CN113192605B - 医学影像的分类方法、医学影像的检索方法和装置 - Google Patents
医学影像的分类方法、医学影像的检索方法和装置 Download PDFInfo
- Publication number
- CN113192605B CN113192605B CN202110395166.8A CN202110395166A CN113192605B CN 113192605 B CN113192605 B CN 113192605B CN 202110395166 A CN202110395166 A CN 202110395166A CN 113192605 B CN113192605 B CN 113192605B
- Authority
- CN
- China
- Prior art keywords
- medical
- label
- preset
- classified
- medical 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004590 computer program Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 208000029078 coronary artery disease Diseases 0.000 description 13
- 206010003119 arrhythmia Diseases 0.000 description 7
- 230000006793 arrhythmia Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000002526 effect on cardiovascular system Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 210000004185 liver Anatomy 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 206010000891 acute myocardial infarction Diseases 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 208000019622 heart disease Diseases 0.000 description 4
- 208000006454 hepatitis Diseases 0.000 description 4
- 231100000283 hepatitis Toxicity 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种医学影像的分类方法、医学影像的检索方法、装置、计算机设备和存储介质。该方法包括:获取待分类的医学影像的病例报告;将待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,预设的医学标签具有层级关系;若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签;对待分类的医学影像添加第一目标医学标签,其中,第一目标医学标签用于对待分类的医学影像进行分类。采用本方法能够提高医学影像的分类效率。
Description
技术领域
本申请涉及图像分类技术领域,特别是涉及一种医学影像的分类方法、医学影像的检索方法、装置、计算机设备和存储介质。
背景技术
医学影像是指为了医疗或医学研究,对人体或人体某部分,以非侵入方式取得内部组织影像的技术与处理过程。
传统技术中,医学影像的分类方法通常是基于医学影像的影像内容的识别后再做出分类。
然而,采用传统技术,由于图像处理过程较为繁琐,导致医学影像的分类效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高医学影像的分类效率的医学影像的分类方法、医学影像的检索方法、装置、计算机设备和存储介质。
一种医学影像的分类方法,所述方法包括:
获取待分类的医学影像的病例报告;
将所述待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,所述预设的医学标签具有层级关系;
若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;
对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类。
在其中一个实施例中,所述方法还包括:
若所述待分类的医学影像的病例报告未匹配到所述预设的医学标签,则将所述待分类的医学影像的病例报告与预设的第一关键词进行匹配,其中,所述预设的第一关键词包括医学术语;
若所述待分类的医学影像的病例报告匹配到所述预设的第一关键词中的备用关键词,则计算所述备用关键词与所述预设的医学标签之间的相关系数;
从所述预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;
对所述待分类的医学影像添加所述第二目标医学标签,其中,所述第二目标医学标签用于对所述待分类的医学影像进行分类。
在其中一个实施例中,所述获取待分类的医学影像的病例报告,包括:
获取初始的医学影像的病例报告;
将所述初始的医学影像的病例报告与预设的第二关键词进行匹配,其中,所述预设的第二关键词用于表征病例正常;
若所述初始的医学影像的病例报告未匹配到所述预设的第二关键词,则将所述初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
在其中一个实施例中,所述若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,包括:
若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
在其中一个实施例中,所述预设的医学标签的构建过程包括:
获取树结构,其中,所述树结构包括多层级的结点,所述结点根据层级关系划分为父结点和子结点;
根据医学标签间的关系,将医学标签关联至所述树结构的各层级的结点上,得到预设的医学标签,其中,所述医学标签间的关系包括并列关系和包含关系。
在其中一个实施例中,所述方法还包括:
接收用户针对选定的医学标签的添加指令;
根据所述添加指令,对所述待分类的医学影像添加所述选定的医学标签,其中,所述选定的医学标签用于对所述待分类的医学影像进行分类。
一种医学影像的检索方法,所述方法包括:
接收医学影像的检索指令,所述检索指令中携带有待检索的医学标签;
根据所述检索指令中待检索的医学标签,将所述待检索的医学标签与医学影像关联的第一目标医学标签进行匹配;
