CN113223674B - 医学图像标记方法、装置、设备及存储介质 - Google Patents

医学图像标记方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113223674B
CN113223674B CN202110597868.4A CN202110597868A CN113223674B CN 113223674 B CN113223674 B CN 113223674B CN 202110597868 A CN202110597868 A CN 202110597868A CN 113223674 B CN113223674 B CN 113223674B
Authority
CN
China
Prior art keywords
medical image
label
target object
medical
current
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
Application number
CN202110597868.4A
Other languages
English (en)
Other versions
CN113223674A (zh
Inventor
刘鸣谦
周炜
黄智勇
胡顺东
潘志君
姜逸文
王佳皓
陈旭
赵大平
陈军华
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.)
Winning Health Technology Group Co Ltd
Original Assignee
Winning Health Technology Group 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 Winning Health Technology Group Co Ltd filed Critical Winning Health Technology Group Co Ltd
Priority to CN202110597868.4A priority Critical patent/CN113223674B/zh
Publication of CN113223674A publication Critical patent/CN113223674A/zh
Application granted granted Critical
Publication of CN113223674B publication Critical patent/CN113223674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供一种医学图像标记方法、装置、设备及存储介质，涉及医学图像技术领域。该方法包括：获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告；提取医学报告的描述信息；根据医学报告的描述信息，生成当前医学图像的标签。在本方案中，主要是通过提取各医学图像对应的医学报告中的描述信息，然后，再根据医学报告的描述信息，进一步地为各医学图像生成标签，从而有效提高了生成医学图像标签的准确性和效率；以及医护人员也可以根据为各医学图像的标签，对医学图像进行高效管理、更精准检索以及再利用。

Description

医学图像标记方法、装置、设备及存储介质
技术领域
本发明涉及医学图像处理技术领域，具体而言，涉及一种医学图像标记方法、装置、设备及存储介质。
背景技术
在医院临床中，影像检查图像每天可增加100G的数据，每年可达30T的数据增量，同时还要求患者的影像检查图像保存至少20年，导致各种医疗学术机构积累了数量巨大、种类繁多的医学图像。因此，如何实现对医学图像的管理、检索与再利用一直是个难题。
目前，主要是依赖于标注操作员的专业知识，实现对医学图像标签的标注，但这种人工标注方式存在人力成本高、耗时长和效率较低等问题。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种医学图像标记方法、装置、设备及存储介质，以便提高生成医学图像标签的准确性和效率。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种医学图像标记方法，包括：
获取目标对象检查的当前医学图像以及所述当前医学图像对应的当前医学报告；
提取所述医学报告的描述信息；
根据所述医学报告的描述信息，生成所述当前医学图像的标签。
可选地，所述根据所述医学报告的描述信息，生成所述当前医学图像的标签之后，还包括：
根据所述目标对象检查的当前医学图像以及所述当前医学图像的标签，生成所述目标对象的标签，所述目标对象的标签用于指示所述目标对象是否为重要对象。
可选地，所述根据所述目标对象的当前医学图像以及所述当前医学图像的标签，生成所述目标对象的标签，包括：
根据所述目标对象的当前医学图像，提取所述目标对象的基本信息，其中，所述基本信息包括：所述目标对象的标识、所述目标对象的年龄、当前检查日期、检查类型；
根据所述目标对象的标识，获取所述目标对象的至少一个历史医学图像的标签；
根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成所述目标对象的标签。
可选地，所述根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成所述目标对象的标签，包括：
根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成嵌入矩阵；
将所述嵌入矩阵输入至预先构建的标签分类模型，生成所述目标对象的标签。
