療影像及醫療報告,無需再由不同專科醫師進行討論以確定病灶是否相同。
6.藉由共觀結構性報告,使得不同患者、不同人種、不同區域、不同年齡之間的同一病灶研究,更為容易執行,還能篩選出同病灶的相似症狀,進行數據分析後可以更精準得知可能的併發症、復發機率等資訊,使患者能提早預防。
A,B,C:患者
S1:步驟一
S2:步驟二
S3:步驟三
S4:步驟四
S5:步驟五
S6:步驟六
[第一圖]係本發明實施例之流程示意圖。
[第二圖]係本發明實施例之實施示意圖一,示意同一患者、同一病灶唯一碼下的共觀結構性報告。
[第三圖]係本發明實施例之實施示意圖二,示意將對應之病灶標註識別碼及病灶發現識別碼耦合到病灶唯一碼。
[第四圖]係本發明實施例之實施示意圖三,示意同一患者、多個病灶唯一碼下的共觀結構性報告。
[第五圖]係本發明實施例之實施示意圖四,示意透過共觀結構性報告,由病灶唯一碼尋找患者。
綜合上述技術特徵,本發明利用病灶唯一碼產生共觀結構性報告的方法的主要功效將可於下述實施例清楚呈現。
請參閱第一圖及第二圖,係揭示本發明實施例利用病灶唯一碼產生共觀結構性報告的方法,包含以下步驟:一步驟一S1:一處理單元對複數病灶各自賦予一病灶唯一碼,使不同的所述病灶分別對應到不同的該病灶唯一碼。該處理單元可以是一人工智慧單元,以便執行人工智慧技術。一個所述病灶不單是指一種疾病,也可能是一種疾病下多個病變中的其中一個,例如一個所述病灶可以指的是胃癌下在胃小彎處的潰瘍,另一個所述病灶則可以指的是胃癌下在胃大彎處的腫瘤等等。
一步驟二S2:在一患者A具有所述病灶的複數醫療影像中,對每一醫療影像的一影像標註資訊加入一病灶標註識別碼。
一步驟三S3:在該患者A對應所述醫療影像的複數醫療報告中,對每一醫療報告的一特徵發現資訊加入一病灶發現識別碼。
加入該病灶標註識別碼與該病灶發現識別碼的步驟,即該步驟二S2及該步驟三S3,都可以是一醫師以人工的方式執行,也可以是該人工智慧單元執行。
為方便該醫師在取得所述醫療影像後快速進行所述醫療報告的撰寫,該處理單元可以例如自一資料庫先取得複數歷史醫療影像與對應的複數醫療報告模板,當該處理單元接收到該每一醫療影像後,該處理單元比對該每一醫療影像及所述歷史醫療影像。
若其中一醫療影像及其中一歷史醫療影像相同程度高於一閾值,則該處理單元將該其中一歷史醫療影像對應的所述醫療報告模板做為所述醫療報告的推薦模板。舉例來說,若該其中一醫療影像及該其中一歷史醫療影像
中,所述病灶與周圍器官的位置、大小、比例等等差異在5%內時,就可以視作該其中一醫療影像及該其中一歷史醫療影像相同程度高於該閾值。
或者,該醫師也可以自行瀏覽所述醫療報告模板,並根據所述醫療影像及所述歷史醫療影像,自行挑選所述醫療報告模板。
無論是該醫師自行挑選還是由該處理單元推薦,該醫師取得所述醫療報告模板後,都可以透過文字描述及/或選單介面的方式,加入該特徵發現資訊而完成所述醫療報告。
惟以選單介面的方式完成所述醫療報告的詳細技術,已在中華民國專利公告號第I694467號「以選單介面產生醫療報告的方法、系統、電腦程式產品及電腦可讀取紀錄媒體」中說明過,於此不再贅述,前述專利並以引用的方式併入本發明中。
由於所述醫療報告是根據所述醫療影像進行撰寫,所述醫療報告也可以直接包含有所述醫療影像。
一步驟四S4:該處理單元比對該每一醫療影像的該影像標註資訊,及比對該每一醫療報告的該特徵發現資訊。
請參閱第一圖至第三圖,一步驟五S5:當不同醫療影像的該影像標註資訊,及/或不同醫療報告的該特徵發現資訊在其中一病灶上相關聯時,該處理單元將對應之該病灶標註識別碼及/或該病灶發現識別碼,耦合到同一個該其中一病灶的該病灶唯一碼。
更詳細的說,若其中二醫療影像的該影像標註資訊相同程度高於另一閾值,則該處理單元判定該其中二醫療影像在所述病灶上相關聯。舉例來說,由於該影像標註資訊可能是框線,以及腫大等文字敘述,當該影像標註資
訊為框線時,則該其中二醫療影像的框線位置、大小差異在5%內時,就可以視作該其中二醫療影像在所述病灶上相關聯;當該影像標註資訊為文字敘述時,則比對文字相同,或是都包含相同或對應的一關鍵字時,就可以視作該其中二醫療影像在所述病灶上相關聯。
若其中二醫療報告的該特徵發現資訊有相同或對應的該關鍵字,則該處理單元判定該其中二醫療報告在所述病灶上相關聯。舉例來說,這份所述醫療報告提及胃小彎,另一份所述醫療報告也提及胃小彎,則這兩份即可以被判定為在所述病灶上相關聯。於實際實施時,該關鍵字的數量可以增加,例如要同時提及胃小彎及潰瘍才算是在所述病灶上相關聯,以提高判斷的準確性。
一步驟六S6:透過該病灶唯一碼,將耦合到相同該病灶唯一碼之該病灶標註識別碼及/或該病灶發現識別碼,對應的不同醫療影像及/或不同醫療報告,連結成一共觀結構性報告。
以所述病灶為胃癌為例,並假設所述醫療報告包含所述醫療影像,該患者A可能照過內視鏡、電腦斷層,也有進行過病理影像檢查,使得所述醫療影像及所述醫療報告是對應至不同科別。因此,內視鏡的所述醫療報告會對應到內視鏡的該影像標註資訊以及內視鏡的該特徵發現資訊,電腦斷層的所述醫療報告會對應到電腦斷層的該影像標註資訊以及電腦斷層的該特徵發現資訊,病理的所述醫療報告會對應到病理的該影像標註資訊以及病理的該特徵發現資訊。
