基于人工智能的超声检查的智能提醒方法与流程

专利2022-05-09  1



1.本发明涉及超声医学技术领域,尤其是一种基于人工智能的超声检查的智能提醒方法。


背景技术:

2.目前超声医学领域中,存在一个巨大的供需不对称现象。从医生需求角度来讲,需要诊断系统具有一套智能提醒的方法,帮助青年医生在日常工作中,快速准确检测出病人属于何种病例,对于确诊病例自动获取相应的切面图像。而目前市场和企业能提供的产品和服务现状是:尽管目前许多的医院系统已经有了人工智能诊断与人工智能提醒来实现辅助诊断,但这些人工智能提醒功能都不具备与人工诊断进行对比的功能,从而使得年轻经验少的医生在采集影像过程中,过于依赖人工智能功能而无法快速提升自己业务能力,且不容忽视的是,人工智能的诊断也会出现偏差,因此,如何提供一种更加智能的提醒方法是目前仍需解决的问题。


技术实现要素:

3.本发明的目的在于克服现有技术的不足,提供一种基于人工智能的超声检查的智能提醒方法。
4.本发明解决其技术问题是采取以下技术方案实现的:
5.本发明提供一种基于人工智能的超声检查的智能提醒方法,包括以下步骤,
6.s100:获取分析结果,识别病例;
7.s200:获取医生诊断结果,与识别病例对比;
8.s300:依据对比结果,对切面图像进行筛选;
9.s400:将筛选后的切面图像依照对比结果进行标记与显示。
10.进一步地,对各分析结果进行格式转换及对比以获取识别病例,具体方法为,
11.预置标准文本,标准文本包括固定段落与若干填充段落,每个填充段落均各对应一个词条,分析结果内设置有与标准文本相匹配的若干词条和与各词条对应的诊断内容,对分析结果内各词条对应的诊断内容进行读取并分别填充至标准文本内的对应填充段落以获取标准格式的分析结果,对各标准格式的分析结果依照诊断内容进行分类,对同一类别的分析结果依照预置的逻辑关系进行计算以获取识别病例。
12.进一步地,将诊断结果填充至标准文本以进行与识别病例的对比,
13.诊断结果的填充方法为,
14.预置与各词条相对应的词库,词库内预置有与词条相关的诊断文字内容,依据词条分开创建相应的输入模块,通过各输入模块接收诊断结果的不同段落,将各段落分别与对应词库内的文字进行匹配并查询是否有相同词语,将存在相同词语的部分标记为有效的诊断结果,提取有效的诊断结果并按照词条进行分类,分别填充至标准文本内的对应填充段落,实现对标准格式的诊断结果的获取。
15.进一步地,与填充段落对应的词条包括“病变位置”、“病变特征”、“病变程度”,其中,“病变程度”又分为“病变趋势”与“概率数值”词条。
16.进一步地,对“概率数值”预设允许偏差值,
17.当诊断结果与识别病例中的“病变位置”与“病变特征”词条所对应的诊断信息一致,且“概率数值”词条所对应的诊断信息的区别程度在允许偏差值内时,判断对比结果为医生诊断结果与识别病例相同。
18.当诊断结果与识别病例中的“病变位置”与“病变特征”词条所对应的诊断信息存在不一致,或“概率数值”词条所对应的诊断信息的区别程度大于允许偏差值内时,判断对比结果为医生诊断结果与识别病例不同。
