DB13/T 5602-2022 医学影像学大数据智能应用技术指南
附件大小：0.46MB附件格式：1个直链文件，格式为pdf
所属分类：其他规范
分享会员：llff11358
分享时间：2022-08-30
最后更新：
资源简介/截图：
ICS 01.040.11
CCS C 50 DB13
河北省 地方标准
DB 13/T 5602—2022
医学影像学大数据智能应用技术指南
2022 - 07 - 11 发布 2022 - 08 - 11 实施
河北省市场监督管理局 发 布
1 范围
本文件规定了医学影像学大数据智能应用技术规范、医学影像学大数据与智能技术的基本要求，
制定了基本目录和总体结构，描述了基本内容和功能、工作流程以及各部分之间的相关性。
本文件适用于各级医疗机构医学影像学专业、临床医学与信息技术管理等相关专业与部门应用、
各医疗机构医学影像学大数据内容与智能技术的基本要素体系的规划和设计。
2 规范性引用文件
本文件没有规范性引用文件。
3 医学影像大数据的目录管理与服务要求
3.1目录体系
3.1.1 总体系
构建基于省、市、县区域性三级卫生健康信息平台的大数据资源目录服务平台，实现医学影像
学信息的开放共享、云业务协同。省级资源目录服务平台除了实现省内资源信息的融合外，并提供
城市间跨区域资源共享服务，制定市级跨域共享规则，协同调度；市级资源目录服务平台除了实现
市内资源信息的融合外，还提供城市内跨区（县）域资源共享服务，制定区（县）级跨域共享规则，
协同调度；县级资源目录服务平台可直接提供各类数据开放服务，实现区（县）域内资源信息的融 合,重点支撑上级平台协同调度功能。
医学影像大数据与信息化应具备以下特征：
a) 数据互联互通、流程精细精准化，信息系统有力支撑全流程业务链；
b) 法规、制度、标准、指南、专家共识等技术要素植入到系统流中，能与容错机制共同实时
发挥作用，实现过程质量控制与质量保证；
c) 不再产生或极少产生纸质记录产品，数据成为可靠的技术行为记录；
d) 线上实现管理与管理方式，以高质量大数据为管理决策支持，持续改进医疗产品质量与管理工作；
e) 适用于医学影像信息系统持续迭代升级技术，具有信息系统安全、运维、改造升级技术的功能。
3.1.2 技术架构
3.1.2.1 组成
医学影像学大数据资源目录体系技术总体架构包括病人信息录入系统、资源信息库、资源目录
中心和资源交换中心。
3.1.2.2 病人信息录入系统
病人信息录入系统管理病人基本信息的提取或录入，并适用于医院的HIS、RIS以及PACS系统。
3.1.2.3 资源信息库
3.1.2.3.1 资源共享数据中心
资源共享数据中心存储本医疗机构或其他医疗机构用于机构或部门群间共享的信息资源，包括
数据结构化数据、非结构化/半结构化文本、医疗影像数据、流数据、医院数据、系统数据等多种类
型的电子化信息资源。
3.1.2.3.2 目录内容信息库
目录内容信息库存储由编目系统提取共享信息资源的基本特征，并将其编目形成的目录内容。
3.1.2.3.3 目录内容管理信息库
目录内容管理信息库，是存储各卫生健康信息主管部门注册并通过审核到目录服务中心的内容。
3.1.2.3.4 目录内容服务信息库
目录服务中心使用目录内容服务信息库提供目录查询检索等服务。
3.1.2.4 资源目录中心
3.1.2.4.1 编目管理系统
编目管理系统根据资源共享数据库的内容，提取其基本特征，实现元数据赋值，形成目录内容。
应提供资源目录内容编目、资源目录内容注册等功能。
3.1.2.4.2 目录内容管理系统
目录内容管理系统实现对目录服务中心的目录内容和目录服务运行的管理，应提供目录内容审
核、标识符管理、资源目录分类管理、资源关联性管理、资源共享和交换规则的设置、资源目录内
容的发布管理等功能。
3.1.2.4.3 目录内容服务系统
目录内容服务系统基于目录内容服务信息库，向用户提供目录内容的资源查询检索、资源下载、
资源订阅、资源申请、资源退订、资源评估等服务。目录服务系统应提供两种方式的服务---储存资
源和查找资源。
3.1.2.4.4 元数据管理系统
元数据管理系统实现对元数据的管理，应提供元数据属性管理、元数据实体管理、元数据集管
理、元数据版本信息系统管理等功能。
3.1.2.5 资源交换中心
3.1.2.5.1 交换管理子系统
交换管理子系统对医学资源信息订阅共享交换进行运行管理。交换管理子系统提供部署维护、
交换配置、运行管理、审计管理等功能。
3.1.2.5.2 交换传输子系统
交换传输子系统通过交换服务实现医学资源信息内容在不同医院或医院部分群的使用者和资源
共享数据库之间的传输。交换传输子系统提供信息传输、信息代理、基础服务等功能。
3.1.2.5.3 交换桥接子系统
交换桥接子系统提供适配器，用来适应不同类型、不同网段的信息源。
4 人工智能技术对医学影像学大数据挖掘和应用
概述
图像数据挖掘的主要目标是从中提取出图片的自身特征，包括语义、质量、关联度、实体义项
等，可以支持数据自动与其任务、属性相结合，对图像背后隐藏的需求信息进行挖掘，并通过与周
边环境信息进行关联计算。
快速医学影像成像
4.2.1 生成对抗网络
生成对抗网络是一种由生成器和判别器组成的生成式深度学习体系结构，生成器的作用是将低
质量的图像映射到高质量图像的流形上，判别器的作用主要是对映射后的图像质量进行评判。
4.2.2 级联深度神经网络
级联深度神经网络由若干个网络单位级联而成，每个网络单元包含卷积神经网络和数据保真项
两个部分，其卷积神经网络以残差网络的形式构建。
4.2.3 交替方向乘子算法
为了将传统迭代重建方法与深度学习方法各自的优势结合起来，基于交替方向乘子算法的医学
影像图像重建方法。
4.2.4 卷积框架
采用修正线性单元非线性激活函数的技术，实现图像重建。