CN111105863A - 超声图像的处理方法及*** - Google Patents
超声图像的处理方法及*** Download PDFInfo
- Publication number
- CN111105863A CN111105863A CN201911320823.1A CN201911320823A CN111105863A CN 111105863 A CN111105863 A CN 111105863A CN 201911320823 A CN201911320823 A CN 201911320823A CN 111105863 A CN111105863 A CN 111105863A
- Authority
- CN
- China
- Prior art keywords
- data
- ultrasonic
- processed
- processing
- ultrasound
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 129
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000002604 ultrasonography Methods 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 48
- 230000010365 information processing Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 9
- 230000006837 decompression Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 238000003062 neural network model Methods 0.000 description 6
- 230000003187 abdominal effect Effects 0.000 description 4
- 210000000481 breast Anatomy 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 210000002307 prostate Anatomy 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 210000001685 thyroid gland Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了超声图像的处理方法及***,属于数据管理领域。本发明超声图像的处理方法将客户端发送的待处理超声数据分配给符合预设条件的云计算平台中的处理节点服务器;由处理节点服务器对待处理超声数据进行解析,获取超声分析数据,并将该超声分析数据发送至相应的客户端,从而实现自动识别超声数据的目的,无需人工识别,避免了漏诊的情况。同时,采用云计算平台进行超声数据分析,降低了本地设备(如:超声设备、工作站或者医院的PACS等)的计算量。
Description
技术领域
本发明涉及数据管理领域,尤其涉及一种超声图像的处理方法及***。
背景技术
超声数据是医生对患者诊断和治疗的过程中产生的超声图像和诊断数据,目前,超声数据通常存储于超声设备、工作站或者医院的PACS(Picture Archiving andCommunication Systems,影像归档和通信***)***中。然而,超声设备、工作站和PACS***仅对超声数据进行存储,无法对超声图像进行识别、分析。通常需要超声医师人工识别、分析,工作负荷大,且容易造成漏诊。
发明内容
针对目前需要通过对超声图像进行识别、分析,工作负荷大,且容易造成漏诊的问题,现提供一种旨在可自动对超声图像进行识别、分析的超声图像的处理方法及***。
本发明提供了一种超声图像的处理方法,应用于云计算平台,包括:
获取客户端发送的待处理超声数据;
将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器;
通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据;
将所述超声分析数据发送至相应的所述客户端。
优选的,将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器,包括:
获取所述云计算平台中当前处理节点服务器的每秒查询率;
将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器。
优选的,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据,之前还包括:
对所述待处理超声数据进行验证,若通过验证,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据。
优选的,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据,包括:
对所述待处理超声数据进行解压,生成第一超声数据;
提取所述第一超声数据中的图像数据和超声信息数据;
依据所述超声信息数据对应的类型选择与所述类型对应的信息处理部,对所述超声信息数据进行处理,获取第一检测数据;
依据所述图像数据对应的类型选择与所述类型对应的图像处理部,对所述图像数据进行处理,获取第二检测数据;
将所述第一检测数据和所述第二检测数据合并,生成所述超声分析数据。
优选的,将所述第一检测数据和所述第二检测数据合并,生成超声结果数据,包括:
将所述第一检测数据、所述第二检测数据进行处理,生成携带数据指纹的所述超声分析数据。
本发明还提供了一种超声图像的处理***,包括:
客户端,用于采集待处理超声数据,将所述待处理超声数据发送至云计算平台;
所述云计算平台包括:
均衡服务器,用于接收所述客户端发送的待处理超声数据,将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器;
处理节点服务器,用于对所述待处理超声数据进行解析,获取超声分析数据,并将所述超声分析数据发送至所述客户端。
优选的,所述均衡服务器获取所述云计算平台中当前处理节点服务器的每秒查询率,将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器。
优选的,所述处理节点服务器包括:
解压单元,用于对所述待处理超声数据进行解压,生成第一超声数据;
提取单元,用于提取所述第一超声数据中的图像数据和超声信息数据;
合并单元,用于将第一检测数据和第二检测数据合并,生成所述超声分析数据;
所述云计算平台还包括:
信息处理部,用于对所述超声信息数据进行处理,获取所述第一检测数据;
图像处理部,用于对所述图像数据进行处理,获取所述第二检测数据。
优选的,所述合并单元用于将所述第一检测数据、所述第二检测数据进行处理,生成携带数据指纹的所述超声分析数据。
优选的,所述处理节点服务器还包括:
验证单元,用于对所述待处理超声数据进行验证。
上述技术方案的有益效果:
本技术方案中,超声图像的处理方法将客户端发送的待处理超声数据分配给符合预设条件的云计算平台中的处理节点服务器;由处理节点服务器对待处理超声数据进行解析,获取超声分析数据,并将该超声分析数据发送至相应的客户端,从而实现自动识别超声数据的目的,无需人工识别,避免了漏诊的情况。同时,采用云计算平台进行超声数据分析,降低了本地设备(如:超声设备、工作站或者医院的PACS等)的计算量。
附图说明
图1为本发明所述的超声图像的处理方法的一种实施例的方法流程图;
图2为本发明所述的超声图像的处理方法的另一种实施例的方法流程图;
图3为本发明获取超声分析数据的一种实施例的流程图;
图4为本发明所述的超声图像的处理***的一种实施例的模块图;
图5为本发明所述的超声图像的处理***的另一种实施例的模块图;
图6为本发明中处理节点服务器的一种实施例的模块图。
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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
如图1所示,本发明提供了一种超声图像的处理方法,应用于云计算平台,包括:
S1.获取客户端发送的待处理超声数据;
需要说明的是:云计算平台可接收多个客户端发送的多个待处理超声数据。
在实际应用中,客户端可以是推车式超声波设备、便携式超声波设备或手持式超声波设备。通过客户端将采集到的待处理超声数据发送至云计算平台。客户端还可以通过采集视频采集卡或者录入方式采集超声数据。该超声数据可以是DICOM(Digital Imagingand Communications in Medicine,即医学数字成像和通信)格式、射频(RF,RadioFrequency)数据、或IQ数据。待处理超声数据相比图像信号含有更丰富的超声信息。
待处理超声数据可采用H264结构以提高压缩率,便于数据传输。
S2.将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器;
在实际应用中,可通过云计算平台中的均衡服务器接收客户端发送的待处理超声数据。由均衡服务器判断处理节点服务器是否符合预设条件。
其中,预设条件是指每秒查询率低于预设阈值的处理节点服务器;预设条件还可是与客户端网络路径最短的处理节点服务器。
以预设条件为每秒查询率低于预设阈值的处理节点服务器为例,步骤S2可包括:
获取所述云计算平台中当前处理节点服务器的每秒查询率;
将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器。
进一步地,若当前每秒查询率低于预设阈值的处理节点服务器有多个时,在多个处理节点服务器中选择与客户端网络路径最短的处理节点服务器,由均衡服务器将待处理超声数据发送至该处理节点服务器。
以预设条件为每秒查询率低于预设阈值的处理节点服务器为例,步骤S2可包括:
获取所述云计算平台中与所述客户端网络路径最短的所述处理节点服务器;
将所述待处理超声数据分配给与所述客户端网络路径最短的所述处理节点服务器。
