基于AI与PACS系统协同的辅助诊断方法及装置制造方法及图纸

本发明专利技术提供一种基于AI与PACS系统协同的辅助诊断方法及装置，方法包括：从影像归档和通信PACS系统中获取影像数据；将影像数据输入至病灶检测模型中，得到病灶检测模型输出的病灶诊断结果；其中，病灶检测模型是基于外源训练数据和外源训练数据对应的标签训练得到的；根据病灶诊断结果，将病灶诊断结果标注在对应影像数据上，得到标注序列，并将标注序列推送至PACS系统中。本发明专利技术通过在原有PACS系统工作流程中，融合AI系统，方便医生基于同一识别标识，同时看到标注序列和原始影像数据，便于医生查看验证，提高了工作效率。提高了工作效率。提高了工作效率。

【技术实现步骤摘要】
基于AI与PACS系统协同的辅助诊断方法及装置


[0001]本专利技术涉及影像处理
，尤其涉及一种基于AI与PACS系统协同的辅助诊断方法及装置。

技术介绍

[0002]PACS系统(Picture Archiving and Communication Systems)意为影像归档和通信系统，是应用在医院影像科室的系统，主要任务就是将日常产生的各种医学影像(包括核磁，CT，超声，各种X光机，各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM，网络)以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用，同时增加一些辅助诊断管理功能。它在各种影像设备间传输数据和组织存储数据具有重要作用。然而，现有PACS系统对患者病灶体积测量误差大；同时，不能同步患者完整的影像数据，当患者需要到其他医院就诊或转诊时，医院要求患者重新做影像检查，费时费钱。而基于AI的医学影像辅助诊断系统，能够准确、快速的找到影像中的怀疑病灶，对医学影像上的病灶检出。
[0003]然而，现阶段各种应用于医疗领域的AI人工智能系统产品还存在一些问题，操作界面不统一，与院内PACS系统对接繁琐，给院内医生带来繁重的学习成本和部署成本；只在一家医院内部部署，造成大量的服务器资源浪费，且患者的AI报告数据不能在别的院区调用，造成不必要的重复进行AI分析检查；院内PACS在对接第三方AI服务端时，影像传输、AI结果存储、AI结果查看等接口都需要开发人员重复进行开发对接。