可选地，所述提取所述医学报告的描述信息，包括：
使用医疗文本模型，提取所述医学报告的至少一个***位和各所述***位的症状描述；
根据所述至少一个***位、各所述***位的症状描述以及预先构建的关系抽取模型，得到所述医学报告的描述信息。
可选地，所述根据所述医学报告的描述信息，生成所述当前医学图像的标签，包括：
使用预先构建的疾病描述样本库，确定所述医学报告中的描述信息是否属于罕见疾病描述，所述疾病描述样本库用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息；
若所述医学报告中的描述信息为罕见疾病描述，则为所述当前医学图像生成罕见疾病标签。
可选地，所述根据所述医学报告的描述信息，生成所述当前医学图像的标签，还包括：
若所述医学报告中的描述信息不为罕见疾病描述，则为所述当前医学图像生成常见疾病标签。
第二方面，本申请实施例还提供了一种医学图像标记装置，所述装置包括：
获取模块，用于获取目标对象检查的当前医学图像以及所述当前医学图像对应的当前医学报告；
提取模块，用于提取所述医学报告的描述信息；
生成模块，用于根据所述医学报告的描述信息，生成所述当前医学图像的标签。
可选地，所述生成模块，还用于：
根据所述目标对象检查的当前医学图像以及所述当前医学图像的标签，生成所述目标对象的标签，所述目标对象的标签用于指示所述目标对象是否为重要对象。
可选地，所述提取模块，还用于根据所述目标对象的当前医学图像，提取所述目标对象的基本信息，其中，所述基本信息包括：所述目标对象的标识、所述目标对象的年龄、当前检查日期、检查类型；
所述获取模块，还用于根据所述目标对象的标识，获取所述目标对象的至少一个历史医学图像的标签；
所述生成模块，还用于根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成所述目标对象的标签。
可选地，所述生成模块，还用于：
根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成嵌入矩阵；
将所述嵌入矩阵输入至预先构建的标签分类模型，生成所述目标对象的标签。
可选地，所述提取模块，还用于：
使用医疗文本模型，提取所述医学报告的至少一个***位和各所述***位的症状描述；
根据所述至少一个***位、各所述***位的症状描述以及预先构建的关系抽取模型，得到所述医学报告的描述信息。
可选地，所述生成模块，还用于：
使用预先构建的疾病描述样本库，确定所述医学报告中的描述信息是否属于罕见疾病描述，所述疾病描述样本库用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息；
若所述医学报告中的描述信息为罕见疾病描述，则为所述当前医学图像生成罕见疾病标签。
可选地，所述生成模块，还用于：
若所述医学报告中的描述信息不为罕见疾病描述，则为所述当前医学图像生成常见疾病标签。
第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如第一方面提供的所述方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面提供的所述方法的步骤。
本申请的有益效果是：
本申请实施例提供一种医学图像标记方法、装置、设备及存储介质，该方法包括：获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告；提取医学报告的描述信息；根据医学报告的描述信息，生成当前医学图像的标签。在本方案中，主要是通过提取各医学图像对应的医学报告中的描述信息，然后，再根据医学报告的描述信息，进一步地为各医学图像生成标签，从而有效提高了生成医学图像标签的准确性和效率；以及医护人员也可以根据为各医学图像的标签，对医学图像进行高效管理、更精准检索以及再利用。
还可以将“医学图像的标签”、“目标患者的标签”以及“目标患者B的基本信息”进行关联，一并写入数据库，实现了通过对多标签信息的组合，这样有助于医护人员更快速、更精准地检索到目标患者，以及还可以获得目标对象影像学检查中疾病的变化趋势，对于不重要的患者数据进行压缩，减少占用相关硬件资源，以便于对医学图像等影像数据进行高效管理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构示意图；
图2为本申请实施例提供的一种医学图像标记方法的流程示意图；
图3为本申请实施例提供的另一种医学图像标记方法的流程示意图；
图4为本申请实施例提供的又一种医学图像标记方法的流程示意图；
图5为本申请实施例提供的另一种医学图像标记方法的流程示意图；
图6为本申请实施例提供的又一种医学图像标记方法的流程示意图；
图7为本申请实施例提供的一种医学图像标记方法的整体流程示意图；
图8为本申请实施例提供的一种医学图像标记装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
图1为本申请实施例提供的一种电子设备的结构示意图；该电子设备如可以是平板、手机终端、计算机或者服务器等处理设备，具有数据处理功能，以实现本申请的医学图像标记方法。如图1所示，电子设备包括：存储器101、处理器102。
其中，存储器101、处理器102之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器101中存储有以软件或固件(firmware)的形式存储于存储器101中的软件功能模块，处理器102通过运行存储在存储器101内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的数据分析方法。
