一种基于互联网的肝胆外科治疗信息共享系统及共享方法与流程

本发明属于肝胆外科治疗信息共享技术领域，尤其涉及一种基于互联网的肝胆外科治疗信息共享系统及共享方法。

背景技术：

肝胆，指肝和胆的总称。胆囊管及其开口处变异较多，手术时常易损伤此处。然而，现有肝胆诊断治疗误诊率高，诊断结果不准确；同时，不能准确的对肝胆病情进行预测。现有肝胆诊断方法利用深度学习算法提取图像特征与图像纹理特征相结合并应用xgboost算法在超声图像上实现肝脏弥漫性疾病智能诊断的方法，它是人工智能方法在基于超声图像的诊断中的应用，可以为医生的疾病诊断提供辅助建议。步骤为：一、对肝脏超声图像进行预处理；二、基于卷积神经网络实现肝脏弥漫性疾病的初步分类；三、将卷积神经网络特征和图像纹理特征相结合形成多模型特征，应用xgboost算法实现肝脏弥漫性疾病的最终分类。本发明结合深度学习算法和传统的特征提取算法，兼顾图像的形状特征与纹理特征，并应用xgboost算法提高了分类算法的准确度，适用于基于超声图像的肝脏弥漫性疾病辅助诊断。

综上所述，现有技术存在的问题是：

(1)现有肝胆诊断治疗误诊率高，诊断结果不准确；

(2)不能准确的对肝胆病情进行预测；

(3)患者每更换一次就诊医院需要重新做检查，以往检查信息无法共享；

(4)现有医学系统网络接口无安全防护措施，患者隐私得不到保护。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于互联网的肝胆外科治疗信息共享系统及共享方法。

本发明是这样实现的，一种基于互联网的肝胆外科治疗信息共享方法，所述基于互联网的肝胆外科治疗信息共享方法包括：

步骤一，通过患者信息采集模块利用采集设备对患者肝胆检测信息、患者个人信息进行采集；通过诊断模块利用医疗诊断设备对患者肝胆病情进行诊断；

步骤二，中央控制模块通过治疗信息生成模块利用医疗软件根据诊断信息生成相应的治疗信息；

步骤三，通过网络通信模块利用网络接口连接互联网进行医疗网络通信；

步骤四，通过治疗信息上传模块利用上传程序上传肝胆外科治疗信息；

步骤五，通过病情预测模块利用预测程序根据采集信息、诊断信息对患者病情进行预测；

步骤六，通过显示模块利用显示器显示患者信息及肝胆外科治疗信息。

进一步，所述基于互联网的肝胆外科治疗信息共享方法的诊断方法如下：

(1)预先对腹部ct图像进行轮廓分割和提取，并标记好正常肝脏ct、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；

(2)图像纹理特征提取对导入图像进行图像纹理分析，获取ct图像中的13维灰度共生纹理特征；

(3)分类诊断内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏ct图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。

进一步，所述步骤(1)中，所述对腹部ct图像进行轮廓分割和提取，其过程为：

首先对图像进行切割得到roi，然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对ct图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的roi图像构成肝脏ct图像集。

进一步，所述基于互联网的肝胆外科治疗信息共享方法的病情预测方法如下：

1)训练数据的获取；训练数据的获取包括：对同源的癌组织和健康组织进行测序，同时测定各个基因的基因表达量；

2)训练深度学习模型；训练深度学习模型包括：练深度学习模型为输入根据网络结构进行逐层前向传播，再利用代价函数的梯度和具体输出进行梯度下降的反向传播实现全局参数优化，最终使具体输出与目标输出偏差在可接受范围内，当具体输出与目标输出偏差在可接受范围内时，深度学习模型即可使用，当偏差较大时则改变参数继续训练；

3)利用训练完成的深度学习模型预测肝癌；训练完成的深度学习模型预测肝癌包括：利用未知健康情况的细胞的各基因表达量作为输入，可以根据深度学习模型输出层神经元的激活情况判断细胞的健康情况。

