基于深度学习的影像智能诊断平台建设与应用

发布时间：2021-10-21 06:28

　　目的:通过建设影像智能诊断平台,辅助人工决策,提高影像诊断效率及水平。方法:通过深度学习的算法模型,结合人工智能技术,实现影像智能诊断。结果:建设了一套影像智能诊断平台,实现了影像智能诊断的应用,减少了漏诊与误诊率,提升了医院影像智能诊断的应用水平。结论:影像智能诊断平台的应用能够辅助医院提升诊断水平和效率。 

【文章来源】：中国数字医学. 2020,15(01)

【文章页数】：3 页

【部分图文】：

影像处理流程图

平台直接与DX、CT、MR等影像设备对接，获取对应的检查序列、图像文件，如图2所示。通过设备直连的方式来获取患者检查的原始数据与文件，需要设备厂商提供相对应的API接口，设备直接将影像数据转发到平台，平台根据检查类型与部位进行区分并利用算法模型处理后，在诊断工作站进行提示并提供智能诊断结果调用与展示。该对接方式较简单，数据获取较稳定，实施周期较短；但需要设备厂商进行配合，且操作期间会直接影响正常业务流程，医生的诊断结果也无法被平台调用进行分析与算法模型优化调整，只能靠人工干预。

平台与RIS、PACS系统进行数据对接，获取对应的检查序列、图像文件及系统数据，如图3所示。融合式对接又包括DB+CMOVE方式和DB+FTP/共享目录方式，其两种方式均需在RIS、PACS数据库中建立视图，区别在于CMOVE方式只需要知道access number或者studyInstanceUID，而FTP/共享目录方式则需要获取图像路径，直接从PACS存储上进行图像获取。融合式对接数据获取均稳定，实施周期短，且有自行配置的可能性与灵活性；但需注意的是，对于数据量较大的医院CMOVE方式会给RIS、PACS系统造成较大的压力，而FTP/共享目录方式则对PACS存储设备的读写有一定要求。


本文编号：3448427