CN117120996A - 用于医学成像解决方案的新数据存储和管理方案的方法和*** - Google Patents
用于医学成像解决方案的新数据存储和管理方案的方法和*** Download PDFInfo
- Publication number
- CN117120996A CN117120996A CN202280022920.6A CN202280022920A CN117120996A CN 117120996 A CN117120996 A CN 117120996A CN 202280022920 A CN202280022920 A CN 202280022920A CN 117120996 A CN117120996 A CN 117120996A
- Authority
- CN
- China
- Prior art keywords
- data
- blob
- identified
- separation process
- medical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013500 data storage Methods 0.000 title claims abstract description 45
- 238000013523 data management Methods 0.000 title claims abstract description 38
- 238000002059 diagnostic imaging Methods 0.000 title abstract description 63
- 238000000926 separation method Methods 0.000 claims abstract description 74
- 238000011084 recovery Methods 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 238000003384 imaging method Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 23
- 239000003814 drug Substances 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 description 64
- 238000012545 processing Methods 0.000 description 29
- 230000006870 function Effects 0.000 description 25
- 239000000523 sample Substances 0.000 description 15
- 210000002569 neuron Anatomy 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000012285 ultrasound imaging Methods 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002099 shear wave elastography Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000012546 transfer 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
提供了用于医学成像解决方案的新数据存储和管理方案的***和方法。至少包括分离过程和恢复过程的医学数据存储和管理过程可以应用于医学数据集。该分离过程包括:识别医学数据集中的blob数据元素;将所识别的blob数据元素的数据移动到对应的分离的数据对象中;以及生成用于指示所识别的blob数据元素的数据的移动以及用于跟踪所识别的blob数据元素的移动后的数据的位置的数据。该恢复过程包括:识别分离的医学数据集中的被移除的blob数据元素,其中所识别的被移除的blob数据元素的数据被移动到对应的分离的数据对象中;以及对于每个所识别的被移除的blob数据元素,基于对应的分离数据来确定对应的分离的数据对象的位置;以及基于所确定的位置,检索被移除的blob数据元素的数据。
Description
技术领域
本公开的各方面涉及医学成像解决方案。更具体地,某些实施方案涉及用于医学成像解决方案的新数据存储和管理方案的方法和***。
背景技术
各种医学成像技术可用于成像,例如对人体内的器官和软组织进行成像。医学成像技术的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。在医学成像期间生成图像所用的方式取决于特定技术。
例如,超声成像使用实时的、无创的高频声波来产生超声图像,通常为人体内的器官、组织、对象(例如,胎儿)的超声图像。在医学成像期间产生或生成的图像可以是二维(2D)、三维(3D)和/或四维(4D)图像(本质上为实时/连续的3D图像)。在医学成像期间,采集成像数据集(包括例如3D/4D成像期间的体积成像数据集)并且利用成像数据集实时地生成和渲染对应的图像(例如,经由显示器)。
在一些情况下,可能需要存储在医学成像期间生成的成像数据。此类成像数据的存储可能提出某些挑战,尤其是相对于医学图像***和/或使用这种成像数据的***中的资源的使用。
通过将此类***与本申请的其余部分中参考附图阐述的本公开的一些方面进行比较,常规和传统方法的更多限制和缺点对本领域的技术人员将变得显而易见。
发明内容
提供了用于医学成像解决方案的新数据存储和管理方案的***和方法,基本上如结合附图中的至少一个附图所示和/或所描述,如权利要求中更完整地阐述的。
从以下描述和附图将更全面地理解本公开的这些和其他优点、方面和新颖特征、以及本公开的一个或多个所例示的示例性实施方案的细节。
附图说明
图1示出了可以被配置为支持用于医学成像解决方案的新数据存储和管理方案的示例性医学成像装置。
图2示出了可以被配置为支持用于医学成像解决方案的新数据存储和管理方案的示例性超声***。
图3示出了用于在用于医学成像解决方案的新数据存储和管理方案中使用的元数据分离的示例性过程。
图4示出了用于从元数据对象导出成像研究元数据文档的示例性使用场景。
图5示出了用于将基于医学数字成像和通信(DICOM)的数据分离成blob对象和元数据对象的示例性使用场景。
图6示出了用于将基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据分离成blob对象和元数据对象的示例性使用场景。
图7示出了示例性的基于医学数字成像和通信(DICOM)的编码数据集。
图8示出了在将blob数据分离成blob对象和元数据对象之后的示例性的基于医学数字成像和通信(DICOM)的编码数据集。
图9示出了根据本公开的基于新数据存储和管理方案的示例性分离和恢复过程的流程图。
具体实施方式
根据本公开的某些具体实施可以涉及用于医学成像解决方案的新数据存储和管理方案。具体地,当结合附图阅读时,将更好地理解某些实施方案的以下具体实施方式。就附图示出各个实施方案的功能块的图的范围而言,这些功能块不一定表示硬件电路之间的划分。因此,例如,一个或多个功能框(例如,处理器或存储器)可以在单件硬件(例如,通用信号处理器或随机存取存储器块、硬盘等)或多件硬件中来实现。类似地,程序可以是独立程序,可以作为子例程包含在操作***中,可以是安装的软件包中的功能等。应当理解,各个实施方案不限于附图中所示的布置和工具。还应当理解,可以组合实施方案,或者可以利用其他实施方案,并且可以在不脱离各种实施方案的范围的情况下做出结构的、逻辑的和电气的改变。因此,以下详述不应视为限制性意义,并且本公开的范围由所附权利要求书及其等同物限定。
如本文所用,以单数形式列举并且以单词“一”或“一个”开头的元件或步骤应当被理解为不排除多个该元件或步骤,除非明确说明此类排除。此外,对“示例性实施方案”、“各个实施方案”、“某些实施方案”、“代表性的实施方案”等的引用不旨在被解释为排除存在也包含了叙述的特征的附加实施方案。此外,除非明确地相反说明,否则“包含”、“包括”或“具有”具有特定性质的一个元件或多个元件的实施方案可以包括不具有该性质的附加元件。
另外,如本文所用,术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而,许多实施方案生成(或被配置为生成)至少一个可视图像。此外,如本文所用,短语“图像”用于指超声模式,诸如B模式(2D模式)、M模式、三维(3D)模式、CF模式、PW多普勒、CW多普勒、MGD,和/或B模式和/或CF的子模式,诸如剪切波弹性成像(SWEI)、TVI、Angio、B-flow、BMI、BMI_Angio,并且在某些情况下还包括MM、CM、TVD,其中“图像”和/或“平面”包括单个波束或多个波束。
此外,如本文所用,短语“像素”也包括其中数据由“体素”表示的实施方案。因此,术语“像素”和“体素”两者可在本文档通篇中可互换地使用。
此外,如本文所用,术语处理器或处理单元是指可执行各种实施方案需要的所需计算的任何类型的处理单元,诸如单核或多核:CPU、加速处理单元(APU)、图形板、DSP、FPGA、ASIC或它们的组合。
应当指出的是,本文所述的生成或形成图像的各个实施方案可包括用于形成图像的处理,该处理在一些实施方案中包括波束形成,而在其它实施方案中不包括波束形成。例如,可在不进行波束形成的情况下形成图像,例如通过将解调数据的矩阵乘以系数矩阵,使得乘积是图像,并且其中该过程不形成任何“波束”。此外,可使用可能源自多于一个发射事件的信道组合(例如,合成孔径技术)来执行图像的形成。