透過對每一個該影像標註資訊及該特徵發現資訊加入該病灶標註識別碼及該病灶發現識別碼,並將同一個所述病灶之該病灶標註識別碼及該
病灶發現識別碼耦合到相同該病灶唯一碼。以胃癌為例,該處理單元會將胃癌所做的內視鏡、電腦斷層、病理影像檢查各自對應的該病灶標註識別碼及該病灶發現識別碼,耦合到胃癌之所述病灶的該病灶唯一碼。
透過該病灶唯一碼形成的該共觀結構性報告後,將內視鏡的該影像標註資訊、內視鏡的該特徵發現資訊、電腦斷層的該影像標註資訊、電腦斷層的該特徵發現資訊、病理的該影像標註資訊以及病理的該特徵發現資訊,全部與該患者A做連結。
當該醫師想要查看內視鏡的該特徵發現資訊時,可以直接從該患者A連結到內視鏡的該特徵發現資訊,無需再從內視鏡的所述醫療報告中逐一尋找內視鏡的該特徵發現資訊。
或者,當醫師想查看該患者A曾經為了胃癌做過什麼檢查與檢查結果時,無需重新瀏覽瀏覽該患者A全部的所述醫療影像與所述醫療報告,也可以直接透過胃癌的該病灶唯一碼,即可以快速找出該患者A所有與胃癌真正相關之內視鏡、電腦斷層、病理的所述醫療影像與所述醫療報告,並獲得所有必要的該影像標註資訊及該特徵發現資訊,減少查閱醫療資料的時間,也可以有效避免診斷過程漏失。
請參閱第一圖及第四圖,由於該患者A可能不僅有單一個所述病灶,當該患者A有多個所述病灶時,每一個所述病灶透過該病灶唯一碼,都可以各自連結到對應的所述醫療影像及所述醫療報告,進而連結到對應的該特徵發現資訊及該影像標註資訊。
透過該病灶唯一碼,將不同所述病灶的所述醫療影像及所述醫療報告分開來,若以GraphBuilder類型的程式,即可建構出如第四圖般的圖表,該醫師可以立即得知哪一張所述醫療影像是對應哪一個所述病灶。
舉例來說,假設該患者A有淋巴癌、胃癌及肝轉移,並曾為了淋巴癌照X光及電腦斷層、為了胃癌照內視鏡及X光、為了肝轉移照電腦斷層,則當該醫師要找出該患者A關於淋巴癌之X光的該特徵發現資訊,無需逐一查看每一張X光,即可直接從淋巴癌之所述病灶的該病灶唯一碼找到真正對應淋巴癌的該特徵發現資訊。
請參閱第一圖及第五圖,除了同一個該患者A,當有多位該患者A,B,C時,也可以反過來由該病灶唯一碼,尋找相同之所述病灶下的所有患者A,B,C,並可以進一步找出這些患者A,B,C各自的所述醫療影像及所述醫療報告,以及對應之該特徵發現資訊及該影像標註資訊。
例如在淋巴癌之所述病灶的該病灶唯一碼下,同樣是X光,可能該患者A及該患者B都有照過,而有各自的該特徵發現資訊及該影像標註資訊;同樣是電腦斷層,可能患者A及患者C都有照過,而有各自的該特徵發現資訊及該影像標註資訊。
透過淋巴癌之所述病灶的該病灶唯一碼,可以快速找到該患者A、該患者B及該患者C,甚至該患者A,B,C在不同科別所做過的所有所述醫療影像及所述醫療報告,進而達成跨科別、跨患者A,B,C整合,無需再由不同專科醫師進行討論以確定所述病灶是否相同,有利於後續的應用,例如可以輔助該醫師執行精準醫療、提供大量且乾淨的素材輔助人工智慧技術對所述病灶判斷的學習等等。
除此之外,藉由該共觀結構性報告,使得不同之該患者A,B,C、不同人種、不同區域、不同年齡之間的同一個所述病灶的研究,更為容易執行,還能篩選出同一個所述病灶的相似症狀,後續進行數據分析後可以更精準得知可能的併發症、復發機率等資訊,使該患者A,B,C能提早預防。
綜合上述實施例之說明,當可充分瞭解本發明之操作、使用及本發明產生之功效,惟以上所述實施例僅係為本發明之較佳實施例,當不能以此限定本發明實施之範圍,即依本發明申請專利範圍及發明說明內容所作簡單的等效變化與修飾,皆屬本發明涵蓋之範圍內。
S1:步驟一
S2:步驟二
S3:步驟三
S4:步驟四
S5:步驟五
S6:步驟六
Claims (9)
- 一種利用病灶唯一碼產生共觀結構性報告的方法,包含:一處理單元對複數病灶各自賦予一病灶唯一碼,使不同的所述病灶分別對應到不同的該病灶唯一碼;在具有所述病灶的複數醫療影像中,對每一醫療影像的一影像標註資訊加入一病灶標註識別碼,及/或,在對應所述醫療影像的複數醫療報告中,對每一醫療報告的一特徵發現資訊加入一病灶發現識別碼;該處理單元比對該每一醫療影像的該影像標註資訊,及比對該每一醫療報告的該特徵發現資訊,當不同醫療影像的該影像標註資訊,及/或不同醫療報告的該特徵發現資訊在其中一病灶上相關聯時,該處理單元將對應之該病灶標註識別碼及/或該病灶發現識別碼,耦合到同一個該其中一病灶的該病灶唯一碼;以及透過該病灶唯一碼,將耦合到相同該病灶唯一碼之該病灶標註識別碼及/或該病灶發現識別碼,對應的不同醫療影像及/或不同醫療報告,連結成一共觀結構性報告;該處理單元比對該影像標註資訊及該特徵發現資訊時,若其中二醫療影像的該影像標註資訊相同程度高於一閾值,則該處理單元判定該其中二醫療影像在所述病灶上相關聯;若其中二醫療報告的該特徵發現資訊有相同或對應的一關鍵字,則該處理單元判定該其中二醫療報告在所述病灶上相關聯。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,進一步,有複數歷史醫療影像對應複數醫療報告模板,該處理單元比對該每一醫療影像及所述歷史醫療影像後,若其中一醫療影像及其中一歷史醫療影像相同 程度高於另一閾值,則該處理單元將該其中一歷史醫療影像對應的所述醫療報告模板做為所述醫療報告的推薦模板。