19.进一步地,当对比结果为医生诊断结果与识别病例相同时,筛选出与诊断结果对应的切面图像;当对比结果为医生诊断结果与识别病例不同时,筛选出与诊断结果相关的全部切面图像及与识别病例对应的切面图像。
20.进一步地,标记内容包括第一标记内容与第二标记内容,当对比结果为医生诊断结果与识别病例相同时,对与诊断结果对应的切面图像标记第一标记内容,当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像标记第二标记内容,对与识别病例对应的切面图像标记第一标记内容。
21.进一步地,当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像依照与诊断结果的相似度进行不同等级的标记,对与识别病例对应的切面上的标记内容依照与识别病例的相似度进行不同等级的标记。
22.进一步地,所述第一标记内容包括病变位置、病变程度以及病变特征,所述第二标记内容包括病变位置、病变程度、病变特征以及疑似病变。
23.本发明的优点和积极效果是:
24.通过人工与智能化的双重诊断,可以帮助青年医者快速、准确的判别病患病例,并自动筛选出切面以保证超声影像的规范性,当人工与智能化的判断结果不同时,对存疑切面进行标记与显示,以实现对医者的智能提醒,从使得医者可在疑惑中对病例进行更深入的思考与诊断,进而实现了快速提升医生业务能力的效果,同时,也有效防止了人工智能在诊断过程中误诊漏诊的可能,由此通过双重判定,可有效实现缩短医生诊断时间、提高医生看病水平、提高诊断准确率的效果。
附图说明
25.图1是本发明的流程示意图。
具体实施方式
26.以下结合附图对本发明实施例做进一步详述:
27.在现有技术中,无论是超声机还是超声机连接的影像信息系统均不具备与人工诊断进行对比的功能,从而使得年轻经验少的医生在采集影像过程中,过于依赖人工智能功能而无法快速提升自己业务能力,且不容忽视的是,人工智能的诊断也会出现偏差。因此,本发明提供一种基于人工智能的超声检查的智能提醒方法以解决上述问题。
28.如图所示,本发明所述的基于人工智能的超声检查的智能提醒方法,包括以下步
骤,
29.s100:获取分析结果,识别病例;
30.具体地,通过计算机辅助诊断(computer aided diagnosis,cad)软件读取超声影像设备输出的切面图像并对各切面图像进行分析可获得分析结果,其中,超声影像设备检查的部位包括但不限于肝脏部位、胰腺部位、肾脏部位等。且需要说明的是,在本实施例中,计算机辅助诊断(computer aided diagnosis,cad)软件内设有知识库,知识库内收集有大量病种和不同部位的影像学信息,以及与这些影像学信息对应的词库,通过将切面图像与影像学信息进行匹配、对比、分析可实现诊断功能。
31.对计算机辅助诊断(computer aided diagnosis,cad)软件输出的各分析结果进行格式转换及对比以获取识别病例,具体方法为,预置标准文本,标准文本包括固定段落与若干填充段落,每个填充段落均各对应一个词条,在本实施例中,与填充段落对应的词条包括“病变位置”、“病变特征”、“病变程度”,其中,“病变程度”又分为“病变趋势”与“概率数值”词条,标准文本格式为:
“‘
病变位置’

