BRPI0821706B1 - Método e aparelho para pesquisar casos de um banco de dados - Google Patents

Método e aparelho para pesquisar casos de um banco de dados Download PDF

Info

Publication number
BRPI0821706B1
BRPI0821706B1 BRPI0821706-8A BRPI0821706A BRPI0821706B1 BR PI0821706 B1 BRPI0821706 B1 BR PI0821706B1 BR PI0821706 A BRPI0821706 A BR PI0821706A BR PI0821706 B1 BRPI0821706 B1 BR PI0821706B1
Authority
BR
Brazil
Prior art keywords
cases
similarity
case
similar
image
Prior art date
Application number
BRPI0821706-8A
Other languages
English (en)
Inventor
Lilla Boroczky
Lalitha Agnihotri
Luyin Zhao
Michael Lee
Original Assignee
Koninklijke Philips N.V.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips N.V. filed Critical Koninklijke Philips N.V.
Publication of BRPI0821706A2 publication Critical patent/BRPI0821706A2/pt
Publication of BRPI0821706B1 publication Critical patent/BRPI0821706B1/pt

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

método e aparelho para pesquisar casos em um banco de dados a invenção refere-se á pesquisa de casos em um banco de dados. de acordo com o método e aparelho propostos, coincidência de similaridade é realizada entre um caso de entrada e um conjunto de casos em uma pesquisa inicial, para receber casos similares empregando-se um dado critério de coincidência. em seguinda, a estatística das características baseadas em imagem e não baseadas em imagens associadas com os casos similares é calculada e apresentada ao usuário com base na estatística. o refinamento da pequisa pode ser iterativo, dependendo da necessidade do usuário.