本发明的另一目的在于提供一种实现所述基于互联网的肝胆外科治疗信息共享方法的基于互联网的肝胆外科治疗信息共享系统，所述基于互联网的肝胆外科治疗信息共享系统包括：

患者信息采集模块、诊断模块、中央控制模块、治疗信息生成模块、网络通信模块、治疗信息上传模块、病情预测模块、显示模块；

患者信息采集模块，与中央控制模块连接，用于通过采集设备对患者肝胆检测信息、患者个人信息进行采集；

诊断模块，与中央控制模块连接，用于通过医疗诊断设备对患者肝胆病情进行诊断；

中央控制模块，与中央控制模块连接，用于通过单片机控制各个模块正常工作；

治疗信息生成模块，与中央控制模块连接，用于通过医疗软件根据诊断信息生成相应的治疗信息；

网络通信模块，与中央控制模块连接，用于通过网络接口连接互联网进行医疗网络通信；

治疗信息上传模块，与中央控制模块连接，用于通过上传程序上传肝胆外科治疗信息；

病情预测模块，与中央控制模块连接，用于通过预测程序根据采集信息、诊断信息对患者病情进行预测；

显示模块，与中央控制模块连接，用于通过显示器显示患者信息及肝胆外科治疗信息。

本发明的另一目的在于提供一种应用所述基于互联网的肝胆外科治疗信息共享方法的肝胆超声控制系统。

本发明的优点及积极效果为：

本发明通过诊断模块使用的ct图像是在活检或手术前获得，因此具有无创性，具有快速及时的特点；通过ct图像获得肝癌鉴别，不需要取活体组织鉴定等，具有成本低，降低病人痛苦的特点；通过relief算法对训练样本的特征降维优化，可以有效的降低病变肝脏纹理特征样本集的复杂程度，进一步提高鉴别准确度；通过肝脏ct图像的纹理特征数据集训练后的分类器来鉴别肿块的良恶性，其结果没有人为主观因素影响，避免了病理检查和其他检查的人为主观因素影响，大大提高诊断准确性；同时，通过病情预测模块可以联合全部基因的基因表达量进行联合判断，克服了传统方法忽略基因联合表达作用的不足；利用基于深度学习技术的预测模型，解决了由于人的主观性而造成的难以把握基因表达量微小差异的问题，对肝癌的基因治疗的发展具有积极意义。

本发明对网络接口进行了加密保护，能够保证患者的相关医疗信息不会被泄露、盗用；同时保证了服务器、数据库的安全性，避免因网络病毒或恶意攻击导致共享系统的信息丢失或被恶意复制。

本发明对采集的相关信息进行了处理，特别是医学图像信息的处理，能够提高信息的可用度与实用性；同时将相关信息上传并存放至数据库，能够保证信息可被多方调用，避免患者多次重复检查。

附图说明

图1是本发明实施例提供的基于互联网的肝胆外科治疗信息共享方法流程图。

图2是本发明实施例提供的基于互联网的肝胆外科治疗信息共享系统结构框图。

图2中：1、患者信息采集模块；2、信息处理模块；3、诊断模块；4、中央控制模块；5、治疗信息生成模块；6、网络通信模块；7、病情预测模块；8、防控模块；9、数据库；10、显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明提供的基于互联网的肝胆外科治疗信息共享方法包括以下步骤：

s101，利用采集设备对患者肝胆检测信息、患者个人信息进行采集；利用医学处理软件对采集到的患者个人信息、检测信息以及医学图像信息进行处理；

s102，利用医疗诊断设备根据处理后的患者个人信息、检测信息以及相关医学图像信息对患者肝胆病情进行诊断；利用医疗软件根据诊断信息生成相应的治疗信息并利用上传程序上传肝胆外科治疗信息；

s103，利用加密的网络接口连接互联网进行医疗网络通信；

s104，利用预测程序根据采集信息、诊断信息对患者病情进行预测；根据预测的患者病情输出相应疾病防控措施；

s105，将患者个人信息、病历信息、治疗信息以及防控措施进行存储，并利用显示器显示患者信息、处理的医学图像信息、肝胆外科治疗信息以及相应防控措施。

步骤s103中，本发明实施例提供的网络接口的加密策略具体包括：

(1)肝胆外科治疗信息的提供方与调用相应信息的调用方约定好统一的参数加密算法，同时保证提供方与调用方的服务器时间为准确的网络时间；

(2)调用方在调用时把加密后的_sign放在参数中去请求接口；

(3)提供方接到响应后，判断时间戳是不是在有效时间内，所述有效时间间隔可根据实际安全范围自设为10分钟，5分钟，20秒等，过期失效；

(4)把参数中除了_sign以外的参数进行加密，然后把加密结果和调用方传过来的_sign比较，相同则执行调用请求。

步骤(1)中，本发明实施例提供的服务器和客户端的时间没有同步，可以返回错误的同时再返回一个服务器的当前时间，客户端接收到该错误后再请求上一个接口，时间则传服务器刚刚返回的时间。

步骤(4)中，本发明实施例提供的加密还包括：

当涉及到比较重要的信息，可以用aes对value进行加密，防止抓包拉取到上传的数据。

如图2所示，本发明实施例提供的基于互联网的肝胆外科治疗信息共享系统包括：患者信息采集模块1、信息处理模块2、诊断模块3、中央控制模块4、治疗信息生成模块5、网络通信模块6、病情预测模块7、防控模块8、数据库9、显示模块10。

