[go: up one dir, main page]

CN116561361A - 一种用于医学图像阅读行为的数据分析方法和系统 - Google Patents

一种用于医学图像阅读行为的数据分析方法和系统 Download PDF

Info

Publication number
CN116561361A
CN116561361A CN202310495141.4A CN202310495141A CN116561361A CN 116561361 A CN116561361 A CN 116561361A CN 202310495141 A CN202310495141 A CN 202310495141A CN 116561361 A CN116561361 A CN 116561361A
Authority
CN
China
Prior art keywords
unit
data
medical image
data analysis
image
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
Application number
CN202310495141.4A
Other languages
English (en)
Inventor
程世亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Xingqi Medical Laboratory Co ltd
Original Assignee
Jinan Xingqi Medical Laboratory Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Xingqi Medical Laboratory Co ltd filed Critical Jinan Xingqi Medical Laboratory Co ltd
Priority to CN202310495141.4A priority Critical patent/CN116561361A/zh
Publication of CN116561361A publication Critical patent/CN116561361A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Library & Information Science (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及计算机文档处理技术领域，公开了一种用于医学图像阅读行为的数据分析系统，包括数据分析系统、医学图像系统、优化系统、数据库和网络巡查系统；所述图像系统的输出端与数据分析系统的输入端电性连接，所述数据分析系统的输出端与优化系统的输入端电性连接，所述优化系统的输出端分别与数据库和展示系统的输入端电性连接。通过数据库配合网络巡查系统记录庞大的数据，医学图像系统和数据分析系统在优化系统的配合下进行优化处理，并且记录有经验病理专科医生数字切片阅读行为基础数据分析，将对病理学教学、远程病理会诊、知识累积、病理信息挖掘和智能图像分析提供有用的基础数据，可重复模拟医生的阅读及经验。