为’

病变特征’,

病变趋势’

概率为’

概率数值
’”
,其中,“为”、“,”、“概率为”为固定段落,分析结果内设置有与标准文本相匹配的若干词条和与各词条对应的诊断内容,对分析结果内各词条对应的诊断内容进行读取并分别填充至标准文本内的对应填充段落以获取标准格式的分析结果,对各标准格式的分析结果依照诊断内容进行分类,对同一类别的分析结果依照预置的逻辑关系进行计算以获取识别病例。
32.具体地,获取识别病例的方法如下:
33.如,当计算机辅助诊断(computer aided diagnosis,cad)软件输出的分析结果以表格形式进行输出时,其表格内将设置有“病变位置”、“病变特征”、“病变程度”等标题及与各标题对应的诊断内容,如,“病变位置”处对应有“甲状腺”、“胰腺”等,“病变特征”处对应有“囊性结节”、“实性结节”等,“病变程度”处又分为“病变趋势”“概率数值”,其中,“病变趋势”处对应有“良性”、“恶性”,“概率数值”对应有“x%”格式,在表格内,“病变趋势”与“概率数值”通过“,”、“、”或其它标点符号进行分隔,如:“恶性,70%”,分别对表格内“病变位置”、“病变特征”、“病变程度”标题所对应的内容进行读取,并通过“,”、“、”等标点符号区分“病变趋势”与“概率数值”,将读取到的诊断内容分别对应填写在“病变位置”、“病变特征”、“病变趋势”、“概率数值”处,从而实现对计算机辅助诊断(computer aided diagnosis,cad)软件输出的分析结果的格式转换,转后的格式如:a切面的分析结果为“甲状腺为实性结节,恶性概率为50%”,b切面的分析结果为“甲状腺为囊性结节,恶性概率为10%”,c切面的分析结果为“甲状腺为实性结节,恶性概率为90%”,之后,对分析结果进行解码以读取每条分析结果内各词条对应的诊断内容,对同一词条对应的文字进行对比,将属于相同病情(“病变位置”与“病变特征”均相同)的切面图像归为一类,将属于不同病情(“病变位置”或“病变特征”存在不同)的切面图像分开归类,即将a切面与c切面归为第一类切面组,将b切面分类至第二类切面组,不同类别的切面组分开储存在数据库内,然后,再对相同类切面组内的切面的分析结果中“病变程度”词条内的“概率数值”进行计算以获得每个切面组对应的识别病例,所述计算方式包括但不限于求最大值或求最小值或加权求和等计算方式,通过预设多种计算方式,接收医生不同的指令信息以运行不同的算法可实现对每个切面组对应的识别病例的获取,如:当医生设定计算方式为求取均值时,对第一类切面组的各切面的分析结果
中“病变程度”词条内的“概率数值”求均值,得到的识别病例结果为:“病患的甲状腺为实性结节,恶性概率为70%”。最终的识别病例为各个组别的识别病例相结合,同时,也可仅采取含有相关切面较多的组别的识别病例,如,第一类切面组内包含有10张相关切面,而第二类切面组仅包含有1张相关切面,则第一类切面组的识别病例结果即为最终的识别病例。需要说明的是,在系统内预设有系统产生分析结果的标准,即在系统内规定“仅采取包含切面数量大于n的切面组的识别病例结果为最终的识别病例”的判断口令,其中,n可通过接收医生输入的数字指令进行变换,在接收到医生输入的数字指令后,系统读取不同类别切面组内的切面数量的数值并将该数值与数字指令进行对比,将数值大于该数字指令的切面组所对应的识别病例归纳至最终的识别病例文本中进行输出,以实现最终的识别病例的生成。
34.s200:获取医生诊断结果,与识别病例对比;将诊断结果填充至标准文本以进行与识别病例的对比,诊断结果的填充方法为,预置与各词条相对应的词库,词库内预置有与词条相关的诊断文字内容,依据词条分开创建相应的输入模块,通过各输入模块接收诊断结果的不同段落,将各段落分别与对应词库内的文字进行匹配并查询是否有相同词语,将存在相同词语的部分标记为有效的诊断结果,提取有效的诊断结果并按照词条进行分类,分别填充至标准文本内的对应填充段落,实现对标准格式的诊断结果的获取。
35.具体地,通过语音识别、文字识别等方式获取医生的诊断结果,系统内分别预置有与“病变位置”、“病变特征”、“病变程度”词条相对应的词库,各词库内预置有与词条相关的诊断文字内容,且预置内容与计算机辅助诊断(computer aided diagnosis,cad)软件内的知识库的内容相对应,依据词条分开创建相应的输入模块,医生在不同输入模块内输入不同的语音或文字口令,系统通过输入模块接收口令进行识别,将识别结果与对应词库内的文字进行匹配并查询是否有相同词语,若存在相同词语,则认定相同部分为有效的诊断结果,对有效部分进行提取并按照词条进行分类填充,之后依照
“‘
病变位置’

为’

病变特征’,

病变趋势’

概率为’