S3.通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据;
在本实施例中,参考图2,执行步骤S3之前还可包括:
A.对所述待处理超声数据进行验证,若通过验证,执行步骤S3;若未通过验证,结束;
在步骤A中采用奇偶校验、异或校验法、crc循环冗余校验(Cyclic RedundancyCheck)中的任意一种校验方法进行校验。
进一步地,参考图3,步骤S3通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据可包括:
S31.对所述待处理超声数据进行解压,生成第一超声数据;
S32.提取所述第一超声数据中的图像数据和超声信息数据;
需要说明的是:图像数据表示超声图像数据集或者原始信号数据;超声信息数据(即:非图像数据)可包含但不限于病人信息数据、图像描述数据、诊断信息数据或报告信息数据等。
S33.依据所述超声信息数据对应的类型选择与所述类型对应的信息处理部,对所述超声信息数据进行处理,获取第一检测数据;
超声信息数据对应的类型可包括***位类别、性别类别、年龄类别中的至少一种类别。
其中,***位类别可包括:腹部超声类,膀胱、***超声类、子宫超声类、心脏超声类、乳腺超声类、甲状腺超声类、颈动脉超声类等;性别类别包括:男性类和女性类;年龄类别可包括:0-3岁类,3-18岁类,18-60岁类,60岁以上类等。
在本步骤中,每一个种类均对应一信息处理部,由该信息处理部基于预设的深度学习模型对相应的超声信息数据进行处理分析,从而生成第一检测数据。本步骤可采用GRU循环神经网络模型对超声信息数据进行预测获得超声数据对应类型。具体做法是,将超声信息数据根据预设顺序(如:上下顺序)组合生成信息文本,采用GRU循环神经网络模型对该信息文本进行识别,从而获取所述超声信息数据对应的分类。
需要说明的是,信息处理部可以位于处理节点服务器中,信息处理部还可以是计算服务器。处理节点服务器可以对应多个计算服务器。
S34.依据所述图像数据对应的类型选择与所述类型对应的图像处理部,对所述图像数据进行处理,获取第二检测数据;
图像数据对应的类型可包括***位类别、性别类别、年龄类别中的至少一种类别。
其中,***位类别可包括:腹部超声类,膀胱、***超声类、子宫超声类、心脏超声类、乳腺超声类、甲状腺超声类、颈动脉超声类等;性别类别包括:男性类和女性类;年龄类别可包括:0-3岁类,3-18岁类,18-60岁类,60岁以上类等。
在本步骤中,每一个种类均对应一图像处理部,由该图像处理部基于预设的深度学习模型对相应的图像数据进行处理分析,从而生成第二检测数据。本步骤可采用CNN神经网络模型对图像数据进行识别获取目标信息(例如:待识别的部位区域)。
需要说明的是,图像处理部可以位于处理节点服务器中,图像处理部还可以是图像处理服务器。处理节点服务器可以对应多个图像处理服务器。
S35.将所述第一检测数据和所述第二检测数据合并,生成所述超声分析数据。
具体地,在步骤S5中,将所述第一检测数据、所述第二检测数据进行处理,生成携带数据指纹的所述超声分析数据。
进一步地,可采用MD5信息摘要算法(英语:MD5Message-Digest Algorithm)对第一检测数据和第二检测数据进行处理,生成128位标志码的数据指纹,以防止数据窜改。
在步骤S3中,可对超声分析数据以及相应的待处理超声数据进行存储,以便于超声数据的管理。
在实际应用中,可通过存储服务器存储超声分析数据以及相应的待处理超声数据。
S4.将所述超声分析数据发送至相应的所述客户端。
所述客户端采用叠加的方式,将接收到的所述超声分析数据绘制于待处理超声数据的图像上,显示分析结果。该分析结果可包括超声图像、分析数据、分析曲线等信息。
在本实施例中,超声图像的处理方法将客户端发送的待处理超声数据分配给符合预设条件的云计算平台中的处理节点服务器;由处理节点服务器对待处理超声数据进行解析,获取超声分析数据,并将该超声分析数据发送至相应的客户端,从而实现自动识别超声数据的目的,无需人工识别,避免了漏诊的情况。同时,采用云计算平台进行超声数据分析,降低了本地设备(如:超声设备、工作站或者医院的PACS等)的计算量。
如图4和图5所示,本发明还提供了一种超声图像的处理***,包括:
客户端2,用于采集待处理超声数据,将所述待处理超声数据发送至云计算平台1;
在实际应用中,客户端2可以是推车式超声波设备、便携式超声波设备或手持式超声波设备。通过客户端2将采集到的待处理超声数据发送至云计算平台1。客户端2还可以通过采集视频采集卡或者录入方式采集超声数据。该超声数据可以是DICOM(DigitalImaging and Communications in Medicine,即医学数字成像和通信)格式、射频(RF,Radio Frequency)数据、或IQ数据。待处理超声数据相比图像信号含有更丰富的超声信息。
待处理超声数据可采用H264结构以提高压缩率,便于数据传输。
需要说明的是:云计算平台1可接收多个客户端2发送的多个待处理超声数据。
所述云计算平台1可包括:
均衡服务器11,用于接收所述客户端2发送的待处理超声数据,将所述待处理超声数据分配给符合预设条件的所述云计算平台1中的处理节点服务器12;
