关于PACS的上下文结构注释:对报告常规瘤成像研究的未来愿景及其改变临床工作和研究潜力的潜力

科学领域:

• 医学成像信息学 医疗成像信息学
• 放射学报告系统 放射学报告系统
• 计算瘤学计算瘤学

背景情况:

• 当前的图片存档和通信系统 (PACS) 提供有限的,耗时的注释工具 (例如箭头,线条).
• 放射科医生在创建详细,易于理解的放射学报告方面面临挑战,这可能导致潜在的错误和低效率.

研究的目的:

• 在PACS图像上引入直接,结构化的文本注释的新框架.
• 将这些注释自动集成到放射学报告中,以提高清晰度和机器可读性.
• 为了促进在瘤成像中用于机器学习的大型,高质量的注释数据集的创建.

主要方法:

• 开发一个编码可转移的框架,直接在PACS图像上编码上下文结构化的文本注释.
• 注释包括病变类型,怀疑水平,位置,测量和恶性病变的TNM状态.
• 将注释数据自动集成到最终的放射学报告中.

主要成果:

• 建议的解决方案为临床医生,患者和机器生成易于理解的报告.
• 减少了放射科医生在发言中的努力,并最大限度地减少了语音识别错误.
• 能够自动生成大量高质量的注释数据,用于从常规临床工作中进行机器学习.

结论:

• 拟议的框架为瘤成像临床工作和研究提供了变革性的解决方案.
• 语境化结构化注释可以提高对治疗反应的理解,并促进未来的研究.
• 未来与语音指令集成可以进一步提高用户体验和工作流效率.