一种医学影像病例随访智能系统和方法与流程

本发明属于医学影像，尤其涉及一种医学影像病例随访智能系统和方法。

背景技术：

1、目前，医学影像是指利用各种物理手段(如x射线、超声波、磁共振)对人体内部结构和功能进行成像的技术，是现代医学诊断和治疗的重要手段之一。医学影像可以提供患者的病理变化、病灶位置、大小、形态、范围信息，对于疾病的诊断、分期、预后评估、疗效监测具有重要价值。

2、随着医学影像技术的发展，医学影像数据的数量、类型和质量都有了显著提升，为医生提供了更加丰富和精确的信息。然而，医学影像数据的分析和利用也面临着一些挑战，如：

3、医学影像数据的规模和复杂度不断增加，导致医生的工作量和压力增大，影像阅读的效率和准确性受到影响；

4、医学影像数据的存储和管理成本不断增加，需要更高的硬件和软件支持，同时也存在数据安全和隐私保护的风险；

5、医学影像数据的共享和交流受到限制，不同医疗机构之间的数据互通和协作困难，影响了医疗资源的优化配置和医疗质量的提升；

6、医学影像数据的后续应用和价值挖掘不足，缺乏有效的数据挖掘和分析方法，难以从海量的数据中提取有用的知识和规律，为临床决策和科研创新提供支持。

7、为了解决上述问题，近年来，人工智能技术在医学影像领域得到了广泛的应用和发展，如图像分类、目标检测、图像分割、图像检索，实现了对医学影像数据的自动化、智能化和精准化的分析和处理，为医生提供了更高效和可靠的辅助诊断和治疗工具。

8、然而，现有的人工智能技术在医学影像领域的应用，主要集中在单次的影像诊断和分析上，而忽略了医学影像数据在患者全病程管理中的重要作用。全病程管理是指从患者发病到康复的整个过程，涉及到预防、诊断、治疗、康复、随访多个环节，是实现患者健康管理和医疗质量提升的关键。医学影像数据在全病程管理中的应用，不仅可以帮助医生及时发现和诊断疾病，制定个性化的治疗方案，评估治疗效果，还可以帮助医生进行长期的患者随访，监测疾病的复发和转移，提供健康教育和干预，提高患者的生活质量和预后。

9、目前的医学影像数据在全病程管理中的应用，还存在以下不足：

10、缺乏有效的医学影像病例收集和管理系统，难以对患者的影像数据进行全面、系统和规范的收集、整理、存储和管理，影响了数据的完整性、一致性和可用性；

11、缺乏有效的医学影像病例随访和分析系统，难以对患者的影像数据进行定期、自动和智能的随访和分析，影响了数据的时效性、动态性和价值性；

12、缺乏有效的医学影像病例共享和协作系统，难以对患者的影像数据进行安全、便捷和高效的共享和协作，影响了数据的互通性、协同性和创新性。

13、因此，针对上述问题，本发明提出了一种医学影像病例随访智能系统和方法，旨在实现对医学影像病例的全病程管理，提高医学影像数据的应用效率和价值。

14、通过上述分析，现有技术存在的问题及缺陷为：

15、(1)缺乏有效的医学影像病例收集和管理系统，难以对患者的影像数据进行全面、系统和规范的收集、整理、存储和管理，影响了数据的完整性、一致性和可用性；

16、(2)缺乏有效的医学影像病例随访和分析系统，难以对患者的影像数据进行定期、自动和智能的随访和分析，影响了数据的时效性、动态性和价值性；

17、(3)缺乏有效的医学影像病例共享和协作系统，难以对患者的影像数据进行安全、便捷和高效的共享和协作，影响了数据的互通性、协同性和创新性。

18、(4)现有医学影像病例随访智能系统收集的医学影像不清晰，影响病例诊断；同时，对病例信息检索不准确。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种医学影像病例随访智能系统和方法。