其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-OnlyMemory，PROM)、可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)等。其中，存储器101用于存储程序，处理器102在接收到执行指令后，执行所述程序。
处理器102可能是一种集成电路芯片，具有信号的处理能力。上述的处理器202可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等。
如下将通过多个具体的实施例对本申请所提供的医学图像标记方法的实现原理和对应产生的有益效果进行说明。
图2为本申请实施例提供的一种医学图像标记方法的流程示意图；可选地，该方法的执行主体是上述图1中所示的电子设备，如图2所示，该方法包括：
S201、获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告。
其中，目标对象可以是指可以是受检者，如可以是患某种疾病的病人或者是正常人。
医学图像也称医学影像，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的图片或影像，可分为电子计算机断层扫描(ComputedTomography，简称CT)医学影像、磁共振(Magnetic Resonance，简称MR)医学影像等不限于此。
医学报告，是指对人体或人体某部分在做医学影像检查后医院出具的一种文字形式的报告。
示例性地，获取到目标对象检查的当前医学图像可以是胰腺患者的胰腺部位的CT片，以及该胰腺CT片对应的胰腺医学报告。
S202、提取医学报告的描述信息。
其中，描述信息，是医学报告中关于当前医学图像的病理信息的文字描述信息，也可以将“描述信息”理解为影像学特征和疾病信息。
示例性地，若在上述获取到的“胰腺医学报告”中包括：胰腺未见明显占位性病变，则可以使用自然语言技术，提取到该医学报告中关于当前医学图像的描述信息：“胰腺”、“未见”、“占位性病变”等关键词，并根据“未见”、“占位性病变”，可以得出“胰腺”诊断结论是阴性，也可以将诊断结论称为描述信息。
S203、根据医学报告的描述信息，生成当前医学图像的标签。
其中，当前医学图像的标签包括：罕见疾病标签、常见疾病标签。
在上述实施例的基础上，根据上述呈“阴性”描述信息，可以对上述胰腺患者的“胰腺部CT片”生成常见疾病标签，这样有效提高了生成医学图像标签的准确性和效率。
另外，医护人员也可以根据为各医学图像生成的标签，对医学图像进行高效管理、更精准检索以及再利用。
综上所述，本申请实施例提供一种医学图像标记方法，该方法包括：获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告；提取医学报告的描述信息；根据医学报告的描述信息，生成当前医学图像的标签。在本方案中，主要是通过提取各医学图像对应的医学报告中的描述信息，然后，再根据医学报告的描述信息，进一步地为各医学图像生成标签，从而有效提高了生成医学图像标签的准确性和效率；以及医护人员也可以根据为各医学图像的标签，对医学图像进行高效管理、更精准检索以及再利用。
在本申请提供的医学图像标记方法中，还可以生成目标对象的标签。
可选地，在本实施例中，可根据目标对象检查的当前医学图像以及当前医学图像的标签，生成目标对象的标签，目标对象的标签用于指示目标对象是否为重要对象。
将通过如下实施例具体讲解如何根据目标对象的当前医学图像以及当前医学图像的标签，生成目标对象的标签。
图3为本申请实施例提供的另一种医学图像标记方法的流程示意图；如图3所示，根据目标对象的当前医学图像以及当前医学图像的标签，生成目标对象的标签，包括：
S301、根据目标对象的当前医学图像，提取目标对象的基本信息。
其中，基本信息包括：目标对象的标识、目标对象的年龄、当前检查日期、检查类型。还可以包括：目标对象的性别信息。
检查类型，是指目标对象的来源，如目标对象可能为住院、体检、急诊、门诊等不同类别的患者。
例如，当前医学图像P1是关于目标对象A人体某部分的MR医学影像，MR医学影像是基于医学数字成像和通信(Digital Imaging and Communications in Medicine，简称DICOM)类型的文件。
因此，可以根据获取到的目标对象A的当前医学图像P1，使用图像读取函数读取医学图像P1中包含的目标对象A的基本信息，比如，读取到的目标对象A的基本信息包括但不限于：目标对象A的标识ID100、目标对象的年龄50、当前检查日期2021-2-14、检查类型是门诊。
S302、根据目标对象的标识，获取目标对象的至少一个历史医学图像的标签。
通常，同一个目标对象在不同的时间段进行同一部位(或不同部位)的影像检查，以获得多个历史医学图像。
因此，可以根据上述提取到的目标对象A的标识ID100，获取到目标对象A在2020年-2021年两年内的多个历史医学图像的标签，或者一个历史医学图像的标签。
S303、根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成目标对象的标签。
如下具体讲解如何根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，进一步地生成目标对象的标签。
图4为本申请实施例提供的又一种医学图像标记方法的流程示意图；如图4所示，可选地，上述步骤S303：根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成目标对象的标签，包括：
S401、根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成嵌入矩阵。