在各种实施方案中,在软件、固件、硬件或它们的组合中执行形成图像的处理,包括波束形成。具有根据各种实施方案形成的软件波束形成器架构的超声***的一个示例性具体实施如图2中所示。
图1示出了示例性医学成像装置,该示例性医学成像装置可以被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。图1中示出了包括一个或多个医学成像***110和一个或多个计算***120的示例性设置100。
医学成像***110包括用于支持医学成像(即,使得能够获得用于在医学成像检查期间生成和/或渲染图像的数据)的合适的硬件、软件或它们的组合。医学成像的示例包括超声成像、计算机断层摄影(CT)扫描、磁共振成像(MRI)等。这可能需要以特定方式捕获特定类型的数据,该数据继而可用于生成图像的数据。例如,医学成像***110可以是被配置用于生成和/或渲染超声图像的超声成像***。参考图2更详细地描述了可对应于医学成像***110的超声***的示例性具体实施。
如图1所示,医学成像***110可包括扫描仪设备112和显示/控制单元114,该扫描仪设备可以是便携式的且可移动的。扫描仪设备112可被配置用于例如通过在患者身体(或其部分)上方移动来生成和/或捕获特定类型的成像信号(和/或与其对应的数据),并且可包括用于执行和/或支持此类功能的合适电路。扫描仪设备112可为超声探头、MRI扫描仪、CT扫描仪、或任何合适的成像设备。例如,在医学成像***110是超声***的情况下,扫描仪设备112可发射超声信号并捕获回波超声图像。
显示/控制单元114可被配置用于显示图像(例如,经由屏幕116)。在一些情况下,显示/控制单元114还可被配置用于至少部分地生成所显示图像。此外,显示/控制单元114还可支持用户输入/输出。例如,除了图像之外,显示/控制单元114还可提供(例如,经由屏幕116)用户反馈(例如,与***、其功能、其设置等相关的信息)。显示/控制单元114还可支持用户输入(例如,经由用户控件118),以便例如允许控制医学成像。用户输入可涉及控制图像的显示、选择设置、指定用户偏好、请求反馈等。
在一些具体实施中,医学成像***110还可并入另外的和专用的计算资源,诸如一个或多个计算***120。在这方面,每个计算***120可包括用于处理、存储和/或通信数据的合适的电路、接口、逻辑和/或代码。计算***120可以是被配置用于特别地结合医学成像使用的专用设备,或者它可以是被设置和/或配置为执行下文相对于计算***120所述的操作的通用计算***(例如,个人计算机、服务器等)。计算***120可被配置为支持医学成像***110的操作,如下所述。在这方面,可从成像***卸载各种功能和/或操作。这样做可简化和/或集中处理的某些方面,以降低成本,例如通过消除增加成像***中的处理资源的需要来降低成本。
计算***120可被设置和/或布置用于以不同方式使用。例如,在一些具体实施中,可使用单个计算***120;在其他具体实施中,多个计算***120被配置为一起工作(例如,基于分布式处理配置),或者单独工作,其中每个计算***120被配置为处理特定方面和/或功能,和/或仅为特定医学成像***110处理数据。此外,在一些具体实施中,计算***120可以是本地的(例如,与一个或多个医学成像***110协同定位,例如在相同设施和/或相同本地网络内);在其他具体实施中,计算***120可以是远程的,因此只能经由远程连接(例如,经由互联网或其他可用远程访问技术)访问。在特定具体实施中,计算***120可以基于云的方式配置,并且可以与访问和使用其他基于云的***基本上类似的方式访问和/或使用。
一旦在计算***120中生成和/或配置数据,就可将数据复制和/或加载到医学成像***110中。这可以不同的方式进行。例如,可经由医学成像***110和计算***120之间的定向连接或链接来加载数据。在这方面,可使用可用的有线和/或无线连接和/或根据任何合适的通信(和/或联网)标准或协议来进行设置100中的不同元件之间的通信。另选地或附加地,可间接地将数据加载到医学成像***110中。例如,可将数据存储到合适的机器可读介质(例如,闪存卡等)中,然后使用该机器可读介质将数据加载到医学成像***110中(现场,例如由***的用户(例如,成像临床医生)或授权人员);或者可将数据下载到本地能够通信的电子设备(例如,膝上型计算机等)中,然后现场使用(例如,由***的用户或授权人员)该电子设备经由直接连接(例如,USB连接件等)将数据上传到医学成像***110中。
在操作中,医学成像***110可用于在医学检查期间生成和呈现(例如,渲染或显示)图像,和/或用于与其结合支持用户输入/输出。图像可以是2D、3D和/或4D图像。在医学成像***110中执行以便于生成和/或呈现图像的特定操作或功能取决于***的类型(即,获得和/或生成对应于图像的数据所用的方式)。例如,在超声成像中,数据基于发射超声信号和回波超声信号,如相对于图2更详细描述的。
根据本公开,医学成像***(例如,医学成像***110)可以被配置为支持用于医学成像解决方案的新数据存储和管理方案。在这方面,医学数据,具体是诊断成像数据,可以被存档为多层分级存储***中的“数据blob”,其中数据blob中的每个数据blob的元数据的小记录被存储在关系数据库中(在下文中被称为“索引”)。元数据记录可以包含对应的数据blob可以位于其中的文件路径。这种方案已经在各种医学数据存档***、供应商中立存档(VNA)、图片存档与通信***(PACS)等中采用。然而,使用现有的数据存储方案和基于其的解决方案可能出现各种挑战和问题。
在这方面,医学数据的总体积已经稳定地(并且甚至以指数方式)增加,尤其是随着各种先进的医学检查和成像过程增加。这种增加对传统数据存储方案造成了特别的挑战。由于传统数据存储方案的固有低效率,这是特别成问题的。例如,在整个数据blob级别上支持数据访问,即使在许多工作负荷中可能仅需要和/或请求部分内容。另外,如果内部的任何信息片段被修改,则整个数据blob可能需要被重写。此外,可以在相同的存储机制中处理整个数据blob,尽管内部的不同片段可能导致不同的、更高效的机制这一事实。
因此,在根据本公开的各种具体实施中,修改的数据存储方案可以用于改善对医学数据(尤其是存档为数据blob的数据)的访问和使用。具体地,根据新数据存储方案,整个数据blob可以被分离成元数据部分和blob数据部分。在这方面,如上所述,传统的数据存储方案通常可以依赖于索引数据库来访问所存储的数据对象的元数据,这可能受到用于元数据访问的索引内容的限制,并且当可能需要大量元数据获取(和/或基于大量元数据获取上的数据更新)时存在性能不足。
然而,所提出的数据方案解决了这些问题,尤其是通过将医学数据对象分离成元数据部分和blob数据部分,同时附加地以良好定义的标准格式和高数据完整性保护将它们彼此双向引用。这可以允许在数据存储和管理***中分离元数据工作负荷和blob数据工作负荷,以优化资源利用、显著地改善操作性能以及灵活的***架构。另外,新应用编程接口(API)可以用于对元数据和blob数据的单独访问。此外,可以使丰富的元数据信息可用于应用而无需更新数据索引方案。下面参考图3至图4示出和描述基于医学数字成像和通信(DICOM)的示例性具体实施。然而,应当理解的是,本公开不限于基于DICOM的具体实施。
图2示出了示例性超声***,该示例性超声***可以被配置用于支持利用柱状图视图来改进三维(3D)医学图像的可视化。图2中示出了超声***200。
超声***200可被配置用于提供超声成像,并且因此可包括用于执行和/或支持超声成像相关功能的合适的电路、接口、逻辑和/或代码。超声***200可对应于图1的医学成像***110。超声***200包括例如发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入模块230、信号处理器240、图像缓冲器250、显示***260、档案270和训练引擎280。
发射器202可包括可操作为驱动超声探头204的合适的电路、接口、逻辑和/或代码。超声探头204可包括压电元件的二维(2D)阵列。超声探头204可包括通常构成相同元件的一组发射换能器元件206和一组接收换能器元件208。在特定实施方案中,超声探头204可操作为采集覆盖解剖结构(诸如心脏、血管或任何合适的解剖结构)的至少大部分的超声图像数据。
发射波束形成器210可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为控制发射器202,该发射器通过发射子孔径波束形成器214驱动这组发射换能器元件206以将超声发射信号发射到感兴趣的区域(例如,人、动物、地下空腔、物理结构等)中。发射的超声信号可从感兴趣对象中的结构(如血细胞或组织)反向散射,以产生回波。回波由接收换能器元件208接收。
超声探头204中的这组接收换能器元件208可操作为将接收到的回波转换为模拟信号,通过接收子孔径波束形成器216进行子孔径波束形成,然后传送到接收器218。接收器218可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为接收来自接收子孔径波束形成器216的信号。可将模拟信号传送到多个A/D转换器222中的一个或多个A/D转换器。
多个A/D转换器222可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为将来自接收器218的模拟信号转换为对应的数字信号。多个A/D转换器222设置在接收器218与RF处理器224之间。尽管如此,本公开在这方面并不受限制。因此,在一些实施方案中,可将多个A/D转换器222集成在接收器218内。