若所述待检索的医学标签与所述第一目标医学标签匹配成功,则提取所述第一目标医学标签关联的医学影像;
其中,所述医学影像与第一目标医学标签建立了关联关系;所述第一目标医学标签是通过获取待分类的医学影像的病例报告,并将所述待分类的医学影像的病例报告所匹配的预设的医学标签中的候选医学标签进行筛选得到的;其中,所述预设的医学标签具有层级关系。
一种医学影像的分类装置,所述装置包括:
病例报告获取模块,用于获取待分类的医学影像的病例报告;
医学标签匹配模块,用于将所述待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,所述预设的医学标签具有层级关系;
医学标签提取模块,用于若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;
医学标签添加模块,用于对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待分类的医学影像的病例报告;
将所述待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,所述预设的医学标签具有层级关系;
若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;
对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待分类的医学影像的病例报告;
将所述待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,所述预设的医学标签具有层级关系;
若所述待分类的医学影像的病例报告匹配到所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;
对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类。
上述医学影像的分类方法、医学影像的检索方法、装置、计算机设备和存储介质,通过将待分类的医学影像的病例报告与预设的医学标签进行匹配,并在匹配成功后,从候选医学标签中提取满足预设的层级条件的第一目标医学标签作为该待分类的医学影像对应的医学标签,如此可基于该医学标签对待分类的医学影像进行分类。由于本申请采用医学影像的病例报告与医学标签进行匹配,进而选取满足预设的层级条件的第一目标医学标签用于识别和分类对应的医学影像,可见本申请无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,有利于提高医学影像的分类效率。并且,本申请针对在医生的日常工作中可能积累了一些有特征的医学影像病例,如典型肺结节、稀有心脏影像等,之后在某个时间需要查找到该医学影像病例,又无法回忆起相关的查询条件的情况,也可以辅助医生快速查找到相应的医学影像病例。
附图说明
图1为一个实施例中医学影像的分类方法的流程示意图;
图2为一个实施例中在待分类的医学影像的病例报告未匹配到预设的医学标签时对该待分类的医学影像添加第二目标医学标签的流程示意图;
图3为一个实施例中获取待分类的医学影像的病例报告的补充方案的流程示意图;
图4为一个实施例中终端显示的医学影像的病例列表的图形用户界面;
图5为一个实施例中用户对待分类的医学影像添加医学标签的图形用户界面;
图6为一个实施例中树结构式的医学标签模板图;
图7为另一个实施例中医学影像的分类方法的流程示意图;
图8为一个实施例中医学影像的检索方法的流程示意图;
图9为一个实施例中根据待检索的医学标签检索到对应的数据的图形用户界面;
图10为一个实施例中医学影像的分类装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种医学影像的分类方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤S102,获取待分类的医学影像的病例报告。
其中,医学影像是指为了医疗或医学研究,对生物体或生物体某部分,以非侵入方式取得内部组织影像。病例报告是指通过对病例进行记录和描述,以表征出疾病的表现、机理以及诊断治疗等方面的医学报告。
具体地,终端获取待分类的医学影像的病例报告。
步骤S104,将待分类的医学影像的病例报告与预设的医学标签进行匹配。
其中,预设的医学标签具有层级关系。在一个实施例中,层级关系包括医学标签在所有层级中所处的层级。在另一个实施例中,层级关系还包括层级间的关系。通常,预设的医学标签具有多层级的关系。多层级是指医学标签具有多个级别。举例而言,假设预设的医学标签中包含“心血管”标签、“冠心病”标签、“心律失常”标签、“扩心病”标签和“急性心梗”标签等医学标签。基于医学常识可知,冠心病、心律失常、扩心病和急性心梗都属于心血管疾病,因此前述标签可构建两层级的关系,具体的第一层级为“心血管”标签,而第二层级为“冠心病”标签、“心律失常”标签、“扩心病”标签和“急性心梗”标签。在本申请实施例中,该多层级的关系可以理解为浅层级的标签包含深层级的标签,其中,层级越低表明层级越浅,反之,层级越高表明层级越深。例如,第一层级相对于第二层级属于浅层级。此外,同一层级的医学标签间具有并列关系。例如,“冠心病”标签、“心律失常”标签、“扩心病”标签和“急性心梗”标签之间为并列关系。
可选地,预设的医学标签可预先存储在终端中。
具体地,终端获得待分类的医学影像的病例报告后,将待分类的医学影像的病例报告与预设的医学标签进行匹配。一种可选的匹配方式是:终端检索待分类的医学影像的病例报告中是否包含有该预设的医学标签。另一种可选的匹配方式是:终端检索待分类的医学影像的病例报告中是否包含有该预设的医学标签的部分字段。
步骤S106,若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签。
其中,层级条件是根据层级关系确定的。
具体地,若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则终端从候选医学标签中提取满足预设的层级条件的第一目标医学标签。
可选地,若终端检索到待分类的医学影像的病例报告中包含有预设的医学标签中的候选医学标签,则终端从候选医学标签中提取满足预设的层级条件的第一目标医学标签。例如,终端检索到待分类的医学影像的病例报告中包含有冠心病和心律失常,则确定待分类的医学影像的病例报告匹配到预设的医学标签中的“冠心病”标签和“心律失常”标签,进而从“冠心病”标签和“心律失常”标签中提取满足预设的层级条件的第一目标医学标签。