Description

A invenção refere-se à investigação e, mais particularmente, a um método e aparelho de pesquisa hierárquica para suporte de resolução baseada em casos em aplicações médicas, por exemplo, controle de diagnóstico auxiliado por computador e de terapia auxiliada por computador baseados em caso.
FUNDAMENTOS DA INVENÇÃO
Sistemas de suporte de resolução clínica (CDSS) baseados em casos podem auxiliar médicos pela identificação e apresentação de casos anteriores que foram diagnosticados e tratados e são similares ao caso sob avaliação. Estes sistemas engrandecem o processo de preparo da resolução clínica tradicional, em que uma recordação própria do médico, de casos anteriores ou aprendidos, orienta novas decisões clínicas. Um sistema CDSS baseado em casos permitirá um médico acessar rápida e seguramente um conjunto de dados que excede a experiência histórica possuída por qualquer médico sozinho.
A pesquisa tem demonstrado o potencial dos sistemas baseados em casos, para controle de diagnóstico auxiliado por computador (CADx) e de terapia auxiliada por computador (CATM), para ajudar médicos na melhora de diagnóstico e terapia. Recuperando-se casos em um modo indutivo, similar aos processos cognitivos empregados por médicos experientes, tais sistemas são um ajuste natural para uso em circunstâncias clínicas. Portanto, sistemas CADx baseados em casos ajudarão médicos a melhorarem sua precisão diagnóstica e reduzir tanto intervenções desnecessárias como atrasos no tratamento. No campo CATM, sistemas baseados em casos poderiam melhorar o resultado do paciente e encurtar o tempo de tratamento, empregando melhor planejamento de tratamento com base em casos similares anteriores.
Os sistemas CDSS baseados em casos comuns apresentam principalmentc casos similares com base em informações somente baseadas em imagem, faltando incorporar a história médica do paciente, que desempenha um importante papel no processo diagnóstico. Com frequência eles apresentam casos demasiado similares para o médico ou o uso de informações baseadas somente em imagem é insuficiente para encontrar casos similares ou relevantes clinicamente verdadeiros. Consequentemente, o sistema CDSS baseado em casos pode perder sua finalidade original. Em vez de ajudar os médicos em seu processo de preparação da resolução, sua informação sobrecarregada é aumentada por ser apresentada com demasiados casos, muitos deles sendo realmente irrelevantes. Adicionalmente, características baseadas em imagem podem não ser suficientes para encontrar casos suficientes. Isto é particularmente problemático, se o caso em questão tiver uma aparência visual não comum.
Um possível modo de resolver este problema é usar características baseadas em imagem e informações não baseadas em imagem relevantes, tais como doenças anteriores ou correntes relevantes, fatos de estilo de vida, perfis genéticos, história médica familiar, estatística vital do paciente, tal como pressão sanguínea, frequência cardíaca, etc., associadas com o paciente em questão. Estes dados sem imagem adicional podem ser combinados com as características baseadas em imagem para pesquisa de casos similares em um banco de dados. Entretanto, aproveitando as técnicas da técnica anterior na pesquisa, os resultados recuperados são baseados em um critério pré-determinado fixado no sistema de recuperação de casos ou na entrada do começo do processo de recuperação. Portanto, tais sistemas baseados na técnica anterior não podem prover os médicos com chances para refinar a pesquisa usando seu sentido subjetivo de similaridade de casos durante o processo de recuperação, limitando assim a utilidade e a eficiência da recuperação de casos. Além disso, em razão da introdução de usuário ser limitada durante o processo de pesquisa, sistemas anteriormente conhecidos precisam de transparência quanto ao por que de certos casos serem recuperados.
Há portanto uma necessidade para prover um método e aparelho de investigação que melhorem o desempenho da recuperação de casos.
SUMÁRIO DA INVENÇÃO
Um objetivo da presente invenção é prover um método e um aparelho de investigação que melhorem o desempenho de recuperação de casos, quando pesquisando-se casos similares em um banco de dados. A presente invenção obtém isto propondo métodos e aparelho de pesquisa hierárquicos, em que a pesquisa é realizada empregando-se uma abordagem de múltiplas etapas para recuperar casos similares ao do usuário.
De acordo com um aspecto da invenção, a invenção provê um método para pesquisar casos em um banco de dados, dito método compreendendo: uma primeira etapa de realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência para identificar um conjunto de casos similares a dito caso de entrada; calcular estatística em características associadas com o conjunto de casos similares; apresentar o conjunto de casos similares e a estatística a um usuário; receber uma entrada de usuário, incluindo um segundo critério de coincidência com base em dita estatística; e uma segunda etapa de realizar coincidência de similaridade entre o caso de entrada e o conjunto de casos similares, empregando-se dito segundo critério de coincidência.
As características associadas com o conjunto de casos similares são características baseadas em imagem e/ou não baseadas em imagem. A primeira etapa de realizar coincidência de similaridade é realizada como uma pesquisa inicial, para identificar casos similares ao caso de entrada. A segunda etapa de realizar coincidência de similaridade é realizada como refinamento de pesquisa, para refinar os resultados de recuperação na pesquisa inicial, e esta etapa pode ser repetida tantas vezes quanto o usuário desejar.
Possibilitando-se a coincidência de similaridade em uma abordagem de múltiplas etapas, direcionada por um usuário provido com estatística relevante ao resultado de recuperação de casos, esta invenção fornece mais discernimento ao usuário, de como e por que os casos similares particulares são recuperados de um banco de dados, do que uma abordagem de uma etapa, resultando na melhora do desempenho de recuperação de casos.
Em uma forma de realização, quando os casos do banco de dados incluem uma pluralidade de imagens classificadas de acordo com diferentes modalidades, dita primeira etapa de realizar coincidência de similaridade compreende: realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, para cada modalidade identificar uma pluralidade de respectivos conjuntos de casos similares, empregando-se dito primeiro critério de coincidência; e selecionar casos, que aparecem em pelo menos dois conjuntos de ditos conjuntos de casos similares, e serem utilizados por dita etapa de calcular estatística; em que dita segunda etapa de realizar coincidência de similaridade é realizada entre o caso de entrada e os casos similares selecionados.
Em uma forma de realização, o primeiro critério de coincidência inclui pelo menos uma característica baseada em imagem e o segundo critério de coincidência inclui pelo menos uma característica não baseada em imagem. A coincidência de similaridade para uma pesquisa inicial é baseada em características baseadas em imagem e o resultado de recuperação é refinado com base em características não baseadas em imagem. Altemativamente, a sequência de características utilizadas para a pesquisa inicial e refinamento de pesquisa podem ser invertidas ou o critério de coincidência pode incluir tanto aspectos baseados em imagem como não baseados em imagem. Deste modo, a invenção provê grande flexibilidade ao usuário.
E vantajoso que nas etapas de realizar coincidência de similaridade o valor da similaridade para cada um dos casos a ser comparado seja calculado, indicando assim o grau de similaridade entre o caso de entrada e cada um dos casos recuperados. Além disso, o resultado do refinamento de pesquisa nas consequentes etapas inclui mover casos inteiramente para fora do conjunto de casos similares ou modular as taxas de similaridade para o conjunto de casos similares baseado no critério de coincidência de similaridade atualizado ou uma combinação de ambos. Deste modo, o processo de recuperação de caso ajusta-se melhor no processo de preparo de resolução do médico.
E também vantajoso que a entrada de usuário ainda compreenda um valor de importância numérica opcional (pesagem) fornecido a qualquer uma das características baseadas em imagem ou não baseadas em imagem, com o que a coincidência de similaridade é realizada com base no cálculo de uma similaridade métrica: por exemplo, distância Euclideana, distância de Mahalanobis ou distância de Hamming. Altemativamente, a métrica poderia ser uma combinação ponderada destes três.