RF处理器224可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为解调由多个A/D转换器222输出的数字信号。根据一个实施方案,RF处理器224可包括复解调器(未示出),该复解调器可操作为解调数字信号,以形成代表对应回波信号的I/Q数据对。然后可将RF或I/Q信号数据传送到RF/IQ缓冲器226。RF/IQ缓冲器226可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为提供由RF处理器224生成的RF或I/Q信号数据的临时存储。
接收波束形成器220可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为执行数字波束形成处理,以例如对经由RF/IQ缓冲器226从RF处理器224接收的延迟信道信号求和并输出波束求和信号。所得的经处理的信息可以是从接收波束形成器220输出并且传送到信号处理器240的波束求和信号。根据一些实施方案,可将接收器218、多个A/D转换器222、RF处理器224和波束形成器220集成到单个波束形成器中,该单个波束形成器可以是数字波束形成器。在各个实施方案中,超声***200包括多个接收波束形成器220。
用户输入设备230可用于输入患者数据、扫描参数、设置、选择协议和/或模板,与人工智能分段处理器交互以选择跟踪目标等。在示例性实施方案中,用户输入设备230可操作为配置、管理和/或控制超声***200中的一个或多个部件和/或模块的操作。就这一点而言,用户输入设备230可操作为配置、管理和/或控制发射器202、超声探头204、发射波束形成器210、接收器218、接收波束形成器220、RF处理器224、RF/IQ缓冲器226、用户输入设备230、信号处理器240、图像缓冲器250、显示***260和/或档案270的运行。
例如,用户输入设备230可包括按钮、旋转编码器、触摸屏、运动跟踪、语音识别、鼠标设备、键盘、相机和/或能够接收用户指令的任何其他设备。在特定实施方案中,例如,可将用户输入设备230中的一个或多个用户输入设备集成到诸如显示***260或超声探头204之类的其它部件中。
例如,用户输入设备230可包括触摸屏显示器。作为另一个示例,用户输入设备230可包括附接到探头204和/或与探头集成的加速度计、陀螺仪和/或磁力仪,以提供探头204的姿势运动识别,诸如识别抵靠患者身体的一次或多次探头压缩、预定义探头移动或倾斜操作等。在一些情况下,用户输入设备230可附加地或另选地包括图像分析处理以通过分析所采集的图像数据来识别探头姿势。根据本公开,用户输入和与其相关的功能可被配置成支持使用新数据存储方案,如本公开中所描述的。例如,用户输入装置230可被配置成支持接收针对触发和管理(在需要的情况下)分离过程的应用的用户输入,如本文所述,和/或提供或设置用于执行此类过程的参数。类似地,用户输入装置230可被配置成支持接收针对触发和管理(在需要的情况下)恢复过程的应用的用户输入,如本文所述,和/或提供或设置用于执行此类过程的参数。
信号处理器240可包括合适的电路、接口、逻辑和/或代码,该电路、接口、逻辑和/或代码可操作为处理超声扫描数据(即,求和的IQ信号),以生成用于在显示***260上呈现的超声图像。信号处理器240可操作为根据所采集的超声扫描数据上的多个可选超声模态来执行一个或多个处理操作。在示例性实施方案中,信号处理器240可操作为执行显示处理和/或控制处理等。随着接收到回波信号,可在扫描会话期间实时处理所采集的超声扫描数据。附加地或另选地,超声扫描数据可在扫描会话期间暂时存储在RF/IQ缓冲器226中并且在在线操作或离线操作中以不太实时的方式处理。在各个实施方案中,经处理的图像数据可呈现在显示***260处和/或可存储在档案270中。档案270可以是本地档案、图片存档与通信***(Picture Archiving and Communication System,PACS)或用于存储图像和相关信息的任何合适的设备。
信号处理器240可以是一个或多个中央处理单元、微处理器、微控制器等。例如,信号处理器240可以是集成部件,或者可分布在各个位置。信号处理器240可被配置用于从用户输入设备230和/或档案270接收输入信息,生成可由显示***260显示的输出,并且响应于来自用户输入设备230的输入信息来操纵输出等。信号处理器240可执行例如根据本文各种实施方案中所讨论的方法和/或指令集中的任一者。
超声***200可操作为按适于所考虑的成像情况的帧速率连续采集超声扫描数据。通常,帧速率在20至220的范围内,但可以更低或更高。所采集的超声扫描数据可与帧速率相同、或以更慢或更快的显示速率显示在显示***260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来存储至少几分钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在示例性实施方案中,信号处理器240可以包括数据管理模块242,该数据管理模块包括合适的电路、接口、逻辑和/或代码,其可以被配置为执行和/或支持与用于医学成像解决方案的新数据存储和管理方案相关或支持用于医学成像解决方案的新数据存储和管理方案的各种功能或操作,如本公开中所描述的。
在一些具体实施中,信号处理器240(和/或其部件,诸如柱状图查看模块242)可被配置为实现和/或使用人工智能和/或机器学习技术来增强和/或优化成像相关的功能或操作。例如,信号处理器240(和/或其部件,诸如柱状图查看模块242)可被配置为实现和/或使用深度学习技术和/或算法,诸如通过使用深度神经网络(例如,卷积神经网络(CNN)),并且/或者可以利用任何合适形式的人工智能图像分析技术或机器学习处理功能,该人工智能图像分析技术或机器学习处理功能可被配置为分析所采集的超声图像,诸如识别、分割、标记和跟踪满足特定标准和/或具有特定特征的结构(或其组织)。
在示例性具体实施中,可将信号处理器240(和/或其部件,诸如,柱状图查看模块242)提供为深度神经网络,该深度神经网络可以由例如输入层、输出层以及输入层和输出层之间的一个或多个隐藏层构成。每个层可由可称为神经元的多个处理节点构成。例如,深度神经网络可包括输入层,该输入层具有用于来自解剖结构的扫描平面的每个像素或一组像素的神经元,并且输出层可具有对应于多个预定义结构或结构类型(或其中的组织)的神经元。每个层的每个神经元可执行处理功能,并且将处理的超声图像信息传递到下游层的多个神经元中的一个神经元以用于进一步处理。
例如,第一层的神经元可学习以识别超声图像数据中的结构边缘。第二层的神经元可学习以基于来自第一层的检测边缘识别形状。第三层的神经元可学习所识别的形状相对于超声图像数据中的界标的位置。第四层的神经元可学习特定结构中存在的特定组织类型的特征等。因此,由深度神经网络(例如,卷积神经网络(CNN))执行的处理可允许以高概率识别超声图像数据中的生物结构和/或人工结构。
在一些具体实施中,信号处理器240(和/或其部件,诸如,柱状图查看模块242)可被配置为基于经由用户输入设备230的用户指令来执行或以其它方式控制由此执行的功能中的至少部分功能。例如,用户可提供语音命令、探头姿态、按钮按压等来发出特定指令,诸如启动和/或控制新数据管理方案的各个方面,包括基于人工智能(AI)的操作、和/或提供或以其他方式指定与其相关的各种参数或设置,如本公开所描述的。
训练引擎280可包括合适的电路、接口、逻辑部件和/或代码,该电路、接口、逻辑部件和/或代码可操作为训练信号处理器240(和/或其部件,诸如柱状图查看模块242)的深度神经网络的神经元。例如,可训练信号处理器240以识别超声扫描平面中提供的特定结构和/或组织(或其类型),其中训练引擎280训练其深度神经网络以执行所需功能中的一些功能,诸如使用各种结构的分类超声图像的数据库。
作为一个示例,训练引擎280可被配置为利用特定结构的超声图像相对于特定结构的特征(诸如结构边缘的外观、基于边缘的结构形状的外观、形状相对于超声图像数据中的界标的位置等)和/或相对于特定组织的特征(例如,其柔软性)来训练信号处理器240(和/或其部件,诸如柱状图查看模块242)。在各种实施方案中,训练图像的数据库可存储在档案270或任何合适的数据存储介质中。在某些实施方案中,训练引擎280和/或训练图像数据库可以是经由有线或无线连接通信地耦接到超声***200的外部***。
在操作中,超声***200可用于生成超声图像,包括二维(2D)、三维(3D)和/或四维(4D)图像。在这方面,超声***200可操作为特定的帧速率连续采集超声扫描数据,这可适用于所讨论的成像情况。例如,帧速率可在20至70的范围内,但可以更低或更高。所采集的超声扫描数据可与帧速率相同、或以更慢或更快的显示速率显示在显示***260上。图像缓冲器250被包括以用于存储未被安排立即显示的所采集的超声扫描数据的处理的帧。优选地,图像缓冲器250具有足够的容量来储存至少几秒钟的超声扫描数据的帧。超声扫描数据的帧以根据其采集顺序或时间易于从其取回的方式存储。图像缓冲器250可体现为任何已知的数据存储介质。
在一些情况下,超声***200可被配置为支持灰阶和基于颜色的操作。例如,信号处理器240可操作为执行灰阶B模式处理和/或颜色处理。灰阶B模式处理可包括处理B模式RF信号数据或IQ数据对。例如,灰阶B模式处理可使得通过计算量(I2+Q2)1/2能够形成波束求和接收信号的包络。该包络可经受附加的B模式处理,诸如对数压缩以形成显示数据。
显示数据可被转换为X-Y格式以用于视频显示。扫描转换的帧可映射至灰阶以用于显示。B模式帧被提供给图像缓冲器250和/或显示***260。颜色处理可包括处理基于颜色的RF信号数据或IQ数据对以形成帧,以覆盖被提供给图像缓冲器250和/或显示***260的B模式帧。灰阶和/或颜色处理可基于用户输入(例如,来自用户输入设备230的选择)自适应地调节,例如用于增强特定区域的灰阶和/或颜色。