可选地,若终端检索到待分类的医学影像的病例报告中包含有预设的医学标签中的候选医学标签的部分字段,则终端从候选医学标签中提取满足预设的层级条件的第一目标医学标签。例如,终端检索到待分类的医学影像的病例报告中包含有冠心和扩心,则确定待分类的医学影像的病例报告匹配到预设的医学标签中的“冠心病”标签和“扩心病”标签,进而从“冠心病”标签和“扩心病”标签中提取满足预设的层级条件的第一目标医学标签。
可选地,预设的层级条件可以是层级最深的候选医学标签,也可以是层级次深的候选医学标签,还可以是符合预设层级关系的候选医学标签。当然,预设的层级条件还可以是其他的层级需符合的条件。在一个实施例中,假设候选医学标签包括“心血管”标签、“冠心病”标签、“肝”标签和“肝炎”标签,其中,“心血管”标签包含“冠心病”标签,“肝”标签包含“肝炎”标签,“心血管”标签与“肝”标签属于同一级别,“冠心病”标签与“肝炎”标签属于同一级别,那么,若预设的层级条件为层级最深的候选医学标签,则终端会选取“冠心病”标签和“肝炎”标签作为第一目标医学标签。可以理解,层级条件的设定是基于层级关系(例如所处层级、层级间包含关系及并列关系)而确定的。
步骤S108,对待分类的医学影像添加第一目标医学标签。
其中,第一目标医学标签用于对待分类的医学影像进行分类。
具体地,终端获得第一目标医学标签后,对待分类的医学影像添加该第一目标医学标签。之后,终端根据第一目标医学标签对该待分类的医学影像进行分类。
上述医学影像的分类方法中,通过将待分类的医学影像的病例报告与预设的医学标签进行匹配,并在匹配成功后,从候选医学标签中提取满足预设的层级条件的第一目标医学标签作为该待分类的医学影像对应的医学标签,如此可基于该医学标签对待分类的医学影像进行分类。由于本方法采用医学影像的病例报告与医学标签进行匹配,进而选取满足预设的层级条件的第一目标医学标签用于识别和分类对应的医学影像,可见本方法无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,有利于提高医学影像的分类效率。
在一个实施例中,如图2所示,涉及在待分类的医学影像的病例报告未匹配到预设的医学标签时对该待分类的医学影像添加第二目标医学标签的具体实现过程。在上述实施例的基础上,该方法还包括以下步骤:
步骤S112,若待分类的医学影像的病例报告未匹配到预设的医学标签,则将待分类的医学影像的病例报告与预设的第一关键词进行匹配;
步骤S114,若待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,则计算备用关键词与预设的医学标签之间的相关系数;
步骤S116,从预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;
步骤S118,对待分类的医学影像添加第二目标医学标签。
其中,预设的第一关键词包括医学术语。备用关键词与预设的医学标签之间的相关系数用于表征备用关键词与预设的医学标签之间的相关性。
其中,第二目标医学标签用于对待分类的医学影像进行分类。
具体地,若待分类的医学影像的病例报告未匹配到预设的医学标签,例如终端未检索到待分类的医学影像的病例报告中包含有预设的医学标签,则终端将待分类的医学影像的病例报告与预设的第一关键词进行匹配。一种可选的匹配方式是:终端检索待分类的医学影像的病例报告中是否包含有该预设的第一关键词。另一种可选的匹配方式是:终端检索待分类的医学影像的病例报告中是否包含有该预设的第一关键词的部分字段。
接着,若待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,例如若终端检索到待分类的医学影像的病例报告中包含有预设的第一关键词中的备用关键词,则计算备用关键词与预设的医学标签之间的相关系数。可选地,各备用关键词与预设的医学标签之间设置有相应的相关系数。当多个备用关键词对应于一个医学标签时,可将各备用关键词与该医学标签之间的相关系数相加得到备用关键词与预设的医学标签之间的相关系数。
接着,终端从预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签。可选地,预设的相关系数条件可以是相关系数最高的医学标签,也可以是相关系数次高的医学标签,还可以是相关系数经排序后排在前N位的医学标签。当然,预设的相关系数条件还可以是其他的相关系数需符合的条件。举例而言,在终端中,预先配置预设的医学标签,同时录入第一关键词库,终端可根据已手工标记或人工确认标记的医学影像病例集作为标记数据集,进行相关性计算,得到预设的医学标签中各医学标签与第一关键词库中的各第一关键词的相关系数。例如:第一关键词库中的“冠状动脉”与预设的医学标签中的“心血管疾病”标签的相关系数是0.42,第一关键词库中的“左心室”与预设的医学标签中的“心血管疾病”标签的相关系数是0.40。在实际工作中,终端从病例报告中提取到“冠状动脉”和“左心室”两个医学术语,则可确定该医学影像与预设的医学标签中的“心血管疾病”标签的相关性为0.82(也可以采用不同的权重加权的方式),通过该方式也可计算得到该医学影像与其他医学标签的相关系数,然后对这些相关系数进行排序,选取其中相关系数最大的第二目标医学标签,如果该第二目标医学标签的相关系数大于0.6,则对该医学影像添加该医学标签,否则不添加该医学标签。
最后,终端获得第二目标医学标签后,对待分类的医学影像添加该第二目标医学标签。之后,终端根据第二目标医学标签对该待分类的医学影像进行分类。
本实施例中,考虑到医学术语多种多样,而医学标签无法穷尽所有的医学术语,因此,在待分类的医学影像的病例报告未匹配到预设的医学标签时,可采用匹配预设的第一关键词,该第一关键词包括医学术语,并根据匹配成功的第一关键词中的备用关键词来确定其与医学标签的相关性,进而选取符合相关性条件的第二目标医学标签用于识别和分类对应的医学影像。如此丰富了医学影像的分类方式,有利于提高医学影像分类的准确性。
在一个实施例中,如图3所示,涉及上述步骤S102“获取待分类的医学影像的病例报告”的一种可能的实现方式。在上述实施例的基础上,步骤S102具体可以通过以下步骤实现:
步骤S1022,获取初始的医学影像的病例报告;
步骤S1024,将初始的医学影像的病例报告与预设的第二关键词进行匹配;
步骤S1026,若初始的医学影像的病例报告未匹配到预设的第二关键词,则将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
其中,预设的第二关键词用于表征病例正常。可选地,预设的第二关键词包括正常、未见异常等。
具体地,终端获取初始的医学影像的病例报告,并将初始的医学影像的病例报告与预设的第二关键词进行匹配。一种可选的匹配方式是:终端检索初始的医学影像的病例报告中是否包含有该预设的第二关键词。另一种可选的匹配方式是:终端检索初始的医学影像的病例报告中是否包含有该预设的第二关键词的部分字段。若初始的医学影像的病例报告未匹配到预设的第二关键词,例如终端未检索到初始的医学影像的病例报告中包含有该预设的第二关键词,则终端将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。若初始的医学影像的病例报告匹配到预设的第二关键词,例如终端检索到初始的医学影像的病例报告中包含有该预设的第二关键词,则终端对初始的医学影像添加表示病例正常的医学标签。