- 如請求項2所述之利用病灶唯一碼產生共觀結構性報告的方法,進一步,由一醫師根據該處理單元所推薦的所述醫療報告模板,加入該特徵發現資訊而完成所述醫療報告。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,進一步,有複數歷史醫療影像對應複數醫療報告模板,由一醫師根據所述醫療影像及所述歷史醫療影像,自行挑選所述醫療報告模板,並加入該特徵發現資訊而完成所述醫療報告。
- 如請求項3或4所述之利用病灶唯一碼產生共觀結構性報告的方法,其中,該醫師係以文字描述及/或選單介面的方式,加入該特徵發現資訊而完成所述醫療報告。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,其中,加入該病灶標註識別碼及/或該病灶發現識別碼的步驟,係由人工或一人工智慧單元執行。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,其中,所述醫療影像及所述醫療報告係對應至相同的一患者或不同的複數患者。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,其中,所述醫療影像及所述醫療報告係對應至不同科別。
- 如請求項1所述之利用病灶唯一碼產生共觀結構性報告的方法,其中,該處理單元係為一人工智慧單元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110144427A TWI796018B (zh) | 2021-11-29 | 2021-11-29 | 利用病灶唯一碼產生共觀結構性報告的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110144427A TWI796018B (zh) | 2021-11-29 | 2021-11-29 | 利用病灶唯一碼產生共觀結構性報告的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI796018B true TWI796018B (zh) | 2023-03-11 |
TW202322138A TW202322138A (zh) | 2023-06-01 |
Family
ID=86692177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110144427A TWI796018B (zh) | 2021-11-29 | 2021-11-29 | 利用病灶唯一碼產生共觀結構性報告的方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI796018B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI554969B (zh) * | 2015-03-12 | 2016-10-21 | 臺北榮民總醫院 | 具可擴充性之醫療資料收集系統及其方法 |
CN110827958A (zh) * | 2019-11-01 | 2020-02-21 | 越亮传奇科技股份有限公司 | 一种医疗影像数据及时采集系统与方法 |
US20200160945A1 (en) * | 2018-11-21 | 2020-05-21 | Enlitic, Inc. | Lesion tracking system |
CN113015977A (zh) * | 2018-06-29 | 2021-06-22 | 人工智能技术公司 | 使用自然语言处理的对疾病和病症的基于深度学习的诊断和转诊 |
-
2021
- 2021-11-29 TW TW110144427A patent/TWI796018B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI554969B (zh) * | 2015-03-12 | 2016-10-21 | 臺北榮民總醫院 | 具可擴充性之醫療資料收集系統及其方法 |
CN113015977A (zh) * | 2018-06-29 | 2021-06-22 | 人工智能技术公司 | 使用自然语言处理的对疾病和病症的基于深度学习的诊断和转诊 |
US20200160945A1 (en) * | 2018-11-21 | 2020-05-21 | Enlitic, Inc. | Lesion tracking system |