在一些情况下,超声成像可包括体积超声图像的生成和/或显示(即,对象(例如,器官、组织等)以三维显示3D的位置)。在这方面,用3D(并且类似地用4D)成像,可采集包括对应于成像对象的体素的体积超声数据集。这可例如通过以不同角度发射声波而不是仅沿一个方向(例如,直向下)发射它们来完成,并且然后将它们的反射捕获回去。然后捕获并且处理(例如,经由信号处理器240)(以不同角度的发射的)返回回波以生成对应体积数据集,其继而可用于创建和/或显示体积(例如,3D)图像,诸如经由显示器250。这可能需要使用特定的处理技术来提供所需的3D感知。
例如,体积渲染技术可用于显示体积(例如,3D)数据集的投影(例如,2D投影)。在这方面,渲染3D数据集的2D投影可包括相对于正在显示的对象设置或限定空间上的感知角度,然后为数据集中的每个体素限定或计算必要的信息(例如,不透明度和颜色)。这可例如使用合适的传输函数来为每个体素限定RGBA(红色、绿色、蓝色和α)值来完成。
在各种具体实施中,超声***200可以被配置为支持用于医学成像解决方案的新数据存储和管理方案,如本公开中所描述的。例如,一旦获得或生成成像数据,信号处理器240(和/或其部件,诸如数据管理模块242)就可以将经处理的图像存储在档案270中,该档案可以被配置为独立地或在信号处理器240(和/或其部件,诸如数据管理模块242)的控制下将基于存档的编码(例如,基于DICOM的编码)应用于数据,然后应用如本文中所描述的分离过程以用于存储和管理,包括执行用于将所得数据对象传送到对应存储位置(本地或远程)的所需通信功能。档案270还可以被配置为将数据递送回来,并且可以被配置为执行恢复过程,包括即时恢复。在这方面,档案270可以被配置为将恢复过程应用于先前存档的数据,包括执行用于向存储位置(本地或远程)请求和从存储位置接收对应数据对象的所需通信功能,以及解码数据以使得能够生成对应图像,诸如用于经由显示***260显示。这些功能可以由信号处理器240(和/或其部件,诸如数据管理模块242)控制或管理。另选地,档案270还可以被配置为独立地执行这些功能中的至少一些功能,并且因此处理器240可能甚至不知道数据经历任何分离。在一些情况下,处理器240(和/或其部件,诸如数据管理模块242)可以根据方案来处理数据—例如被配置为分开地检索元数据和blob,以进一步改善响应时间和吞吐量。
图3示出了用于在用于医学成像解决方案的新数据存储和管理方案中使用的元数据分离的示例性过程。图3中示出了示出具有基于医学数字成像和通信(DICOM)的数据结构的新数据存储和管理方案的使用的框图300。
在这方面,虽然新数据存储方案适用于许多类型的医学数据(例如,图像、波形、临床观察等),其可以被建模为属性的集合,诸如表示所捕获的检查、测量、观察和监测数据以及其对象和临床背景,但是图3示出了新数据存储方案对DICOM服务对象对(SOP)实例的示例性应用,以解释新数据存储方案如何工作。
如图3所示,根据新数据存储方案,基于DICOM的数据blob可以被分离成元数据部分和blob数据部分。在这方面,虽然DICOM标头和像素数据可以在一些现有解决方案中被分割,尤其是作为内部存储格式,但是根据新数据存储方案应用于数据blob的分离需要更多。具体地,根据新数据存储方案,使用开放行业标准,所有数据文件可以根据标准格式来构造,并且因此是可独立验证的,并且链接在一起,诸如使用统一资源识别符(URI),诸如统一资源识别符(URL)。这些转化为高度的数据完整性和弹性、极大增加的数据管理和存储灵活性、改进的性能和更高的生产率。本发明将在下文中讨论一些可能的新用例。
相对于将数据blob分离成元数据部分和blob数据部分,在顶层上,代替将DICOMSOP实例作为整个数据blob来处理,图像像素数据(如果需要的话,任何其它二进制数据)和任何其它大尺寸标签(标准和私有标签两者)可以被移除并且保存到分离的数据文件中。所得对象在下文中被称为DICOM SOP实例元数据。因此,每个DICOM SOP实例被分割成一个元数据对象(表示为“D(meta)”)和0至N个blob数据对象,其中数据可以是图像像素数据或其它二进制大尺寸数据标签内容(表示为“D(blob)”)。
分离过程以及基于其生成的对象可以具有各种有用的特性,这些特性可以实现更高效的和/或别的新数据管理和存档范例。这些性质可以包括,例如:1)D(meta)可以包含关于D(blob)的主题和临床背景信息,并且大多数消费者应用在决定它们是否需要blob数据之前通常需要首先访问D(meta)。2)D(meta)和D(blob)可以具有不同的性质,诸如在数据管理和访问可用性方面,例如,D(meta)可以经受修改(例如,主题信息调和、研究/系列结构重组)并且可以要求对访问做出非常快速的响应,而D(blob)可以是完全不可变的,并且可以在访问方面以高吞吐量来强调。3)D(meta)可以是完整的受保护的健康信息(PHI)数据并且因此是极其敏感的信息,而没有D(meta)的D(blob)可以是少得多的PHI。然而,这不一定暗示这些对象中的任何对象不是PHI;相反,灵敏度级别可以是不同的,这可能是重要的考虑因素,尤其是在混合云、分布式存储基础设施中。4)D(meta)的尺寸(例如,以兆字节(MB)为单位)可以显著小于D(blob)的尺寸。例如,D(meta)相对于D(blob)的尺寸比可以是100或更高。分离方案允许利用这些特性,以优化访问性能、存储效率和高安全标准而无需折衷。
示例性元数据分离过程在图3中示出,其中二进制标准标签(例如,像素数据)和大尺寸私有标签值被从原始DICOM SOP实例310中移除,并且被保存到分离的二进制数据文件中。具体数据结构和基于其的URI链接也被示出并且现在参考图3(尤其是其右侧)被进一步解释。
D(blob)可以包括像素数据或其它二进制数据。对于像素数据,不管是单帧还是多帧,D(blob)可以被编码为二进制数据文件中的帧的连续列表。例如,D(blob)可使用以下格式来编码:1)文件签名,2)表示该blob数据文件是其一部分的SOP实例UID的唯一识别符(UID),3)每个图像帧相对于该表的末尾的偏移表,该偏移表被连续地存储在该文件中,4)图像帧,以与它们在原始SOP实例中的相同顺序逐帧地被编码,以及5)以与原始SOP实例相同的格式存储在压缩字节流中(例如,以JPEG文件互换格式(JFIF))的图像帧数据。压缩帧字节流具有DICOM序列项所要求的偶数字节的长度。因此,可以包括填充字节。存储JFIF流又增加了一个数据完整性校验。其它(通用)二进制blob D(blob)可以被存储在与原始SOP实例中相同的字节流中的二进制文件中。例如,在这些情况下,可以使用以下格式来编码D(blob):1)文件签名,2)表示该blob数据文件是其一部分的SOP实例UID的UID,以及3)如在元数据上下文中编码的二进制blob数据的字节流。因此,D(blob)可以是有效的DICOM编码流,其可以通过应用原始SOP实例的传输语法来解码。在示例性具体实施中,文件签名可以是4字节,唯一识别符(UID)可以是64字节,并且偏移表可以是(N+1)个4字节整数,其中第一整数值表示表的长度,随后是每个图像帧相对于表的末尾的偏移,该偏移被连续地存储在文件中。
D(meta)可以被编码在DICOM部分10文件中,但是具有一些修改。例如,D(meta)可以被这样编码:1)用包含指向D(blob)文件的URI(例如,URL)的像素数据提供者标签替换像素标签;2)移除已存储在二进制blob文件中的所有大尺寸blob数据元素的值(数据)(因此可以创建一个或多个D(blob)文件);3)添加一个档案***拥有的私有标签,其是DICOM SQ元素,并且因此能够将SOP实例内的多对标签路径和URI记录到其D(blob);以及4)添加D(blob)的已签名的签名以保护数据完整性。在示例性具体实施中,文件签名可以是4字节,并且唯一识别符(UID)可以是64字节。
恢复原始DICOM SOP实例可以简单地通过执行分离过程的逆操作来实现。相对于图4更详细地示出和描述了这种恢复过程。
图4示出了用于从元数据对象导出成像研究元数据文档的示例性使用场景。图4中示出了示出基于新数据存储和管理方案的具体实施的使用场景的框图400。
新数据存储和管理方案以及基于其生成的数据结构的使用可以使得能够执行现有解决方案不可能或不可用的各种功能。例如,可以仅基于元数据工作负荷来实现各种功能,而根本不访问blob数据对象。例如,成像研究元数据文档可以从研究的每个单独DICOMSOP实例的元数据对象导出,以提供用于查看者应用的一站式购物,如图4中所示。
在这方面,恢复原始DICOM SOP实例可以简单地是分离过程的反向操作。具体地,利用签名的签名,可以实现高标准的数据保护。例如,附加的安全措施(包括基于区块链的分类帐)可以用于基于安全策略、需求和可用的基础设施来保护所有D(meta)和D(blob)。例如,基于某些访问简档配置,可以重新组装具有或不具有大尺寸blob数据元素的DICOM SOP实例,以优化网络流量和数据吞吐量。D(meta)与D(blob)之间的双向链路进一步增强了数据完整性。
查看器应用程序(例如,在用于分析医学成像结果的***中)可以使用成像研究元数据文档来计划DICOM SOP实例呈现,而无需对索引数据库进行成本高昂的多次查询。新存储和管理方案以及基于其的分离过程可以实现多个新用例。此类用例的示例可以包括用于***性能的元数据工作负荷和blob数据工作负荷的分离、用于元数据和blob数据的灵活存储架构,以及用于元数据和blob数据的数据保护和安全实现。
在用于基于***性能的用例的元数据工作负荷和blob数据工作负荷的示例性分离中,标准DICOM API可以通过将D(meta)和D(blob)重新组装成原始DICOM SOP实例来支持。可以提供API(例如,DICOM Web),以允许分别访问元数据和blob数据,这允许更快地访问元数据,即使检索了大型研究的所有图像也是如此,而图像像素数据可以按需访问。数据管理功能可以直接修改D(meta)而不是修改数据库中的索引元数据,并且稍后将修改应用于DICOM SOP实例。元数据对象可以被加载到数据湖/文档查询处理引擎中以用于数据发现。在数据对象的目标集合被定位之后,blob数据可以使用元数据中的URI来无缝地检索。
