CN111449665A - 一种智能影像诊断*** - Google Patents
一种智能影像诊断*** Download PDFInfo
- Publication number
- CN111449665A CN111449665A CN202010135570.7A CN202010135570A CN111449665A CN 111449665 A CN111449665 A CN 111449665A CN 202010135570 A CN202010135570 A CN 202010135570A CN 111449665 A CN111449665 A CN 111449665A
- Authority
- CN
- China
- Prior art keywords
- patient
- module
- intelligent
- image
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 124
- 230000003993 interaction Effects 0.000 claims abstract description 41
- 201000010099 disease Diseases 0.000 claims description 65
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 65
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 18
- 208000024891 symptom Diseases 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000003814 drug Substances 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 8
- 229910021417 amorphous silicon Inorganic materials 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 208000020816 lung neoplasm Diseases 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 201000008827 tuberculosis Diseases 0.000 description 3
- 238000000034 method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供的一种智能影像诊断***,包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,X光片采集模块和人机交互模块均与智能网关设备连接,智能网关设备与智能诊断工作站连接。本发明的一种智能影像诊断***,通过同时获取患者X光片图像和患者交互信息得到最终患者诊断结果,使诊断结果更加精准,为医生或专家提供可供参考的重要诊断依据。
Description
技术领域
本发明涉及医疗诊断领域,尤其涉及一种智能影像诊断***。
背景技术
透视影像是诊断疾病的常用技术手段,X射线成像可以筛查人体内部的病变器官,通过拍摄的影像,可以诊断诸如肺炎、肺结核、肺癌等疾病。目前随着数字化透视影像设备的推广,让透视影像诊断成为了全国各大小卫生组织机构重要的诊断方式。
近几年来,随着人工智能的发展,通过大数据和机器学习的方式,让计算机可以通过透视影像辅助医生诊断疾病,目前的方法是使用通过医生标注的某一类疾病影像进行深度学习训练,让计算机对病变类型的影像和健康的影像进行图像分类,由此判断是否属于某种疾病的特征图像。但是由于缺少数据特征的多元化,导致学习结果后诊断误差比较大,目前能够实现的只有少数几种疾病特征的数据库。因此,目前的影像诊断***的诊断因为缺少数据特征的多元化会导致诊断的结果存在误差。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种智能影像诊断***,其能解决目前的影像诊断***的诊断因为缺少数据特征的多元化会导致诊断的结果存在误差的问题。
本发明的目的采用以下技术方案实现:
一种智能影像诊断***,包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,所述X光片采集模块和所述人机交互模块均与所述智能网关设备连接,所述智能网关设备与所述智能诊断工作站连接;
所述X光片采集模块采集患者体内诊断部位的射线图像,得到患者X光片图像;所述X光片采集模块通过所述智能网关设备将所述患者X光片图像发送至所述智能诊断工作站;所述人机交互模块通过与患者进行交互得到患者交互信息;所述人机交互模块通过所述智能网关设备将所述患者交互信息发送至所述智能诊断工作站;所述智能诊断工作站根据所述患者X光片图像和所述患者交互信息得到最终患者诊断结果。