概率数值
’”
的格式进行保存,以实现对医生诊断结果的获取。之后将诊断结果与识别病例对比,在比对过程中,判定识别病例与诊断结果相同的标准是病变位置及病变特征对应的诊断信息需保持一致,患病程度的概率数值允许存在一定偏差,其中,系统内预设有允许偏差值以实现对患病程度的允许偏差的设定,通过接收医生输入的不同数值,可实现对允许偏差值的改变,具体地,当接收到医生输入的数值后,系统读取识别病例结果中的概率数值与诊断结果中的概率数值,求其差值并与医生输入的数值进行对比,当求得差值小于医生输入的数值时,在病变位置及病变特征均一致的情况下,判定识别病例与诊断结果相同。如:当医生的诊断结果为“甲状腺为实性结节,恶性概率为40%”,识别病例的结果为“甲状腺为实性结节,恶性概率为70%”时,若预设的允许偏差值为40%,则认定二者结果相同,反之,若预设的允许偏差值为20%,则认定二者结果不同。
36.s300:依据对比结果,对切面图像进行筛选;当对比结果为医生诊断结果与识别病例相同时,筛选出与诊断结果对应的切面图像;当对比结果为医生诊断结果与识别病例不同时,筛选出与诊断结果相关的全部切面图像及与识别病例对应的切面图像。
37.具体地,当对比结果为医生诊断结果与识别病例相同时,如识别病例的诊断结果为“病患的甲状腺为实性结节,恶性概率为70%”,医生的判断结果为“甲状腺为实性结节,恶性概率为65%”,则与第一类切面组的识别病例相对应,此时,筛选出第一类切面组内所有切面以供医生阅览;当对比结果为医生诊断结果与识别病例不同时,如医生的判断结果
为“甲状腺为囊性结节,恶性概率为10%”,则与第二类切面组的识别病例相对应,此时,在选出与最终的识别病例对应的切面(即第一类切面组内的所有切面)之外,还应同时将第二类切面组内的所有切面筛选出来以供医生阅览。
38.s400:将筛选后的切面图像依照对比结果进行标记与显示。
39.具体地,标记内容包括第一标记内容与第二标记内容,所述第一标记内容包括病变位置、病变程度以及病变特征,所述第二标记内容包括病变位置、病变程度、病变特征以及疑似病变,其中,病变特征包括但不限于病症的大小、密度或者形态,标记内容可以是文字、图片、符号或其它形式,标记内容的参照文件均预置在数据库内。
40.当对比结果为医生诊断结果与识别病例相同时,对与诊断结果对应的切面标记第一标记内容,以便于医生进行更细致的诊断,而不易忽视细节。
41.当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像标记第二标记内容,对与识别病例对应的切面标记第一标记内容,以便于医生确诊。其中,第二标记内容内的疑似病变用于为医生指出切面图像可能涉及的病症及其症状描述,以防止医生对于相似病症发生误诊现象,从而提高诊断的准确率。
42.进一步地,当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像依照与诊断结果的相似度进行不同等级的标记,对与识别病例对应的切面上的标记内容依照与识别病例的相似度进行不同等级的标记,标记的不同等级可依照颜色、字体大小、符号进行区分。
43.具体地,在本实施例中,以颜色来区分不同等级的标记,并将相似度在0

30%的设为第一相似等级,第一相似等级采用红色,在31%

59%的设为第二相似等级,第二相似等级采用黄色,在60%

100%的设为第三相似等级,第三相似等级采用绿色。如诊断结果为“甲状腺为实性结节,恶性概率为50%”,则该诊断结果可分为“实性结节”、“恶性概率”等词条,若此时对与诊断结果相关的切面图像的识别结果为“甲状腺为实性结节,恶性概率为5%”,则“实性结节”的相似度为100%,“恶性概率”的相似度为10%,对“实性结节”涉及的标记内容采用绿色字体或符号,对“恶性概率”涉及的标记内容采用红色字体或符号,从而便于医生更好的提取信息,进而实现了更好的提醒效果。
44.需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。