在用于元数据和blob数据的示例性灵活存储架构中:元数据可以独立于基于blob数据的用例来存储,如果用户希望这样做,则元数据被内部管理,但是不可变像素数据可以被移动到基于云的存储。这允许用户在减少计算和存储资源需求的情况下具有对上下文数据(元数据)的紧密控制,同时利用(几乎)无上下文数据(blob数据)的云存储。更高效的大量数据访问以及输出。例如,对于研究或AI模型训练使用,档案可以用去识别的元数据来建立,从而与操作档案共享在分开的存储中管理的不可变blob数据。元数据可以被部署在边缘处(可以被复制),而Blob数据被存档在深度存储中,以实现响应时间和吞吐量目标两者。
在用于基于元数据和blob数据的用例的示例性数据保护和安全实现中,元数据和blob数据可以用最佳地满足底层存储机制以及商业需要的不同安全措施来处理。例如,在公共云中存档的blob数据可以在区块链分类帐中审计跟踪,并且用户选择的密钥可以用于在它们自己的数据中心中加密元数据。
图5示出了用于将基于医学数字成像和通信(DICOM)的数据分离分离成blob对象和元数据对象的示例性使用场景。图5中示出了示出DICOM数据集510的示例性分离的框图500。
DICOM数据集510可以包括数据元素的集合。作为如本文所描述的单独过程的应用的结果,可以生成公共元数据对象520(例如,如相对于图3所描述的D(meta))和分离的blob数据530。在这方面,分离的blob数据530可以包括blob数据对象(包括二进制数据和媒体数据)和偏移表,如以上所描述。
相对于该分离,可以定义阈值以确定blob元素(在图5中表示为“其它Blob”),其数据值被移动以分离blob数据文件或对象。blob元素可以保留在元数据中,但它们的值可以被设置为空。可以添加用于跟踪(表示为“Blob数据URI序列”)的新元素,以跟踪这些元素并且诸如使用URI提供到对应的移动blob数据值的链接。像素数据元素可以被新元素(表示为“像素数据提供器”)直接替换。
可能存在两种类型的blob数据:可能仅对元数据上下文有用的通用字节流,以及可能独立于元数据上下文有用的MIME类型可访问数据(例如,JPEG)。具体地,通用字节流可能仅在DICOM数据元素上下文中有用。如果被压缩,则压缩格式必须符合在包含数据集的特定传输语法下的DICOM数据元素上下文。MIME类型数据可以基于媒体格式被压缩或明文,符合包含数据集的传输语法。此类数据可以独立于DICOM数据元素上下文而有用。
在一些情况下,blob数据(以及元数据)可以被进一步合并成更大的blob以提高存储和管理效率。
图6示出了用于将基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据分离成blob对象和元数据对象的示例性使用场景。图6中示出了示出IHE PCDDEC数据集610的示例性分离的框图600。
IHE PCD DEC数据集610可以包括数据元素的集合。作为如本文所描述的单独过程的应用的结果,可以生成公共元数据对象620(例如,如相对于图3所描述的D(meta))和分离的blob数据630。在这方面,分离的blob数据630可以包括blob数据对象(包括二进制blob数据、媒体blob数据、协议blob数据)和偏移表,如以上所描述。
该分离可以以与相对于图5所描述的基本上相同的方式来应用。在这方面,二进制blob数据和像素blob数据可以基本上类似于相对于图5描述的相同blob数据。在应用于IHEPCD DEC数据集610的分离过程中添加第三类型的blob数据,即协议blob数据,其可以包括应用协议格式化的数据块(例如,Health Level Seven(HL7)格式化的数据段),其可以仅在元数据上下文中有用,并且根据底层应用协议来解析。这种按照标准协议的数据集可以直接***到包含协议数据集中,并且可以在通用工具中压缩。
在一些情况下,blob数据(以及元数据)可以被进一步合并成更大的blob以提高存储和管理效率。
图7示出了示例性的基于医学数字成像和通信(DICOM)的编码数据集。图7中示出了DICOM数据集700。
DICOM数据集700是数据元素的集合。每个数据元素可以包括和/或指定有诸如标签、值类型(VR)、值长度和值的字段。如果数据元素的值类型(VR)是“SQ”(指示序列),则该数据元素包含多个项目。在这方面,具有开始标记和结束标记的每个项目实际上可以是普通的DICOM数据集,依次由数据元素的集合组成。序列(在一个级别)的项目内的数据元素也可以是SQ,并且这可以包含多个项目(在下一个级别),如图7所示。
图8示出了在将blob数据分离成blob对象和元数据对象之后的示例性的基于医学数字成像和通信(DICOM)的编码数据集。图8中示出了在根据本公开对其应用分离过程之后的DICOM数据集800。在这方面,在应用分离过程之前,DICOM数据集800可以类似于图7的DICOM数据集700。分离过程可以如上文所描述应用,尤其是相对于图3和图5所描述。
如图8所示,在应用分离过程之后,所有识别的blob数据元素可保留在数据集中,但这些blob数据元素中的每个blob数据元素的值字段可以被设置为空。此外,为了反映对值的改变,这些blob数据元素中的每个blob数据元素的值长度可以被设置为“0”。然而,标记和值类型(VR)字段以及数据集内的blob数据元素的位置保持不变。blob数据元素的二进制值可以被保存在分离的文件中,可经由统一资源识别符(URI),诸如统一资源定位符(URL)来检索。添加新序列元素(表示为“Blob数据URI序列”)以跟踪空值的blob元素及其实际值的位置。例如,Blob数据URI序列可以包括元素列表,每个元素包括两个字段:跟踪数据集中特定空值blob元素的位置的“标签路径”字段,以及指向存储空值blob元素的实际值的位置的URI。像素数据元素也被像素数据提供者URI替换,如以上所描述。
图9示出了根据本公开的基于新数据存储和管理方案的示例性分离和恢复过程的流程图。
图9中示出了流程图900和950,每个流程图包括多个示例性步骤(表示为框902至框912和框952至框962),这些步骤可以在适当的***(例如,图1的医学成像***110和/或计算***120)中执行,用于基于用于医学成像解决方案的新数据存储和管理方案分别分离和检索成像数据集。
相对于流程图900,在开始步骤902中,可以设置***,并且可以启动操作。在步骤904中,存档编码(例如,DICOM、IHE PCD DEC等)可以应用于成像数据。在这方面,成像数据可以在同一***中生成或者可以从另一***获得。在步骤906中,编码数据集中的blob元素可以被识别。例如,这可以通过使用阈值来完成。阈值可以是预定义的,或另选地,其可以由操作者设置或调整。在步骤908中,元数据对象和blob数据对象可以基于所识别的blob元素来生成和/或更新。例如,这可以包括将所识别的blob元素的值(数据)移动至分离的blob数据对象(在一些情况下包括不同类型,诸如字节blob数据、媒体blob数据、协议blob数据等)。该步骤还可以包括更新所识别的blob数据元素中的剩余字段(例如,将值设置为空、将链接添加到数据对象等)、添加新字段/元素(例如,Blob数据Uri序列、像素数据提供者元素等)。在步骤910中,存储元数据对象和blob数据对象(本地和/或远程)。在步骤912中,偏移表可以被生成和/或更新。
相对于流程图950,在开始步骤952中,***可以被设置,并且可以发起操作。在步骤954中,编码数据集中所需的blob元素可以被识别。在这方面,在一些情况下,可能需要整个数据集,因此需要数据集中的所有blob元素的值(数据)。然而,在其它情况下,诸如当可能仅需要一些先前获得的图像(或其部分)来查看(或检查)时,可以以更具选择性的方式使用数据集。因此,可以仅需要并且因此恢复数据集中的一些blob元素。在步骤956中,所识别的blob元素可以被处理。这可以包括评估这些blob元素中的字段,以确定其值(数据)被维护在何处(例如,直接在数据集中或在数据对象中)。例如,在该值被设置为空的情况下,真实值的位置可以诸如使用URI和/或偏移表来确定。在步骤958中,从中检索与数据集分开维护的所识别的blob元素的值—这可使用URI和偏移表来完成。在步骤960中,应用所需的解码和解压缩。在步骤962中,成像数据可以基于数据集的值(数据)或其部分(重新)来生成。
根据本公开的用于存储和管理医学数据(例如,包括医学成像数据)的示例性方法包括:由处理器应用一个或多个基于医学数据存储和管理的过程,该基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中分离过程包括:识别医学数据集中的一个或多个blob数据元素;将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中;以及生成用于指示所识别的一个或多个blob数据元素的数据的移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据,并且恢复过程包括:识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:基于与分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及基于所确定的位置,检索被移除的blob数据元素的数据。医学数据集可以包括在医学成像操作期间获得的医学成像数据和/或基于医学成像数据生成。
在示例性具体实施中,分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