进一步地,所述人机交互模块包括语音识别模块和照相模块,所述语音识别模块和所述照相模块均与所述智能网关设备连接;所述患者交互信息包括已识别患者疾病症状信息和患者外部特征图像,所述语音识别模块通过语音交互采集患者疾病症状信息并进行语音识别,得到已识别患者疾病症状信息,所述语音识别模块将所述已识别患者疾病症状信息通过所述智能网关设备发送至所述智能诊断工作站;所述照相模块拍摄患者疾病部位的外部特征,得到患者外部特征图像,所述照相模块将所述患者外部用特征图像传给所述智能诊断工作站。
进一步地,所述患者交互信息包括患者指纹信息,所述人机交互模块还包括指纹识别模块,所述指纹识别模块与所述智能网关设备连接;所述指纹识别模块获取患者指纹信息,并将所述患者指纹信息通过所述智能网关设备发送至所述智能诊断工作站;所述智能诊断工作站根据所述患者指纹信息在预设患者病史信息库中筛选出对应的患者病史信息。
进一步地,所述患者交互信息还包括患者磁卡信息,所述人机交互模块还包括磁卡识别模块,所述磁卡识别模块识别患者持有的磁卡并得到患者磁卡信息,所述磁卡识别模块将所述患者磁卡信息通过所述智能网关设备发送至所述智能诊断工作站,所述智能诊断工作站根据所述患者磁卡信息在预设患者病史信息库中筛选出对应的病史信息。
进一步地,所述智能网关设备通过移动网络或无线网络或有限网络与所述智能诊断工作站连接。
进一步地,所述X光片采集模块包括X射线放射模块和X光片处理模块,所述X射线放射模块与所述X光片处理模块连接,所述X射线放射模块通过放射X射线采集患者体内诊断部位的射线图像,所述X射线放射模块将射线图像发送至所述X光片处理模块,所述X光片处理模块依次对所述射线图像进行图像降噪处理、坏点修复处理以及失真修复处理,得到患者X光片图像。
进一步地,所述X射线放射模块为非晶硅平板探测器。
进一步地,所述智能网关设备含有存储模块,当所述智能诊断工作站与所述智能网关设备处于离线状态时,所述存储模块用于存储所述患者X光片图像和所述患者交互信息。
进一步地,所述智能诊断工作站包括神经网络训练模块、机器学习分类模块、计算模块;所述神经网络训练模块和所述机器学习分类模块均与所述计算模块连接;所述神经网络训练模块根据预设样本标签和预设样本数据库生成卷积神经网络模型,所述卷积神经网络模型获取所述患者X光片图像,输出X光片诊断结果;所述卷积神经网络模型获取患者外部特征图像,输出特征图像诊断结果;所述机器学习分类模块根据预设中西医学信息库对已识别患者疾病症状信息进行机器学习分类,得到医学信息诊断结果;所述计算模块对所述X光片诊断结果、所述特征图像诊断结果以及所述医学信息诊断结果进行合并计算,得到最终患者诊断结果。
进一步地,所述预设样本标签包括X光片标签和外部特征图像标签,所述预设样本数据库包括预设X光片样本数据库和预设外部特征图像样本数据库,所述卷积神经网络模型包括X光片图像卷积神经网络模型和病症体外特征图像卷积神经网络模型,所述神经网络训练模块根据X光片标签和预设X光片样本数据库生成X光片图像卷积神经网络模型,所述神经网络训练模块根据外部特征图像标签和预设外部特征图像样本数据库生成病症体外特征图像卷积神经网络模型,所述X光片图像卷积神经网络模型获取所述患者X光片图像,输出X光片诊断结果;所述病症体外特征图像卷积神经网络模型获取所述患者外部特征图像,输出特征图像诊断结果。
相比现有技术,本发明的有益效果在于:本申请的一种智能影像诊断***,包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,X光片采集模块和人机交互模块均与智能网关设备连接,智能网关设备与智能诊断工作站连接。通过同时获取患者X光片图像和患者交互信息得到最终患者诊断结果,使诊断结果更加精准,为医生或专家提供可供参考的重要诊断依据。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,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。在附图中:
图1为本发明的一种智能影像诊断***的架构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示,本发明的一种智能影像诊断***,包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,X光片采集模块和人机交互模块均与智能网关设备连接,智能网关设备与智能诊断工作站连接。本实施例中的智能诊断工作站一个部署在云平台且基于linux***的运算平台,智能网关设备通过移动网络(5G网络或4G网络或3G网络)或无线网络或有限网络与智能诊断工作站连接。人机交互模块包括语音识别模块、照相模块、指纹识别模块、磁卡识别模块,上述语音识别模块、照相模块、指纹识别模块、磁卡识别模块均与智能网关设备建立通信连接。X光片采集模块包括X射线放射模块和X光片处理模块,X射线放射模块与X光片处理模块连接,X射线放射模块通过放射X射线采集患者体内诊断部位的射线图像,X射线放射模块将射线图像发送至X光片处理模块,X光片处理模块依次对射线图像进行图像降噪处理、坏点修复处理以及失真修复处理,得到患者X光片图像。X射线放射模块为非晶硅平板探测器。