可选地，将“目标对象的基本信息”、“当前医学图像的标签”、以及“至少一个历史医学图像的标签”构成一行T列的输入向量，若同时有N个目标对象，则可以根据各目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，构成N行T列的输入向量，也可记作[N*T]。
由于不同的目标对象会有多次不同的检查，则提取的历史医学图像的标签的个数也不同，进而导致不同的目标对象所构成的输入向量的列数长度不同。因此，将各目标对象的输入向量更改至统一的长度，如可以设定不同的目标对象所构成的输入向量的长度均为6列，不足6列的补齐，大于6列的切除，以实现对目标对象所构成的输入向量的嵌入式处理，使得由“目标对象的基本信息”、“当前医学图像的标签”、以及“至少一个历史医学图像的标签”构建的输入向量的列数是固定长度，也可将具有固定长度的输入向量称为嵌入矩阵。
S402、将嵌入矩阵输入至预先构建的标签分类模型，生成目标对象的标签。
标签分类模型，是基于嵌入聚类算法训练得到，以用于生成目标对象的标签。
在本实施例中，对上述生成的嵌入矩阵中的各输入向量设置权重，并输入至标签分类模型，基于标签分类模型的最后一层网络的权重，计算周围M个临近目标对象的类别和距离，将临近目标对象类别做为参数同最后一层网络一起的权重和参数，构建二分类，以生成目标对象的标签，如目标对象的标签是非重要患者的分类结果。
将通过如下实施例具体讲解如何提取所述医学报告的描述信息。
图5为本申请实施例提供的另一种医学图像标记方法的流程示意图；如图5所示，上述步骤S202：提取所述医学报告的描述信息，包括：
S501、使用医疗文本模型，提取医学报告的至少一个***位和各***位的症状描述。
在本实施例中，医疗文本模型，是基于面向中文医疗文本处理的预训练模型(Pre-training of Deep Bidirectional Transformers for Language Understanding，简称Bert)的医疗文本模型。如，通过基于Bert的医疗文本模型，提取医学图像对应的医学报告中包括的至少一个***位和各***位的症状描述。
例如，提取到目标对象B的***位和各***位的症状描述是：“心脏右冠状动脉(Right Coronary Artery，简称RCA)中段狭窄约30％”，即***位是心脏，影像学表现为“狭窄”，对应的症状描述为“粥样硬化”。
S502、根据至少一个***位、各***位的症状描述以及预先构建的关系抽取模型，得到医学报告的描述信息。
其中，关系抽取模型，是用于判定***位的症状描述是为阴性还是阳性，阴性或阳性也称为描述信息。
在上述实施例的基础上，可根据关系抽取模型，确定目标对象B的心脏部位的检查结果是阳性，也即，目标对象B检查的当前医学图像对应的医学报告的描述信息是阳性。
图6为本申请实施例提供的又一种医学图像标记方法的流程示意图；如图6所示，上述步骤S203：根据医学报告的描述信息，生成当前医学图像的标签，包括：
S601、使用预先构建的疾病描述样本库，确定医学报告中的描述信息是否属于罕见疾病描述。
其中，疾病描述样本库，用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息。
在本实施例中，为了对医学报告中的描述信息进行更好的判断，需要构建关于影像学表现、多种描述信息以及各疾病描述是否属于罕见疾病的描述信息的样本库，该样本库中包含常见的***位，包括但不限于：头颅、胸部、腹部、肝部、头部、颈椎、胸椎和腰椎等，医学图像的检查序列包含常见序列，如平扫、增强、三维等。
其中，该疾病描述样本库中包含至少100万条“描述信息”，该样本库可以涵盖基于医学报告中描述信息的流行病学观察，并对各描述信息进行计数，定义哪些“描述信息”是属于罕见疾病描述，哪些“描述信息”是属于常见疾病描述。
另外，如果有新增“描述信息”的数据，但新增“描述信息”的含有表现或者结论不在样本库中的数据，则将新增“描述信息”判断为罕见疾病描述。
在本实施例中，使用疾病描述样本库，对比医学报告中的描述信息在“疾病描述样本库”是属于“罕见疾病描述”还是“常见疾病描述”。
例如，“疾病描述样本库”中记录有胃癌、肝囊肿、胆囊结石、休门氏病等疾病的描述信息，以及胃癌、肝囊肿、胆囊结石是属于常见疾病描述，休门氏病是属于罕见疾病描述。
S602、若医学报告中的描述信息为罕见疾病描述，则为当前医学图像生成罕见疾病标签。
在一种可实现的方式中，若目标患者A的医学图像P1对应的医学报告中的描述信息属于罕见疾病描述，则为医学图像P1生成罕见疾病标签。
S603、若医学报告中的描述信息不为罕见疾病描述，则为当前医学图像生成常见疾病标签。
在另一种可实现的方式中，若目标患者B的医学图像P2对应的医学报告中的描述信息不属于罕见疾病描述，则为医学图像P2生成常见疾病标签。
另外，还可以将“医学图像P2的常见疾病标签”、“目标患者B的标签”以及“目标患者B的基本信息”进行关联，一并写入数据库，实现了对多标签信息的组合，这样有助于医护人员更快速、更精准地检索到目标患者，对于不重要的患者数据进行压缩，减少占用相关硬件资源，以便于对医学图像等影像数据进行高效管理。
图7为本申请实施例提供的一种医学图像标记方法的整体流程示意图；可选地，如图7所示，该方法包括：
S701、获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告。
S702、使用医疗文本模型，提取医学报告的至少一个***位和各***位的症状描述。
S703、根据至少一个***位、各***位的症状描述以及预先构建的关系抽取模型，得到医学报告的描述信息。
S704、使用预先构建的疾病描述样本库，确定医学报告中的描述信息是否属于罕见疾病描述。若是，则跳转至步骤S705；若否，则跳转至步骤S706。
S705、为当前医学图像生成罕见疾病标签。
S706、为当前医学图像生成常见疾病标签。