E também vantajoso que a entrada de usuário possa especificar a importância de características e faixas ou valores aceitáveis para estas características. Deste modo, o usuário pode especificar diretamente que, casos que não seguem estas especificações não devem retomar aos resultados da pesquisa. Altemativamente, a pesquisa hierárquica pode ser mais conceituai, em que as características críticas podem ser identificadas na entrada de usuário, porém as faixas de valores da característica não são especificadas. O médico pode especificar as diferentes características para utilizar, por exemplo, recuperar casos com terapia similar e assim por diante, ou refinar a pesquisa com base no resultado do diagnóstico do paciente em questão. Isto é especialmente útil para planejamento do tratamento auxiliado por computador baseado em casos.
De acordo com outro aspecto, a invenção provê um aparelho de investigação para recuperar casos em um banco de dados, dito aparelho compreendendo: uma primeira unidade de coincidência para realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência para identificar um conjunto de casos similares a dito caso de entrada; uma unidade de cálculo, para calcular estatística em características associadas com o conjunto de casos similares; uma unidade de apresentação, para apresentar o conjunto de casos similares e a estatística para um usuário; uma unidade receptora, para receber uma entrada de usuário, incluindo um segundo critério de coincidência baseado em dita estatística; e uma segunda unidade de coincidência, para realizar coincidência de similaridade entre o caso de entrada e o conjunto de casos similares, empregando-se dito segundo critério de coincidência.
Em uma forma de realização, os casos do banco de dados incluem uma pluralidade de imagens adquiridas usando-se diferentes modalidades de formação de imagem, em que a primeira unidade de coincidência é ainda disposta para realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados para cada modalidade identificar uma pluralidade de respectivos conjuntos de casos similares, usando-se dito primeiro critério de coincidência e selecionando-se casos que aparecem em pelo menos dois conjuntos de ditos conjuntos de casos similares, e para ser usada por dita etapa de calcular estatística; e a segunda unidade de coincidência é ainda disposta para realizar coincidência de similaridade entre o caso de entrada e os casos similares selecionados.
Em uma outra forma de realização, o aparelho 300 compreende um controlador 360, para controlar uma etapa iterativa de realizar coincidência de similaridade entre o caso de entrada e um conjunto atualizado de casos similares, empregando-se um critério de coincidência de similaridade atualizado baseado em uma outra entrada de usuário para recuperar casos similares ao do usuário.
Modificações e suas variações, das invenções definidas nas reivindicações independentes, que correspondem às modificações do método e aparelho e suas variações sendo descritas, podem ser realizadas por uma pessoa hábil com base na presente descrição.
DESCRIÇÃO DOS DESENHOS
O acima e outros objetivos e características da presente invenção tomar-se-ão mais evidentes da seguinte descrição detalhada considerada em relação aos desenhos anexos, em que:
A Fig. 1 é um fluxograma mostrando uma forma de realização exemplar de um método de acordo com a invenção.
A Fig. 2 mostra uma saída exemplar de uma pesquisa inicial para diagnóstico de câncer de pulmão, empregando-se somente varreduras CT de multi-fatias.
A Fig. 3 é um diagrama em blocos mostrando uma forma de realização exemplar de um aparelho de acordo com a invenção.
Os mesmos numerais de referência são utilizados para indicar partes similares por todas as Figuras.
DESCRIÇÃO DETALHADA
A Fig. 1 é um fluxograma mostrando uma forma de realização exemplar de um método de acordo com a invenção para recuperar casos de um banco de dados.
Referindo-se à Fig. 1, o processo do método inicia-se a partir de uma primeira etapa 110 de realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência para identificar um conjunto de casos similares a dito caso de entrada. Esta etapa é realizada como uma pesquisa inicial para recuperar casos do banco de dados.
O primeiro critério de coincidência utilizado para coincidência de similaridade pode incluir características baseadas em imagem, que são derivadas de imagens de uma matéria médica. Estas características podem incluir, por exemplo, o formato de um tumor, a textura do tumor e a mudança de tamanho do tumor, devido ao tratamento em varreduras do caso durante o tempo, etc. Altemativamente, o primeiro critério de coincidência pode incluir características não baseadas em imagem, que são derivadas da informação clínica, por exemplo, doenças anteriores ou atuais relevantes, fatos do estilo de vida, perfis genéticos e história médica familiar. A informação clínica pode ser estendida para incluir um conhecimento/informação particular do médico do paciente a ser diagnosticado ou tratado, por exemplo, peso, alergias e outra estatística vital, etc.
De acordo com uma forma de realização, quando os casos do banco de dados incluem uma pluralidade de imagens classificadas de acordo com diferentes modalidades, por exemplo, varreduras PET e CT em caso de câncer de pulmão, dita primeira etapa 110, de realizar coincidência de similaridade, pode compreender uma sub-etapa de realizar coincidência de similaridade, entre um caso de entrada e casos do banco de dados, para cada modalidade identificar uma pluralidade de conjuntos respectivos de casos similares, empregando-se dito primeiro critério de coincidência; e uma sub- etapa de selecionar casos que aparecem em pelo menos duas etapas de ditos conjuntos de casos similares. Os casos similares selecionados destinam-se a ser utilizados pelas etapas subsequentes de calcular estatística, que serão descritas mais tarde.
E vantajoso que os valores de similaridade para todos os casos a serem comparados sejam computados para indicar o grau de similaridade entre o caso de entrada e o caso a ser comparado. Os valores de similaridade são úteis para os médicos avaliarem os resultados de recuperação, em razão da similaridade de caso situar-se em uma série contínua, variando de casos que são praticamente idênticos àqueles que não parecem entre si em absoluto.
O método ainda compreende uma etapa 120 de calcular estatística em características baseadas em imagem e/ou não baseadas em imagem associadas com o conjunto de casos similares recuperados na primeira etapa da pesquisa, por exemplo, na etapa 110. No caso de casos do banco de dados incluírem uma pluralidade de imagens classificadas de acordo com diferentes modalidades (por exemplo, PET, CT, etc), a estatística é calculada nas características associadas com os casos similares selecionados, que aparecem em duas ou mais modalidades.
Em uma forma de realização, quando os casos similares são recuperados do banco de dados com base nas características baseadas em imagem, a estatística das características não baseadas em imagem associadas com o conjunto de casos similares é calculada. A estatística descreve a informação não baseada em imagem, tal como informação clínica, que está disponível no banco de dados e pode ser relevante ao caso em questão, por exemplo, o número de homens ou mulheres em casos similares recuperados, história do ato de fumar (por exemplo, em número de anos) para diagnóstico de câncer de pulmão, história de câncer na linhagem feminina da família para diagnóstico de câncer de mama (por exemplo, número de relativos diagnosticados anteriormente com câncer).
Altemativamente, quando os casos similares são recuperados do banco de dados com base em características não baseadas em imagem, a estatística das características baseadas em imagem associadas com o conjunto de casos similares é calculada. A estatística descreve a informação baseada em imagem, tal como o tamanho médio do tumor ou o número ou percentual de casos com um tamanho maior do que um limiar pré-definido, aqui
E também possível nesta etapa que a estatística tanto das características baseadas em imagem como das características não baseadas em imagem seja calculada, não importa que tipo de características seja usado para recuperar os casos similares. O médico pode usar a estatística para formular entradas subsequentes (detalhadas a seguir), selecionando características adicionais para refinar a pesquisa e até ajustar a estratégia de investigação.