Description

一种用于医学图像阅读行为的数据分析方法和系统
技术领域
本发明涉及计算机文档处理技术领域，具体为一种用于医学图像阅读行为的数据分析方法和系统。
背景技术
医学图像是反映人体内部结构的图像，是现代医疗诊断的主要依据之一,目前，医学图像处理任务主要集中在图像检测、图像分割、图像配准及图像融合四个方面。
数字化病理切片系统将整个载玻片全信息、全方位快速扫描，使传统物质化的载玻片变成新一代数字化病理切片，是对病理诊断技术实现划时代的变革，可使病理医生脱离显微镜，随时随地通过网络解决病理诊断，实现全球在线同步远程会诊或离线远程会诊，由于提供全切片信息，使诊断价值等同显微镜观察，其时间空间穿插传递优势具有重大意义，广泛用于病理临床诊断、病理教学、组织学细胞成像、荧光分析、免疫组化数字成像。
但在超大倍数字化的切片文件下，包含上万个视野的连续图像，医生或学生不可能全部阅读到全部图像，造成阳性组织部分漏看和诊断上的困难。
发明内容
针对现有技术的不足，本发明提供了一种用于医学图像阅读行为的数据分析方法和系统，解决了但在超大倍数字化的切片文件下，包含上万个视野的连续图像，医生或学生不可能全部阅读到全部图像，造成阳性组织部分漏看和诊断上的困难的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种用于医学图像阅读行为的数据分析系统，包括数据分析系统、医学图像系统、优化系统、数据库和网络巡查系统；
所述图像系统的输出端与数据分析系统的输入端电性连接，所述数据分析系统的输出端与优化系统的输入端电性连接，所述优化系统的输出端分别与数据库和展示系统的输入端电性连接，所述数据库的输出端与网络巡查系统的输入端电性连接。
优选的，所述医学图像系统由图像检测单元、图像分割单元、图像配准单元和图像融合单元组成，所述图像检测单元是计算机辅助检测的基础，通过监督方法或传统数字图像处理技术检测候选病变位置，所述图像分割单元是根据区域间的相似或不同，通过算法把图像分割成若干区域，所述图像配准单元是对多幅图像作定量分析，进行图像之间的严格对齐，寻找一种空间变换使两幅图像对应点达到空间位置和解剖结构上的完全一致，所述图像融合单元是通过对多幅图像间的冗余数据的处理来提高图像的可读性，对多幅图像间的互补信息的处理来提高图像的清晰度。
优选的，所述数据分析系统由数据获取单元、图像数据类型单元和数据格式单元组成，所述数据获取单元是通过对患者的真实数据资料进行检索，同时通过医学图像处理任务比赛的渠道进行获取，所述图像数据类型单元包括：X-射线成像、电脑断层扫描、正电子发射计算机断层显像、核磁共振成像、核医学成像、超声波成像、显微镜下拍摄的病理图像等，所述数据格式单元采用DICOM格式，即医学数字成像和通信，是医学图像和相关信息的国际标准。
优选的，所述优化系统由优化处理单元、复盘训练单元和倍数放大单元，所述优化处理单元是对图像数据进行细化分析处理，所述复盘训练单元是事后进行模拟复盘，查缺补漏，所述倍数放大单元是对图像数据进行倍数放大，给数据优化单元进行优化处理带来方便。
优选的，所述数据库由输入单元、输出单元、快捷查找单元、存储单元和病毒查杀单元组成，所述输入单元是对不同规格的数据进行接收并整合格式，所述输出单元是对数据进行不同格式的转换后进行输送，所述快捷查找单元是根据关键词、关键句进行快速查找数据案例，所述存储单元是对庞大的数据进行分类归纳存放，所述病毒查杀单元是对输入的数据进行安全检查。
优选的，所述网络巡查系统包括搜索引擎单元、历史记录单元和实时监测单元，所述搜索引擎单元是通过对网络各大平台进行相关医学图像数据的搜索借鉴，所述历史记录单元是对搜索引擎单元的搜索记录进行保存，方便重复搜索时快速查阅，所述实时监测单元是对网络各大平台进行实时监测，对平台上新的医学图像数据进行快速同步。
优选的，所述图像分割单元使用的算法为FastMarching算法、Watershed算法和遗传算法的组合。