2、本发明是这样实现的，一种医学影像病例随访智能系统包括：

3、病例收集模块、影像增强模块、主控模块、病例管理模块、病例随访模块、病例分析模块、病例共享模块、病例信息检索模块、病例展示模块；

4、病例收集模块，与影像增强模块连接，用于从不同来源和类型的医学影像设备中收集患者的医学影像数据，以及与之相关的患者基本信息、临床诊断信息、治疗方案信息、随访计划信息，并将收集的数据进行预处理和标准化，形成医学影像病例；

5、影像增强模块，与病例收集模块、主控模块连接，用于对医学影像进行增强处理；

6、主控模块，与影像增强模块、病例管理模块、病例随访模块、病例分析模块、病例共享模块、病例信息检索模块、病例展示模块连接，用于控制各个模块正常工作；

7、病例管理模块，与主控模块连接，用于对收集的医学影像病例进行存储、索引、检索、更新和删除操作，以及对医学影像病例进行分类、分组、排序、筛选、统计功能；

8、病例随访模块，与主控模块连接，用于根据随访计划信息，定期对医学影像病例进行随访，包括发送随访提醒、收集随访数据、更新随访状态，并将随访数据与原始医学影像病例进行关联，形成随访医学影像病例；

9、病例分析模块，与主控模块连接，用于对随访医学影像病例进行分析，包括利用人工智能技术对随访医学影像数据进行影像诊断和分析，以及利用数据挖掘技术对随访医学影像病例进行数据分析和知识发现；

10、病例共享模块，与主控模块连接，用于对随访医学影像病例进行共享，包括设置数据共享的权限、范围、方式和条件，以及提供数据共享的接口、协议和标准；

11、病例信息检索模块，与主控模块连接，用于通过检索程序检索目标病例信息；

12、病例展示模块，与主控模块连接，用于对随访医学影像病例的收集、管理、随访、分析和共享结果进行展示，包括提供多种展示方式、多种展示内容、多种展示角度、多种展示维度展示。

13、进一步，所述病例收集模块，具体包括：

14、数据采集子模块，用于从不同来源和类型的医学影像设备中采集患者的医学影像数据，包括原始影像数据和处理后的影像数据，以及与之相关的患者基本信息、临床诊断信息、治疗方案信息、随访计划信息；

15、数据预处理子模块，用于对采集的医学影像数据进行预处理，包括数据清洗、数据转换、数据压缩、数据加密；

16、数据标准化子模块，用于对采集的医学影像数据进行标准化，包括数据格式的统一、数据编码的统一、数据命名的统一、数据元数据的添加；

17、数据组织子模块，用于将预处理和标准化后的医学影像数据，以及与之相关的其他信息，按照一定的规则和结构，组织成医学影像病例，每个医学影像病例包含一个或多个医学影像数据，以及与之相关的患者基本信息、临床诊断信息、治疗方案信息、随访计划信息。

18、进一步，所述病例管理模块，具体包括：

19、数据存储子模块，用于将医学影像病例存储在本地或云端的数据库中，根据数据的敏感性和重要性，采用不同的存储策略和存储级别；

20、数据索引子模块，用于为医学影像病例建立索引，根据数据的特征和属性，采用不同的索引方法和索引结构；

21、数据检索子模块，用于根据用户的检索需求，从数据库中检索出符合条件的医学影像病例，支持多种检索方式(如关键词检索、语义检索、相似检索)、多种检索条件(如患者信息、影像信息、诊断信息、治疗信息、随访信息)、多种检索范围(如个人、科室、医院、区域)；

22、数据更新子模块，用于根据用户的更新需求，对数据库中的医学影像病例进行更新，包括添加新的医学影像病例、修改已有的医学影像病例、删除无效的医学影像病例；

23、数据删除子模块，用于根据用户的删除需求，对数据库中的医学影像病例进行删除，包括删除单个或多个医学影像病例、删除某一类或某一组医学影像病例、删除某一时间段或某一区域的医学影像病例；