O método ainda compreende uma etapa 130 de apresentar o conjunto de casos similares e a estatística para um usuário. Há diferentes meios de apresentar casos similares e a estatística a um usuário de uma maneira significativa, por exemplo, dando-se saída à informação para uma tela para exibição.
E vantajoso apresentar os valores de similaridade para cada caso similar identificado ao do usuário, quando os valores de similaridade são calculados na etapa 110. Além disso, o médico pode ser avisado de quantos casos estão realmente sendo processados e quantos estão sendo apresentados.
A Fig. 2 fornece uma saída exemplar após a etapa 110 de coincidência de similaridade para diagnóstico de câncer de pulmão, empregando-se somente varreduras CT de multi-fatias. Na tela mostrada na Fig. 2, a parte superior esquerda representa uma imagem de um caso de entrada, e a parte inferior esquerda representa a informação clínica disponível para este caso, incluindo a idade, história do ato de fumar, sexo, outras doenças pulmonares, por exemplo, enfisema, história de câncer e status do gânglio linfático.
Na parte direita superior da tela, oito imagens similares são mostradas, que são recuperadas do banco de dados de casos anteriores com diagnóstico conhecido. No topo de cada imagem recuperada há indicações do resultado do diagnóstico do caso, por exemplo, malignidade ou benignidade, e a distância de similaridade entre o caso de entrada e cada caso recuperado da etapa 110. Por exemplo, “M: 1,39” no topo da segunda imagem na primeira fileira indica que o resultado do diagnóstico para o caso é maligno e a distância de similaridade entre o caso e o caso em questão é 1,39. O cálculo da distância de similaridade pode corresponder a uma distância Euclideana computada com base nas características representando os casos (a computação da distância será detalhada a seguir). Quanto menor o número, mais similar o caso recuperado em relação ao caso de entrada.
Na parte direita superior da tela a estatística é mostrada associada com os casos recuperados que incluem informação clínica (isto é, informação não baseada em imagem, que refere-se a cada caso similar recuperado), tal como idade média, história do ato de fumar, distribuição de sexo, quantos foram diagnosticados com outras doenças (por exemplo, enfisema, história de câncer e o número de casos com gânglio linfático positivo ou negativo, etc).
Observando-se os casos similares recuperados e a estatística, o médico pode decidir se ele precisa realizar a pesquisa subsequente para refinamento. O número de casos similares identificados na primeira etapa da pesquisa pode ser pequeno e outro refinamento pode não ser necessário. Um cenário mais provável é que o número de casos similares possa ser muito grande e o médico possa então decidir realizar uma pesquisa subsequente para refinamento. Em tal situação, o médico formula uma entrada de usuário, incluindo características adicionais, baseadas na sua percepção pessoal em relação à similaridade e à análise da estatística, para refinar ou compelir o critério de coincidência de similaridade.
O método desta forma ainda compreende uma etapa 135 de decidir se o refinamento da pesquisa é necessário. No caso do médico estar satisfeito com o resultado de recuperação, após um número de pesquisa de refinamentos, o processo para (FIM), de outro modo o refinamento é ativado, como explicado a seguir.
O método ainda compreende uma etapa 140 de receber uma entrada de usuário, incluindo um segundo critério de coincidência com base em dita estatística. O segundo critério de coincidência inclui características adicionais que são diferentes das características do primeiro critério de coincidência. Por exemplo, quando o primeiro critério de coincidência incluir características baseadas em imagem, o segundo critério de coincidência pode incluir características não baseadas em imagem, dependendo da percepção do médico dos casos similares recuperados e da informação descrita pela estatística. Altemativamente, o médico pode inverter a sequência do primeiro e segundo critério de coincidência de similaridade.
Em uma forma de realização, o método permite que o médico selecione de um menu de aspectos relevantes, ícones de arrasto e queda representando aspectos relevantes, utilize uma série de cursores, menus e comutadores articulados, para classificar aspectos de acordo com sua importância, ou introduzir texto de forma livre ou estruturada. Além disso, o método pode permitir que o médico salve a entrada comum, incluindo casos e aspectos de amostra para coincidência de similaridade, e escolha seu próprio pool de entradas salvas. Em algumas aplicações, o método permite que estas entradas sejam lidas e analisadas por pagadores, por exemplo, o segurador relevante ou administradores de hospital, para monitorar o desempenho do médico.
Nas aplicações práticas, o médico pode ajustar seu critério de investigação e mesmo estratégia de pesquisa com base em sua percepção de casos similares e informação estatística. Por exemplo, para diagnóstico de câncer de pulmão, poderia ser importante considerar atentamente a história do paciente com relação a outras doenças pulmonares, tais como enfísema ou ter uma história de câncer. Além disso, outras informações de estilo de vida podem também ser relevantes. Por exemplo, se o paciente trabalhou por 15 anos como um assistente de voo há 10 anos, ele foi exposto às quantidades significativas de fumaça indireta. Assim, se o banco de dados tiver informação sobre o status de fumar de fonte indireta do paciente, o médico pode inverter o critério de coincidência de similaridade. Neste caso ele pode querer pesquisar o banco de dados para pacientes com exposição à fumaça indireta, por exemplo, para realizar coincidência de similaridade, empregando uma característica não baseada em imagem para pré-avaliar o conjunto de casos e então refinar a pesquisa com base nas características baseadas em imagem do nódulo pulmonar.
Altemativamente, poderia ser aquela dos casos recuperados, o médico seleciona um ou dois casos que são muito similares e então o segundo critério de coincidência de similaridade pode incluir características baseadas em imagem e características não baseadas em imagem, por exemplo, a informação clínica baseada neste casos selecionados. O médico pode também especificar os diferentes aspectos para utilizar, por exemplo, para recuperar casos com terapia similar e assim por diante, ou refinar a pesquisa com base no resultado do diagnóstico do paciente em questão. Isto é especialmente útil para planejamento de tratamento auxiliado por computador baseado em casos.
O método ainda compreende uma segunda etapa 150 de realizar coincidência de similaridade entre o caso de entrada e os casos similares selecionados, empregando-se dito segundo critério de coincidência para refinar o resultado de recuperação. Se os casos do banco de dados incluírem uma pluralidade de imagens classificadas de acordo com diferentes modalidades, a segunda etapa de coincidência de similaridade é realizada entre o caso de entrada e um conjunto particular de casos similares ou cada conjunto de casos similares, que incluem os casos similares selecionados usados para cálculo estatístico.
Uma vez que o resultado de recuperação é refinado pela etapa 150, a estatística sobre os aspectos associados com o conjunto refinado de casos similares é calculada repetindo-se a etapa 120 e apresentada ao médico com o conjunto refinado de casos similares repetindo-se a etapa 130. Similarmente, como explicado antes, o médico observa e avalia o resultado recuperado e determina se outro refinamento de pesquisa é necessário. Quando outro refinamento de pesquisa é necessário, as etapas 135, 140, 150 são repetidas para obter-se um conjunto atualizado de casos similares, empregando-se um critério de coincidência de similaridade baseado em uma outra entrada de usuário.
O refinamento ou iterações de pesquisa podem ser repetidos tantas vezes quanto necessário. O médico pode remover etapas de refinamento intermediárias ou armazená-las para uso posterior. Entretanto, na prática, as etapas para refinamento de pesquisa espera-se que sejam realizadas somente algumas vezes, de outro modo poderiam diminuir a eficiência do diagnóstico dos médicos. O número de iterações de refinamento é provável depender da experiência do médico. Por esta razão, o método pode ser usado também para treinamento médico, além de suporte de resolução clínica.