在示例性具体实施中,分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,该更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
在示例性具体实施中,分离过程还包括生成和填充公共元数据块,公共元数据块包括与医学数据集、分离过程和对应的分离的数据对象相关的信息。
在示例性具体实施中,分离过程还包括生成和填充偏移表,用于跟踪分离的数据对象的存储。
在示例性具体实施中,分离过程还包括将分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
在示例性实施方式中,医学数据集包括基于医学数字成像和通信(DICOM)的数据集或基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据集。
根据本公开的示例性非暂态计算机可读介质可以在其上存储有计算机程序,计算机程序具有至少一个代码段,至少一个代码段能够由包括至少一个处理器的机器执行,该至少一个处理器用于使机器执行用于存储和管理医学数据(例如,包括医学成像数据)的一个或多个步骤,该一个或多个步骤包括:应用一个或多个基于医学数据存储和管理的过程,基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中:分离过程包括:识别医学数据集中的一个或多个blob数据元素,将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中,以及生成用于指示所识别的一个或多个blob数据元素的数据的移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据,并且恢复过程包括:识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:基于与分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及基于所确定的位置,检索被移除的blob数据元素的数据。医学数据集可以包括在医学成像操作期间获得的医学成像数据和/或基于医学成像数据生成。
在示例性具体实施中,分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
在示例性具体实施中,分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,该更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
在示例性具体实施中,分离过程还包括生成和填充公共元数据块,公共元数据块包括与医学数据集、分离过程和对应的分离的数据对象相关的信息。
在示例性具体实施中,分离过程还包括生成和填充偏移表,用于跟踪分离的数据对象的存储。
在示例性具体实施中,分离过程还包括将分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
在示例性实施方式中,医学数据集包括基于医学数字成像和通信(DICOM)的数据集或基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据集。
根据本公开的用于存储和管理医学数据(例如,包括医学成像数据)的示例性***包括:至少一个处理器,该至少一个处理器被配置为应用一个或多个基于医学数据存储和管理的过程,该基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中分离过程包括:识别医学数据集中的一个或多个blob数据元素;将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中;以及生成用于指示所识别的一个或多个blob数据元素的数据的移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据,并且恢复过程包括:识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:基于与分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及基于所确定的位置,检索被移除的blob数据元素的数据。医学数据集可以包括在医学成像操作期间获得的医学成像数据和/或基于医学成像数据生成。
在示例性具体实施中,分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
在示例性具体实施中,分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,该更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
在示例性具体实施中,分离过程还包括生成和填充公共元数据块,公共元数据块包括与医学数据集、分离过程和对应的分离的数据对象相关的信息。
在示例性具体实施中,分离过程还包括生成和填充偏移表,用于跟踪分离的数据对象的存储。
在示例性具体实施中,分离过程还包括将分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
如本文所用,术语“电路(circuit/circuitry)”是指物理电子部件(例如,硬件)以及可配置硬件、由硬件执行和/或以其他方式与硬件相关联的任何软件和/或固件(“代码”)。例如,如本文所用,当执行一条或多条第一代码时,特定处理器和存储器可包括第一“电路”,并且在执行一条或多条第二代码时,特定处理器和存储器可包括第二“电路”。如本文所用,“和/或”表示列表中的由“和/或”连结的项中的任一个或多个项。例如,“x和/或y”表示三元素集{(x),(y),(x,y)}中的任何元素。换句话讲,“x和/或y”意指“x和y中的一者或两者”。作为另一个示例,“x、y和/或z”表示七元素集{(x),(y),(z),(x,y),(x,z),(y,z),(x,y,z)}中的任何元素。换句话讲,“x、y和/或z”意指“x、y和z中的一者或多者”。如本文所用,术语“框”和“模块”是指可由一个或多个电路执行的功能。如本文所用,术语“示例性”表示用作非限制性示例、实例或例证。如本文所用,术语“例如(for example/e.g.)”引出一个或多个非限制性示例、实例或例证的列表。如本文所用,电路“可操作为”每当该电路包括执行功能的必需硬件(和代码,如果需要的话)时就执行该功能,不管是否(例如,通过某些用户可配置的设置、工厂微调等)禁用或不启用该功能的执行。
本发明的其他实施方案可提供其上存储有机器代码和/或计算机程序的非暂态计算机可读介质和/或存储介质和/或非暂态机器可读介质和/或存储介质,该机器代码和/或计算机程序具有至少一个代码段,该至少一个代码段能够由机器和/或计算机执行,从而使机器和/或计算机执行如本文所述的过程。
因此,本公开可在硬件、软件或硬件和软件的组合中实现。本发明可以集中方式在至少一个计算***中实现,或以分布式方式实现,其中不同的元件分布在若干互连的计算***上。适于执行本文所述的方法的任何种类的计算***或其他装置都是合适的。硬件和软件的典型组合可以是具有程序或其他代码的通用计算***,该程序或其他代码在加载和执行时控制计算***,使得其执行本文所述的方法。另一个典型的具体实施可包括专用集成电路或芯片。
根据本公开的各种实施方案也可嵌入计算机程序产品中,该计算机程序产品包括能够实现本文所述的方法的所有特征,并且当加载到计算机***中时能够执行这些方法。本文中的计算机程序是指以任何语言、代码或符号表示的一组指令的任何表达,这些指令旨在使具有信息处理能力的***直接执行特定功能或在以下两项或其中一项之后执行特定功能:a)转换为另一种语言、代码或符号;b)以不同的物质形式进行复制。
虽然已经参考某些实施方案来描述了本发明,但是本领域的技术人员应当理解,在不脱离本发明的范围的情况下,可以进行各种改变并可以替换等同物。另外,在不脱离本发明的范围的情况下,可以进行许多修改以使特定情况或材料适应于本发明的教导。因此,本发明不旨在限于所公开的特定实施方案,而是本发明将包括落入所附权利要求书的范围内的所有实施方案。
Claims (20)
1.一种用于存储和管理医学数据的方法,所述方法包括:
由处理器应用一个或多个基于医学数据存储和管理的过程,所述基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中:
所述分离过程包括:
识别医学数据集中的一个或多个blob数据元素;
将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中;以及
生成用于指示所识别的一个或多个blob数据元素的数据的所述移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据;并且
所述恢复过程包括:
识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及
对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:
基于与所述分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及
基于所确定的位置,检索所述被移除的blob数据元素的数据。
2.根据权利要求1所述的方法,其中所述分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,所述数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
