基于云计算的疾病计算机辅助检测系统.pdf

一种方法，在诊断医疗环境中，当采用了基于云计算环境下的计算机辅助检测(或诊断)(CAD)系统可提高诊断工作效率。该方法包括：通过诊断医疗成像采集系统生成图像数据；该图像数据通过连接互联网的存档/审核工作站从诊断医疗成像采集系统发送到在云端的计算机辅助检测(或诊断)(CAD)系统。通过利用在云计算环境中的CAD系统处理所述图像数据并生成检测结果，同时在存档/审核工作站上存储和浏览该图像数据；检测结果是从CAD系统通过互联网传输到存档/审核工作站，并且所述检测结果通过存档/审核工作站与该图像数据整合，形成合成图像的数据。该合成图像数据可以在存档审核工作站系统显示为医生提供辅助检测或诊断。

权利要求书
1.  在诊断医疗云计算环境下的一种方法，有效地将计算机辅助检测(CAD)集成到所述云计算环境的工作流程中，所述方法包括：图像数据从至少一种诊断医疗成像采集系统传送到至少一种在云计算环境中的计算机辅助检测(或诊断)(CAD)系统和至少一台的存档/审核工作站中；通过利用上述CAD系统处理图像数据并发现图像数据中的异常，生成计算机辅助检测结果，同时，至少在上述一种系统和在一种存档/审核工作站上存储和浏览上述图像数据；上述计算机辅助检测结果从上述已连接互联网云计算的CAD系统传输到至少上述一种系统和一台存档/审核工作站中，其中，上述传输的图像数据和上述传输的计算机辅助检测结果都采用了DICOM格式，并且上述至少一种诊断医疗影像采集系统和上述CAD系统，以及上述至少一台存档/审核工作站之间通过互联网联接。