A coincidência de similaridade realizada na primeira e segunda etapas de coincidência de similaridade pode ser baseada no pedido médico, por exemplo, “mostrar somente pacientes com a idade entre 30-35 anos no diagnóstico”. Neste caso, o critério numérico específico é fornecido e a coincidência de similaridade para pesquisa pode proceder via exclusão ou inclusão com lógica de Boolean simples.
Altemativamente, a coincidência de similaridade pode ser mais conceituai, em que características-caso, por exemplo, características não baseadas em imagem associadas com os casos, são fornecidas, porém as faixas de valores não são específicas, por exemplo, “valor para idade e história de ato de fumar”. Nesta abordagem, as características-caso podem ser ordenadas em termos de importância ou fornecerem um valor de importância numérica pelo médico e, então, coincidência de similaridade matemática mais geral pode ser utilizada para pesquisar casos similares.
A coincidência de similaridade pode ser feita empregando-se métricas similarmente bem conhecidas, por exemplo, distância Euclideana, que é definida como a distância em linha reta entre dois pontos
Figure img0001
em que p = (p1, p2,…, PN) indica um conjunto de valores numéricos representando características (características baseadas em imagem ou características não baseadas em imagem) do caso de entrada, q = (q1, q2,..., qN) indica um conjunto de valores numéricos representando características de um caso do banco de dados a ser pesquisado, e N indica o número de características solicitadas pelo médico para coincidência de similaridade. A distância Euclideana d representa a distância de similaridade entre o caso de entrada e o caso comparado, e quanto menor a distância mais similar o caso recuperado em relação ao caso em questão.
A coincidência de similaridade pode altemativamente utilizar outras métricas similarmente bem conhecidas, tais como distância de Mahalanobis. Expressando-se os dois casos como vetores x e y e a co- variância da população expressa na matriz de co-variância L, a distância pode ser expressa como
Figure img0002
Outras métricas similares, ou uma combinação ponderada destas, descrito acima, podem ser usadas para coincidência de similaridade, dependendo das aplicações práticas. No caso, o conjunto de características é representado em cadeias binárias, a distância de Hamming, que indica o número de bits que difere entre duas cadeias binárias, pode ser usada para computar a distância de similaridade entre dois casos.
Os resultados do refinamento de pesquisa da segunda ou subsequentes etapas de realização de coincidência de similaridade poderiam ser realizados movendo-se casos inteiramente para fora do conjunto recuperado de casos similares ou modulando-se os valores de similaridade para cada caso similar recuperado, a fim de mais atentamente coincidir a saída desejada do usuário. O refinamento pode ser realizado sequencialmente, com base em apenas uma característica não baseada em imagem de cada vez, ou pode ser também realizado simultaneamente, empregando-se múltiplas características não baseadas em imagem entre si. Além disso, o resultado de recuperação poderia ser refinado utilizando-se características baseadas em imagem, como feito na primeira etapa da pesquisa.
A etapa de refinamento de pesquisa pode ser iterada numerosas vezes, dependendo da necessidade do médico. Para cada refinamento o médico é avisado via exibição gráfica da informação estatística dos resultados da pesquisa. Além disso, o médico pode especificar as diferentes características para utilizar, por exemplo, refinar a pesquisa com terapia similar ou o resultado do diagnóstico do paciente em questão.
O método acima, como ilustrado na Fig. 1, pode ser implementado com software ou hardware, ou com combinação de ambos.
A Fig. 3 é um diagrama em blocos mostrando uma forma de realização exemplar de um aparelho 300 de acordo com a invenção. De acordo com a invenção, o aparelho 300 compreende uma primeira unidade de coincidência 310, para realizar a coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência para identificar um conjunto de casos similares a dito caso de entrada. A primeira unidade de coincidência 310 destina-se a realizar a etapa 110 do método.
O aparelho 300 ainda compreende uma unidade de cálculo 320, para calcular estatística das características baseadas em imagem ou não baseadas em imagem associadas com o conjunto de casos similares. A unidade de cálculo 320 destina-se a realizar a etapa 120 do método.
O aparelho 300 ainda compreende uma unidade de apresentação 330, para apresentar o conjunto de casos similares e a estatística para um usuário. A unidade de apresentação 330 destina-se a realizar a etapa 130 do método.
O aparelho 300 ainda compreende uma unidade receptora 340, para receber uma entrada de usuário, incluindo um segundo critério de coincidência baseado em dita estatística. A unidade receptora 340 destina-se a realizar a etapa 140 do método.
O aparelho 300 ainda compreende uma segunda unidade de coincidência 350, para realizar coincidência de similaridade entre o caso de entrada e o conjunto de casos similares, empregando-se dito segundo critério de coincidência. A segunda unidade de coincidência 350 destina-se a realizar a etapa 150 do método.
Em uma forma de realização, no caso em que os casos do banco de dados incluem uma pluralidade de imagens classificadas de acordo com diferentes modalidades, em que a primeira unidade de coincidência 310 é ainda disposta para realizar a coincidência de similaridade entre um caso de entrada e casos do banco de dados para cada modalidade identificar uma pluralidade de respectivos conjuntos de casos similares usando-se dito primeiro critério de coincidência e selecionando-se casos que aparecem em pelo menos dois conjuntos de ditos conjuntos de casos similares, e para ser usada por dita etapa de calcular a estatística; e a segunda unidade de coincidência 350 é ainda disposta para realizar a coincidência de similaridade entre o caso de entrada e os casos similares selecionados.
O aparelho 300 pode também compreender um banco de dados 303, incluindo casos para recuperação, e um barramento interno 305, para coletar as unidades do aparelho 300. Além disso, o aparelho 300 compreende um controlador, para controlar uma etapa iterativa de realizar coincidência de similaridade entre o caso de entrada e um conjunto atualizado de casos similares, empregando-se um critério de coincidência de similaridade atualizado, com base em uma outra entrada de usuário, para recuperar casos similares ao do usuário.
Em uma forma de realização, as primeira e/ou segunda unidades de coincidência 310 e 350, podem ainda ser dispostas para calcular um valor de similaridade para cada caso a ser comparado, para indicar o grau de similaridade entre o caso de entrada e o caso a ser comparado.
A invenção pode ser integrada em produtos informáticos radiológicos ou informáticos de cuidados da saúde, como uma característica ou como um módulo de complemento separado. A invenção pode também ser implementada como um CADx baseado em caso independente ou produto de estação de trabalho de controle de terapia ou uma combinação de ambos. A invenção pode ser usada por um sistema de diagnóstico auxiliado por computador em conjunção com uma ou mais modalidades de diagnóstico ou monitoramento. A invenção pode ser usada para auxiliar o diagnóstico de diferentes doenças, para diagnosticar a confirmação suspeitada durante o processo diagnóstico e para auxiliar no planejamento do tratamento dos médicos. Outras aplicações incluem instrução, diagnóstico de emergência e controle de terapia auxiliado por computador baseado em casos.
Deve ser observado que as formas de realização mencionadas acima ilustram em vez de limite a invenção, e que aqueles hábeis na técnica serão capazes de projetar formas de realização alternativas sem fugir do escopo das reivindicações anexas. Nas reivindicações, quaisquer sinais de referência colocados entre parênteses não serão interpretados como limitando a reivindicação. A palavra “compreendendo” não exclui a presença de elementos ou etapas não citados em uma reivindicação ou na descrição. A palavra “um” ou “uma” precedendo um elemento não exclui a presença de uma pluralidade de tais elementos. A invenção pode ser implementada por unidade de hardware compreendendo vários distintos elementos e por unidade de um computador programado. Nas reivindicações do aparelho enumerando diversas unidades, várias destas unidades podem ser incorporadas por um e o mesmo item de hardware ou software. O emprego das primeira, segunda e terceira palavras, e etc., não indica qualquer ordenação. Estas palavras são para ser interpretadas como nomes.

Claims (10)

1. MÉTODO PARA PESQUISAR CASOS EM UM BANCO DE DADOS, que compreende: -uma primeira etapa (110) de realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência que inclui pelo menos uma característica baseada em imagem, para identificar um conjunto de casos similares ao dito caso de entrada; caracterizado por - calcular estatística (120) em características associadas com o conjunto de casos similares, as estatísticas descrevem informações clínicas não baseadas em imagens; - apresentar (130) o conjunto de casos similares e a estatística a um usuário; - receber (140) uma entrada de usuário incluindo um segundo critério de coincidência que inclui pelo menos uma característica não baseada em imagem derivada de informações clínicas e baseada em dita estatística; e - uma segunda etapa (150) de realizar coincidência de similaridade entre o caso de entrada e o conjunto de casos similares, empregando-se dito segundo critério de coincidência; em que as características associadas com o conjunto de casos similares são pelo menos uma das características baseadas em imagem ou não baseadas em imagem; e em que a entrada do usuário compreende ainda um valor numérico fornecido a cada característica do segundo critério de coincidência, e a segunda etapa de realizar coincidência de similaridade inclui calcular uma métrica de similaridade utilizando-se os valores numéricos.
2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelos casos do banco de dados incluírem uma pluralidade de imagens classificadas de acordo com diferentes modalidades de formação de imagem, dita primeira etapa (110) de realizar coincidência de similaridade compreendendo: - realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados para cada modalidade de formação de imagem, para identificar uma pluralidade de respectivos conjuntos de casos similares empregando-se dito primeiro critério de coincidência; e - selecionar casos que aparecem em pelo menos dois conjuntos de ditos conjuntos de casos similares, e para serem utilizados por dita etapa de calcular estatística; em que dita segunda etapa (150) de realizar coincidência de similaridade é realizada entre o caso de entrada e os casos similares selecionados.
3. MÉTODO, de acordo com qualquer uma das reivindicações 1 ou 2, caracterizado pelas etapas de realizar coincidência de similaridade incluírem calcular um valor de similaridade para cada caso a ser comparado, para indicar o grau de similaridade entre o caso de entrada e o caso a ser comparado.
4. MÉTODO, de acordo com a reivindicação 3, caracterizado pelo valor de similaridade ser a distância Euclideana, distância de Mahalanobis ou a combinação ponderada destas duas distâncias.
5. MÉTODO, de acordo com qualquer uma das reivindicações 1 ou 2, caracterizado por ainda compreender uma etapa iterativa de realizar coincidência de similaridade entre o caso de entrada e um conjunto atualizado de casos similares, empregando-se um critério de coincidência de similaridade atualizado com base em uma outra entrada de usuário para recuperar casos similares ao do usuário.
6. MÉTODO, de acordo com qualquer uma das reivindicações 1 ou 2, caracterizado pela entrada de usuário ainda compreender qualquer uma das características baseadas em imagem e características não baseadas em imagem apresentadas nos casos similares, que são os casos mais similares ao caso de entrada.
7. APARELHO (300) PARA PESQUISAR CASOS EM UM BANCO DE DADOS (303), que compreende: - uma primeira unidade de coincidência (310), para realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados, empregando-se um primeiro critério de coincidência que inclui pelo menos uma característica baseada em imagem, para identificar um conjunto de casos similares a dito caso de entrada; caracterizado por - uma unidade de cálculo (320), para calcular estatística em características associadas com o conjunto de casos similares, as estatísticas descrevem informações clínicas não baseadas em imagens; - uma unidade de apresentação (330), para apresentar um conjunto de casos similares e a estatística a um usuário; - uma unidade receptora (340), para receber uma entrada de usuário, incluindo um segundo critério de coincidência que inclui pelo menos uma característica não baseada em imagem derivada de informações clínicas e baseada em dita estatística; e - uma segunda unidade de coincidência (350), para realizar coincidência de similaridade entre o caso de entrada e o conjunto de casos similares, empregando-se dito segundo critério de coincidência; - em que as características associadas com o conjunto de casos similares são pelo menos uma das características baseadas em imagem ou não baseadas em imagem; e - em que a entrada do usuário ainda compreende um valor numérico fornecido a cada característica do segundo critério de coincidência, e a segunda etapa de realizar coincidência de similaridade incluir calcular uma métrica de similaridade utilizando-se os valores numéricos.
8. APARELHO, de acordo com a reivindicação 7, caracterizado pelos casos do banco de dado incluírem uma pluralidade de imagens classificadas de acordo com diferentes modalidades, em que a primeira unidade de coincidência (310) é ainda disposta para realizar coincidência de similaridade entre um caso de entrada e casos do banco de dados para cada modalidade de formação de imagem, para identificar uma pluralidade de respectivos conjuntos de casos similares, empregando-se dito primeiro critério de coincidência e selecionando-se casos que aparecem em pelo menos dois conjuntos de ditos conjuntos de casos similares, e para ser usado por dita etapa de calcular estatística; e a segunda unidade de coincidência (350) é ainda disposta para realizar coincidência de similaridade entre o caso de entrada e os casos similares selecionados.
9. APARELHO, de acordo com a reivindicação 8, caracterizado por qualquer uma das primeira e segunda unidades de coincidência ser ainda disposta para calcular um valor de similaridade para cada caso a ser comparado, para indicar o grau de similaridade entre o caso de entrada e o caso a ser comparado.
10. APARELHO, de acordo com a reivindicação 7, caracterizado por ainda compreender um controlador (360) para controlar uma etapa iterativa de realizar coincidência de similaridade entre o caso de entrada e um conjunto atualizado de casos similares, empregando-se um critério de coincidência de similaridade atualizado com base em uma outra entrada de usuário para recuperar casos similares ao do usuário.
BRPI0821706-8A 2007-12-27 2008-12-10 Método e aparelho para pesquisar casos de um banco de dados BRPI0821706B1 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US1692807P 2007-12-27 2007-12-27
US61/016928 2007-12-27
PCT/IB2008/055204 WO2009083841A1 (en) 2007-12-27 2008-12-10 Method and apparatus for refining similar case search

Publications (2)

Publication Number Publication Date
BRPI0821706A2 BRPI0821706A2 (pt) 2015-06-16
BRPI0821706B1 true BRPI0821706B1 (pt) 2020-09-15

Family

ID=40427154

Family Applications (1)

Application Number Title Priority Date Filing Date
BRPI0821706-8A BRPI0821706B1 (pt) 2007-12-27 2008-12-10 Método e aparelho para pesquisar casos de um banco de dados

Country Status (6)

Country Link
US (1) US11170900B2 (pt)
EP (1) EP2229644A1 (pt)
JP (1) JP5523342B2 (pt)
CN (1) CN101911077B (pt)
BR (1) BRPI0821706B1 (pt)
WO (1) WO2009083841A1 (pt)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2229644A1 (en) 2007-12-27 2010-09-22 Koninklijke Philips Electronics N.V. Method and apparatus for refining similar case search
US20100179422A1 (en) * 2009-01-15 2010-07-15 O'connor Michael K Dual Modality Imaging Of Tissue Using A Radionuclide
US20130268547A1 (en) * 2010-12-16 2013-10-10 Koninklijke Philips N.V. System and method for clinical decision support for therapy planning using case-based reasoning
JP6018077B2 (ja) * 2010-12-20 2016-11-02 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 初回放射線治療計画を自動生成するためのシステムおよび方法
US10332225B2 (en) 2011-01-28 2019-06-25 Varian Medical Systems International Ag Radiation therapy knowledge exchange
US10600136B2 (en) * 2011-02-04 2020-03-24 Koninklijke Philips N.V. Identification of medical concepts for imaging protocol selection
JP4979842B1 (ja) 2011-06-30 2012-07-18 パナソニック株式会社 類似症例検索装置および類似症例検索方法
CN102958425B (zh) * 2011-06-30 2015-09-23 松下电器产业株式会社 类似病例检索装置以及类似病例检索方法
JP5054252B1 (ja) * 2011-11-04 2012-10-24 パナソニック株式会社 類似症例検索装置、類似症例検索方法、類似症例検索装置の作動方法およびプログラム
JP5419300B2 (ja) * 2011-11-06 2014-02-19 政治 羽田野 情報処理装置、情報処理方法、プログラムおよびデータベースシステム
WO2013096625A1 (en) * 2011-12-22 2013-06-27 Marek Tomaszewski Proximity-based electronic record query system
CN102591949A (zh) * 2011-12-27 2012-07-18 Tcl集团股份有限公司 医疗数据的检索方法及系统
JP2015510408A (ja) * 2011-12-30 2015-04-09 ザ・ジョンズ・ホプキンス・ユニバーシティー バイオイメージンググリッド
US9223745B2 (en) 2012-01-17 2015-12-29 Microsoft Technology Licensing, Llc Flexible database and iterative spatial search process
WO2013156596A1 (de) * 2012-04-19 2013-10-24 OMS Software GMBH Verfahren und system zum erfassen von problembildern und zum ermitteln von lösungsvorschlägen
CN104572675B (zh) * 2013-10-16 2018-03-30 中国人民解放军南京军区南京总医院 一种相似病历检索的系统及方法
WO2015059607A1 (en) * 2013-10-23 2015-04-30 Koninklijke Philips N.V. System and method enabling the efficient management of treatment plans and their revisions and updates
US20150161331A1 (en) * 2013-12-04 2015-06-11 Mark Oleynik Computational medical treatment plan method and system with mass medical analysis
JP6196576B2 (ja) * 2014-03-31 2017-09-13 富士フイルム株式会社 診療支援装置、方法及びプログラム、並びに診療情報保存装置、方法及びプログラム
CN104239573A (zh) * 2014-10-08 2014-12-24 无锡慧方科技有限公司 一种带有新型开放式和集成式搜索引擎的医疗系统
WO2016163170A1 (ja) * 2015-04-07 2016-10-13 富士フイルム株式会社 診療支援装置とその作動方法および作動プログラム、並びに診療支援システム
CN104835096B (zh) * 2015-05-15 2018-06-19 北京胡杨众联科技有限公司 一种检索方法、装置及终端
CN105389465B (zh) * 2015-10-29 2018-09-28 徐翼 病历数据处理方法、装置以及系统
CN108780661B (zh) * 2016-03-16 2026-03-31 皇家飞利浦有限公司 用于改善将具有相似简档的患者聚类在一起的聚类模型的性能的相关性反馈
US10318539B2 (en) 2016-03-24 2019-06-11 General Electric Company Method and apparatus for managing information across like-cases
WO2018107371A1 (zh) 2016-12-13 2018-06-21 上海联影医疗科技有限公司 图像搜索系统及方法
EP3833291A4 (en) * 2018-08-08 2022-04-20 Ceevra, Inc. SYSTEM AND PROCEDURE FOR IDENTIFICATION OF COMPARABLE CASES IN PREOPERATIVE SURGICAL PLANNING
US11848100B2 (en) 2019-10-18 2023-12-19 Merative Us L.P. Automatic clinical report generation
US11348250B2 (en) 2019-11-11 2022-05-31 Ceevra, Inc. Image analysis system for identifying lung features
CN112259254B (zh) * 2020-10-19 2024-05-07 平安科技（深圳）有限公司 基于交互反馈的病例搜索方法、装置及可读存储介质
WO2022134028A1 (zh) * 2020-12-25 2022-06-30 深圳迈瑞生物医疗电子股份有限公司 相似病例检索方法、相似病例检索系统和超声成像系统
CN113488189B (zh) * 2021-08-03 2024-07-02 罗慕科技(北京)有限公司 相似病例检索装置、方法及计算机可读存储介质
CN115424691A (zh) * 2022-06-24 2022-12-02 上海联影医疗科技股份有限公司 病例匹配方法、系统、设备和介质

