System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于随访数据的个性化医疗影像诊断质量保障方法及系统技术方案_技高网

基于随访数据的个性化医疗影像诊断质量保障方法及系统技术方案

技术编号:41289031 阅读:4 留言:0更新日期:2024-05-11 09:38
本发明专利技术公开了基于随访数据的个性化医疗影像诊断质量保障方法及系统,其中方法包括:采集随访数据并进行预处理,得到样本数据;对样本数据进行融合处理,得到融合数据;基于融合数据,进行影像诊断质量预测,得到预测结果;基于预测结果,为质控医生提供核查依据。本发明专利技术创新性提出将随访多模态数据进行融合处理,对医疗影像诊断质量进行保障的方法,能有效预防诊断质量可能出现的问题,提高后续诊断质量;同时,本发明专利技术提出的影像诊断质量预测模型是基于随访质控知识图谱,通过图像和文本的对比学习构建,具有可解释性。本发明专利技术对医疗影像诊断质量按定位和定性两类进行预测,符合影像质控要求,节省质控时间,提高质控效率。

【技术实现步骤摘要】

本专利技术涉及医疗影像人工智能与信息化领域,具体涉及基于随访数据的个性化医疗影像诊断质量保障方法及系统


技术介绍

1、医疗影像诊断质量的保障往往需要从影像信息的源头出发,而寻求一种准确可靠、高效快速地保障影像诊断质量的方法是目前亟待解决的问题之一。在此之前,虽有些解决方案,但多数聚焦在如何对影像进行质量控制或对共享交换过程中病人信息的一致性和准确性进行质量保障的方法,未有结合随访的各种数据并在影像科医生日常工作中进行影像诊断质量保障的处理方案。


技术实现思路

1、为解决上述背景中的技术问题,本专利技术提出一种利用随访多模态数据对医疗影像诊断进行质量保障的方法和系统,旨在提高影像科诊断质量,为医生质控提供可靠依据。

2、为实现上述目的,本专利技术提供了基于随访数据的个性化医疗影像诊断质量保障方法,步骤包括:

3、采集随访数据并进行预处理,得到样本数据;

4、对所述样本数据进行融合处理,得到融合数据;

5、基于所述融合数据,进行影像诊断质量预测,得到预测结果;

6、基于所述预测结果,为质控医生提供核查依据。

7、优选的,所述随访数据包括:文本数据和影像数据;进行所述预处理的步骤包括:对所述文本数据进行文本半结构化处理,对所述影像数据进行图像归一化处理;其中,所述文本数据包括:病人主诉、病理报告、临床症状、临床诊断、检验报告和影像报告。

8、优选的,进行所述融合处理的方法包括:

9、对所述文本数据进行实体关系抽取,得到文本实体;

10、对所述影像数据进行图像特征提取,得到图像实体;

11、建立所述文本实体和所述图像实体之间的关系;

12、基于建立的关系,建立随访质控知识图谱,完成所述融合处理。

13、优选的,进行所述影像诊断质量预测的方法包括:采用blip模型,进行语言-视觉推理,初步预测文本描述是否与图像相符,得到初步预测结果;基于所述初步预测结果和所述随访质控知识图谱,进行精确匹配,完成所述影像诊断质量预测。

14、本专利技术还提供了基于随访数据的个性化医疗影像诊断质量保障系统,所述系统用于实现上述方法,包括:采集模块、融合模块、预测模块和生成模块;

15、所述采集模块用于采集随访数据并进行预处理,得到样本数据;

16、所述融合模块用于对所述样本数据进行融合处理,得到融合数据;

17、所述预测模块用于基于所述融合数据,进行影像诊断质量预测,得到预测结果;

18、所述生成模块用于基于所述预测结果,为质控医生生成核查报告。

19、优选的,所述随访数据包括:文本数据和影像数据;进行所述预处理的步骤包括:对所述文本数据进行文本半结构化处理,对所述影像数据进行图像归一化处理;其中,所述文本数据包括:病人主诉、病理报告、临床症状、临床诊断、检验报告和影像报告。

20、优选的,所述融合模块的工作流程包括:

21、对所述文本数据进行实体关系抽取,得到文本实体;

22、对所述影像数据进行图像特征提取,得到图像实体;

23、建立所述文本实体和所述图像实体之间的关系;

24、基于建立的关系,建立随访质控知识图谱,完成所述融合处理。

25、优选的,所述预测模块的工作流程包括:采用blip模型,进行语言-视觉推理,初步预测文本描述是否与图像相符,得到初步预测结果;基于所述初步预测结果和所述随访质控知识图谱,进行精确匹配,完成所述影像诊断质量预测。

26、与现有技术相比,本专利技术的有益效果如下:

27、1.本专利技术创新性提出将随访多模态数据进行融合处理,对医疗影像诊断质量进行保障的方法,能有效预防诊断质量可能出现的问题,提高后续诊断质量;

28、2.本专利技术提出的影像诊断质量预测模型是基于随访质控知识图谱,通过图像和文本的对比学习构建,具有可解释性;

29、3.本专利技术对医疗影像诊断质量按定位和定性两类进行预测,符合影像质控要求,节省质控时间,提高质控效率;

30、4.本专利技术为影像科医生提供个性化质量提醒。

本文档来自技高网...

【技术保护点】

1.基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,步骤包括:

2.根据权利要求1所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,所述随访数据包括:文本数据和影像数据;进行所述预处理的步骤包括:对所述文本数据进行文本半结构化处理,对所述影像数据进行图像归一化处理;其中,所述文本数据包括:病人主诉、病理报告、临床症状、临床诊断、检验报告和影像报告。

3.根据权利要求2所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,进行所述融合处理的方法包括:

4.根据权利要求1所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,进行所述影像诊断质量预测的方法包括:采用BLIP模型,进行语言-视觉推理,初步预测文本描述是否与图像相符,得到初步预测结果;基于所述初步预测结果和所述随访质控知识图谱,进行精确匹配,完成所述影像诊断质量预测。

5.基于随访数据的个性化医疗影像诊断质量保障系统,所述系统用于实现权利要求1-4任一项所述的方法,其特征在于,包括:采集模块、融合模块、预测模块和生成模块;

<p>6.根据权利要求5所述的基于随访数据的个性化医疗影像诊断质量保障系统,其特征在于,所述随访数据包括:文本数据和影像数据;进行所述预处理的步骤包括:对所述文本数据进行文本半结构化处理,对所述影像数据进行图像归一化处理;其中,所述文本数据包括:病人主诉、病理报告、临床症状、临床诊断、检验报告和影像报告。

7.根据权利要求6所述的基于随访数据的个性化医疗影像诊断质量保障系统,其特征在于,所述融合模块的工作流程包括:

8.根据权利要求5所述的基于随访数据的个性化医疗影像诊断质量保障系统,其特征在于,所述预测模块的工作流程包括:采用BLIP模型,进行语言-视觉推理,初步预测文本描述是否与图像相符,得到初步预测结果;基于所述初步预测结果和所述随访质控知识图谱,进行精确匹配,完成所述影像诊断质量预测。

...

【技术特征摘要】

1.基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,步骤包括:

2.根据权利要求1所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,所述随访数据包括:文本数据和影像数据;进行所述预处理的步骤包括:对所述文本数据进行文本半结构化处理,对所述影像数据进行图像归一化处理;其中,所述文本数据包括:病人主诉、病理报告、临床症状、临床诊断、检验报告和影像报告。

3.根据权利要求2所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,进行所述融合处理的方法包括:

4.根据权利要求1所述的基于随访数据的个性化医疗影像诊断质量保障方法,其特征在于,进行所述影像诊断质量预测的方法包括:采用blip模型,进行语言-视觉推理,初步预测文本描述是否与图像相符,得到初步预测结果;基于所述初步预测结果和所述随访质控知识图谱,进行精确匹配,完成所述影像诊断质量预测。

5.基于随访数据的个性化医疗影像...

【专利技术属性】
技术研发人员:杨媛媛周立信高杰诚王明庆顾轶平
申请(专利权)人:智远汇壹苏州健康医疗科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1