技术实现思路

[0004]本专利技术提供一种基于AI与PACS系统协同的辅助诊断方法及装置，用以解决现有技术中AI系统与PACS系统完全独立以致影响工作效率的缺陷，简化部署成本，便于医生日常工作，提高工作效率。
[0005]本专利技术提供一种基于AI与PACS系统协同的辅助诊断方法，包括：从影像归档和通信PACS系统中获取影像数据；将所述影像数据输入至病灶检测模型中，得到所述病灶检测模型输出的病灶诊断结果；其中，所述病灶检测模型是基于外源训练数据和外源训练数据对应的标签训练得到的；根据所述病灶诊断结果，将所述病灶诊断结果标注在对应影像数据上，得到标注序列，并将所述标注序列推送至所述PACS系统中。
[0006]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，训练所述病灶检测模型，包括：获取外源训练数据和所述外源训练数据对应的标签；将所述外源训练数据作为训练使用的输入数据，将所述外源训练数据对应的标签作为标签，对待训练模型进行训练，得到用于对所述影像数据进行病灶检测的病灶检测模型。
[0007]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，所述获取外源训练数据和所述外源训练数据对应的标签，包括：获取外源训练数据；对所述外源训练数据进行预处理；其中，所述预处理包括去噪、增强和平滑处理中的至少一种；对经预处理后的外
源训练数据进行分割处理，得到分割图像；根据所述分割图像，得到病灶图像；对所述病灶图像进行识别，得到病灶识别结果，并根据所述病灶识别结果对所述病灶图像进行标注，得到所述外源训练数据对应的标签。
[0008]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，所述从影像归档和通信PACS系统中获取影像数据，包括：获取放射科信息RIS系统中检查更新实例的识别标识；根据检查更新实例的识别标识，从所述PACS系统中获取对应影像数据。
[0009]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，所述获取放射科信息RIS系统中检查更新实例的识别标识，包括：接收所述RIS系统的更新通知；根据所述更新通知，得到检查更新实例及所述检查更新实例的识别标识；或者，
[0010]基于预设查询周期，查询所述RIS系统中的检查实例数据；根据查询到的检查实例数据，确定检查更新实例；根据所述检查更新实例，得到所述检查更新实例的识别标识。
[0011]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，在所述获取放射科信息RIS系统中检查更新实例的识别标识之前，包括：基于预设接口与所述RIS系统进行对接；
[0012]在所述根据检查更新实例的识别标识，从所述PACS系统中获取对应影像数据之前，包括：基于DICOM标准协议与所述PACS系统进行对接。
[0013]根据本专利技术提供的一种基于AI与PACS系统协同的辅助诊断方法，在所述基于预设接口与所述RIS系统进行对接之后，包括：通过用户名/密码进行RIS系统数据库的连接验证，并基于验证通过，获取RIS系统中的检查更新实例的识别标识；
[0014]在所述基于医学数字成像和通信DICOM标准协议与PACS系统进行对接之后，包括：通过医学数字成像和通信DICOM协议的IP/PORT/AET进行验证，并基于验证通过，获取PACS系统内的影像数据。
[0015]本专利技术还提供一种基于AI与PACS系统协同的辅助诊断装置，包括：影像获取模块，从影像归档和通信PACS系统中获取影像数据；病灶检测模块，将所述影像数据输入至病灶检测模型中，得到所述病灶检测模型输出的病灶诊断结果；其中，所述病灶检测模型是基于外源训练数据和外源训练数据对应的标签训练得到的；标注模块，根据所述病灶诊断结果，将所述病灶诊断结果标注在对应影像数据上，得到标注序列，并将所述标注序列推送至所述PACS系统中。
[0016]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于AI与PACS系统协同的辅助诊断方法的步骤。
[0017]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于AI与PACS系统协同的辅助诊断方法的步骤。
[0018]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于AI与PACS系统协同的辅助诊断方法的步骤。
[0019]本专利技术提供的基于AI与PACS系统协同的辅助诊断方法及装置，通过从PACS系统中获取影像数据，以利用病灶检测模型对其进行病灶检测，并根据病灶检测模型输出的病灶诊断结果对影像数据进行标注，从而得到与影像数据共享同一识别标识的标注序列，并将
标注序列推送至PACS系统中，从而在原有PACS系统工作流程中，融合AI系统，方便医生基于同一识别标识，同时看到标注序列和原始影像数据，便于医生查看验证，提高了工作效率。
附图说明
[0020]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。
[0021]图1是本专利技术提供的基于AI与PACS系统协同的辅助诊断方法的流程示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI与PACS系统协同的辅助诊断方法，其特征在于，包括：从影像归档和通信PACS系统中获取影像数据；将所述影像数据输入至病灶检测模型中，得到所述病灶检测模型输出的病灶诊断结果；其中，所述病灶检测模型是基于外源训练数据和外源训练数据对应的标签训练得到的；根据所述病灶诊断结果，将所述病灶诊断结果标注在对应影像数据上，得到标注序列，并将所述标注序列推送至所述PACS系统中。2.根据权利要求1所述的基于AI与PACS系统协同的辅助诊断方法，其特征在于，训练所述病灶检测模型，包括：获取外源训练数据和所述外源训练数据对应的标签；将所述外源训练数据作为训练使用的输入数据，将所述外源训练数据对应的标签作为标签，对待训练模型进行训练，得到用于对所述影像数据进行病灶检测的病灶检测模型。3.根据权利要求2所述的基于AI与PACS系统协同的辅助诊断方法，其特征在于，所述获取外源训练数据和所述外源训练数据对应的标签，包括：获取外源训练数据；对所述外源训练数据进行预处理；其中，所述预处理包括去噪、增强和平滑处理中的至少一种；对经预处理后的外源训练数据进行分割处理，得到分割图像；根据所述分割图像，得到病灶图像；对所述病灶图像进行识别，得到病灶识别结果，并根据所述病灶识别结果对所述病灶图像进行标注，得到所述外源训练数据对应的标签。4.根据权利要求1所述的基于AI与PACS系统协同的辅助诊断方法，其特征在于，所述从影像归档和通信PACS系统中获取影像数据，包括：获取放射科信息RIS系统中检查更新实例的识别标识；根据检查更新实例的识别标识，从所述PACS系统中获取对应影像数据。5.根据权利要求4所述的基于AI与PACS系统协同的辅助诊断方法，其特征在于，所述获取放射科信息RIS系统中检查更新实例的识别标识，包括：接收所述RIS系统的更新通知；根据所述更新通知，得到检查更新实例及所述检查更新实例的识别标识；或者，基于预设查询周期，查询所述RIS系统中的检查实例数据；根据查询到的检查实...

【专利技术属性】
技术研发人员：陆坚，何健，白光涛，杨德文，
申请(专利权)人：北京德为智慧科技有限公司，
类型：发明
国别省市：