本实施例中,通过初始的医学影像的病例报告与预设的第二关键词的匹配,可对病例正常的医学影像打上表示病例正常的医学标签,而对病例异常的医学影像进行上述实施例的处理以对其分类,如此可加快对于医学影像的分类效率及准确性。
在一个实施例中,涉及上述步骤S106“若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签”的一种可能的实现方式。在上述实施例的基础上,步骤S106具体可以通过以下步骤实现:
步骤S1062,若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
具体地,若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则终端从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。可选地,若候选医学标签包括多个具有并列关系的医学标签,例如:候选医学标签包括“心血管”标签,“肝”标签和“肺”标签,以及这三类医学标签对应的更深层级的候选医学标签,在该情况下,终端可以分别选取“心血管”标签所对应的层级最深的候选医学标签,“肝”标签所对应的层级最深的候选医学标签和“肺”标签所对应的层级最深的候选医学标签作为第一目标医学标签。
本实施例中,将层级最深的候选医学标签作为待分类的医学影像对应的医学标签,由于层级越深的医学标签表明分类越细化,基于此,对于医学影像的分类也更为细化,有利于提高医学影像分类的准确性。
在一个实施例中,涉及预设的医学标签的构建过程。在上述实施例的基础上,该构建过程包括以下步骤:
步骤S122,获取树结构,其中,树结构包括多层级的结点,结点根据层级关系划分为父结点和子结点;
步骤S124,根据医学标签间的关系,将医学标签关联至树结构的各层级的结点上,得到预设的医学标签,其中,医学标签间的关系包括并列关系和包含关系。
具体地,终端获取树结构,并根据医学标签的数量及医学标签间的关系设置树结构的结点数量以及结点间的连接关系,其中,医学标签间的关系为并列关系时,采用不同的并列的路径中结点关联这些医学标签;医学标签间的关系为包含关系时,采用同一路径中结点关联这些医学标签,从而得到预设的医学标签。该预设的医学标签以标签树的数据格式存储于终端中,如图4所示。
可选地,标签树中匹配的方式是先从树的最深结点开始匹配,匹配成功则直接返回该结点关联的医学标签,匹配失败则继续向浅一层的结点进行匹配,直到匹配到标签树的根节点。
本实施例中,采用树结构来构建预设的医学标签,构建方式简单且准确。
在一个实施例中,涉及对待分类的医学影像的病例报告人工添加医学标签的具体实现过程。在上述实施例的基础上,该方法还包括以下步骤:
步骤S132,接收用户针对选定的医学标签的添加指令;
步骤S134,根据添加指令,对待分类的医学影像添加选定的医学标签。
其中,选定的医学标签用于对待分类的医学影像进行分类。
具体地,请一并参阅图5-6,当用户(例如医生)需要手动为待分类的医学影像添加医学标签时,用户可在显示的医学影像的列表中,对感兴趣的待分类的医学影像点击“添加标签”按钮,可弹出添加标签窗口,进而选定想添加的医学标签。终端检测到用户的选定操作,基于该选定操作生成针对选定的医学标签的添加指令,然后根据该添加指令,对待分类的医学影像添加选定的医学标签。
本实施例中,可实现用户手动对感兴趣的待分类的医学影像打标签,丰富了医学影像分类方式的多样性,分类功能更为多样化,有利于提高医学影像分类的准确性。
下面结合一个具体的医学影像分类场景来介绍本申请的一个实施例,具体参见图7所示,该方法包括如下步骤:
获取初始的医学影像的病例报告;
将初始的医学影像的病例报告与预设的第二关键词匹配;
若匹配成功,则对初始的医学影像添加表示病例正常的标签;若匹配失败,则将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
将待分类的医学影像的病例报告与预设的医学标签树匹配;
若匹配成功,则将待分类的医学影像的病例报告匹配到预设的医学标签树中的候选医学标签按照层级关系排序,进而从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签,并对待分类的医学影像添加第一目标医学标签。若匹配失败,则基于待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,计算备用关键词与预设的医学标签之间的相关系数,并提取相关系数最大的第二目标医学标签,进而对待分类的医学影像添加第二目标医学标签。
本实施例中,本申请无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,可有效提高医学影像的分类效率。
基于同一发明构思,在一个实施例中,如图8所示,提供了一种医学影像的检索方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤S202,接收医学影像的检索指令,检索指令中携带有待检索的医学标签;
步骤S204,根据检索指令中待检索的医学标签,将待检索的医学标签与医学影像关联的第一目标医学标签进行匹配;
步骤S206,若待检索的医学标签与第一目标医学标签匹配成功,则提取第一目标医学标签关联的医学影像。
其中,医学影像与第一目标医学标签建立了关联关系。第一目标医学标签是通过获取待分类的医学影像的病例报告,并将待分类的医学影像的病例报告所匹配的预设的医学标签中的候选医学标签进行筛选得到的。其中,预设的医学标签具有层级关系。
具体地,当用户(例如医生)需要检索需要的医学影像时,可在终端界面的检索框内输入待检索的医学标签。终端根据用户的检索请求,生成携带有待检索的医学标签的检索指令,接着解析该检索指令中待检索的医学标签,并将待检索的医学标签与医学影像关联的第一目标医学标签进行匹配,若待检索的医学标签与第一目标医学标签匹配成功,则提取第一目标医学标签关联的医学影像并展示给用户,如图9所示。
本实施例中,采用通过医学影像的病例报告与医学标签的匹配,进而选取满足预设的层级条件的第一目标医学标签与待检索的医学标签进行匹配来检索医学影像,有利于提高医学影像的检索效率。
应该理解的是,虽然图1-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-9中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种医学影像的分类装置,包括:病例报告获取模块302、医学标签匹配模块304、医学标签提取模块306和医学标签添加模块308,其中:
该病例报告获取模块302,用于获取待分类的医学影像的病例报告;
该医学标签匹配模块304,用于将待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,预设的医学标签具有层级关系;
该医学标签提取模块306,用于若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,层级条件是根据层级关系确定的;
该医学标签添加模块308,用于对待分类的医学影像添加第一目标医学标签,其中,第一目标医学标签用于对待分类的医学影像进行分类。
上述医学影像的分类装置中,通过将待分类的医学影像的病例报告与预设的医学标签进行匹配,并在匹配成功后,从候选医学标签中提取满足预设的层级条件的第一目标医学标签作为该待分类的医学影像对应的医学标签,如此可基于该医学标签对待分类的医学影像进行分类。由于本装置采用医学影像的病例报告与医学标签进行匹配,进而选取满足预设的层级条件的第一目标医学标签用于识别和分类对应的医学影像,可见本装置无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,有利于提高医学影像的分类效率。
在一个实施例中,该装置还包括:第一关键词匹配模块(图未示)和相关系数计算模块(图未示),其中:
该第一关键词匹配模块,用于若待分类的医学影像的病例报告未匹配到预设的医学标签,则将待分类的医学影像的病例报告与预设的第一关键词进行匹配,其中,预设的第一关键词包括医学术语;
该相关系数计算模块,用于若待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,则计算备用关键词与预设的医学标签之间的相关系数;
该医学标签提取模块306,还用于从预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;
该医学标签添加模块308,还用于对待分类的医学影像添加第二目标医学标签,其中,第二目标医学标签用于对待分类的医学影像进行分类。
在一个实施例中,该病例报告获取模块302具体用于获取初始的医学影像的病例报告;将初始的医学影像的病例报告与预设的第二关键词进行匹配,其中,预设的第二关键词用于表征病例正常;若初始的医学影像的病例报告未匹配到预设的第二关键词,则将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
在一个实施例中,该医学标签提取模块306具体用于若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
在一个实施例中,该装置还包括:添加指令接收模块(图未示),其中:
该添加指令接收模块,用于接收用户针对选定的医学标签的添加指令;
该医学标签添加模块308,还用于根据添加指令,对待分类的医学影像添加选定的医学标签,其中,选定的医学标签用于对待分类的医学影像进行分类。
关于医学影像的分类装置的具体限定可以参见上文中对于医学影像的分类方法的限定,在此不再赘述。上述医学影像的分类装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种医学影像的分类方法或医学影像的检索方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待分类的医学影像的病例报告;
将待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,预设的医学标签具有层级关系;
若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,层级条件是根据层级关系确定的;
对待分类的医学影像添加第一目标医学标签,其中,第一目标医学标签用于对待分类的医学影像进行分类。
上述计算机设备中,通过将待分类的医学影像的病例报告与预设的医学标签进行匹配,并在匹配成功后,从候选医学标签中提取满足预设的层级条件的第一目标医学标签作为该待分类的医学影像对应的医学标签,如此可基于该医学标签对待分类的医学影像进行分类。由于本计算机设备采用医学影像的病例报告与医学标签进行匹配,进而选取满足预设的层级条件的第一目标医学标签用于识别和分类对应的医学影像,可见本计算机设备无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,有利于提高医学影像的分类效率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若待分类的医学影像的病例报告未匹配到预设的医学标签,则将待分类的医学影像的病例报告与预设的第一关键词进行匹配,其中,预设的第一关键词包括医学术语;若待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,则计算备用关键词与预设的医学标签之间的相关系数;从预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;对待分类的医学影像添加第二目标医学标签,其中,第二目标医学标签用于对待分类的医学影像进行分类。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取初始的医学影像的病例报告;将初始的医学影像的病例报告与预设的第二关键词进行匹配,其中,预设的第二关键词用于表征病例正常;若初始的医学影像的病例报告未匹配到预设的第二关键词,则将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取树结构,其中,树结构包括多层级的结点,结点根据层级关系划分为父结点和子结点;根据医学标签间的关系,将医学标签关联至树结构的各层级的结点上,得到预设的医学标签,其中,医学标签间的关系包括并列关系和包含关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收用户针对选定的医学标签的添加指令;根据添加指令,对待分类的医学影像添加选定的医学标签,其中,选定的医学标签用于对待分类的医学影像进行分类。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收医学影像的检索指令,检索指令中携带有待检索的医学标签;
根据检索指令中待检索的医学标签,将待检索的医学标签与医学影像关联的第一目标医学标签进行匹配;
若待检索的医学标签与第一目标医学标签匹配成功,则提取第一目标医学标签关联的医学影像;