在实际应用中,可通过云计算平台1中的均衡服务器11接收客户端2发送的待处理超声数据。由均衡服务器11判断处理节点服务器12是否符合预设条件。
其中,预设条件是指每秒查询率低于预设阈值的处理节点服务器12;预设条件还可是与客户端2网络路径最短的处理节点服务器12。
以预设条件为每秒查询率低于预设阈值的处理节点服务器12为例,所述均衡服务器11获取所述云计算平台1中当前处理节点服务器12的每秒查询率,将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器12。
进一步地,若当前每秒查询率低于预设阈值的处理节点服务器12有多个时,均衡服务器11在多个处理节点服务器12中选择与客户端2网络路径最短的处理节点服务器12,由并将待处理超声数据发送至该处理节点服务器12。
以预设条件为每秒查询率低于预设阈值的处理节点服务器12为例均衡服务器11获取所述云计算平台1中与所述客户端2网络路径最短的所述处理节点服务器12;将所述待处理超声数据分配给与所述客户端2网络路径最短的所述处理节点服务器12。
处理节点服务器12,用于对所述待处理超声数据进行解析,获取超声分析数据,并将所述超声分析数据发送至所述客户端2。
作为一种较为优选的实施例,所述处理节点服务器12可包括:
验证单元,用于对所述待处理超声数据进行验证。验证单元可采用奇偶校验、异或校验法、crc循环冗余校验(Cyclic Redundancy Check)中的任意一种校验方法进行校验。
进一步地,如图6所示,所述处理节点服务器12还可包括:
解压单元211,用于对所述待处理超声数据进行解压,生成第一超声数据;
提取单元212,用于提取所述第一超声数据中的图像数据和超声信息数据;
需要说明的是:图像数据表示超声图像数据集或者原始信号数据;超声信息数据(即:非图像数据)可包含但不限于病人信息数据、图像描述数据、诊断信息数据或报告信息数据等。合并单元213,用于将第一检测数据和第二检测数据合并,生成所述超声分析数据;
所述合并单元213用于将所述第一检测数据、所述第二检测数据和预设数据指纹合并,生成所述超声分析数据。通过合并单元213将所述第一检测数据、所述第二检测数据进行处理,生成携带数据指纹的所述超声分析数据。
进一步地,可采用MD5信息摘要算法(英语:MD5 Message-Digest Algorithm)对第一检测数据和第二检测数据进行处理,生成128位标志码的数据指纹,以防止数据窜改。
所述处理节点服务器12还包括:
验证单元,用于对所述待处理超声数据进行验证。
所述云计算平台1还可包括:
信息处理部13,用于对所述超声信息数据进行处理,获取所述第一检测数据;
超声信息数据对应的类型可包括***位类别、性别类别、年龄类别中的至少一种类别。
其中,***位类别可包括:腹部超声类,膀胱、***超声类、子宫超声类、心脏超声类、乳腺超声类、甲状腺超声类、颈动脉超声类等;性别类别包括:男性类和女性类;年龄类别可包括:0-3岁类,3-18岁类,18-60岁类,60岁以上类等。
在本步骤中,每一个种类均对应一信息处理部13,由该信息处理部13基于预设的深度学习模型对相应的超声信息数据进行处理分析,从而生成第一检测数据。本步骤可采用GRU循环神经网络模型对超声信息数据进行预测获得超声数据对应类型。具体做法是,将超声信息数据根据预设顺序(如:上下顺序)组合生成信息文本,采用GRU循环神经网络模型对该信息文本进行识别,从而获取所述超声信息数据对应的分类。
需要说明的是,信息处理部13可以位于处理节点服务器12(参考图6)中,信息处理部13还可以是计算服务器15(参考图5)。处理节点服务器12可以对应多个计算服务器15。
图像处理部14,用于对所述图像数据进行处理,获取所述第二检测数据。
图像数据对应的类型可包括***位类别、性别类别、年龄类别中的至少一种类别。
其中,***位类别可包括:腹部超声类,膀胱、***超声类、子宫超声类、心脏超声类、乳腺超声类、甲状腺超声类、颈动脉超声类等;性别类别包括:男性类和女性类;年龄类别可包括:0-3岁类,3-18岁类,18-60岁类,60岁以上类等。
在本步骤中,每一个种类均对应一图像处理部14,由该图像处理部14基于预设的深度学习模型对相应的图像数据进行处理分析,从而生成第二检测数据。本步骤可采用CNN神经网络模型对图像数据进行识别获取目标信息(例如:待识别的部位区域)。
需要说明的是,图像处理部14可以位于处理节点服务器12中(参考图6),图像处理部14还可以是图像处理服务器16(参考图5)。处理节点服务器12可以对应多个图像处理服务器16。
本发明的优点如下:
1.本发明能有效帮助超声医师的诊断提高辅助意见,帮助医师完成机械重复的工作;2.本发明利用云计算***代替本地***有效提高计算效率,减少部署成本,减少资源消耗。
3.本发明采集超声数据不仅限于超声图像数据,还包括超声信息,加大对超声图像的识别;另外采集待处理超声数据号,云端支持对待处理超声数据的处理,一方面为病灶分析提供更加丰富的信息;另一方面减少了终端超声设备的计算,有利于减少超声设备成本;
4.本发明利用云计算可以在运行过程中不断喂投数据进行加强训练,对模型有很好的修正。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种超声图像的处理方法,应用于云计算平台,其特征在于,包括:
获取客户端发送的待处理超声数据;
将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器;
通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据;
将所述超声分析数据发送至相应的所述客户端。
2.根据权利要求1所述的超声图像的处理方法,其特征在于,将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器,包括:
获取所述云计算平台中当前处理节点服务器的每秒查询率;
将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器。
3.根据权利要求1所述的超声图像的处理方法,其特征在于,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据,之前还包括:
对所述待处理超声数据进行验证,若通过验证,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据。
4.根据权利要求1或3所述的超声图像的处理方法,其特征在于,通过所述处理节点服务器对所述待处理超声数据进行解析,获取超声分析数据,包括:
对所述待处理超声数据进行解压,生成第一超声数据;
提取所述第一超声数据中的图像数据和超声信息数据;
依据所述超声信息数据对应的类型选择与所述类型对应的信息处理部,对所述超声信息数据进行处理,获取第一检测数据;
依据所述图像数据对应的类型选择与所述类型对应的图像处理部,对所述图像数据进行处理,获取第二检测数据;
将所述第一检测数据和所述第二检测数据合并,生成所述超声分析数据。
5.根据权利要求4所述的超声图像的处理方法,其特征在于,将所述第一检测数据和所述第二检测数据合并,生成超声结果数据,包括:
将所述第一检测数据、所述第二检测数据进行处理,生成携带数据指纹的所述超声分析数据。
6.一种超声图像的处理***,其特征在于,包括:
客户端,用于采集待处理超声数据,将所述待处理超声数据发送至云计算平台;
所述云计算平台包括:
均衡服务器,用于接收所述客户端发送的待处理超声数据,将所述待处理超声数据分配给符合预设条件的所述云计算平台中的处理节点服务器;
处理节点服务器,用于对所述待处理超声数据进行解析,获取超声分析数据,并将所述超声分析数据发送至所述客户端。
7.根据权利要求6所述的超声图像的处理***,其特征在于,所述均衡服务器获取所述云计算平台中当前处理节点服务器的每秒查询率,将所述待处理超声数据分配给所述每秒查询率低于预设阈值的所述处理节点服务器。
8.根据权利要求6所述的超声图像的处理***,其特征在于,所述处理节点服务器包括:
解压单元,用于对所述待处理超声数据进行解压,生成第一超声数据;
提取单元,用于提取所述第一超声数据中的图像数据和超声信息数据;
合并单元,用于将第一检测数据和第二检测数据合并,生成所述超声分析数据;
所述云计算平台还包括:
信息处理部,用于对所述超声信息数据进行处理,获取所述第一检测数据;
图像处理部,用于对所述图像数据进行处理,获取所述第二检测数据。
9.根据权利要求8所述的超声图像的处理***,其特征在于,所述合并单元用于将所述第一检测数据、所述第二检测数据和预设数据指纹合并,生成所述超声分析数据。
10.根据权利要求8所述的超声图像的处理***,其特征在于,所述处理节点服务器还包括:
验证单元,用于对所述待处理超声数据进行验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320823.1A CN111105863B (zh) | 2019-12-19 | 2019-12-19 | 超声图像的处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320823.1A CN111105863B (zh) | 2019-12-19 | 2019-12-19 | 超声图像的处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105863A true CN111105863A (zh) | 2020-05-05 |
CN111105863B CN111105863B (zh) | 2024-07-12 |
Family
ID=70423676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320823.1A Active CN111105863B (zh) | 2019-12-19 | 2019-12-19 | 超声图像的处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105863B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113180730A (zh) * | 2021-03-31 | 2021-07-30 | 上海深至信息科技有限公司 | 一种分布式波束成像方法 |
