2023年7月19日发(作者：)

医学影像学大数据智能应用技术规范1范围本文件规定了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规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件。不注日期的引用文件，其最新版本(包括所有的修改单）适用于本文件。本文件没有规范性引用文件。3术语和定义下列术语和定义适用于本文件。3.1医学影像学大数据Medicalimagingbigdata医学影像学大数据是指信息网络技术与传统的公共卫生、医疗服务、医疗保障、健康、保健、医院综合管理等大业务深度融合，以及互联网+健康医疗、精准医学、人工智能等新兴领域，所产生的与医疗、卫生、健康、保健等医学影像学相关的数据。3.2目录服务器catalogserver按照目录服务器接口的要求，提供医学影像学大数据与智能技术信息资源发现和目录管理的计算机服务程序。3.3元数据库metadatarepository元数据库存储用于医学影像学信息资源共享活动建立相关目录所需要的基本元数据、扩展元数据内容。3.4结果集resultset1根据目录检索请求在服务器端间的查询结果集合。3.5多单元组学数据库（AgingAtlas数据库)该数据库从常规放射学单元学组、CT影像学单元数据组、MRI单元数据组、介入性放射学单元数据组等不同层面整合了医学影像学大数据相关数据集，实现了不同条件下医学影像学各组数据的相互汇聚融合。3.6医学影像学信息元数据元素metadataelement元数据的基本单元，用以描述医学影像学大数据与智能技术信息资源的某个特性。注：元数据元素在元数据实体中是唯一的。3.7医学影像学信息元数据实体metadataentity一组说明医学影像学大数据与智能技术信息资源相关特性的元数据元素。注：可以包含一个或一个以上元数据实体。3.8医学影像学信息基本元数据basicmetadata描述信息资源基本属性的元数据和元数据实体。3.9标识符identifier用于标识或命名一个医学影像学数据项目并可能指出该数据信息确定性质的一个或一组字符。3.10医学影像学大数据与智能技术资源标识符bigdataforhealthcareresourceidentifier用于唯一标识医学影像学大数据与智能技术资源的一组字符。3.11医学影像学大数据与智能技术资源分类resourceclassification根据资源的特性及其相互关系而分别排列出的不同次序、类别和体系。3.12医学影像学大数据与智能技术标识符的构成Compositionofidentifiers2基于卫生信息OID标识体系对医学影像学大数据与智能技术资源进行标识，依据我国《卫生信息标识体系对象标识符编号结构与基本规则》和《卫生信息标识体系对象标识符管理注册管理规程》等相关规定进行标示符的构成管理。3.13医学影像学大数据与智能技术类目码Categorycodes类目码是省级代码下一级节点编码，用来区分不同的业务应用或者数据业态。3.14医学影像学大数据与智能技术亚目码Subjectscode亚目码是类目码对应节点的下一级节点编码，亚目是根据各类目领域的特点，按照业务内容的组成部分或业务流程的先后顺序进行分类。3.15医学影像学大数据与智能技术细目码Detailscode细目码是亚目码后节点编码，细目编制是一个逐步完善的过程，通过医学影像学大数据与智能技术资源目录管理系统实现大范围注册后，才可能逐步编目完成一个较为全面、科学的资源目录细目。4医学影像学大数据建立流程与基本细则4.1医学影像学大数据概念4.1.1医学影像学大数据是由DR、CT、MR等医学影像设备所产生并存储在PACS系统（医学影像系统）内的大规模、高增速、多结构、高价值和真实准确的影像数据集合。与医院信息系统（HIS）大数据、检验信息系统（LIS）大数据和电子病历（EMR）等同属于医疗大数据的范畴。4.1.2多结构和高价值：由日益增长的医疗影像设备种类所产生的具有医学分析和指导价值的结构化和非结构化数据。4.1.3大规模和高增速：PACS系统的普及率和人口数量的庞大，是我国医学影像学大数据的大规模基础；而PACS系统和老龄人口的快速增长率是医学影像学大数据的高增速的基础，这两者共同构成了我国医学影像学大数据的形成原因。4.1.4保证医学影像学大数据真实性的相关技术：一类是直接处理技术，对患者进行影像学检查后，直接采用软件技术对影像在影像设备上进行处理，这种方式的缺点比较明显，不能对影像进行改变，只能依靠医生依据自身的经验进行病理学处理，导致了数据结果的不准确性；第二种是PACS系统来对影像进行后处理。比如PACS系统通过多维影像融合（CT/MRI/PET-CT）技术，来对图像进行分割、配准和聚类，从而尽可能保存影像数据的真实性。4.1.5多维影像融合主要包括数据预处理、图像分割、特征提取以及匹配判断这几个过程。4.2医学影像学大数据特点34.2.1大数据：传统数据架构无法有效处理的一种新型数据集，容量大、维度高、范围广、复杂多变4.2.2“5V+2D”Volume（规模）：规模大，包括采集、储存和计算的量非常大。1个CT检查图像的存储量是200-500M，1个标准病理检查可达5G。就一所医院而言，它包含有规模巨大的临床实验数据，错踪复杂的疾病诊疗数据，带有个性化特征的居民行为健康数据以及相关管理、医保、药品、器械等数据。Velocity（速度）：数据增长速度快，数据的采集、存储和计算速度也快，时效性要求高。面对大量患者的就诊、检查、治疗、随访数据快速增长，需要大数据的高速处理，及时应用。Variety（多样）：种类和来源多元化。互联网时代加剧了档案数据的多元化，包含结构化表格、半结构化文本、非结构化影像，而它的具体形式包括单纯数据（检验）、动态信号（示波）、多维影像、文字绘图、视频档案，等等。Value（价值）：大数据的价值密度相对较低，或者说大浪淘沙却又弥足珍贵。Variability（易变性）：庞大数据不是抽样、不是标准，更易包括变异。病例脱失、过程中断、记录偏差和残缺、医生个体认识差异以及很多重复、无关、甚至相互矛盾的记录都会引发造成数据的不确定性。Deadline（时效性）:提供服务的大数据需要具有一定的鲜活性和实效性。疾病的发生、发展、就诊、检查、治疗随时间变化，所以在利用数据时，只有挖掘在“保质期”内的数据，才能创造最大价值。Dynamic(动态性）：随着时间的流逝，数据的保存价值也在动态变化。4.3规范建立影像大数据standardizetheestablishmentofimagebigdata规范整个影像检查流程（影像数据获取、图像后处理、影像分析思维训练、结构化诊断报告、影像数据规范存储、调用）。4.3.1影像数据规范存储、调用standardstorageandcallofimagedata不同医院制度与规范的差异，某些情况下会做重复性检查，尤其是核磁共振成像、计算机断层扫描等检查费用高昂的项目。诊断决策的时间，可能造成治疗延误。通过云计算解决方案，可以使数字存储的价格降低。在云端存储病人数据最安全的方法之一是分裂合并技术。受保护的健康信息被分别加密储存，进而创造一个互联网安全的影像学研究。4.3.2存储--云端解决方法StorageCloudsolution云端运算具有高扩充性、灵活性、低成本且随时随地存取，使用者通过因特网就能得到云端运算的服务资源。云端平台数据库的设计，采用共同的平台和系统，遵循健康信息交换（healthinformationexchange，HIE）协议，以及基于标准的界面能够实现医疗系统之间的互操作。需要高速的运算性能、良好的兼容性及可扩展性的计算机集群。集群主要由计算节点、存储节点、管理节点、集群辅件组成。4