[发明专利]一种影像医师视觉识别能力量化方法及系统

说明书

技术领域

本发明属于医学视觉识别技术领域，特别是涉及一种影像医师视觉识别能力量化方法及系统。

背景技术

医学影像技术迅速发展，医疗影像检查被广泛应用于临床诊疗。美国医疗照顾和医疗救助服务中心(Centers for Medicare and Medicaid Services)2016年的统计数字表明：全世界范围内每年约进行16亿例医学影像检查，并且这一数字逐年攀升。此外，一项针对全美范围内医疗基本状况的调查显示：医学影像检查相关花费(非硬件设备类支出)占到2010年美国当年国内生产总值的0.5％、2012年英国当年国内生产总值的1.2％。在我国，医学影像检查成为疾病诊断、治疗过程中的重要基础，疾病诊断已经向“看得见”、“看的准”发展，并且，在多种重大疾病的防治过程中，医学影像检查地位也不可替代。

医学影像检查产生大量的影像学图片，这些图片需要被专业影像医师解读才具有临床意义，影像医师是准确解读影像学检查结果的决定性因素。北美放射学会的统计数字表明：临床中，影像学误诊中由影像医师专业技能造成的误诊率高达61.5％(其余为非人为因素)。影像医师专业技能由三个基本要素组成：视觉识别、图像解释、决策。但是，由于图像解释和决策完全依赖于影像医师是否能有效判断出病灶所在，因此，影像医师的视觉识别能力是才有效诊断的源头和基础，是完成有效医学影像诊断的重中之重。

发明人在和医学院校影像专业教师、三甲医院影像科医生及中华医学会影像技术学会的专家讨论中确定，影像医师的视觉识别能力由判断敏感性(真阳性率)、判断特异性(真阴性率)及判断信心等级三个基本要素构成，即：一个具有优秀视觉识别能力的影像医师应该能将病灶准确指出(判断敏感性高)，并且不会将非病灶误判为病灶(判断特异性高)，同时，对自己做出的判断具有十足把握(判断信心等级高)。经过详实调查与文献、专利搜索，现在我国医学院校、各大医院影像科均没有对影像医师的视觉识别能力进行量化衡量的方法或平台。行为能力量化无论对技能考核、技能评分，还是对培训效果评估、培训计划制定均具有重大意义。

发明内容

本发明的目的在于提供一种影像医师视觉识别能力量化方法，该方法将影像医师的视觉识别能力的三个核心指征，即：判断敏感性(真阳性率)、判断特异性(真阴性率)及判断信心等级，融合为一个量化指标，以实现定量化测量影像医师视觉识别能力的目的。

本发明的另一目的在于围绕上述方法，提供一种影像医师视觉识别能力量化系统。

本发明所采用的技术方案是，一种影像医师视觉识别能力量化方法，按照以下步骤进行：

步骤1，选取N张符合标准的医学影像作为标记图像，医学影像包括病灶图像和正常图像；

步骤2，影像医师对每张图像进行标记，做出有病或无病的判断，并按照个人对所作出判断的自信程度按照1～5的等级给出信心等级评分；

步骤3，将步骤2中的标记结果记录在Excel表格中：表格第一列记录有病或无病判断的信息，分别用数字1和0表示；表格第二列记录对应的信心等级1～5；

步骤4，利用非参数法或参数法分别计算影像医师视觉识别能力曲线与其曲线下面积。

进一步的，所述步骤4中，采用非参数法计算的步骤为：

步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数N_LL和无病总数N_NL；

步骤(2)，将信心等级5、4、3、2、1分别作为诊断阈值，信心等级大于等于诊断阈值的判断为阳性结果，反之为阴性结果；分别得到信心等级等于5、4、3、2、1时，有病判断中的阳性结果TP_i，以及无病判断中的阴性结果NF_i，i＝5,4,3,2、1；

步骤(3)，计算敏感性TPF和特异性NFF，公式为：

步骤(4)，将1-NFF和TPF分别作为横、纵坐标，根据步骤(3)求得的五组结果，在坐标轴上作点，之后将这五点与坐标上的(0，0)连接，形成影像医师视觉识别能力曲线；

步骤(5)，利用梯形法计算影像医师视觉识别能力曲线下面积。

进一步的，所述步骤4中，采用参数法计算的步骤为：

步骤(1)，计算Excel表格第一列中1和0出现的次数，作为有病判断总数N_LL和无病总数N_NL；