优选的，一种用于医学图像阅读行为的数据分析方法，包括以下步骤:
步骤一，在医学图像阅读行为系统上输入自己的工号，判断该工号是否有使用权限，若有，则进入系统；若无，则反馈给系统管理员；
步骤二，在系统首页输入自己的姓名、工号、所述科室、职位和医师登记，系统自行判断查询范围，若填写内容完全正确，则进入步骤三，若填写内容之间相驳，则系统开启填写上线，三次错误后系统自锁；
步骤三，在查询界面输入关键词，或关键句，通过数据库和网络巡查系统进行快速检索，调取符合调节的数据进行展示，若有相关数据属于其他科室查询范围，可一键申请查阅权限，待其他科室管理员同意授权后，方可进行仔细查阅。
优选的，步骤二中，所述系统自锁的同时进行摄像拍照记录。
优选的，步骤三中，所述管理员同意授权的权限可选择单次授权和永久授权。
本发明提供了一种基于自动清洁的锅底烧糊黑垢清除装置。具备以下有益效果：
1、本发明通过在医学图像阅读行为系统上输入自己的工号，判断该工号是否有使用权限，若有，则进入系统；若无，则反馈给系统管理员；并在系统首页输入自己的姓名、工号、所述科室、职位和医师登记，系统自行判断查询范围，若填写内容完全正确，则进入步骤三，若填写内容之间相驳，则系统开启填写上线，三次错误后系统自锁；最终在查询界面输入关键词，或关键句，通过数据库和网络巡查系统进行快速检索，调取符合调节的数据进行展示，若有相关数据属于其他科室查询范围，可一键申请查阅权限，待其他科室管理员同意授权后，方可进行仔细查阅，解决了漏看和诊断上困难的问题。
2、本发明通过数据库配合网络巡查系统记录庞大的数据，再配合医学图像系统和数据分析系统在优化系统的配合下进行优化处理，并且记录有经验病理专科医生数字切片阅读行为基础数据分析，将对病理学教学、远程病理会诊、知识累积、病理信息挖掘和智能图像分析提供很有用的基础数据，也可重复模拟医生的阅读及经验。
附图说明
图1为本发明的系统结构图；
图2为本发明的图像系统结构图；
图3为本发明的数据分析系统结构图；
图4为本发明的优化系统图；
图5为本发明的数据库结构图；
图6为本发明的网络巡查系统结构图。
具体实施方式
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，都属于本发明保护的范围。
实施例：
本发明实施例提供一种用于医学图像阅读行为的数据分析系统，包括数据分析系统、医学图像系统、优化系统、数据库和网络巡查系统；
图像系统的输出端与数据分析系统的输入端电性连接，数据分析系统的输出端与优化系统的输入端电性连接，优化系统的输出端分别与数据库和展示系统的输入端电性连接，数据库的输出端与网络巡查系统的输入端电性连接。
医学图像系统由图像检测单元、图像分割单元、图像配准单元和图像融合单元组成，图像检测单元是计算机辅助检测的基础，通过监督方法或传统数字图像处理技术检测候选病变位置，图像分割单元是根据区域间的相似或不同，通过算法把图像分割成若干区域，图像配准单元是对多幅图像作定量分析，进行图像之间的严格对齐，寻找一种空间变换使两幅图像对应点达到空间位置和解剖结构上的完全一致，图像融合单元是通过对多幅图像间的冗余数据的处理来提高图像的可读性，对多幅图像间的互补信息的处理来提高图像的清晰度。
医学图像数据具有可获得、质量高、体量大、标准统一等特点，使人工智能在其中的应用较为成熟，利用图像处理技术对图像进行分析和处理，实现对人体器官、软组织和病变体的位置检测、分割提取、三维重建和三维显示，可以对感兴趣区域进行定性甚至定量的分析，从而大大提高临床诊断的效率、准确性和可靠性，在医疗教学、手术规划、手术仿真及各种医学研究中也能起到重要的辅助作用。
数据分析系统由数据获取单元、图像数据类型单元和数据格式单元组成，数据获取单元是通过对患者的真实数据资料进行检索，同时通过医学图像处理任务比赛的渠道进行获取，图像数据类型单元包括：X-射线成像、电脑断层扫描、正电子发射计算机断层显像、核磁共振成像、核医学成像、超声波成像、显微镜下拍摄的病理图像等，数据格式单元采用DICOM格式，即医学数字成像和通信，是医学图像和相关信息的国际标准。