患者信息采集模块1，与中央控制模块4连接，用于通过采集设备对患者肝胆检测信息、患者个人信息进行采集；

信息处理模块2，与中央控制模块4连接，用于利用医学处理软件对采集到的患者个人信息、检测信息以及医学图像信息进行处理；

诊断模块3，与中央控制模块4连接，用于通过医疗诊断设备对患者肝胆病情进行诊断；

中央控制模块4，患者信息采集模块1、信息处理模块2、诊断模块3、治疗信息生成模块5、网络通信模块6、病情预测模块7、防控模块8、数据库9、显示模块10连接，用于通过单片机控制各个模块正常工作；

治疗信息生成模块5，与中央控制模块4连接，用于通过医疗软件根据诊断信息生成相应的治疗信息；并通过上传程序上传肝胆外科治疗信息；

网络通信模块6，与中央控制模块4连接，用于通过网络接口连接互联网进行医疗网络通信；

病情预测模块7，与中央控制模块4连接，用于通过预测程序根据采集信息、诊断信息对患者病情进行预测；

防控模块8，与中央控制模块4连接，用于根据预测的患者病情输出相应疾病防控措施；

数据库9，与中央控制模块4连接，用于存储患者个人信息、病历信息、治疗信息以及防控措施；

显示模块10，与中央控制模块4连接，用于通过显示器显示患者信息及肝胆外科治疗信息。

本发明实施例提供的诊断模块3诊断方法如下：

(1)预先对腹部ct图像进行轮廓分割和提取，并标记好正常肝脏ct、肝囊肿、肝癌，将预处理后的图像导入到所述系统中；

(2)图像纹理特征提取对导入图像进行图像纹理分析，获取ct图像中的13维灰度共生纹理特征；

(3)分类诊断内存储已经证实的肝癌、肝囊肿图像纹理特征以及正常肝图像肝脏纹理特征构成的数据库，根据数据库建立诊断模型，将输入的肝脏ct图像纹理特征代入诊断模型分类器中进行处理，得到诊断结果以及准确度。

步骤(1)中，本发明实施例提供的对腹部ct图像进行轮廓分割和提取，其过程为：

首先对图像进行切割得到roi,然后对于感兴趣的区域进行填充和去除噪声的处理，采用中值滤波法去除噪声，采用直方图均衡化方法进行图像增强；并对ct图像进行256级灰度转换，而后存储为double类型，最后进行16级灰度压缩，将所有提取的roi图像构成肝脏ct图像集。

步骤(2)中，本发明实施例提供的所述获取ct图像中的13维灰度共生纹理特征，获取其中9维灰度共生纹理特征的过程为：

在图像中任取一像素点a(x，y)，然后获得与像素点a距离为d的另一个像素点b(x+a，y+b)，像素点a和像素点b形成一个点对，记录这一点对的灰度值(i，j)，固定a和b的值，使像素点a(x，y)在图像上移动，获得多种像素点对组合，ng为图像灰度级别值，i∈[0，ng-1]，j∈[0，ng-1]，改变d和θ，θ为像素点对连线与水平线的夹角，统计图像中的像素点对的灰度值，构成灰度共生矩阵p(i，j，θ，d)，其中#{x}是集合x中的所有元素的个数；然后根据灰度共生矩阵提取9维纹理特征，分别为对比度、逆差矩、相关性、熵、角二阶矩、共生和均值、共生和的熵、共生和差值以及共生差的熵。

步骤(3)中，本发明实施例提供的所述根据数据库建立诊断模型，建立诊断模型的过程为：

从数据库内选取n个纹理特征数据样本作为训练样本集，用训练样本集对分类器进行训练，其中n为正整数，且为整个数据库样本集的1/2，并将数据库中除训练样本集外的n个纹理特征数据样本作为验证样本集，使用训练后分类器对验证样本集进行分类，获得验证样本集的鉴别准确率，然后再另外选取n个样本重复上述步骤，多次操作，最后选取得到最大诊断准确率维目标建立诊断模型。

本发明实施例提供的病情预测模块7预测方法如下：

1)训练数据的获取；训练数据的获取包括：对同源的癌组织和健康组织进行测序，同时测定各个基因的基因表达量；

2)训练深度学习模型；训练深度学习模型包括：练深度学习模型为输入根据网络结构进行逐层前向传播，再利用代价函数的梯度和具体输出进行梯度下降的反向传播实现全局参数优化，最终使具体输出与目标输出偏差在可接受范围内，当具体输出与目标输出偏差在可接受范围内时，深度学习模型即可使用，当偏差较大时则改变参数继续训练；

3)利用训练完成的深度学习模型预测肝癌；训练完成的深度学习模型预测肝癌包括：利用未知健康情况的细胞的各基因表达量作为输入，可以根据深度学习模型输出层神经元的激活情况判断细胞的健康情况。

步骤2)中，本发明实施例提供的深度学习模型包括：

输入层；卷积层；池化层；输出层。

本发明实施例提供的输入层采用全连接的方式，输入为各个基因的基因表达量。

本发明提供的卷积层采用共享权重的方式，滤波器进行一维滑动，滑动跨步为1。

以上所述仅是对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，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。