论文部分内容阅读
医学影像归档与传输系统(PACS)是用于存储归档影像文件、调阅影像数据和管理患者检查报告的综合应用系统,在癌症等重大疾病诊疗中起着重要作用。随着近年影像检查需求的快速增长,放射科医生相对不足,依赖人工阅片的影像诊断方式面临极大挑战。因此,在当前人机融合的发展趋势下,智能影像诊断方法的临床应用需求更加迫切。本文旨在设计一款智能PACS系统,在PACS系统的基础功能上增加数据集标注、智能图像检测、辅助教学三个新技术模块。本文完成的主要工作包括:1.针对缺乏用于深度学习研究的专业医学影像标注数据集的问题,引入了数据集标注模块,支持医师在诊断阅片工作中实时标注,并生成XML标注文件,为研究人员提供高质量数据集。系统利用MSXML解析工具对XML文件进行解析,通过访问和编辑XML文件节点,实现对标注的保存、加载、修改等功能;2.针对目前国内影像科医师阅片压力剧增的问题,设计了智能图像检测模块,该模块引入深度学习模型对医学影像进行病灶检测,借助Active MQ消息中间件技术实现深度学习模型的异步调用,并将模型的检测结果利用Redis缓存进行存储,供医生调阅,达到辅助影像诊断的目的。同时,该模块通过部署Redis主从架构实现数据的读写分离,从而缓解Redis主服务器的压力;3.针对现有系统功能无法满足影像科人才培养工作需求的问题,设计了辅助教学模块。该模块提出诊断报告的三级审核方法,使实习医生深入参与到诊治过程中。本文设计了合理的报告处理流程,使三级审核流程与传统的二级审核流程兼容,为影像科实习医生及规培医生提供实践平台。同时,针对非正式医生设计了学习平台,支持影像诊断报告的对比学习。理论上,本文的PACS系统使医生能够在诊断时标注病灶部位,有助于提供高质量数据集,促进深度学习在医学图像识别领域的发展。在实际应用中,本系统初步实现了智能图像检测功能,有助于提高癌症早期筛查及诊断的准确率。本系统的辅助教学功能有助于提高对影像科专业人才的培训效果,具有重要临床应用价值。