其中,医学影像与第一目标医学标签建立了关联关系。第一目标医学标签是通过获取待分类的医学影像的病例报告,并将待分类的医学影像的病例报告所匹配的预设的医学标签中的候选医学标签进行筛选得到的。其中,预设的医学标签具有层级关系。
上述计算机设备中,采用通过医学影像的病例报告与医学标签的匹配,进而选取满足预设的层级条件的第一目标医学标签与待检索的医学标签进行匹配来检索医学影像,有利于提高医学影像的检索效率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待分类的医学影像的病例报告;
将待分类的医学影像的病例报告与预设的医学标签进行匹配,其中,预设的医学标签具有层级关系;
若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,层级条件是根据层级关系确定的;
对待分类的医学影像添加第一目标医学标签,其中,第一目标医学标签用于对待分类的医学影像进行分类。
上述计算机可读存储介质中,通过将待分类的医学影像的病例报告与预设的医学标签进行匹配,并在匹配成功后,从候选医学标签中提取满足预设的层级条件的第一目标医学标签作为该待分类的医学影像对应的医学标签,如此可基于该医学标签对待分类的医学影像进行分类。由于本计算机可读存储介质采用医学影像的病例报告与医学标签进行匹配,进而选取满足预设的层级条件的第一目标医学标签用于识别和分类对应的医学影像,可见本计算机可读存储介质无需对待分类的医学影像进行图像处理,而是通过文本匹配以及设定符合的条件的方式来实现对医学影像的分类,有利于提高医学影像的分类效率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若待分类的医学影像的病例报告未匹配到预设的医学标签,则将待分类的医学影像的病例报告与预设的第一关键词进行匹配,其中,预设的第一关键词包括医学术语;若待分类的医学影像的病例报告匹配到预设的第一关键词中的备用关键词,则计算备用关键词与预设的医学标签之间的相关系数;从预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;对待分类的医学影像添加第二目标医学标签,其中,第二目标医学标签用于对待分类的医学影像进行分类。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取初始的医学影像的病例报告;将初始的医学影像的病例报告与预设的第二关键词进行匹配,其中,预设的第二关键词用于表征病例正常;若初始的医学影像的病例报告未匹配到预设的第二关键词,则将初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签,则从候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取树结构,其中,树结构包括多层级的结点,结点根据层级关系划分为父结点和子结点;根据医学标签间的关系,将医学标签关联至树结构的各层级的结点上,得到预设的医学标签,其中,医学标签间的关系包括并列关系和包含关系。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收用户针对选定的医学标签的添加指令;根据添加指令,对待分类的医学影像添加选定的医学标签,其中,选定的医学标签用于对待分类的医学影像进行分类。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收医学影像的检索指令,检索指令中携带有待检索的医学标签;
根据检索指令中待检索的医学标签,将待检索的医学标签与医学影像关联的第一目标医学标签进行匹配;
若待检索的医学标签与第一目标医学标签匹配成功,则提取第一目标医学标签关联的医学影像;
其中,医学影像与第一目标医学标签建立了关联关系。第一目标医学标签是通过获取待分类的医学影像的病例报告,并将待分类的医学影像的病例报告所匹配的预设的医学标签中的候选医学标签进行筛选得到的。其中,预设的医学标签具有层级关系。
上述计算机可读存储介质中,采用通过医学影像的病例报告与医学标签的匹配,进而选取满足预设的层级条件的第一目标医学标签与待检索的医学标签进行匹配来检索医学影像,有利于提高医学影像的检索效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种医学影像的分类方法,其特征在于,所述方法包括:
获取待分类的医学影像的病例报告;
判断所述待分类的医学影像的病例报告是否含有预设的医学标签,其中,所述预设的医学标签具有层级关系;
若所述待分类的医学影像的病例报告含有所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;所述层级关系包括医学标签所处层级、层级间包含关系及并列关系;
对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类;
若所述待分类的医学影像的病例报告未含有所述预设的医学标签,则判断所述待分类的医学影像的病例报告是否含有预设的第一关键词,其中,所述预设的第一关键词包括医学术语;
若所述待分类的医学影像的病例报告含有所述预设的第一关键词中的备用关键词,则基于所述备用关键词与所述预设的医学标签中各医学标签之间的相关系数,得到每一医学标签与待分类的医学影像之间的相关系数;
从所述预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;
对所述待分类的医学影像添加所述第二目标医学标签,其中,所述第二目标医学标签用于对所述待分类的医学影像进行分类。
2.根据权利要求1所述的医学影像的分类方法,其特征在于,所述获取待分类的医学影像的病例报告,包括:
获取初始的医学影像的病例报告;
将所述初始的医学影像的病例报告与预设的第二关键词进行匹配,其中,所述预设的第二关键词用于表征病例正常;
若所述初始的医学影像的病例报告未匹配到所述预设的第二关键词,则将所述初始的医学影像的病例报告确定为待分类的医学影像的病例报告。
3.根据权利要求1所述的医学影像的分类方法,其特征在于,所述若所述待分类的医学影像的病例报告含有所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,包括:
若所述待分类的医学影像的病例报告含有所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取层级最深的候选医学标签作为第一目标医学标签。
4.根据权利要求1-3任一所述的医学影像的分类方法,其特征在于,所述预设的医学标签的构建过程包括:
获取树结构,其中,所述树结构包括多层级的结点,所述结点根据层级关系划分为父结点和子结点;
根据医学标签间的关系,将医学标签关联至所述树结构的各层级的结点上,得到预设的医学标签,其中,所述医学标签间的关系包括并列关系和包含关系。