本实施例中智能网关设备含有存储模块,当智能诊断工作站与智能网关设备处于离线状态时,存储模块用于存储患者X光片图像和患者交互信息。智能诊断工作站包括神经网络训练模块、机器学习分类模块、计算模块;神经网络训练模块和机器学习分类模块均与计算模块连接。
神经网络训练模块根据X光片标签和预设X光片样本数据库生成X光片图像卷积神经网络模型,预设X光片样本数据库分为有标签X光片样本数据和无标签X光片样本数据,有标签X光片样本数据是已对样本进行诊断标记过的数据,无标签X光片样本数据是指从智能终端采集的大量无标签的数据,根据有标签X光片样本数据建立有标签X光片训练集,并将无标签X光片样本数据通过半监督学习方式分别加入有标签X光片训练集进行训练,从而得到X光片图像卷积神经网络模型;神经网络训练模块根据外部特征图像标签和预设外部特征图像样本数据库生成病症体外特征图像卷积神经网络模型,预设外部特征图像样本数据库分为有标签外部特征图像样本数据和无标签外部特征图像样本数据,有标签外部特征图像样本数据是已对样本进行诊断标记过的数据,无标签外部特征图像样本数据是指从智能终端采集的大量无标签的数据,根据有标签外部特征图像样本数据建立有标签外部特征图像训练集,并将无标签外部特征图像样本数据通过半监督学习方式分别加入有标签X光片训练集进行训练,从而得到外部特征图像卷积神经网络模型。
在运行过程中,X光片采集模块采集患者体内诊断部位的射线图像,得到患者X光片图像;X光片采集模块通过智能网关设备将患者X光片图像发送至智能诊断工作站。
语音识别模块通过语音交互采集患者疾病症状信息并进行语音识别,得到已识别患者疾病症状信息,语音识别模块为一个或以上高敏麦克风获取音频,通过功放播放相关疾病表现的问题实现与患者进行交互,通过会话模式对疾病的表现进行智能分类现象从而实现采集患者疾病症状信息并进行语音识别,得到已识别患者疾病症状信息;语音识别模块将已识别患者疾病症状信息通过智能网关设备发送至智能诊断工作站。照相模块拍摄患者疾病部位的外部特征,得到患者外部特征图像,照相模块将患者外部用特征图像传给智能诊断工作站。照相模块主要由一个百万级像素的摄像头作为图像获取的工具,本实例不局限于摄像头的像素。
智能诊断工作站中的X光片图像卷积神经网络模型获取患者X光片图像,输出X光片诊断结果;病症体外特征图像卷积神经网络模型获取患者外部特征图像,输出特征图像诊断结果。机器学习分类模块根据预设中西医学信息库对已识别患者疾病症状信息进行机器学习分类,得到医学信息诊断结果。机器学习分类具体为:第一步、通过已识别患者疾病症状信息中的患者已知年龄、性别,删除概率低的疾病;第二步、以疾病的每个特征作为独立特征,在预设中西医学信息库(包括中医医学信息库和西医医学信息库)中进行检索,获取可能的疾病集合。第三步、对疾病特征做集合,选取其中数量的特征,分别疾病集合中筛查。得到中医和西医的结果交集。第四步、重复上一步,选取不同的特征,筛选到不同交集结果,计算每个结果的置信度。第五步、对筛查结果得到可能的不同疾病做概率统计,并通过加权求和计算换某一种疾病的概率,记得到医学系想你诊断结果。
计算模块对X光片诊断结果、特征图像诊断结果以及医学信息诊断结果进行合并计算,得到最终患者诊断结果。本实施例中,X光片诊断结果包括疾病名称及对应疾病概率,疾病名称和疾病概率为一种或多种,每种疾病名称与唯一的疾病概率对应,例如:患者X光片图像为胸片,对于胸部的疾病名称有肺结核、肺炎、肺癌三种,假如最后得到疾病概率为90%、60%、50%,90%对应的是肺结核,60%对应的是肺炎,50%对应的肺癌。特征图像诊断结果也包括疾病名称及对应疾病概率,疾病名称和疾病概率为一种或多种,每种疾病名称与唯一的疾病概率对应。医学信息诊断结果包括疾病名称及对应疾病概率,疾病名称和疾病概率为一种或多种,每种疾病名称与唯一的疾病概率对应。本实施例中在智能影像诊断设备启用前分别设置X光片诊断结果、特征图像诊断结果以及医学信息诊断结果对应的置信度。对上述合并计算举例说明如下:分别记X光片诊断结果的置信度为X,特征图像诊断结果的置信度为Y,医学信息诊断结果的置信度为Z,疾病标签W,那么取W=aX+bY+cZ做为结果并进行不同W的比较,对于a、b、c作为权值,本实施例中的权值即上述疾病标签中疾病名称对应的疾病概率。从上可以得到多个疾病标签对应的数值;比较不同的数值,选取对应数值最大的疾病标签作为最终患者诊断结果。在本实施例中,指纹识别模块获取患者指纹信息,并将患者指纹信息通过智能网关设备发送至智能诊断工作站;智能诊断工作站根据患者指纹信息在预设患者病史信息库中筛选出对应的患者病史信息。磁卡识别模块将患者磁卡信息通过智能网关设备发送至智能诊断工作站;智能诊断工作站根据患者磁卡信息在预设患者病史信息库中筛选出对应的病史信息。智能工作站将病史信息发送至医生端,有利于对患者的诊断治疗。