CN113208653A (zh) * | 2021-03-31 | 2021-08-06 | 上海深至信息科技有限公司 | 一种超声图像采集处理*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980664A (zh) * | 2008-03-31 | 2011-02-23 | 株式会社日立医疗器械 | 超声波诊断装置 |
CN102355490A (zh) * | 2011-08-23 | 2012-02-15 | 武汉大学 | 用于网络空间信息服务***的空间信息集群缓存预取方法 |
CN102631223A (zh) * | 2012-04-26 | 2012-08-15 | 珠海医凯电子科技有限公司 | 云计算超声诊断*** |
CN103202712A (zh) * | 2012-01-17 | 2013-07-17 | 三星电子株式会社 | 用于诊断超声图像的***及处理超声图像的方法 |
WO2014204127A1 (ko) * | 2013-06-21 | 2014-12-24 | 한국디지털병원수출사업협동조합 | 통신 품질에 따라 초음파 이미지를 능동적으로 압축하는 초음파 진단 장치 및 그 운영방법 |
CN105119784A (zh) * | 2014-05-05 | 2015-12-02 | 美国西门子医疗解决公司 | 多用户无线超声服务器 |
CN108685596A (zh) * | 2017-04-06 | 2018-10-23 | 美国西门子医疗解决公司 | 利用超声医疗成像的组织性质估计 |
CN109091164A (zh) * | 2018-07-04 | 2018-12-28 | 无锡科美达医疗科技有限公司 | 一种远程超声诊断平台 |
CN109785939A (zh) * | 2018-12-20 | 2019-05-21 | 蓝网科技股份有限公司 | 基于云技术的医学影像显示方法、装置、设备及存储介质 |
WO2019208804A1 (ja) * | 2018-04-27 | 2019-10-31 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理プログラム |
-
2019
- 2019-12-19 CN CN201911320823.1A patent/CN111105863B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980664A (zh) * | 2008-03-31 | 2011-02-23 | 株式会社日立医疗器械 | 超声波诊断装置 |
CN102355490A (zh) * | 2011-08-23 | 2012-02-15 | 武汉大学 | 用于网络空间信息服务***的空间信息集群缓存预取方法 |
CN103202712A (zh) * | 2012-01-17 | 2013-07-17 | 三星电子株式会社 | 用于诊断超声图像的***及处理超声图像的方法 |
CN102631223A (zh) * | 2012-04-26 | 2012-08-15 | 珠海医凯电子科技有限公司 | 云计算超声诊断*** |
WO2014204127A1 (ko) * | 2013-06-21 | 2014-12-24 | 한국디지털병원수출사업협동조합 | 통신 품질에 따라 초음파 이미지를 능동적으로 압축하는 초음파 진단 장치 및 그 운영방법 |
CN105119784A (zh) * | 2014-05-05 | 2015-12-02 | 美国西门子医疗解决公司 | 多用户无线超声服务器 |
CN108685596A (zh) * | 2017-04-06 | 2018-10-23 | 美国西门子医疗解决公司 | 利用超声医疗成像的组织性质估计 |
WO2019208804A1 (ja) * | 2018-04-27 | 2019-10-31 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理プログラム |
CN109091164A (zh) * | 2018-07-04 | 2018-12-28 | 无锡科美达医疗科技有限公司 | 一种远程超声诊断平台 |
CN109785939A (zh) * | 2018-12-20 | 2019-05-21 | 蓝网科技股份有限公司 | 基于云技术的医学影像显示方法、装置、设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113180730A (zh) * | 2021-03-31 | 2021-07-30 | 上海深至信息科技有限公司 | 一种分布式波束成像方法 |
CN113208653A (zh) * | 2021-03-31 | 2021-08-06 | 上海深至信息科技有限公司 | 一种超声图像采集处理*** |