S707、根据目标对象的当前医学图像，提取目标对象的基本信息。
S708、根据目标对象的标识，获取目标对象的至少一个历史医学图像的标签。
S709、根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成嵌入矩阵。
S710、将嵌入矩阵输入至预先构建的标签分类模型，生成目标对象的标签。
可选地，本申请实施例提供的医学图像标记方法的整体实现步骤以及产生的有益效果已在前面具体实施例中进行了详细说明，此处不再一一赘述。
下述对用以执行本申请所提供的医学图像标记装置及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
图8为本申请实施例提供的一种医学图像标记装置的结构示意图；如图8所示，该装置包括：获取模块801、提取模块802、生成模块803。
获取模块801，用于获取目标对象检查的当前医学图像以及当前医学图像对应的当前医学报告；
提取模块802，用于提取医学报告的描述信息；
生成模块803，用于根据医学报告的描述信息，生成当前医学图像的标签。
可选地，生成模块803，还用于：
根据目标对象检查的当前医学图像以及当前医学图像的标签，生成目标对象的标签，目标对象的标签用于指示目标对象是否为重要对象。
可选地，提取模块802，还用于根据目标对象的当前医学图像，提取目标对象的基本信息，其中，基本信息包括：目标对象的标识、目标对象的年龄、当前检查日期、检查类型；
获取模块801，还用于根据目标对象的标识，获取目标对象的至少一个历史医学图像的标签；
生成模块803，还用于根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成目标对象的标签。
可选地，生成模块803，还用于
根据目标对象的基本信息、当前医学图像的标签、以及至少一个历史医学图像的标签，生成嵌入矩阵；
将嵌入矩阵输入至预先构建的标签分类模型，生成目标对象的标签。
可选地，提取模块802，还用于：
使用医疗文本模型，提取医学报告的至少一个***位和各***位的症状描述；
根据至少一个***位、各***位的症状描述以及预先构建的关系抽取模型，得到医学报告的描述信息。
可选地，生成模块803，还用于：
使用预先构建的疾病描述样本库，确定医学报告中的描述信息是否属于罕见疾病描述，疾病描述样本库用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息；若医学报告中的描述信息为罕见疾病描述，则为当前医学图像生成罕见疾病标签。
可选地，生成模块803，还用于若医学报告中的描述信息不为罕见疾病描述，则为当前医学图像生成常见疾病标签。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上***(system-on-a-chip，简称SOC)的形式实现。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (7)

1.一种医学图像标记方法，其特征在于，包括：
获取目标对象检查的当前医学图像以及所述当前医学图像对应的当前医学报告；
提取所述医学报告的描述信息；
根据所述医学报告的描述信息，生成所述当前医学图像的标签；
其中，所述提取所述医学报告的描述信息，包括：
使用医疗文本模型，提取所述医学报告的至少一个***位和各所述***位的症状描述；
根据所述至少一个***位、各所述***位的症状描述以及预先构建的关系抽取模型，得到所述医学报告的描述信息；
所述根据所述医学报告的描述信息，生成所述当前医学图像的标签；包括：
使用预先构建的疾病描述样本库，确定所述医学报告中的描述信息是否属于罕见疾病描述，所述疾病描述样本库用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息；
若所述医学报告中的描述信息为罕见疾病描述，则为所述当前医学图像生成罕见疾病标签。
2.根据权利要求1所述的方法，其特征在于，所述根据所述医学报告的描述信息，生成所述当前医学图像的标签之后，还包括：
根据所述目标对象检查的当前医学图像以及所述当前医学图像的标签，生成所述目标对象的标签，所述目标对象的标签用于指示所述目标对象是否为重要对象；
其中，所述根据所述目标对象检查的当前医学图像以及所述当前医学图像的标签，生成所述目标对象的标签，包括：
根据所述目标对象检查的当前医学图像，提取所述目标对象的基本信息，其中，所述基本信息包括：所述目标对象的标识、所述目标对象的年龄、当前检查日期、检查类型；
根据所述目标对象的标识，获取所述目标对象的至少一个历史医学图像的标签；
根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成所述目标对象的标签。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成所述目标对象的标签，包括：
根据所述目标对象的基本信息、所述当前医学图像的标签、以及所述至少一个历史医学图像的标签，生成嵌入矩阵；
将所述嵌入矩阵输入至预先构建的标签分类模型，生成所述目标对象的标签。
4.根据权利要求1所述的方法，其特征在于，所述根据所述医学报告的描述信息，生成所述当前医学图像的标签，还包括：
若所述医学报告中的描述信息不为罕见疾病描述，则为所述当前医学图像生成常见疾病标签。
5.一种医学图像标记装置，其特征在于，所述装置包括：
获取模块，用于获取目标对象检查的当前医学图像以及所述当前医学图像对应的当前医学报告；
提取模块，用于提取所述医学报告的描述信息；
生成模块，用于根据所述医学报告的描述信息，生成所述当前医学图像的标签；
其中，所述提取模块，还用于：
使用医疗文本模型，提取所述医学报告的至少一个***位和各所述***位的症状描述；