本申请的一种智能影像诊断***,包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,X光片采集模块和人机交互模块均与智能网关设备连接,智能网关设备与智能诊断工作站连接。通过同时获取患者X光片图像和患者交互信息得到最终患者诊断结果,使诊断结果更加精准,为医生或专家提供可供参考的重要诊断依据。
以上,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.一种智能影像诊断***,其特征在于:包括智能诊断工作站、智能网关设备、X光片采集模块以及人机交互模块,所述X光片采集模块和所述人机交互模块均与所述智能网关设备连接,所述智能网关设备与所述智能诊断工作站连接;
所述X光片采集模块采集患者体内诊断部位的射线图像,得到患者X光片图像;所述X光片采集模块通过所述智能网关设备将所述患者X光片图像发送至所述智能诊断工作站;所述人机交互模块通过与患者进行交互得到患者交互信息;所述人机交互模块通过所述智能网关设备将所述患者交互信息发送至所述智能诊断工作站;所述智能诊断工作站根据所述患者X光片图像和所述患者交互信息得到最终患者诊断结果。
2.如权利要求1所述的一种智能影像诊断***,其特征在于:所述人机交互模块包括语音识别模块和照相模块,所述语音识别模块和所述照相模块均与所述智能网关设备连接;所述患者交互信息包括已识别患者疾病症状信息和患者外部特征图像,所述语音识别模块通过语音交互采集患者疾病症状信息并进行语音识别,得到已识别患者疾病症状信息,所述语音识别模块将所述已识别患者疾病症状信息通过所述智能网关设备发送至所述智能诊断工作站;所述照相模块拍摄患者疾病部位的外部特征,得到患者外部特征图像,所述照相模块将所述患者外部用特征图像传给所述智能诊断工作站。
3.如权利要求1所述的一种智能影像诊断***,其特征在于:所述患者交互信息包括患者指纹信息,所述人机交互模块还包括指纹识别模块,所述指纹识别模块与所述智能网关设备连接;所述指纹识别模块获取患者指纹信息,并将所述患者指纹信息通过所述智能网关设备发送至所述智能诊断工作站;所述智能诊断工作站根据所述患者指纹信息在预设患者病史信息库中筛选出对应的患者病史信息。
4.如权利要求1所述的一种智能影像诊断***,其特征在于:所述患者交互信息还包括患者磁卡信息,所述人机交互模块还包括磁卡识别模块,所述磁卡识别模块识别患者持有的磁卡并得到患者磁卡信息,所述磁卡识别模块将所述患者磁卡信息通过所述智能网关设备发送至所述智能诊断工作站,所述智能诊断工作站根据所述患者磁卡信息在预设患者病史信息库中筛选出对应的病史信息。
5.如权利要求1所述的一种智能影像诊断***,其特征在于:所述智能网关设备通过移动网络或无线网络或有限网络与所述智能诊断工作站连接。
6.如权利要求1所述的一种智能影像诊断***,其特征在于:所述X光片采集模块包括X射线放射模块和X光片处理模块,所述X射线放射模块与所述X光片处理模块连接,所述X射线放射模块通过放射X射线采集患者体内诊断部位的射线图像,所述X射线放射模块将射线图像发送至所述X光片处理模块,所述X光片处理模块依次对所述射线图像进行图像降噪处理、坏点修复处理以及失真修复处理,得到患者X光片图像。
7.如权利要求6所述的一种智能影像诊断***,其特征在于:所述X射线放射模块为非晶硅平板探测器。
8.如权利要求1所述的一种智能影像诊断***,其特征在于:所述智能网关设备含有存储模块,当所述智能诊断工作站与所述智能网关设备处于离线状态时,所述存储模块用于存储所述患者X光片图像和所述患者交互信息。
9.如权利要求1-8任意一项所述的一种智能影像诊断***,其特征在于:所述智能诊断工作站包括神经网络训练模块、机器学习分类模块、计算模块;所述神经网络训练模块和所述机器学习分类模块均与所述计算模块连接;所述神经网络训练模块根据预设样本标签和预设样本数据库生成卷积神经网络模型,所述卷积神经网络模型获取所述患者X光片图像,输出X光片诊断结果;所述卷积神经网络模型获取患者外部特征图像,输出特征图像诊断结果;所述机器学习分类模块根据预设中西医学信息库对已识别患者疾病症状信息进行机器学习分类,得到医学信息诊断结果;所述计算模块对所述X光片诊断结果、所述特征图像诊断结果以及所述医学信息诊断结果进行合并计算,得到最终患者诊断结果。