CN110827958A (zh) * | 2019-11-01 | 2020-02-21 | 越亮传奇科技股份有限公司 | 一种医疗影像数据及时采集系统与方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202322138A (zh) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Piccolo et al. | Face-to-face diagnosis vs telediagnosis of pigmented skin tumors: a teledermoscopic study | |
JP5952835B2 (ja) | 撮像プロトコルの更新及び/又はリコメンダ | |
US20140219500A1 (en) | Image reporting method | |
JP2003325458A (ja) | 疾患候補情報出力システム | |
JP2017513590A (ja) | 患者履歴の視覚化のための方法及びシステム | |
CN105678052A (zh) | Dicom文件的管理方法及管理系统 | |
WO2021157705A1 (ja) | 文書作成支援装置、方法およびプログラム | |
Roth et al. | Multispecialty enterprise imaging workgroup consensus on interactive multimedia reporting current state and road to the future: HIMSS-SIIM collaborative white paper | |
JPWO2019176407A1 (ja) | 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル | |
Liong-Rung et al. | Using artificial intelligence to establish chest x-ray image recognition model to assist crucial diagnosis in elder patients with dyspnea | |
JP7504987B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Mao et al. | Efficient and accurate diagnosis of otomycosis using an ensemble deep-learning model | |
Yenurkar et al. | Effective detection of COVID-19 outbreak in chest X-Rays using fusionnet model | |
JP2024012644A (ja) | 情報保存装置、方法およびプログラム、並びに解析記録生成装置、方法およびプログラム | |
TWI796018B (zh) | 利用病灶唯一碼產生共觀結構性報告的方法 | |
JP2004130090A (ja) | コンピュータ援用患者診断決定支援システム | |
WO2022215530A1 (ja) | 医用画像装置、医用画像方法、及び医用画像プログラム | |
US20230030794A1 (en) | Learning device, learning method, learning program, information processing apparatus, information processing method, and information processing program | |
WO2022230641A1 (ja) | 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム | |
Ünsal et al. | Deep convolutional neural network algorithm for the automatic segmentation of oral potentially malignant disorders and oral cancers | |
JP2023055570A (ja) | 臨床テキスト情報時系列データ作製方法及び装置、並びに、臨床テキスト情報時系列可視化表示方法及び装置、並びに、臨床テキスト情報時系列可視化システム | |
Zulfiqar et al. | ARTIFICIAL INTELLIGENCE AS A DIAGNOSTIC TOOL IN MEDICINE AND COMMUNITY DENTISTRY: A SYSTEMATIC LITERATURE | |
Fonseca et al. | A Research Agenda on Pediatric Chest X-Ray: Is Deep Learning Still in Childhood? | |
JP7368592B2 (ja) | 文書作成支援装置、方法およびプログラム | |
Yeasmin | Advances of AI in Image-Based Computer-Aided Diagnosis: A Review |