24、数据分类子模块，用于根据用户的分类需求，对医学影像病例进行分类，包括按照疾病类型、疾病分期、疾病部位、疾病严重程度对医学影像病例进行分类，以及利用机器学习方法，对医学影像病例进行自动化和智能化的分类；

25、数据分组子模块，用于根据用户的分组需求，对医学影像病例进行分组，包括按照患者性别、年龄、体重、身高、血型对医学影像病例进行分组，以及利用聚类方法，对医学影像病例进行自动化和智能化的分组；

26、数据排序子模块，用于根据用户的排序需求，对医学影像病例进行排序，包括按照病例编号、病例时间、病例大小、病例重要性对医学影像病例进行排序，以及利用排序算法方法，对医学影像病例进行自动化和智能化的排序；

27、数据筛选子模块，用于根据用户的筛选需求，对医学影像病例进行筛选，包括按照病例是否随访、病例是否复发、病例是否转移、病例是否治愈对医学影像病例进行筛选，以及利用条件语句方法，对医学影像病例进行自动化和智能化的筛选；

28、数据统计子模块，用于根据用户的统计需求，对医学影像病例进行统计，包括统计医学影像病例的数量、比例、分布、变化趋势，以及利用统计学方法，对医学影像病例进行自动化和智能化的统计。

29、进一步，所述病例随访模块，具体包括：

30、随访提醒子模块，用于根据随访计划信息，定期向患者和医生发送随访提醒，包括随访时间、随访方式、随访内容，支持多种提醒方式(如短信、电话、邮件、微信)；

31、随访数据子模块，用于从患者和医生处收集随访数据，包括随访医学影像数据和随访临床信息，支持多种数据来源(如医院、社区、家庭)、多种数据类型(如影像数据、生化数据、问卷数据)、多种数据格式(如图像、视频、音频、文本)；

32、随访状态子模块，用于根据随访数据，更新随访状态，包括随访是否完成、随访是否正常、随访是否异常，以及对随访状态进行分析和评估，如随访完成率、随访合格率、随访异常率；

33、随访关联子模块，用于将随访数据与原始医学影像病例进行关联，包括对随访数据进行匹配、对比、融合，以及对随访数据与原始医学影像病例之间的关系进行分析和挖掘，如随访数据的变化趋势、随访数据的影响因素、随访数据的预测模型。

34、进一步，所述病例分析模块，具体包括：

35、影像诊断子模块，用于利用人工智能技术对随访医学影像数据进行影像诊断和分析，包括对随访医学影像数据进行图像分类、目标检测、图像分割、图像检索，以及对随访医学影像数据进行病灶定位、大小测量、形态描述、范围划分；

36、数据分析子模块，用于利用数据挖掘技术对随访医学影像病例进行数据分析和知识发现，包括对随访医学影像病例进行关联分析、聚类分析、分类分析、回归分析、异常检测，以及对随访医学影像病例进行规律发现、模式识别、趋势预测、因果推断。