根据所述至少一个***位、各所述***位的症状描述以及预先构建的关系抽取模型，得到所述医学报告的描述信息；
所述生成模块，还用于：
使用预先构建的疾病描述样本库，确定所述医学报告中的描述信息是否属于罕见疾病描述，所述疾病描述样本库用于记录多种描述信息以及各描述信息是否属于罕见疾病的描述信息；
若所述医学报告中的描述信息为罕见疾病描述，则为所述当前医学图像生成罕见疾病标签。
6.一种电子设备，其特征在于，包括处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行时执行如权利要求1-4任一所述方法的步骤。
7.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-4任一所述方法的步骤。
CN202110597868.4A 2021-05-28 2021-05-28 医学图像标记方法、装置、设备及存储介质 Active CN113223674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110597868.4A CN113223674B (zh) 2021-05-28 2021-05-28 医学图像标记方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110597868.4A CN113223674B (zh) 2021-05-28 2021-05-28 医学图像标记方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113223674A CN113223674A (zh) 2021-08-06
CN113223674B true CN113223674B (zh) 2023-10-20

Family

ID=77099417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110597868.4A Active CN113223674B (zh) 2021-05-28 2021-05-28 医学图像标记方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113223674B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010109351A1 (en) * 2009-03-26 2010-09-30 Koninklijke Philips Electronics N.V. A system that automatically retrieves report templates based on diagnostic information
CN109460756A (zh) * 2018-11-09 2019-03-12 天津新开心生活科技有限公司 医学影像处理方法、装置、电子设备及计算机可读介质
WO2019160557A1 (en) * 2018-02-16 2019-08-22 Google Llc Automated extraction of structured labels from medical text using deep convolutional networks and use thereof to train a computer vision model
CN111640480A (zh) * 2020-05-21 2020-09-08 上海联影智能医疗科技有限公司 医学报告生成方法、计算机设备和存储介质
CN112712879A (zh) * 2021-01-18 2021-04-27 腾讯科技（深圳）有限公司 医学影像报告的信息提取方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6417972B2 (ja) * 2015-01-28 2018-11-07 カシオ計算機株式会社 医療画像分類システム、医療画像分類装置、医療画像分類方法及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010109351A1 (en) * 2009-03-26 2010-09-30 Koninklijke Philips Electronics N.V. A system that automatically retrieves report templates based on diagnostic information
WO2019160557A1 (en) * 2018-02-16 2019-08-22 Google Llc Automated extraction of structured labels from medical text using deep convolutional networks and use thereof to train a computer vision model
CN111727478A (zh) * 2018-02-16 2020-09-29 谷歌有限责任公司 使用深度卷积网络从医学文本中自动提取结构化标签并将其用于训练计算机视觉模型
CN109460756A (zh) * 2018-11-09 2019-03-12 天津新开心生活科技有限公司 医学影像处理方法、装置、电子设备及计算机可读介质
CN111640480A (zh) * 2020-05-21 2020-09-08 上海联影智能医疗科技有限公司 医学报告生成方法、计算机设备和存储介质