10.如权利要求9所述的一种智能影像诊断***,其特征在于:所述预设样本标签包括X光片标签和外部特征图像标签,所述预设样本数据库包括预设X光片样本数据库和预设外部特征图像样本数据库,所述卷积神经网络模型包括X光片图像卷积神经网络模型和病症体外特征图像卷积神经网络模型,所述神经网络训练模块根据X光片标签和预设X光片样本数据库生成X光片图像卷积神经网络模型,所述神经网络训练模块根据外部特征图像标签和预设外部特征图像样本数据库生成病症体外特征图像卷积神经网络模型,所述X光片图像卷积神经网络模型获取所述患者X光片图像,输出X光片诊断结果;所述病症体外特征图像卷积神经网络模型获取所述患者外部特征图像,输出特征图像诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010135570.7A CN111449665A (zh) | 2020-03-02 | 2020-03-02 | 一种智能影像诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010135570.7A CN111449665A (zh) | 2020-03-02 | 2020-03-02 | 一种智能影像诊断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111449665A true CN111449665A (zh) | 2020-07-28 |
Family
ID=71671001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010135570.7A Pending CN111449665A (zh) | 2020-03-02 | 2020-03-02 | 一种智能影像诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111449665A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786194A (zh) * | 2021-01-28 | 2021-05-11 | 北京一脉阳光医学信息技术有限公司 | 基于人工智能的医学影像导诊导检***、方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060038119A (ko) * | 2004-10-29 | 2006-05-03 | 에스케이 텔레콤주식회사 | 생체인식을 이용한 의료네트워크의 개인 인증 시스템 및방법 |
CN101785702A (zh) * | 2009-01-23 | 2010-07-28 | 李秀 | 健康信息***、方法及对应装置、设备及试剂载体 |
CN102088910A (zh) * | 2008-07-07 | 2011-06-08 | 浜松光子学株式会社 | 脑部疾病的诊断*** |
CN108154927A (zh) * | 2017-12-21 | 2018-06-12 | 华子昂 | 一种智能中医机器人软件架构 |
CN109285605A (zh) * | 2018-09-11 | 2019-01-29 | 青岛农业大学 | 一种基于人工智能的医疗诊断***及诊断方法 |
CN109431463A (zh) * | 2018-10-23 | 2019-03-08 | 南开大学 | 基于中西医样本标记的深度学习中医智能诊疗*** |
CN209029106U (zh) * | 2018-07-02 | 2019-06-25 | 公安县人民医院 | 一种智能体检报告生成*** |
WO2019125026A1 (ko) * | 2017-12-20 | 2019-06-27 | 주식회사 메디웨일 | 심혈관 질병 진단 보조 방법 및 장치 |
CN109994175A (zh) * | 2019-01-09 | 2019-07-09 | 上海正太网络科技有限公司 | 基于人工智能的健康检测方法及*** |
CN110491503A (zh) * | 2019-08-21 | 2019-11-22 | 山东大学第二医院 | 一种基于深度学习的胆石症智能辅助*** |
-
2020
- 2020-03-02 CN CN202010135570.7A patent/CN111449665A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060038119A (ko) * | 2004-10-29 | 2006-05-03 | 에스케이 텔레콤주식회사 | 생체인식을 이용한 의료네트워크의 개인 인증 시스템 및방법 |
CN102088910A (zh) * | 2008-07-07 | 2011-06-08 | 浜松光子学株式会社 | 脑部疾病的诊断*** |
CN101785702A (zh) * | 2009-01-23 | 2010-07-28 | 李秀 | 健康信息***、方法及对应装置、设备及试剂载体 |
WO2019125026A1 (ko) * | 2017-12-20 | 2019-06-27 | 주식회사 메디웨일 | 심혈관 질병 진단 보조 방법 및 장치 |
CN108154927A (zh) * | 2017-12-21 | 2018-06-12 | 华子昂 | 一种智能中医机器人软件架构 |
