在医疗数据集成中心的图像检索管道
Ka Yung Cheng1, Santiago Pazmino1, Björn Bergh1
1Institute for Medical Informatics and Statistics, Kiel University and University Hospital Schleswig-Holstein, Kiel, Germany.
Studies in health technology and informatics
|January 25, 2024
概括
本研究提出了使用深度学习对医学图像 (DICOM和PNG) 进行注释的管道. 该系统对Elasticsearch中的注释进行索引,以便在医疗中心有效地检索数据.
科学领域:
- 医疗信息学 医疗信息学
- 计算机视觉 计算机视觉
- 数据科学数据科学数据科学
背景情况:
- 医疗图像数据集正在迅速增长,需要有效的搜索和检索方法.
- 高层次的语义注释对于领域专家来说至关重要,以便在大型存储库中访问特定数据.
- 目前用于注释和组织医学成像数据的方法可能是低效的,缺乏可扩展性.
研究的目的:
- 开发一个强大的处理管道来存储和注释各种医学成像格式 (DICOM和PNG).
- 使用先进技术,实现医疗图像数据集的高效语义搜索和检索.
- 集成深度学习用于自动注释生成和Elasticsearch用于索引.
主要方法:
- 一个处理管道被设计用于处理DICOM和PNG图像格式.
- 使用深度学习模型,自动生成图像的语义注释.
- 使用Elasticsearch对这些注释进行索引,并与原始数据路径一起进行高效查询.
- 亚马逊S3用于存储原始成像数据.
主要成果:
- 管道成功处理并为DICOM和PNG图像生成注释.
- 在Elasticsearch中,注释得到了有效的索引,使得可以快速检索数据.
- 该系统展示了存储和管理大量医学成像数据的能力.
结论:
- 拟议的管道为注释和组织医疗图像提供了有效的解决方案.
- 深度学习和Elasticsearch的整合提高了医疗数据集的可搜索性和可访问性.
- 这种方法支持开发更高效的医疗数据整合中心.