37、进一步，所述病例共享模块，具体包括：

38、数据权限子模块，用于设置数据共享的权限，包括数据共享的主体、对象、范围和条件，以及数据共享的方式、时限、次数；

39、数据接口子模块，用于提供数据共享的接口，包括数据共享的协议、标准、格式和方法；

40、数据协作子模块，用于实现数据共享的协作，包括数据共享的反馈、评价、评论、修改、补充。

41、进一步，所述影像增强模块增强方法如下：

42、(1)构建医学影像图集，将获取的医学影像存入医学影像图集；根据对应医学影像灰度图的深度图，将所述医学影像灰度图分解为大尺度图像和细节图像；

43、(2)对所述大尺度图像增强得到增强大尺度图像，对所述细节图像进行增强得到增强细节图像；将所述增强大尺度图像和增强细节图像合并，得到增强后的医学影像灰度图；

44、其中，所述根据对应医学影像灰度图的深度图，将所述医学影像灰度图分解为大尺度图像，包括：

45、根据所述深度图中的深度信息，将具有相同深度的像素点对应的灰度值进行平均处理；

46、其中，所述对所述大尺度图像增强得到增强大尺度图像，包括：

47、对所述大尺度图像增强得到第一增强图像，并根据所述大尺度图像的原像素值、以及增强后的第一增强图像的像素值，得到每个像素点的增强指数；

48、根据所述深度图的深度信息，将具有相同深度的像素点的增强指数进行平均处理，得到修正增强指数；

49、通过所述修正增强指数对所述原像素值进行指数处理，得到第二增强图像作为所述增强大尺度图像；

50、其中，所述对所述细节图像进行增强得到增强细节图像，包括：

51、根据所述深度图的深度信息，控制对所述细节图像的增强程度；

52、所述医学影像灰度图，为对应彩色图中的各个通道的医学影像灰度图。

53、进一步，所述病例信息检索模块检索方法如下：

54、获取检索输入数据，根据所述检索输入数据生成目标病例信息，所述目标病例信息包括至少一个属性项；

55、获取所述目标病例信息包括的每个属性项的第一属性值，遍历预设的病例数据库中包含的参考病例信息，获取所述遍历到的参考病例信息在所述第一属性值对应的属性项下的第二属性值，计算所述第一属性值与所述第二属性值的相似度，得到所述目标病例信息与所述遍历到的参考病例信息在每个属性项下的相似度分量；

56、根据所述目标病例信息与所述遍历到的参考病例信息在每个属性项下的相似度分量计算所述目标病例信息与所述遍历到的参考病例信息的整体相似度；

57、根据所述目标病例信息与所述遍历到的参考病例信息的整体相似度在所述病例数据库中筛选参考病例信息作为检索结果输出；

58、其中，所述检索输入数据包含至少一个表单项，所述检索输入数据为按照系统中预设的病例模型对病例表单进行填写的内容；

59、所述根据所述检索输入数据生成目标病例信息的步骤还包括：

60、根据所述检索输入数据包含的至少一个表单项以及预设的分层树状结构模型，生成与所述检索输入数据对应的目标病例信息，所述目标病例信息包括的属性项对应于所述检索输入数据包含的表单项，其中，所述根据所述检索输入数据包含的至少一个表单项以及预设的分层树状结构模型，生成与所述检索输入数据对应的目标病例信息包括：按照预设的分层树状结构模型包含的每一个节点以及检索输入数据包含的每一个表单项以及节点与表单项之间的对应关系，确定生成的目标病例信息中包含的属性项以及每一个属性项对应的属性值；

61、所述根据所述目标病例信息与所述遍历到的参考病例信息在每个属性项下的相似度分量计算所述目标病例信息与所述遍历到的参考病例信息的整体相似度的步骤还包括：

62、获取与所述目标病例信息包括的每一个属性项对应的权重系数；

63、根据与所述属性项对应的权重系数，对所述每个属性项下的相似度分量进行加权，得到所述目标病例信息与所述遍历到的参考病例信息的整体相似度；

64、所述目标病例信息包含的属性项包括至少2个与该属性项对应的子属性项；

65、所述计算所述第一属性值与所述第二属性值的相似度的步骤还包括：

66、获取与所述至少2个子属性项对应的子属性项权重系数；

67、计算目标病例信息在所述每一个子属性项下的第一子属性值与所述参考病例信息在所述每一个子属性项下的第二子属性值的子相似度；

68、根据所述子属性项权重系数对所述子相似度进行加权得到所述第一属性值与所述第二属性值的相似度。

69、一种医学影像病例随访智能方法包括：

70、步骤一，通过病例收集模块从不同来源和类型的医学影像设备中收集患者的医学影像数据，以及与之相关的患者基本信息、临床诊断信息、治疗方案信息、随访计划信息，并将收集的数据进行预处理和标准化，形成医学影像病例；通过影像增强模块对医学影像进行增强处理；