2.  权利要求1还包括通过上述至少一种诊断医疗图像采集系统生成的所述图像数据。

3.  权利要求1还包括对上述图像数据和上述计算机辅助检测结果进行整合，利用上述至少一台存档/审核工作站在云计算环境中生成合成图像数据。

4.  权利要求3还包括利用上述至少一台存档/审核工作站显示上述合成图像数据。

5.  在权利要求3中，上述计算机辅助诊断结果通过文字、箭头、几何符号和颜色中至少一种方式在上述合成图像数据中标识出来。

6.  权利要求1还包括在所述互联网环境下支持DICOM协议。

7.  在权利要求1中，所述至少一种诊断医疗图像采集系统至少由X射线系统、CT系统、超声系统、MR系统、胶片扫描设备和PET系统其中之一组成。

8.  在权利要求1中所述CAD系统是预先配置以识别和处理某些类型的图像数据。

9.  权利要求1还包括使用所述CAD系统验证对上述图像数据相关联的特定标识符号。

10.  在权利要求9中所述特定标识符至少由图像数据来源、解剖类型和解剖视图其中之一构成。

说明书基于云计算的疾病计算机辅助检测系统
1.技术领域
本发明的实施方法是在没有破坏目前医疗工作流程的基础上将计算机辅助检测(或诊断)(CAD)系统 集成到诊断医疗环境中。
2.背景技术
在癌症的早期阶段成功检测出癌细胞可以增加治愈几率。以目前全球患病率最高的癌症-肺癌为例， 检测和诊断胸部X光照片中的癌变肺结节是放射科医生最重要和困难的任务。依靠放射科医生自己在X光 照片中发现早期癌变组织，是目前为止,发现临床上隐藏的早期肺癌肿瘤最重要的诊断方式。然而对于检 测肺小结节，X光照相技术的错漏率是非常高的。
眼误(人为错误)是导致这些患处被错漏的主要原因，可能是因为患处小结节周围解剖背景的干扰，或 者是放射科医生的主观思维和判别标准不同从而导致错误。X光照片的误读可能还有其它多种原因，包括 缺少临床信息，被其他异常病症所干扰，等等。然而，根据回顾以前的X光照片，大多数外围肺癌小结节 是可见的。因此产生了一种需求，使用自动方式和系统来处理X光照片电子图像来警示(提示)放射科医 生发现高可能性的肺小结节区域。通过放射性检测来发现早期的肺癌小结节可以显著性提高肺癌患者的生 存率。
自动系统和方式可以减少假阴性诊断，通过它的功能可以定位被肋骨，支气管血管和其他在X光照片 上的解剖结构所掩盖的小结节的存在，因此可以让肺部癌细胞和不稳定小结节更早地被精准检测出。
迄今为止，所有的CAD系统都是要么被安装进一个硬件设备或者一个客户服务器环境中。本发明是第 一个使用在云计算环境的CAD系统，用户可以上传图像，然后云中的CAD系统会处理图像并生成结果，最 后直接发送检测结果给用户。
3.发明内容
本发明包括：通过诊断医疗成像采集系统生成图像数据；该图像数据从诊断医疗成像采集系统发送到计 算机辅助检测(或诊断)(CAD)系统和存档/审核工作站。通过CAD系统处理所述图像数据并生成检测结 果，同时在存档/审核工作站上存储和浏览该图像数据；检测结果从CAD系统传输到存档/审核工作站，并 且检测结果通过存档/审核工作站与该图像数据整合，形成合成图像数据。该合成图像数据可以在存档审 核工作站系统显示为医生提供辅助检测/诊断。
本发明实施提供一种方法，通过在诊断医疗环境中利用计算机辅助检测(或诊断)(CAD)能力去提高 诊断工作效率。
4.附图说明
图1显示诊断医疗成像采集系统和一个存档/审核工作站并结合计算机辅助检测(或诊断)(CAD)系统的 医用诊断环境的示意性框图。
CAD云计算整体构架包括基于云的WEB服务器和安装在每个用户智能手机上的应用软件(“APP”)，如图 1。该WEB服务器还附带了包括有动态内容和静态信息的CAD数据库。该WEB服务器还接近实时收到来自 在线用户的图像信息，并处理这些图像，将CAD处理结果分发给智能手机用户。智能手机用户也发送他的 位置信息返回给WEB服务器。
图2是根据本发明实施方法将诊断医疗环境或临床工作流程结合计算机辅助检测(或诊断)(CAD)的服 务器群的示意框图。
图3是基于本发明实施方法描述在诊断医疗环境下图2的服务器群。服务器群包括门户网站服务器，它的 访问控制服务器，图像接收服务器，DICOM处理服务器，图像清洁服务器。
5.具体实施方式
图1表示了CAD系统的总体云结构。网页服务器群被定位在云中并且CAD服务器群与CAD数据库相连。用 户可以通过苹果手机，平板，图像存储服务器，诊断工作站，医院内的PACS来发送图像。网页服务器可 以接收图像并且运行CAD计算程序来处理图像。之后生成的CAD结果会发送到CAD数据库。CAD数据库。 最后网页服务器发送检测结果给用户。
图2标识出简化后的云计算工作流程。首先用户上传图像到云，然后云中的CAD系统群处理图像，最后发 送结果给用户。
图3描述了图2中的医疗诊断环境中的服务器群。服务器群包括门户网站，它可以访问控制服务器，图像 接收服务器，DICOM处理服务器，图像清洁n服务器。图像接收服务器会收到图像成功接收到的通知。DICOM 处理服务器之后会读取DICOM标头和META数据来获得必要的图像信息，例如图像大小，像数大小，灰度 等级，位深度，等等。
图像清洁服务器会检查图像大小，位深度来检测这些参数是否满足进行处理的要求。如果他们没有达到要 求，这个图像就会被拒绝然后用户会被通知到。如果图像没有被拒绝，图像就会被传输到CAD服务器。 CAD服务器就会执行癌症的自动检测和诊断计算程序来自动辨别癌变组织并且标记出病变区域，同时给出 相关的参数，例如大小，可能性，周长等等。检测结果和原始图像会被保存到临时数据服务器。大数据分 析会和CAD服务器进行连接，之前的检测结果和类似的检测结果，癌症的位置特性，医生使用CAD诊断时 的诊断意见，电子健康记录，患者的历史病历都会被大数据分析接收和处理。大数据分析服务器会和用户 的数据库进行连接，同时整合用户的信息进入CAD结果。图像数据库服务器会和分析服务器进行连接，包 括所有数据，例如图像，文字，诊断信息，等等。分析结果也会被传回CAD服务器。CAD结果在DICOM生 成服务器中会被转换成DICOM格式。
一旦DICOM结果被生成，就会被储存在输出结果服务器。一个记录服务器会联入网络用来记录图像数 量，用户信息和被处理过的分析结果。信使服务器会用来让用户他们查询所上传结果的状态。信使服务器 可以用来发送邮件，短信，或其他社交网络机制，例如Facebook,微信，QQ,等等。网络安保系统会确保整 个服务器群的安全稳定。最后，会有一个访问控制服务器允许用户，管理员，和供应商来访问他们自己的 域名或帐号来监控和接收结果。