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5930749A (en) * 1996-02-02 1999-07-27 International Business Machines Corporation Monitoring, identification, and selection of audio signal poles with characteristic behaviors, for separation and synthesis of signal contributions
JPH11296533A (ja) 1998-04-08 1999-10-29 Nippon Telegr & Teleph Corp <Ntt> データベース検索装置および方法とデータベース検索プログラムを記録した記録媒体
US7272593B1 (en) * 1999-01-26 2007-09-18 International Business Machines Corporation Method and apparatus for similarity retrieval from iterative refinement
KR100346264B1 (ko) * 1999-12-02 2002-07-26 엘지전자주식회사 멀티미디어 특징소 정보의 갱신방법과 멀티미디어 특징소 정보 생성방법
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
US20030013951A1 (en) * 2000-09-21 2003-01-16 Dan Stefanescu Database organization and searching
US7185001B1 (en) * 2000-10-04 2007-02-27 Torch Concepts Systems and methods for document searching and organizing
US6728706B2 (en) * 2001-03-23 2004-04-27 International Business Machines Corporation Searching products catalogs
US7136852B1 (en) * 2001-11-27 2006-11-14 Ncr Corp. Case-based reasoning similarity metrics implementation using user defined functions
US7043474B2 (en) * 2002-04-15 2006-05-09 International Business Machines Corporation System and method for measuring image similarity based on semantic meaning
JP2003331055A (ja) * 2002-05-14 2003-11-21 Hitachi Ltd クリニカルパス運用支援情報システム
US20030225761A1 (en) * 2002-05-31 2003-12-04 American Management Systems, Inc. System for managing and searching links
JP4160050B2 (ja) * 2002-11-20 2008-10-01 富士通株式会社 画像検索プログラム
JP2004287998A (ja) 2003-03-24 2004-10-14 Fuji Photo Film Co Ltd 画像検索方法および画像検索装置ならびにプログラム
US7912528B2 (en) * 2003-06-25 2011-03-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
EP1636731A2 (en) 2003-06-25 2006-03-22 Siemens Medical Solutions USA, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
CN1598815A (zh) * 2003-09-20 2005-03-23 鸿富锦精密工业（深圳）有限公司 专利信息搜索系统及方法
EP1681009A4 (en) * 2003-10-27 2010-08-11 Olympus Corp IMAGE PROCESSING DEVICE, IMAGE PROCESSING AND IMAGE PROGRAM
US9492245B2 (en) * 2004-02-27 2016-11-15 Align Technology, Inc. Method and system for providing dynamic orthodontic assessment and treatment profiles
US7930189B2 (en) * 2004-02-27 2011-04-19 Align Technology, Inc. Method and system for providing dynamic orthodontic assessment and treatment profiles
US20050210015A1 (en) * 2004-03-19 2005-09-22 Zhou Xiang S System and method for patient identification for clinical trials using content-based retrieval and learning
US20060034508A1 (en) * 2004-06-07 2006-02-16 Zhou Xiang S Computer system and method for medical assistance with imaging and genetics information fusion
JP2006302113A (ja) * 2005-04-22 2006-11-02 Canon Inc 電子カルテ・システム
CN100392652C (zh) * 2005-05-25 2008-06-04 汤淼 检索系统和检索方法
JP2007011604A (ja) 2005-06-29 2007-01-18 It Service:Kk 不具合診断システム及びプログラム
JP2007275440A (ja) * 2006-04-11 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
US7860287B2 (en) * 2006-06-16 2010-12-28 Siemens Medical Solutions Usa, Inc. Clinical trial data processing system
US7792778B2 (en) * 2006-07-31 2010-09-07 Siemens Medical Solutions Usa, Inc. Knowledge-based imaging CAD system
EP2229644A1 (en) 2007-12-27 2010-09-22 Koninklijke Philips Electronics N.V. Method and apparatus for refining similar case search

Also Published As

Publication number Publication date
EP2229644A1 (en) 2010-09-22
CN101911077A (zh) 2010-12-08
US20110022622A1 (en) 2011-01-27
JP2011508331A (ja) 2011-03-10
JP5523342B2 (ja) 2014-06-18
US11170900B2 (en) 2021-11-09
CN101911077B (zh) 2016-05-11
WO2009083841A1 (en) 2009-07-09
BRPI0821706A2 (pt) 2015-06-16

Similar Documents

Publication Publication Date Title
BRPI0821706B1 (pt) Método e aparelho para pesquisar casos de um banco de dados
Yu et al. Clinical big data and deep learning: Applications, challenges, and future outlooks
JP5899236B2 (ja) 事例ベース推論を用いた治療プランニングに対する医療判断支援のためのシステム及び方法
US11664114B2 (en) Medical scan assisted review system
CN105074708B (zh) 放射学发现的背景驱动的概要视图
JP6559707B2 (ja) 症例の難しさに基づくコンピュータ支援患者層別化のためのシステムの作動方法及びシステム
RU2533500C2 (ru) Система и способ для объединения клинических признаков и признаков изображений для диагностики с применением компьютера
JP6907831B2 (ja) コンテキストベースの患者類似性の方法及び装置
US20190156947A1 (en) Automated information collection and evaluation of clinical data
WO2010082246A1 (ja) 情報処理装置および情報処理方法
JP2011520195A (ja) イメージング情報によって補強された、パーソナル化されたガイドライン・ベース療法のための方法およびシステム
BRPI1006388A2 (pt) sistema de apoio à decisão clínica (adc) e método (adc) de apoio à decisão clínica implementado por um sistema adc
CN101467155B (zh) 临床医生驱动的基于实例的计算机辅助诊断
CN108780661A (zh) 用于改善将具有相似简档的患者聚类在一起的聚类模型的性能的相关性反馈
JP6957214B2 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP5677521B2 (ja) 情報処理装置、情報処理方法、プログラムおよび記憶媒体
Bai et al. Breast cancer diagnosis: a comprehensive exploration of explainable artificial intelligence (XAI) techniques
CN103098061B (zh) 临床状态时间线
Wu et al. Breast cancer risk prediction using electronic health records
CN113241136A (zh) 一种相似病例分析方法及系统
WO2021205033A1 (en) Clinically meaningful and personalized disease progression monitoring incorporating established disease staging definitions
JP6571346B2 (ja) 医用情報処理装置および医用情報処理方法
JP7013145B2 (ja) 情報処理装置、情報処理システム、情報処理装置の作動方法及びプログラム
Lord et al. Medical decision support systems
US20190198164A1 (en) Patient-centric timeline for medical studies

Legal Events

Date Code Title Description
B25D Requested change of name of applicant approved

Owner name: KONINKLIJKE PHILIPS N. V. (NL)

B25G Requested change of headquarter approved

Owner name: KONINKLIJKE PHILIPS N. V. (NL)

B06F Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette]
B07A Application suspended after technical examination (opinion) [chapter 7.1 patent gazette]
B06A Patent application procedure suspended [chapter 6.1 patent gazette]
B09A Decision: intention to grant [chapter 9.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 10 (DEZ) ANOS CONTADOS A PARTIR DE 15/09/2020, OBSERVADAS AS CONDICOES LEGAIS.

B21F Lapse acc. art. 78, item iv - on non-payment of the annual fees in time

Free format text: REFERENTE A 15A ANUIDADE.

B24J Lapse because of non-payment of annual fees (definitively: art 78 iv lpi, resolution 113/2013 art. 12)

Free format text: EM VIRTUDE DA EXTINCAO PUBLICADA NA RPI 2752 DE 03-10-2023 E CONSIDERANDO AUSENCIA DE MANIFESTACAO DENTRO DOS PRAZOS LEGAIS, INFORMO QUE CABE SER MANTIDA A EXTINCAO DA PATENTE E SEUS CERTIFICADOS, CONFORME O DISPOSTO NO ARTIGO 12, DA RESOLUCAO 113/2013.