71、步骤二，主控模块通过病例管理模块对收集的医学影像病例进行存储、索引、检索、更新和删除操作，以及对医学影像病例进行分类、分组、排序、筛选、统计功能；

72、步骤三，通过病例随访模块根据随访计划信息，定期对医学影像病例进行随访，包括发送随访提醒、收集随访数据、更新随访状态，并将随访数据与原始医学影像病例进行关联，形成随访医学影像病例；

73、步骤四，通过病例分析模块对随访医学影像病例进行分析，包括利用人工智能技术对随访医学影像数据进行影像诊断和分析，以及利用数据挖掘技术对随访医学影像病例进行数据分析和知识发现；

74、步骤五，通过病例共享模块对随访医学影像病例进行共享，包括设置数据共享的权限、范围、方式和条件，以及提供数据共享的接口、协议和标准；

75、步骤六，通过病例信息检索模块利用检索程序检索目标病例信息；通过病例展示模块对随访医学影像病例的收集、管理、随访、分析和共享结果进行展示，包括提供多种展示方式、多种展示内容、多种展示角度、多种展示维度展示。

76、一种计算机设备，其特征在于，所述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，所述计算机程序被所述处理器执行时，使得所述处理器执行所述医学影像病例随访智能方法的步骤。

77、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述医学影像病例随访智能方法的步骤。

78、一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述医学影像病例随访智能系统。

79、结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：

80、第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

81、本发明提供了一种医学影像病例随访智能系统和方法可以对患者的影像数据进行全面、系统和规范的收集、整理、存储和管理，影响了数据的完整性、一致性和可用性；可以对患者的影像数据进行定期、自动和智能的随访和分析，影响了数据的时效性、动态性和价值性；可以对患者的影像数据进行安全、便捷和高效的共享和协作，影响了数据的互通性、协同性和创新性。

82、本发明通过影像增强模块在对医学影像灰度图进行增强时引入深度图的深度信息，可以根据图像的深度信息进行不同深度的增强，从而提高图像增强后的图像质量；同时，通过病例信息检索模块将检索输入数据的需要检索的关键字按照预设的病例模型生成目标病例信息，在病例数据库中查找与目标病例信息对应的检索结果时，通过计算病例数据库中的参考病例信息与目标病例信息在每一个属性项下的相似度而得到二者之间的整体相似度，最后通过整体相似度从病例数据库中筛选出相应的检索结果。也就是说，不需要对病例数据库中的每一个病例信息进行关键字设置之类的预处理，并且在检索的过程中能覆盖病例数据库中所有的数据，提高了检索结果的准确度。

83、第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

84、本发明提供了一种医学影像病例随访智能系统和方法可以对患者的影像数据进行全面、系统和规范的收集、整理、存储和管理，影响了数据的完整性、一致性和可用性；可以对患者的影像数据进行定期、自动和智能的随访和分析，影响了数据的时效性、动态性和价值性；可以对患者的影像数据进行安全、便捷和高效的共享和协作，影响了数据的互通性、协同性和创新性。本发明通过影像增强模块在对医学影像灰度图进行增强时引入深度图的深度信息，可以根据图像的深度信息进行不同深度的增强，从而提高图像增强后的图像质量；同时，通过病例信息检索模块将检索输入数据的需要检索的关键字按照预设的病例模型生成目标病例信息，在病例数据库中查找与目标病例信息对应的检索结果时，通过计算病例数据库中的参考病例信息与目标病例信息在每一个属性项下的相似度而得到二者之间的整体相似度，最后通过整体相似度从病例数据库中筛选出相应的检索结果。也就是说，不需要对病例数据库中的每一个病例信息进行关键字设置之类的预处理，并且在检索的过程中能覆盖病例数据库中所有的数据，提高了检索结果的准确度。