CN112712879A (zh) * 2021-01-18 2021-04-27 腾讯科技（深圳）有限公司 医学影像报告的信息提取方法、装置、设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Clinical Integration of Picture Archiving and Communication Systems with Pathology and Hospital Information System in Oncology;Duncan, LD，等;AMERICAN SURGEON;第76卷(第09期);第982-986页 *
基于内容的医学图像检索;王春燕，等;医疗卫生装备(第05期);第33-35页 *
跨模态多标签生物医学图像分类建模识别;于玉海，等;中国图象图形学报;第23卷(第06期);第917-927页 *

Also Published As

Publication number Publication date
CN113223674A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
Azizi et al. Robust and data-efficient generalization of self-supervised machine learning for diagnostic imaging
JP6595193B2 (ja) 読影レポート作成装置および読影レポート作成システム
CN102612696B (zh) 具有报告验证器和报告增强器的医学信息***
EP2888686B1 (en) Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting
US8380013B2 (en) Case image search apparatus, method and computer-readable recording medium
US11232853B2 (en) System and method for creating, querying, and displaying a MIBA master file
US10210310B2 (en) Picture archiving system with text-image linking based on text recognition
JP2019153250A (ja) 医療文書作成支援装置、方法およびプログラム
US10878564B2 (en) Systems and methods for processing 3D anatomical volumes based on localization of 2D slices thereof
CN111000571A (zh) 创伤后心理疾病的风险预测方法，相关设备及存储装置
US20220366151A1 (en) Document creation support apparatus, method, and program
JP6845071B2 (ja) 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム
US20130275124A1 (en) Generation of pictorial reporting diagrams of lesions in anatomical structures
CN113223674B (zh) 医学图像标记方法、装置、设备及存储介质
US20230005580A1 (en) Document creation support apparatus, method, and program
US11978274B2 (en) Document creation support apparatus, document creation support method, and document creation support program
Kawa et al. Radiological atlas for patient specific model generation
Xu et al. Development and characterization of a chest CT atlas
JP2021175454A (ja) 医用画像処理装置、方法およびプログラム
CN113972000A (zh) 用于数据处理的方法、设备和介质
Ray et al. An automatic method for complete brain matter segmentation from multislice CT scan
US20240119750A1 (en) Method of generating language feature extraction model, information processing apparatus, information processing method, and program
US20220391599A1 (en) Information saving apparatus, method, and program and analysis record generation apparatus, method, and program
US20230121783A1 (en) Medical image processing apparatus, method, and program
JP2018175695A (ja) 位置合せ装置および位置合せ方法並びに位置合せプログラム

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