5.根据权利要求1-3任一所述的医学影像的分类方法,其特征在于,所述方法还包括:
接收用户针对选定的医学标签的添加指令;
根据所述添加指令,对所述待分类的医学影像添加所述选定的医学标签,其中,所述选定的医学标签用于对所述待分类的医学影像进行分类。
6.一种医学影像的分类装置,其特征在于,所述装置包括:
病例报告获取模块,用于获取待分类的医学影像的病例报告;
医学标签匹配模块,用于判断所述待分类的医学影像的病例报告是否含有预设的医学标签,其中,所述预设的医学标签具有层级关系;
医学标签提取模块,用于若所述待分类的医学影像的病例报告含有所述预设的医学标签中的候选医学标签,则从所述候选医学标签中提取满足预设的层级条件的第一目标医学标签,其中,所述层级条件是根据所述层级关系确定的;所述层级关系包括医学标签所处层级、层级间包含关系及并列关系;
医学标签添加模块,用于对所述待分类的医学影像添加所述第一目标医学标签,其中,所述第一目标医学标签用于对所述待分类的医学影像进行分类;
第一关键词匹配模块,用于若所述待分类的医学影像的病例报告未含有所述预设的医学标签,则判断所述待分类的医学影像的病例报告是否含有预设的第一关键词,其中,所述预设的第一关键词包括医学术语;
相关系数计算模块,用于若所述待分类的医学影像的病例报告含有所述预设的第一关键词中的备用关键词,则基于所述备用关键词与所述预设的医学标签中各医学标签之间的相关系数,得到每一医学标签与待分类的医学影像之间的相关系数;
医学标签提取模块,用于从所述预设的医学标签中,提取满足预设的相关系数条件的第二目标医学标签;
医学标签添加模块,用于对所述待分类的医学影像添加所述第二目标医学标签,其中,所述第二目标医学标签用于对所述待分类的医学影像进行分类。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的医学影像的分类方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的医学影像的分类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395166.8A CN113192605B (zh) | 2021-04-13 | 2021-04-13 | 医学影像的分类方法、医学影像的检索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395166.8A CN113192605B (zh) | 2021-04-13 | 2021-04-13 | 医学影像的分类方法、医学影像的检索方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192605A CN113192605A (zh) | 2021-07-30 |
CN113192605B true CN113192605B (zh) | 2024-06-28 |
Family
ID=76975662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110395166.8A Active CN113192605B (zh) | 2021-04-13 | 2021-04-13 | 医学影像的分类方法、医学影像的检索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192605B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808712A (zh) * | 2021-08-24 | 2021-12-17 | 武汉联影医疗科技有限公司 | 医学数据传输方法、装置、计算机设备和存储介质 |
CN113744845A (zh) * | 2021-09-17 | 2021-12-03 | 平安好医投资管理有限公司 | 基于人工智能的医学影像处理方法、装置、设备及介质 |
CN114067961A (zh) * | 2021-10-27 | 2022-02-18 | 武汉联影医疗科技有限公司 | 一种医学图像归档***、方法及存储介质 |
CN114782323A (zh) * | 2022-03-28 | 2022-07-22 | 数坤(北京)网络科技股份有限公司 | 医学影像获取分析方法、装置、存储介质及电子设备 |
CN116434919A (zh) * | 2023-04-27 | 2023-07-14 | 富士胶片(中国)投资有限公司 | 采集医学影像的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107658004A (zh) * | 2017-09-14 | 2018-02-02 | 武汉互创科技有限公司 | 一种在移动终端上查看云端医学影像信息的方法及*** |
CN110597988A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN112597135A (zh) * | 2021-01-04 | 2021-04-02 | 天冕信息技术(深圳)有限公司 | 用户分类方法、装置、电子设备及可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1996959A4 (en) * | 2006-03-03 | 2012-02-29 | Medic Vision Brain Technologies Ltd | SYSTEM AND METHOD FOR PRIORITIZE PRIORITIZATION AND AUTOMATIC ANALYSIS OF MEDICAL IMAGES |
JP4962986B2 (ja) * | 2008-04-01 | 2012-06-27 | ヤフー株式会社 | コンテンツデータをカテゴリに分類する方法、サーバ、およびプログラム |
WO2012111288A1 (ja) * | 2011-02-14 | 2012-08-23 | パナソニック株式会社 | 類似症例検索装置および類似症例検索方法 |
CN104217031B (zh) * | 2014-09-28 | 2019-08-02 | 北京奇虎科技有限公司 | 一种根据服务器搜索日志数据进行用户分类的方法和装置 |
TW202004519A (zh) * | 2018-06-05 | 2020-01-16 | 正修學校財團法人正修科技大學 | 影像自動分類的方法 |
CN110582025B (zh) * | 2018-06-08 | 2022-04-01 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN109377203A (zh) * | 2018-09-13 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 医疗结算数据处理方法、装置、计算机设备和存储介质 |