D ICOM主要存储两方面信息，分别为PHI信息和图像信息，PHI就是患者的相关信，包括姓名，性别，年龄，继往病历等，图像信息包括两部分，一部分信息是扫描过后患者图像的某一层切片，医生通过专门的Dicom阅读器打开，查看患者病情，另一部分是相关的设备信息。
优化系统由优化处理单元、复盘训练单元和倍数放大单元，优化处理单元是对图像数据进行细化分析处理，复盘训练单元是事后进行模拟复盘，查缺补漏，倍数放大单元是对图像数据进行倍数放大，给数据优化单元进行优化处理带来方便。
通过优化系统对图像数据不断的进行优化处理，使数据更加完善。
数据库由输入单元、输出单元、快捷查找单元、存储单元和病毒查杀单元组成，输入单元是对不同规格的数据进行接收并整合格式，输出单元是对数据进行不同格式的转换后进行输送，快捷查找单元是根据关键词、关键句进行快速查找数据案例，存储单元是对庞大的数据进行分类归纳存放，病毒查杀单元是对输入的数据进行安全检查。
数据库配合输入单元、输出单元、快捷查找单元、存储单元和病毒查杀单元，提高了数据库的下载、输入和保护性能。
网络巡查系统包括搜索引擎单元、历史记录单元和实时监测单元，搜索引擎单元是通过对网络各大平台进行相关医学图像数据的搜索借鉴，历史记录单元是对搜索引擎单元的搜索记录进行保存，方便重复搜索时快速查阅，实时监测单元是对网络各大平台进行实时监测，对平台上新的医学图像数据进行快速同步。
通过网络巡查系统实时对各大平台的相关医学图像数据进行同步，更加方便使用。
图像分割单元使用的算法为FastMarching算法、Watershed算法和遗传算法的组合。
一种用于医学图像阅读行为的数据分析方法，包括以下步骤:
步骤一，在医学图像阅读行为系统上输入自己的工号，判断该工号是否有使用权限，若有，则进入系统；若无，则反馈给系统管理员；
步骤二，在系统首页输入自己的姓名、工号、科室、职位和医师登记，系统自行判断查询范围，若填写内容完全正确，则进入步骤三，若填写内容之间相驳，则系统开启填写上线，三次错误后系统自锁；
步骤三，在查询界面输入关键词，或关键句，通过数据库和网络巡查系统进行快速检索，调取符合调节的数据进行展示，若有相关数据属于其他科室查询范围，可一键申请查阅权限，待其他科室管理员同意授权后，方可进行仔细查阅。
步骤二中，系统自锁的同时进行摄像拍照记录。
步骤三中，管理员同意授权的权限可选择单次授权和永久授权。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种用于医学图像阅读行为的数据分析系统，其特征在于，包括数据分析系统、医学图像系统、优化系统、数据库和网络巡查系统；
所述图像系统的输出端与数据分析系统的输入端电性连接，所述数据分析系统的输出端与优化系统的输入端电性连接，所述优化系统的输出端分别与数据库和展示系统的输入端电性连接，所述数据库的输出端与网络巡查系统的输入端电性连接。
2.根据权利要求1所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述医学图像系统由图像检测单元、图像分割单元、图像配准单元和图像融合单元组成，所述图像检测单元是计算机辅助检测的基础，通过监督方法或传统数字图像处理技术检测候选病变位置，所述图像分割单元是根据区域间的相似或不同，通过算法把图像分割成若干区域，所述图像配准单元是对多幅图像作定量分析，进行图像之间的严格对齐，寻找一种空间变换使两幅图像对应点达到空间位置和解剖结构上的完全一致，所述图像融合单元是通过对多幅图像间的冗余数据的处理来提高图像的可读性，对多幅图像间的互补信息的处理来提高图像的清晰度。
3.根据权利要求1所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述数据分析系统由数据获取单元、图像数据类型单元和数据格式单元组成，所述数据获取单元是通过对患者的真实数据资料进行检索，同时通过医学图像处理任务比赛的渠道进行获取，所述图像数据类型单元包括：X-射线成像、电脑断层扫描、正电子发射计算机断层显像、核磁共振成像、核医学成像、超声波成像、显微镜下拍摄的病理图像等，所述数据格式单元采用DICOM格式，即医学数字成像和通信，是医学图像和相关信息的国际标准。
4.根据权利要求1所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述优化系统由优化处理单元、复盘训练单元和倍数放大单元，所述优化处理单元是对图像数据进行细化分析处理，所述复盘训练单元是事后进行模拟复盘，查缺补漏，所述倍数放大单元是对图像数据进行倍数放大，给数据优化单元进行优化处理带来方便。
5.根据权利要求1所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述数据库由输入单元、输出单元、快捷查找单元、存储单元和病毒查杀单元组成，所述输入单元是对不同规格的数据进行接收并整合格式，所述输出单元是对数据进行不同格式的转换后进行输送，所述快捷查找单元是根据关键词、关键句进行快速查找数据案例，所述存储单元是对庞大的数据进行分类归纳存放，所述病毒查杀单元是对输入的数据进行安全检查。
6.根据权利要求1所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述网络巡查系统包括搜索引擎单元、历史记录单元和实时监测单元，所述搜索引擎单元是通过对网络各大平台进行相关医学图像数据的搜索借鉴，所述历史记录单元是对搜索引擎单元的搜索记录进行保存，方便重复搜索时快速查阅，所述实时监测单元是对网络各大平台进行实时监测，对平台上新的医学图像数据进行快速同步。
7.根据权利要求2所述的一种用于医学图像阅读行为的数据分析系统，其特征在于，所述图像分割单元使用的算法为FastMarching算法、Watershed算法和遗传算法的组合。
8.一种用于医学图象阅读行为的数据分析方法，其特征在于应用于权利要求1-7所述的一种用于医学图像阅读行为的数据分析系统，包括以下步骤:
步骤一，在医学图象阅读行为系统上输入自己的工号，判断该工号是否有使用权限，若有，则进入系统；若无，则反馈给系统管理员；
步骤二，在系统首页输入自己的姓名、工号、所述科室、职位和医师登记，系统自行判断查询范围，若填写内容完全正确，则进入步骤三，若填写内容之间相驳，则系统开启填写上线，三次错误后系统自锁；
步骤三，在查询界面输入关键词，或关键句，通过数据库和网络巡查系统进行快速检索，调取符合调节的数据进行展示，若有相关数据属于其他科室查询范围，可一键申请查阅权限，待其他科室管理员同意授权后，方可进行仔细查阅。
9.根据权利要求8所述的一种用于医学图象阅读行为的数据分析方法，其特征在于，步骤二中，所述系统自锁的同时进行摄像拍照记录。
10.根据权利要求8所述的一种用于医学图象阅读行为的数据分析方法，其特征在于，步骤三中，所述管理员同意授权的权限可选择单次授权和永久授权。
CN202310495141.4A 2023-05-05 2023-05-05 一种用于医学图像阅读行为的数据分析方法和系统 Pending CN116561361A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310495141.4A CN116561361A (zh) 2023-05-05 2023-05-05 一种用于医学图像阅读行为的数据分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310495141.4A CN116561361A (zh) 2023-05-05 2023-05-05 一种用于医学图像阅读行为的数据分析方法和系统