3.根据权利要求1所述的方法,其中所述分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,所述更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
4.根据权利要求1所述的方法,其中所述分离过程还包括生成和填充公共元数据块,所述公共元数据块包括与所述医学数据集、所述分离过程和所述对应的分离的数据对象相关的信息。
5.根据权利要求1所述的方法,其中所述分离过程还包括生成和填充偏移表,用于跟踪所述分离的数据对象的存储。
6.根据权利要求1所述的方法,其中所述分离过程还包括将所述分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,所述不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
7.根据权利要求1所述的方法,其中所述医学数据集包括基于医学数字成像和通信(DICOM)的数据集或基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据集。
8.一种非暂态计算机可读介质,所述非暂态计算机可读介质在其上存储有计算机程序,所述计算机程序具有至少一个代码段,所述至少一个代码段能够由包括至少一个处理器的机器执行,所述至少一个处理器用于使所述机器执行用于存储和管理医学数据的一个或多个步骤,所述一个或多个步骤包括:
应用一个或多个基于医学数据存储和管理的过程,所述基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中:
所述分离过程包括:
识别医学数据集中的一个或多个blob数据元素;
将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中;以及
生成用于指示所识别的一个或多个blob数据元素的数据的所述移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据;并且
所述恢复过程包括:
识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及
对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:
基于与所述分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及
基于所确定的位置,检索所述被移除的blob数据元素的数据。
9.根据权利要求8所述的非暂态计算机可读介质,其中所述分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,所述数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
10.根据权利要求8所述的非暂态计算机可读介质,其中所述分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,所述更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
11.根据权利要求8所述的非暂态计算机可读介质,其中所述分离过程还包括生成和填充公共元数据块,所述公共元数据块包括与所述医学数据集、所述分离过程和所述对应的分离的数据对象相关的信息。
12.根据权利要求8所述的非暂态计算机可读介质,其中所述分离过程还包括生成和填充偏移表,用于跟踪所述分离的数据对象的存储。
13.根据权利要求8所述的非暂态计算机可读介质,其中所述分离过程还包括将所述分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,所述不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
14.根据权利要求8所述的非暂态计算机可读介质,其中所述医学数据集包括基于医学数字成像和通信(DICOM)的数据集或基于医疗信息***集成(IHE)患者护理设备(PCD)设备企业通信(DEC)的数据集。
15.一种用于存储和管理医学数据的***,所述***包括:
至少一个处理器,所述至少一个处理器被配置为应用一个或多个基于医学数据存储和管理的过程,所述基于医学数据存储和管理的过程至少包括分离过程和恢复过程,其中:
所述分离过程包括:
识别医学数据集中的一个或多个blob数据元素;
将所识别的一个或多个blob数据元素的数据移动到对应的分离的数据对象中;以及
生成用于指示所识别的一个或多个blob数据元素的数据的所述移动并且用于跟踪所识别的一个或多个blob数据元素的移动后的数据的位置的数据;并且
所述恢复过程包括:
识别分离的医学数据集中的一个或多个被移除的blob数据元素,其中所识别的一个或多个被移除的blob数据元素的数据被移动到对应的一个或多个分离的数据对象中;以及
对于所识别的一个或多个被移除的blob数据元素中的每个被移除的blob数据元素:
基于与所述分离的医学数据集相关联的对应的分离数据来确定对应的分离的数据对象的位置;以及
基于所确定的位置,检索所述被移除的blob数据元素的数据。
16.根据权利要求15所述的***,其中所述分离过程还包括生成用于跟踪移动后的数据的数据定位符元素,所述数据定位符元素包括用于跟踪所识别的一个或多个blob数据元素中的每个blob数据元素的映射数据以及用于定位对应的移动后的数据的位置信息。
17.根据权利要求15所述的***,其中所述分离过程还更新所识别的一个或多个blob数据元素中的每个blob数据元素,所述更新包括修改至少一个字段以指示所识别的一个或多个blob数据元素的数据被移动。
18.根据权利要求15所述的***,其中所述分离过程还包括生成和填充公共元数据块,所述公共元数据块包括与所述医学数据集、所述分离过程和所述对应的分离的数据对象相关的信息。
19.根据权利要求15所述的***,其中所述分离过程还包括生成和填充偏移表,用于跟踪所述分离的数据对象的存储。
20.根据权利要求15所述的***,其中所述分离过程还包括将所述分离的数据对象中的至少一些分离的数据对象的移动后的数据存储在不同的存储位置中,所述不同的存储位置包括本地存储位置和远程存储位置中的一者或两者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/219,348 | 2021-03-31 | ||
US17/219,348 US20220319673A1 (en) | 2021-03-31 | 2021-03-31 | Methods and systems for new data storage and management scheme for medical imaging solutions |
PCT/US2022/016536 WO2022211919A1 (en) | 2021-03-31 | 2022-02-16 | Methods and systems for new data storage and management scheme for medical imaging solutions |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117120996A true CN117120996A (zh) | 2023-11-24 |
Family
ID=83450040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280022920.6A Pending CN117120996A (zh) | 2021-03-31 | 2022-02-16 | 用于医学成像解决方案的新数据存储和管理方案的方法和*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220319673A1 (zh) |
EP (1) | EP4315091A1 (zh) |
JP (1) | JP2024512632A (zh) |
CN (1) | CN117120996A (zh) |
WO (1) | WO2022211919A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12032612B2 (en) | 2022-07-25 | 2024-07-09 | Dell Products L.P. | System and method for managing storage and use of biosystem on a chip data |
US11941043B2 (en) * | 2022-07-25 | 2024-03-26 | Dell Products L.P. | System and method for managing use of images using landmarks or areas of interest |
EP4354453A1 (en) | 2022-10-11 | 2024-04-17 | Koninklijke Philips N.V. | Communicating medical image data |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005117590A (ja) * | 2003-10-10 | 2005-04-28 | Konica Minolta Medical & Graphic Inc | 放射線画像撮影システムおよび放射線画像検出処理装置 |
US20120060035A1 (en) * | 2010-09-08 | 2012-03-08 | Microsoft Corporation | Secure and Verifiable Data Handling |