US11537821B2 (en) * | 2019-04-10 | 2022-12-27 | International Business Machines Corporation | Evaluating text classification anomalies predicted by a text classification model |
CN110580695B (zh) * | 2019-08-07 | 2022-06-21 | 深圳先进技术研究院 | 一种多模态三维医学影像融合方法、***及电子设备 |
CN112614579A (zh) * | 2021-01-05 | 2021-04-06 | 北京融威众邦电子技术有限公司 | 医院预约挂号方法、装置、计算机设备 |
-
2021
- 2021-04-13 CN CN202110395166.8A patent/CN113192605B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107658004A (zh) * | 2017-09-14 | 2018-02-02 | 武汉互创科技有限公司 | 一种在移动终端上查看云端医学影像信息的方法及*** |
CN110597988A (zh) * | 2019-08-28 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN112597135A (zh) * | 2021-01-04 | 2021-04-02 | 天冕信息技术(深圳)有限公司 | 用户分类方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113192605A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113192605B (zh) | 医学影像的分类方法、医学影像的检索方法和装置 | |
CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
De Herrera et al. | Overview of the ImageCLEF 2013 medical tasks. | |
US11238374B2 (en) | Method for verifying training data, training system, and computer readable medium | |
US20190347269A1 (en) | Structured report data from a medical text report | |
Xu et al. | Prognostic prediction of hypertensive intracerebral hemorrhage using CT radiomics and machine learning | |
Pizzagalli et al. | A trainable clustering algorithm based on shortest paths from density peaks | |
US20180314943A1 (en) | Systems, methods, and/or media, for selecting candidates for annotation for use in training a classifier | |
US11334992B2 (en) | Computer-implemented method to increase the accuracy of machine learning models for medical image processing | |
CN111445968A (zh) | 电子病历查询方法、装置、计算机设备和存储介质 | |
WO2012104949A1 (ja) | 症例検索装置および症例検索方法 | |
US20090097756A1 (en) | Similar image search apparatus and computer readable medium | |
JP2005535952A (ja) | 画像内容検索法 | |
KR20140024788A (ko) | 고급 멀티미디어 구조화 리포트 | |
JP2020149686A (ja) | 画像処理方法、装置、サーバ及び記憶媒体 | |
Arias et al. | Medical image modality classification using discrete Bayesian networks | |
US20200365253A1 (en) | Server for building big data database based on quantification and analysis of medical images and server-based medical image analysis method | |
US20200051699A1 (en) | System and method to determine relevant prior radiology studies using pacs log files | |
Seifert et al. | Combined semantic and similarity search in medical image databases | |
CN111341408A (zh) | 影像报告模板的生成方法、计算机设备和存储介质 | |
CN112612901A (zh) | 一种医学知识图谱智慧管理检索平台 | |
Kaur et al. | Classification of ECG signals using LDA with factor analysis method as feature reduction technique | |
Zhang et al. | Series feature aggregation for content-based image retrieval | |
Rangel et al. | Lextomap: lexical-based topological mapping | |
CN108875814A (zh) | 图片检索方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |