一种基于数据共享的医疗影像管理系统的制作方法

1.本发明涉及医疗影像技术领域，具体为一种基于数据共享的医疗影像管理系统。


背景技术：

2.随着信息时代的不断发展，数据共享成为计算机应用中不可或缺的主流技术，且数据共享技术广泛应用于各个领域，当数据共享应用到医疗影像技术领域时，如何实现医疗影像能被更充分利用的问题，以及如何实现医疗影像在共享时冗余度最小的问题，则显得至关重要；
3.而现有的在医疗影像数据共享的管理过程中，大都是将各就医人员的所有的医疗影像直接进行共享，其对医疗影像数据共享的管理方式会随着时间的推移而逐渐累计，进而导致共享的医疗影像出现冗余度过盛的现象，难以做到对医疗影像共享数据冗余度的把控，故导致医疗影像共享冗余度过大；
4.而医疗影像共享冗余度过大，不仅会拉长医生对就医人员医疗影像诊断的时间，还会给医生增加的工作负担，且还难以实现共享的医疗影像被充分的利用，进而在降低了对医疗影像共享的高效管理的同时，也严重阻碍了医疗影像在数据共享领域的发展；
5.为了解决上述缺陷，现提供一种技术方案。


技术实现要素：

6.本发明的目的就在于为了解决现有的对医疗影像数据共享的管理方式中难以做到对医疗影像共享数据冗余度的把控，故导致医疗影像共享冗余度过大，拉长医生对就医人员医疗影像诊断的时间，增加了医生的工作负担，无法实现共享的医疗影像的充分利用，重阻碍了医疗影像在数据共享领域的发展的问题，利用符号化的标定、归一化的分析以及梯度范围代入分析的方式，实现了对各就医人员的医疗严重程度判定分析，并以此为基础，利用对比值的设置、数据大小比较以及信号化输出的方式，实现了对各就医人员的医疗影像冗余度准确且明确的判定分析，并利用序列重组、截取保留与删除的方式，有效抑制了医疗影像共享冗余度过盛现象的发展，从而不仅降低了医疗影像共享平台的冗余度的同时，也实现了缩短了医生对就医人员医疗影像诊断的时间，减轻了医生的工作负担，极大的提高了共享的医疗影像被充分的利用的效率，实现了医疗影像共享的高效管理，促进了医疗影像在数据共享领域的发展，而提出一种基于数据共享的医疗影像管理系统。
7.本发明的目的可以通过以下技术方案实现：
8.一种基于数据共享的医疗影像管理系统，包括数据采集单元、云存储单元、初步定位单元、深度分析单元、执行反馈单元、共享云单元和显示终端；
9.所述数据采集单元用于采集各就医人员的医疗文本诊断信息与医疗影像诊断信息，并将其均发送至云存储单元进行储存；
10.所述初步定位单元用于调取储存在云存储单元中的各类型医疗诊断信息，并对各就医人员进行等级划分定性分析处理，据此生成一级医疗就诊信号、二级医疗就诊信号和
三级医疗就诊信号，并将其均发送至深度分析单元；
11.所述深度分析单元用于接收各等级医疗就诊判定信号，并据此调取各就医人员的医疗影像诊断信息进行预简化分析处理，据此生成通盘去重指令、局部去重指令或无需去重指令，并将其均发送至执行反馈单元；
12.所述执行反馈单元用于接收各类型简化去重指令进行综合简化分析处理，据此生成去冗分析完成信号与各影像序列，并将去冗分析完成信号发送至显示终端进行显示说明，将各影像序列发送至共享云单元供医疗调用分析。
13.进一步的，等级划分定性分析处理的具体操作步骤如下：
14.实时获取各就医人员的各影像的医疗文本诊断信息中的所见记录文本，并进行集合分析处理，据此生成第一数据量值；
15.实时获取各就医人员的各影像的医疗文本诊断信息中的诊断意见文本，并进行比较分析处理，据此生成第二数据量值；
16.将第一数据量值与第二数据量值进行归一化分析，依据公式cxi＝f1
×
dygi+f2
×
degi，求得各就医人员的定量系数dcxi，其中，f1、f2分别为第一关键量值与第二关键量值的权重因子系数，且f1＞f2＞0，且f1+f2＝1.0251；
17.设置梯度参照范围值yu1、yu2和yu3，并将定量系数dcxi代入梯度参照范围值中进行比对分析，当定量系数dcxi处于梯度参照范围值yu1之中时，则生成一级医疗就诊信号，当定量系数dcxi处于梯度参照范围值yu2之中时，则生成二级医疗就诊信号，当定量系数dcxi处于梯度参照范围值yu3之中时，则生成三级医疗就诊信号。
18.进一步的，集合分析处理的具体操作步骤如下：
19.获取各就医人员的各影像的医疗文本诊断信息中的所见记录文本，统计所见记录文本中出现的标点句号的数量和，依据标点句号的数量和设置与其大小相同的所需关键字词的数量，并将所需设置的关键字词的数量标记为k；
20.依据所需设置的关键字词的数量建立k个关键字词，并将其标定为zfk，并将各就医人员的各影像的k个关键字词进行集合建立，得到各就医人员的各影像的关键字词集合a
ij
；
21.将就医人员的各影像的关键字词集合进行交集分析，获得集合q，获取集合q中的元素的数量和，并将其标定为k
*
，并进行元素占比计算，依据公式dygi＝k
*
÷k×
100％，求得各就医人员第一数据量值dygi。
22.进一步的，比较分析处理的具体操作步骤如下：
23.获取各就医人员的各影像的医疗文本诊断信息中的诊断意见文本，捕捉诊断意见文本中出现的程度关键字的数量和；
24.设置程度关键字的数量和的参照区间值，当程度关键字的数量和大于参照区间值的最大值或程度关键字的数量和处于参照区间值之内时，则均生成异常诊断信号，当程度关键字的数量和小于参照区间值的最小值时，则均生成正常诊断信号；
25.分别统计各就医人员的影像被标定为异常诊断信号与正常诊断信号的数量和，并将其分别标定为sum1和sum2，依据公式degi＝sum2
÷
sum1
×
100％，求得各就医人员第二数据量值degi。
26.进一步的，预简化分析处理的具体操作步骤如下：
27.当接收到一级医疗就诊信号与二级医疗就诊信号时，则生成精简化指令，当接收到三级医疗就诊信号时，则生成模糊简化指令；
28.依据精简化指令，调取各就医人员的医疗影像诊断信息中的影像基数量值bni与时间跨度量值duri，并将其进行归一化分析，依据公式sei＝h1
×
bni+h2
×
duri，求得各就医人员的简化系数sei，设置简化参照值jca，并将其与简化系数sei进行比较分析，若简化系数sei大于等于简化参照值jca时，则生成通盘去重指令，若简化系数sei小于简化参照值jca时，则生成局部去重指令；
29.依据模糊简化指令，调取各就医人员的医疗影像诊断信息中的影像基数量值，设置影像基数量值的对比阈值db1i，当影像基数量值bni大于等于对比阈值db1i时，则生成局部去重指令，当影像基数量值bni小于对比阈值db1i时，则生成无需去重指令。
30.进一步的，综合简化分析处理的具体操作步骤如下：
31.当接收到无需去重指令时，则将各就医人员的影像直接发送至共享云单元供医疗调用分析，并生成去冗分析完成信号发送至显示终端；
32.当接收到局部去重指令时，则调取各就医人员的影像基数量值进行一级降重分析处理，据此生各就医人员的新影像序列b
*i
与去冗分析完成信号；
33.当接收到通盘去重指令时则调取各就医人员的时间跨度量值进行二级降重分析处理，据此生成各就医人员的新影像序列c
*i
、新影像序列d
*i
与去冗分析完成信号。
34.进一步的，一级降重分析处理的具体操作步骤如下：
35.获取各就医人员的影像基数量值对应的对比阈值db1i，并以对比阈值db1i为数量去重参照节点，将各就医人员的影像基数量值按照成像时间的先后顺序进行排序，并据此生成序列bi，且序列bi＝{1，2，3
……
n}；
36.从序列bi中的第一个元素向后统计直至统计到第o个为止，其中，o＝n-db1，将序列bi中的第o个元素作为去重节点，删除序列bi中第o+1个元素之前的所有元素，将序列bi中从第o+1个元素开始保留，并生成各就医人员的新影像序列b
*i
与去冗分析完成信号。
37.进一步的，二级降重分析处理的具体操作步骤如下：
38.获取各就医人员的时间跨度量值，设置时间跨度量值的对比阈值db2i，当时间跨度量值duri大于等于对比阈值db2i时，则将对比阈值db2i作为时间去重参照节点，调取各就医人员的影像并按照影像成像时间进行倒序排列，生成序列c，依次截取序列c中的元素，直至截取到第p个为止，其中，p＝db2，删除序列c中被截取的元素，保留序列c中未被截取的元素，并生成各就医人员的新影像序列c
*i
与去冗分析完成信号；
39.当时间跨度量值duri小于对比阈值db2i时，获取各就医人员的时间跨度量值进行节点去冗分析处理，据此生成各新的时间密集区域；
40.将生成的各新的时间密集区域进行整合得到各就医人员的新影像序列d
*i
与去冗分析完成信号。
41.进一步的，节点去冗分析处理的具体操作步骤如下：
42.获取各就医人员的时间跨度量值并设置时间轴，并将各就医人员的影像按照时间顺序绘制在时间轴上，依据时间跨度量值把时间轴等距划分为z个时间密集区域，分别统计各个时间密集区域中含有的影像的数量和yxhz，设置影像数量和yxhz的参照值gth；
43.若影像数量和yxhz大于等于参照值gth时，则从密集区域中截取成像时间最新的
两个影像进行保留，并生成新的时间密集区域；
44.若影像数量和yxhz小于参照值gth时，则从密集区域中随机截取任意两个影像进行保留，并生成新的时间密集区域。
45.与现有技术相比，本发明的有益效果是：
46.(1)本发明，利用符号化的标定、归一化的分析以及梯度范围代入分析的方式，进而在实现了对各就医人员的医疗严重程度判定分析的同时，也为医疗影像数据共享的冗余度的把控奠定了基础；
47.(2)本发明，依据各就医人员的不同等级的医疗诊断判定信号，利用对比值的设置、数据大小比较以及信号化输出的方式，在实现了对各就医人员的医疗影像冗余度准确且明确的判定分析的同时，也促进了对医疗影像共享的高效管理；
48.(3)本发明，利用序列重组、截取保留与删除的方式，实现了对共享的医疗影像冗余度的把控，有效抑制了医疗影像共享冗余度过盛现象的发展，从而不仅降低了医疗影像共享平台的冗余度的同时，也实现了缩短了医生对就医人员医疗影像诊断的时间，减轻了医生的工作负担，极大的提高了共享的医疗影像被充分的利用的效率，实现了医疗影像共享的高效管理，促进了医疗影像在数据共享领域的发展。
附图说明
49.为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
50.图1为本发明的系统总框图。
具体实施方式
51.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
52.如图1所示，一种基于数据共享的医疗影像管理系统，包括数据采集单元、云存储单元、初步定位单元、深度分析单元、执行反馈单元、共享云单元和显示终端；
53.数据采集单元用于采集各就医人员的医疗文本诊断信息与医疗影像诊断信息，并将其均发送至云存储单元进行储存；
54.云存储单元用于储存各就医人员的医疗文本诊断信息与医疗影像诊断信息，并随时为初步定位单元、深度分析单元、执行反馈单元提供数据信息调用服务；
55.当初步定位单元从云存储单元中调取到各就医人员的医疗文本诊断信息与医疗影像诊断信息时，则据此进行等级划分定性分析处理，具体的操作过程如下：
56.实时获取各就医人员的各影像的医疗文本诊断信息中的所见记录文本，并进行集合分析处理，具体的操作过程如下：获取各就医人员的各影像的医疗文本诊断信息中的所见记录文本，统计所见记录文本中出现的标点句号的数量和，依据标点句号的数量和设置与其大小相同的所需关键字词的数量，并将所需设置的关键字词的数量标记为k，其中，k为大于等于1的正整数；
57.需要指出的是，所见记录文本指的是医生针对患者的影像所见的客观事实描述记
录的一类文本内容信息数据；
58.依据所需设置的关键字词的数量建立k个关键字词，并将其标定为zfk，并将各就医人员的各影像的k个关键字词进行集合建立，得到各就医人员的各影像的关键字词集合a
ij
＝{zf1，zf2，zf3……
zfk}，其中，i＝{1，2，3
……
m}，j＝{1，2，3
……
n}，且i与j分别为大于等于1的正整数，i表示各就医人员，j表示各影像；
59.将就医人员的各影像的关键字词集合进行交集分析，依据a
i1
∩a
i2
∩
……
∩a
in
＝q，获得集合q，且q＝{zf1，zf2，zf3……
zf
k*
}，获取集合q中的元素的数量和，并将其标定为k
*
，并进行元素占比计算，依据公式dygi＝k
*
÷k×
100％，求得各就医人员第一数据量值dygi；
60.实时获取各就医人员的各影像的医疗文本诊断信息中的诊断意见文本，并进行比较分析处理，具体的操作过程如下：
61.获取各就医人员的各影像的医疗文本诊断信息中的诊断意见文本，捕捉诊断意见文本中出现的程度关键字的数量和，并将其标定为cd
ij
；
62.需要指出的是，诊断意见文本指的是医生根据患者的医疗影像进行病情陈述的一类文本内容信息数据，还需说明的是，程度关键字指的是一类用于表现事物程度的字，具体的程度关键字包括大、小、多、少、明、暗等；
63.设置程度关键字的数量和cd
ij
的参照区间值qui，当程度关键字的数量和cd
ij
大于等于参照区间值qui的最大值或程度关键字的数量和cd
ij
处于参照区间值qui之内时，则均生成异常诊断信号，当程度关键字的数量和cd