CN209029106U (zh) * | 2018-07-02 | 2019-06-25 | 公安县人民医院 | 一种智能体检报告生成*** |
CN109285605A (zh) * | 2018-09-11 | 2019-01-29 | 青岛农业大学 | 一种基于人工智能的医疗诊断***及诊断方法 |
CN109431463A (zh) * | 2018-10-23 | 2019-03-08 | 南开大学 | 基于中西医样本标记的深度学习中医智能诊疗*** |
CN109994175A (zh) * | 2019-01-09 | 2019-07-09 | 上海正太网络科技有限公司 | 基于人工智能的健康检测方法及*** |
CN110491503A (zh) * | 2019-08-21 | 2019-11-22 | 山东大学第二医院 | 一种基于深度学习的胆石症智能辅助*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786194A (zh) * | 2021-01-28 | 2021-05-11 | 北京一脉阳光医学信息技术有限公司 | 基于人工智能的医学影像导诊导检***、方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919928B (zh) | 医学影像的检测方法、装置和存储介质 | |
CN109460717B (zh) | 消化道共聚焦激光显微内镜病变图像识别方法及装置 | |
CN112699868A (zh) | 一种基于深度卷积神经网络的图像识别方法、设备 | |
CN110930373A (zh) | 一种基于神经网络的肺炎识别装置 | |
CN111583249A (zh) | 一种医学图像的质量监控***及方法 | |
CN111402984A (zh) | 一种肺部疾病远程诊断*** | |
KR20240015109A (ko) | 내시경 영상 식별 방법, 전자 기기 및 저장 매체 | |
CN115082448A (zh) | 肠道清洁度评分方法、装置和计算机设备 | |
CN111449665A (zh) | 一种智能影像诊断*** | |
CN114757942A (zh) | 一种基于深度学习的多层螺旋ct对活动性肺结核的检测方法 | |
Liu et al. | Reducing false positives for lung nodule detection in chest X-rays using cascading CNN | |
CN116797889B (zh) | 医学影像识别模型的更新方法、装置和计算机设备 | |
Souid et al. | Xception-ResNet autoencoder for pneumothorax segmentation | |
CN112331329A (zh) | 以个人装置进行手骨骨龄即时判读的***及方法 | |
CN118098558A (zh) | 基于对话功能的x光影像诊断方法、装置及电子设备 | |
Hu et al. | Research on Early Warning Model of Cardiovascular Disease Based on Computer Deep Learning | |
KR102036052B1 (ko) | 인공지능 기반으로 비규격화 피부 이미지의 의료 영상 적합성을 판별 및 변환하는 장치 | |
CN110827275A (zh) | 基于树莓派和深度学习的肝脏核磁动脉期影像质量分级方法 | |
CN111753831A (zh) | 一种图像分析方法、装置、图像采集设备及存储介质 | |
CN116172514A (zh) | 基于ts-bert神经网络模型架构的ecg信号分类方法 | |
CN114972297A (zh) | 口腔健康监测方法及装置 | |
CN116135146A (zh) | 动态心电的分析方法、装置及医疗设备 | |
Tsai et al. | Tuberculosis Detection Based on Multiple Model Ensemble in Chest X-ray Image | |
Abdurahman et al. | Application of Machine Learning Algorithms for Pneumonia Detection and Classification | |
He et al. | Automatic classification of arrhythmias by residual network and BiGRU with attention mechanism |
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 |