Publications (1)

Publication Number Publication Date
CN116561361A true CN116561361A (zh) 2023-08-08

Family

ID=87495866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310495141.4A Pending CN116561361A (zh) 2023-05-05 2023-05-05 一种用于医学图像阅读行为的数据分析方法和系统

Country Status (1)

Country Link
CN (1) CN116561361A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102037468A (zh) * 2008-05-21 2011-04-27 皇家飞利浦电子股份有限公司 具有过程工作流程记录的医学工作流程系统及方法
CN102332060A (zh) * 2011-10-18 2012-01-25 浙江大学 一种用于医学阅读行为的数据分析方法和系统
US20120109689A1 (en) * 2010-10-28 2012-05-03 Jason Lee Support System for Improved Quality Healthcare
CN103099628A (zh) * 2011-11-11 2013-05-15 无锡南理工科技发展有限公司 一种面向产业化应用的x光成像数据处理系统
JP2015203984A (ja) * 2014-04-14 2015-11-16 株式会社Ｔｋｃ データベース・システム
CN110335665A (zh) * 2019-04-01 2019-10-15 佛山原子医疗设备有限公司 一种应用于医学图像辅助诊断分析的以图搜图方法及系统
CN110767293A (zh) * 2019-11-07 2020-02-07 辽宁医汇智健康科技有限公司 一种脑部辅助诊断系统
CN111369573A (zh) * 2020-03-05 2020-07-03 上海市肺科医院（上海市职业病防治院） 一种肺腺癌亚型的辅助鉴别系统及方法
CN112116559A (zh) * 2020-08-17 2020-12-22 您好人工智能技术研发昆山有限公司 一种基于深度学习的数字病理图像智能分析方法
WO2021031279A1 (zh) * 2019-08-20 2021-02-25 东北大学 一种基于深度学习的X-Ray胸片肺炎智能诊断系统与方法
CN115080782A (zh) * 2022-06-14 2022-09-20 中山大学 相似病灶的检索和匹配方法与系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102037468A (zh) * 2008-05-21 2011-04-27 皇家飞利浦电子股份有限公司 具有过程工作流程记录的医学工作流程系统及方法
US20120109689A1 (en) * 2010-10-28 2012-05-03 Jason Lee Support System for Improved Quality Healthcare
CN102332060A (zh) * 2011-10-18 2012-01-25 浙江大学 一种用于医学阅读行为的数据分析方法和系统
CN103099628A (zh) * 2011-11-11 2013-05-15 无锡南理工科技发展有限公司 一种面向产业化应用的x光成像数据处理系统
JP2015203984A (ja) * 2014-04-14 2015-11-16 株式会社Ｔｋｃ データベース・システム
CN110335665A (zh) * 2019-04-01 2019-10-15 佛山原子医疗设备有限公司 一种应用于医学图像辅助诊断分析的以图搜图方法及系统
WO2021031279A1 (zh) * 2019-08-20 2021-02-25 东北大学 一种基于深度学习的X-Ray胸片肺炎智能诊断系统与方法
CN110767293A (zh) * 2019-11-07 2020-02-07 辽宁医汇智健康科技有限公司 一种脑部辅助诊断系统
CN111369573A (zh) * 2020-03-05 2020-07-03 上海市肺科医院（上海市职业病防治院） 一种肺腺癌亚型的辅助鉴别系统及方法
CN112116559A (zh) * 2020-08-17 2020-12-22 您好人工智能技术研发昆山有限公司 一种基于深度学习的数字病理图像智能分析方法
CN115080782A (zh) * 2022-06-14 2022-09-20 中山大学 相似病灶的检索和匹配方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"成都市"小康社会的现代公共文化服务体系建设"高峰会议论文集", 31 October 2017, 西南交通大学出版社 *

Similar Documents

Publication Publication Date Title
Beddiar et al. Automatic captioning for medical imaging (MIC): a rapid review of literature
CN110335665B (zh) 一种应用于医学图像辅助诊断分析的以图搜图方法及系统
Zhang et al. Stroke lesion detection and analysis in MRI images based on deep learning
US8412541B2 (en) Method and system for intelligent qualitative and quantitative analysis for medical diagnosis
CN109903839A (zh) 一种基于云平台的医疗影像阅片系统
CN115830017B (zh) 基于图文多模态融合的肿瘤检测系统、方法、设备及介质
CN114255835B (zh) 一种基于人工智能的病例大数据管理方法和系统
CN101441658A (zh) 面向pacs数据库中放射图像的基于内容的检索方法和系统
CN111627531A (zh) 一种基于人工智能的医学影像分类处理系统
Zhang et al. Multistep Automated Data Labelling Procedure (MADLaP) for thyroid nodules on ultrasound: An artificial intelligence approach for automating image annotation
CN114841136A (zh) 一种检查报告编辑方法、装置及设备
CN120412875B (zh) 基于大语言模型的医学影像报告生成方法及系统
WO2023223060A1 (en) Method for training a system adapted for aiding evaluation of a medical image
CN101404046A (zh) 虚拟手术图像处理系统及其处理方法
JP2004130090A (ja) コンピュータ援用患者診断決定支援システム
Corvò et al. Visual analytics in digital pathology: challenges and opportunities
CN118193770B (zh) 基于深度学习的医学图像检索方法及系统
CN112397178A (zh) 一种基于人工智能的医学影像分类处理系统
CN116561361A (zh) 一种用于医学图像阅读行为的数据分析方法和系统
CN117558416A (zh) 影像与临床金标准数据集自动生成方法、系统和装置
CN118397238A (zh) 一种基于神经网络模型的冰冻病理图像识别系统
CN117557878A (zh) 一种基于脊椎ct图像的人体脊椎数据集
Reddy et al. A comprehensive survey on Content Based Image Retrieval system and its application in medical domain
CN118227863B (zh) 一种基于云计算的就诊信息分类处理系统
CN113130087B (zh) 一种审阅过程标签化存储复现方法及系统

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