WO2013001410A2 (en) * | 2011-06-27 | 2013-01-03 | Koninklijke Philips Electronics N.V. | Anatomical tagging of findings in image data of serial studies |
KR20130037097A (ko) * | 2011-10-05 | 2013-04-15 | 주식회사 케이티 | 디지털 콘텐츠의 변형을 탐지하기 위한 디지털 영상 제공 장치 및 디지털 영상 복원 장치 |
US9641799B2 (en) * | 2013-03-15 | 2017-05-02 | James Paul Smurro | Multimodal cognitive communications and collaborative knowledge exchange with visual neural networking and packetized augmented intelligence |
US10413253B2 (en) * | 2014-11-21 | 2019-09-17 | Samsung Electronics Co., Ltd. | Method and apparatus for processing medical image |
JP7054411B2 (ja) * | 2017-07-26 | 2022-04-13 | キヤノン ユーエスエイ,インコーポレイテッド | 血管造影画像を用いて心臓運動を評価するための方法 |
EP3462461A1 (de) * | 2017-09-28 | 2019-04-03 | Siemens Healthcare GmbH | Personalisiertes patientenmodell |
US11004209B2 (en) * | 2017-10-26 | 2021-05-11 | Qualcomm Incorporated | Methods and systems for applying complex object detection in a video analytics system |
GB2575795A (en) * | 2018-07-23 | 2020-01-29 | Medsolve Ltd | Imaging system for use in a fluoroscopy procedure |
US20200160985A1 (en) * | 2018-11-20 | 2020-05-21 | Symplast Acquisition Inc. | Patient-Centric Eco-System with Automated Workflow and Facility Manager for Improved Delivery of Medical Services |
-
2021
- 2021-03-31 US US17/219,348 patent/US20220319673A1/en active Pending
-
2022
- 2022-02-16 WO PCT/US2022/016536 patent/WO2022211919A1/en active Application Filing
- 2022-02-16 JP JP2023559987A patent/JP2024512632A/ja active Pending
- 2022-02-16 EP EP22781813.5A patent/EP4315091A1/en active Pending
- 2022-02-16 CN CN202280022920.6A patent/CN117120996A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022211919A1 (en) | 2022-10-06 |
JP2024512632A (ja) | 2024-03-19 |
US20220319673A1 (en) | 2022-10-06 |
EP4315091A1 (en) | 2024-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210210179A1 (en) | Evolving contextual clinical data engine for medical information | |
US11615878B2 (en) | Systems and methods for integrating neural network image analyses into medical image viewing applications | |
CN109791692B (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度的***和方法 | |
US20200027210A1 (en) | Virtualized computing platform for inferencing, advanced processing, and machine learning applications | |
US20220319673A1 (en) | Methods and systems for new data storage and management scheme for medical imaging solutions | |
US20190125298A1 (en) | Echocardiographic image analysis | |
US20180322254A1 (en) | Multimodal cognitive collaboration and cybernetic knowledge exchange with visual neural networking streaming augmented medical intelligence | |
Dimililer | Backpropagation neural network implementation for medical image compression | |
CN111369562B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114758360B (zh) | 一种多模态图像分类模型训练方法、装置及电子设备 | |
CN115272250B (zh) | 确定病灶位置方法、装置、计算机设备和存储介质 | |
Tsymbal et al. | Towards cloud-based image-integrated similarity search in big data | |
Panayides et al. | The promise of big data technologies and challenges for image and video analytics in healthcare | |
CN112515705B (zh) | 用于投影轮廓启用的计算机辅助检测的方法和*** | |
Zhu et al. | An End‐to‐End Data‐Adaptive Pancreas Segmentation System with an Image Quality Control Toolbox | |
US20130030281A1 (en) | Hashimotos Thyroiditis Detection and Monitoring | |
US20230062781A1 (en) | Methods and systems for implementing and using digital imaging and communications in medicine (dicom) structured reporting (sr) object consolidation | |
Suganthi et al. | Interactive Visualization for Understanding and Analyzing Medical Data | |
Birajdar et al. | Transform domain robust watermarking method using Riesz wavelet transform for medical data security and privacy | |
Chen et al. | Tactile Codec with Visual Assistance in Multi-modal Communication for Digital Health | |
WO2023032438A1 (ja) | 回帰推定装置および方法、プログラム並びに学習済みモデルの生成方法 | |
Ma et al. | CardiacField: Computational Echocardiography for Universal Screening | |
WO2022182551A1 (en) | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3d) medical images | |
Germain et al. | Medical Image Analysis on Grids |
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 |