技术特征:
1.基于人工智能的超声检查的智能提醒方法,其特征在于:s100:获取分析结果,识别病例;s200:获取医生诊断结果,与识别病例对比;s300:依据对比结果,对切面图像进行筛选;s400:将筛选后的切面图像依照对比结果进行标记与显示。2.根据权利要求1所述的基于人工智能的超声检查的智能提醒方法,其特征在于:对各分析结果进行格式转换及对比以获取识别病例,具体方法为,预置标准文本,标准文本包括固定段落与若干填充段落,每个填充段落均各对应一个词条,分析结果内设置有与标准文本相匹配的若干词条和与各词条对应的诊断内容,对分析结果内各词条对应的诊断内容进行读取并分别填充至标准文本内的对应填充段落以获取标准格式的分析结果,对各标准格式的分析结果依照诊断内容进行分类,对同一类别的分析结果依照预置的逻辑关系进行计算以获取识别病例。3.根据权利要求2所述的基于人工智能的超声检查的智能提醒方法,其特征在于:将诊断结果填充至标准文本以进行与识别病例的对比,诊断结果的填充方法为,预置与各词条相对应的词库,词库内预置有与词条相关的诊断文字内容,依据词条分开创建相应的输入模块,通过各输入模块接收诊断结果的不同段落,将各段落分别与对应词库内的文字进行匹配并查询是否有相同词语,将存在相同词语的部分标记为有效的诊断结果,提取有效的诊断结果并按照词条进行分类,分别填充至标准文本内的对应填充段落,实现对标准格式的诊断结果的获取。4.根据权利要求3所述的基于人工智能的超声检查的智能提醒方法,其特征在于:与填充段落对应的词条包括“病变位置”、“病变特征”、“病变程度”,其中,“病变程度”又分为“病变趋势”与“概率数值”词条。5.根据权利要求4所述的基于人工智能的超声检查的智能提醒方法,其特征在于:对“概率数值”预设允许偏差值,当诊断结果与识别病例中的“病变位置”与“病变特征”词条所对应的诊断信息一致,且“概率数值”词条所对应的诊断信息的区别程度在允许偏差值内时,判断对比结果为医生诊断结果与识别病例相同。当诊断结果与识别病例中的“病变位置”与“病变特征”词条所对应的诊断信息存在不一致,或“概率数值”词条所对应的诊断信息的区别程度大于允许偏差值内时,判断对比结果为医生诊断结果与识别病例不同。6.根据权利要求5所述的基于人工智能的超声检查的智能提醒方法,其特征在于:当对比结果为医生诊断结果与识别病例相同时,筛选出与诊断结果对应的切面图像;当对比结果为医生诊断结果与识别病例不同时,筛选出与诊断结果相关的全部切面图像及与识别病例对应的切面图像。7.根据权利要求6所述的基于人工智能的超声检查的智能提醒方法,其特征在于:标记内容包括第一标记内容与第二标记内容,当对比结果为医生诊断结果与识别病例相同时,对与诊断结果对应的切面图像标记第一标记内容,当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像标记第二标记内容,对与识别病例对应的切面
图像标记第一标记内容。8.根据权利要求7所述的基于人工智能的超声检查的智能提醒方法,其特征在于:当对比结果为医生诊断结果与识别病例不同时,对与诊断结果相关的全部切面图像依照与诊断结果的相似度进行不同等级的标记,对与识别病例对应的切面上的标记内容依照与识别病例的相似度进行不同等级的标记。9.根据权利要求8所述的基于人工智能的超声检查的智能提醒方法,其特征在于:所述第一标记内容包括病变位置、病变程度以及病变特征,所述第二标记内容包括病变位置、病变程度、病变特征以及疑似病变。
技术总结
本发明提供一种基于人工智能的超声检查的智能提醒方法,包括:获取分析结果,识别病例;获取医生诊断结果,与识别病例对比;依据对比结果,对切面图像进行筛选;将筛选后的切面图像依照对比结果进行标记与显示。通过人工与智能化的双重诊断,可以帮助青年医者快速、准确的判别病患病例,并自动筛选出切面以保证超声影像的规范性,当人工与智能化的判断结果不同时,对存疑切面进行标记与显示,以实现对医者的智能提醒,从使得医者可在疑惑中对病例进行更深入的思考与诊断,进而实现了快速提升医生业务能力的效果,同时,也有效防止了人工智能在诊断过程中误诊漏诊的可能。能在诊断过程中误诊漏诊的可能。能在诊断过程中误诊漏诊的可能。


技术研发人员:俞晔 方圆圆 袁凤
受保护的技术使用者:上海市第一人民医院
技术研发日:2021.04.01
技术公布日:2021/7/15

转载请注明原文地址:https://doc.8miu.com/read-650054.html

最新回复(0)