CN113180730B (zh) * | 2021-03-31 | 2022-10-18 | 上海深至信息科技有限公司 | 一种分布式波束成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111105863B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tomita et al. | Deep neural networks for automatic detection of osteoporotic vertebral fractures on CT scans | |
US10810735B2 (en) | Method and apparatus for analyzing medical image | |
CN109919928B (zh) | 医学影像的检测方法、装置和存储介质 | |
US8407267B2 (en) | Apparatus, method, system and computer-readable medium for storing and managing image data | |
CN104573350A (zh) | 基于网络医院的全科医生辅助诊疗***及方法 | |
CN110335667B (zh) | 医学影像管理方法、装置、***及存储介质 | |
WO2021000856A1 (zh) | 骨龄检测方法、***、设备及可读存储介质 | |
CN113270197A (zh) | 一种基于人工智能的健康预测方法、***及存储介质 | |
US11094059B2 (en) | Vulnerable plaque identification method, application server thereof, and computer readable medium | |
US20180289291A1 (en) | Health diagnostic fingerprint scanner | |
CN111475713A (zh) | 医生信息推荐方法、装置、电子设备、***及存储介质 | |
CN111105863B (zh) | 超声图像的处理方法及*** | |
US20200111570A1 (en) | Systems and methods for verifying medical diagnoses | |
CN109243600B (zh) | 用于输出信息的方法和装置 | |
CN112035674A (zh) | 导诊数据获取方法、装置、计算机设备和存储介质 | |
US20150172681A1 (en) | Medical image compression system and method using visually lossless compression | |
US11741694B2 (en) | Spinal fracture detection in x-ray images | |
CN111564206A (zh) | 一种分诊方法、装置、设备及介质 | |
US11545255B2 (en) | Systems and methods for classifying an anomaly medical image using variational autoencoder | |
CN114782321B (zh) | 胸部ct影像选择方法、装置、设备及存储介质 | |
CN113095453B (zh) | 一种面向伤员分类后送的伤员预处理*** | |
US20220181005A1 (en) | Utilizing multi-layer caching systems for storing and delivering images | |
CN113113118A (zh) | 一种远程阅片***及方法 | |
CN116824670A (zh) | 基于微表情的问诊辅助方法、装置、设备及介质 | |
CN113780457B (zh) | 中医资源消耗的异常检测方法、装置、设备及介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201015 Address after: Room 5030, 5 / F, building e, 555 Dongchuan Road, Minhang District, Shanghai, 200241 Applicant after: Shanghai Shenzhi Information Technology Co.,Ltd. Address before: Room 3388-c, building 2, 1077 Zuchongzhi Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant before: Shanghai Zhuxing Biotechnology Co.,Ltd. Applicant before: Shanghai Shenzhi Information Technology Co.,Ltd. |
|
GR01 | Patent grant |