ij
小于参照区间值qui的最小值时，则均生成正常诊断信号；
64.分别统计各就医人员的影像被标定为异常诊断信号与正常诊断信号的数量和，并将其分别标定为sum1和sum2，依据公式degi＝sum2
÷
sum1
×
100％，求得各就医人员第二数据量值degi；
65.将第一数据量值与第二数据量值进行归一化分析，依据公式cxi＝f1
×
dygi+f2
×
degi，求得各就医人员的定量系数dcxi，其中，f1、f2分别为第一关键量值与第二关键量值的权重因子系数，且f1＞f2＞0，且f1+f2＝1.0251；
66.需要说明的是，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性，且当定量系数的表现数值越大时，则越说明就医人员的医疗病重程度越低，而当就医人员的医疗病重程度越低时，则又可以进一步说明对就医人员的影像进行大幅度的去重处理；
67.设置梯度参照范围值yu1、yu2和yu3，并将定量系数dcxi代入梯度参照范围值中进行比对分析，当定量系数dcxi处于梯度参照范围值yu1之中时，则生成一级医疗就诊信号，当定量系数dcxi处于梯度参照范围值yu2之中时，则生成二级医疗就诊信号，当定量系数dcxi处于梯度参照范围值yu3之中时，则生成三级医疗就诊信号；
68.并将生成的一级医疗就诊信号、二级医疗就诊信号和三级医疗就诊信号均发送至深度分析单元；
69.需要说明的是，梯度参照范围值yu1、yu2和yu3的范围数值是呈梯度减少的，例如，当yu1的范围数值取值为[60，80]时，则yu2的范围数值取值为[40，60]，yu3的范围数值取值为[20，40]；
[0070]
还需说明的是，一级医疗就诊信号用于表示就医人员的医疗严重程度较大，而二级医疗就诊信号和三级医疗就诊信号对就医人员的医疗严重程度表示逐级递减；
[0071]
当深度分析单元接收到一级医疗就诊信号、二级医疗就诊信号和三级医疗就诊信号时，并据此进行预简化分析处理，具体的操作过程如下：
[0072]
当接收到一级医疗就诊信号与二级医疗就诊信号时，则生成精简化指令，依据精简化指令，调取各就医人员的医疗影像诊断信息中的影像基数量值与时间跨度量值，并将其分别标定为bni与duri，并将其进行归一化分析，依据公式sei＝h1
×
bni+h2
×
duri，求得各就医人员的简化系数sei，其中，h1与h2分别为影像基数量值与时间跨度量值修正因子系数，且h1＞h2＞0，h1+h2＝0.6025；
[0073]
需要说明的是，当简化系数的表现数值越大时，则越说明当前的就医人员的医疗影像共享的冗余度越大，而当医疗影像影片的冗余度过大时，不仅会无端拉长医生医疗影像阅片的时长，影像医生的阅片质量，还会占用数据共享的云资源，而修正因子系数用于修正各项参数在公式计算过程中出现的偏差，从而使得计算更加准确和参数数据；
[0074]
设置简化参照值jca，并将其与简化系数sei进行比较分析，若简化系数sei大于等于简化参照值jca时，则生成通盘去重指令，若简化系数sei小于简化参照值jca时，则生成局部去重指令；
[0075]
其中，时间跨度量值指的就医人员的第一张医疗影像的成像时间距离就医人员的最后一张医疗影像的成像时间的长短的数据量值，而影像基数量值指的是就医人员的所要提供共享的影像基数大小的数据量值；
[0076]
当接收到三级医疗就诊信号时，则生成模糊简化指令，依据模糊简化指令，调取各就医人员的医疗影像诊断信息中的影像基数量值，并将其标定为bni，设置影像基数量值的对比阈值db1i，当影像基数量值bni大于等于对比阈值db1i时，则生成局部去重指令，当影像基数量值bni小于对比阈值db1i时，则生成无需去重指令；
[0077]
并将生成的通盘去重指令、局部去重指令或无需去重指令均发送至执行反馈单元；
[0078]
当执行反馈单元接收到通盘去重指令、局部去重指令或无需去重指令时，并据此进行综合简化分析处理，具体的操作过程如下：
[0079]
s1：当接收到无需去重指令时，则将各就医人员的影像直接发送至共享云单元供医疗调用分析，并生成去冗分析完成信号发送至显示终端；
[0080]
s2：当接收到局部去重指令时，获取各就医人员的影像基数量值对应的对比阈值db1i，并以对比阈值db1i为数量去重参照节点，将各就医人员的影像基数量值按照成像时间的先后顺序进行排序，并据此生成序列bi，且序列bi＝{1，2，3
……
n}；
[0081]
s2-1：从序列bi中的第一个元素向后统计直至统计到第o个为止，其中，o＝n-db1，将序列bi中的第o个元素作为去重节点，删除序列bi中第o+1个元素之前的所有元素，将序列bi中从第o+1个元素开始保留，并生成各就医人员的新影像序列b
*i
，生成去冗分析完成信号发送至显示终端，并将各就医人员的新影像序列b
*i
发送至共享云单元供医疗调用分析；
[0082]
s3：当接收到通盘去重指令时，获取各就医人员的时间跨度量值，设置时间跨度量值的对比阈值db2i；
[0083]
s3-1：当时间跨度量值duri大于等于对比阈值db2i时，则将对比阈值db2i作为时间
去重参照节点，调取各就医人员的影像并按照影像成像时间进行倒序排列，生成序列c，依次截取序列c中的元素，直至截取到第p个为止，其中，p＝db2，删除序列c中被截取的元素，保留序列c中未被截取的元素，并生成各就医人员的新影像序列c
*i
，生成去冗分析完成信号发送至显示终端，并将各就医人员的新影像序列c
*i
发送至共享云单元供医疗调用分析；
[0084]
s3-2：当时间跨度量值duri小于对比阈值db2i时，获取各就医人员的时间跨度量值并设置时间轴，并将各就医人员的影像按照时间顺序绘制在时间轴上，依据时间跨度量值把时间轴等距划分为z个时间密集区域，其中，z为大于等于1的正整数，分别统计各个时间密集区域中含有的影像的数量和，并将其标定为yxhz，设置影像数量和yxhz的参照值gth；
[0085]
s3-2-1：若影像数量和yxhz大于等于参照值gth时，则从密集区域中截取成像时间最新的两个影像进行保留，并生成新的时间密集区域；
[0086]
s3-2-2：若影像数量和yxhz小于参照值gth时，则从密集区域中随机截取任意两个影像进行保留，并生成新的时间密集区域；
[0087]
s3-2-3：将生成的各新的时间密集区域进行整合得到各就医人员的新影像序列d
*i
，生成去冗分析完成信号发送至显示终端，并将各就医人员的新影像序列d
*i
发送至共享云单元供医疗调用分析。
[0088]
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；
[0089]
如公式：cxi＝f1
×
dygi+f2
×
degi；
[0090]
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数；将设定的权重因子系数和采集的样本数据代入公式，任意两个公式构成二元一次方程组，将计算得到的系数进行筛选并取均值，得到f1和f2取值分别为1.0101和0.015；
[0091]
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。
[0092]
本发明在使用时，通过采集各就医人员的医疗文本诊断信息与医疗影像诊断信息进行等级划分定性分析处理，利用集合分析与比较分析的处理方式分别求得第一数据量值与第二数据量值，并利用符号化的标定、归一化的分析以及梯度范围代入分析的方式，将各就医人员的医疗严重程度进行明确的判定分析，进而在实现了对各就医人员的医疗严重程度判定分析的同时，也为医疗影像数据共享的冗余度的把控奠定了基础；
[0093]
依据各就医人员的不同等级的医疗诊断判定信号，并对各就医人员共享的医疗影像进行预简化分析处理，利用对比值的设置、数据大小比较以及信号化输出的方式，对不同程度医疗诊断判定信号的就医人员的医疗影像共享冗余度进行了输出分析，从而在实现了对各就医人员的医疗影像冗余度准确且明确的判定分析的同时，也促进了对医疗影像共享的高效管理；
[0094]
依据各就医人员的医疗影像的冗余度评判信号，分别通过不同方式的降重操作来实现降低各就医人员共享的医疗影像的冗余度，利用序列重组、截取保留与删除的方式，实现了对共享的医疗影像冗余度的把控，有效抑制了医疗影像共享冗余度过盛现象的发展，从而不仅降低了医疗影像共享平台的冗余度的同时，也实现了缩短了医生对就医人员医疗影像诊断的时间，减轻了医生的工作负担，极大的提高了共享的医疗影像被充分的利用的
效率，实现了医疗影像共享的高效管理，促进了医疗影像在数据共享领域的发展。
[0095]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。