医学影像分析方法、系统、设备、介质和程序产品与流程

1.本技术涉及医学技术领域，特别是涉及一种医学影像分析方法、系统、设备、介质和程序产品。


背景技术：

2.医学影像平台通过云计算、大数据和移动互联网技术，实现了区域范围的医疗影像数据和诊断报告的集中存储、统一归档和共享，实现了移动端影像和报告的检索、阅读和分享。
3.随着人工智能领域的不断发展，人工智能(artificial intelligence，ai)影像分析服务更多的应用于医学影像平台。借助ai影像分析服务，可以自动对医疗影像数据进行分类、检测、识别和分割等处理。目前，用户在需要对医学影像平台的医疗影像数据进行ai影像分析时，医学影像平台需要将接收到的医疗影像数据都推送给ai影像分析服务；以使ai影像分析服务对医疗影像数据进行处理。
4.然而，医学影像平台将接收到的医疗影像数据都推送给ai影像分析服务的方式存在数据安全性低的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高数据安全性的医学影像分析方法、系统、设备、介质和程序产品。
6.第一方面，本技术提供了一种医学影像分析方法。应用于第一服务器，该方法包括：
7.获取请求人基于用户终端发送的针对目标用户的影像分析请求；
8.根据影像分析请求，生成目标用户对应的影像分析任务；影像分析任务包括目标影像地址信息；
9.将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果；目标图像存储于第一服务器的影像数据库中。
10.在其中一个实施例中，医学影像分析方法还包括：
11.根据影像分析请求，获取影像数据库中影像数据对应的元数据；
12.对元数据进行资源可用性验证；
13.则根据影像分析请求，生成目标用户对应的影像分析任务，包括：
14.若资源可用性验证通过时，根据影像分析请求，则生成目标用户对应的影像分析任务。
15.在其中一个实施例中，元数据包括医疗检查信息、医学影像的参数信息；对元数据的资源可用性进行验证，包括：
16.根据医学影像的参数信息和医疗检查信息，确定目标用户的医学影像是否满足算
法分析需求；
17.若目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过。
18.在其中一个实施例中，根据影像分析请求，生成目标用户对应的影像分析任务，包括：
19.根据影像分析请求从算法注册表中查找出目标算法；
20.根据影像分析请求和目标算法，生成影像分析任务。
21.在其中一个实施例中，将影像分析任务发送至第二服务器中的目标服务器，包括：
22.检测目标服务器对应的目标算法的剩余资源是否满足影像分析任务的运行资源条件；
23.若剩余资源满足影像分析任务的运行资源条件，将影像分析任务发送至目标服务器。
24.在其中一个实施例中，影像分析请求包括请求人权限信息；方法还包括：
25.根据影像分析请求，获取用户权限信息；
26.根据用户权限信息和请求人权限信息，确定请求人的权限信息是否满足预设的影像分析权限需求；
27.若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过；
28.则若资源可用性验证通过时，则根据影像分析请求，则生成目标用户对应的影像分析任务，包括：
29.若影像分析权限验证通过且资源可用性验证通过时，则生成目标用户对应的影像分析任务。
30.在其中一个实施例中，影像分析请求包括目标用户的用户标识；方法还包括：
31.根据目标用户的用户标识，查找任务数据库中目标用户对应的影像分析任务；
32.若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息。
33.在其中一个实施例中，医学影像分析方法还包括：
34.接收第二服务器在数据分析完毕后发送的结果摘要信息和/或任务完成状态通知；
35.将结果摘要信息和/或任务完成状态通知发送至用户终端。
36.第二方面，本技术提供了一种医学影像分析方法，该方法应用于第二服务器，方法包括：
37.接收第一服务器发送的影像分析任务；影像分析任务是获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据目标用户的影像分析请求，对请求人的影像分析权限进行验证，在请求人的影像分析权限验证通过时，根据影像分析请求生成的任务；影像分析任务包括目标影像地址信息；
38.根据目标影像地址信息，获取影像数据库中的目标图像；目标图像存储于第一服务器的影像数据库中；
39.对目标图像进行数据分析，得到影像分析结果。
40.在其中一个实施例中，影像分析任务中包括目标图像的存储有效时长；方法还包括：
41.在得到影像分析结果后，对目标图像的存储时长进行统计；
42.若目标图像的存储时长达到存储有效时长，则删除目标图像。
43.第三方面，本技术还提供了一种影像平台提供系统，该系统包括：
44.请求获取模块，用于获取请求人基于用户终端发送的针对目标用户的影像分析请求；
45.任务生成模块，用于根据影像分析请求，生成目标用户对应的影像分析任务；影像分析任务包括目标影像地址信息；
46.发送模块，用于将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果；目标图像存储于第一服务器的影像数据库中。
47.第四方面，本技术还提供了一种影像分析服务系统，该系统包括：
48.接收模块，用于接收第一服务器发送的影像分析任务；影像分析任务是获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据目标用户的影像分析请求，对请求人的影像分析权限进行验证，在请求人的影像分析权限验证通过时，根据影像分析请求生成的任务；影像分析任务包括目标影像地址信息；
49.图像获取模块，用于根据目标影像地址信息，获取影像数据库中的目标图像；目标图像存储于第一服务器的影像数据库中；
50.分析模块，用于对目标图像进行数据分析，得到影像分析结果。
51.第五方面，本技术还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面和第二方面任一项实施例中方法的步骤。
52.第六方面，本技术还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面和第二方面任一项实施例中方法的步骤。
53.第七方面，本技术还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面和第二方面任一项实施例中方法的步骤。
54.上述医学影像分析方法、系统、设备、介质和程序产品，通过获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求，生成目标用户对应的包括目标影像地址信息影像分析任务，将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果。其中，目标图像存储于第一服务器的影像数据库中。能够实现在第二服务器(第三方)对目标用户的影像分析时能够保证目标用户的数据安全性。具体体现在：1、仅先发送影像分析任务到进行智能分析的目标服务器中，避免包括影像平台的第一服务器和集成了ai服务的第二服务器之间的强耦合。2、仅将影像分析任务发送到第二服务器对应目标服务器，避免目标服务器拿到所有的影像数据，以确保了目标用户的数据安全。3、仅发送影像分析任务，而不将所有图像推送至第二服务器中，避免了发送的数据冗余。4、由于将智能网关或者多个微服务集成于影像平台中，能够在现有影像平台上接入ai应用和服务，扩展影像平台的能力，而不用改变平台的现有数据存储方式，也不要求对ai算法的计算逻辑做任何修
改。
附图说明
55.图1为一个实施例中医学影像分析方法的应用环境图；
56.图2为一个实施例中医学影像分析方法的流程示意图；
57.图3为另一个实施例中医学影像分析方法流程示意图；
58.图4为另一个实施例中医学影像分析方法的流程示意图；
59.图5为另一个实施例中医学影像分析方法的流程示意图；
60.图6为另一个实施例中医学影像分析方法的流程示意图；
61.图7为另一个实施例中医学影像分析方法的流程示意图；
62.图8为另一个实施例中医学影像分析方法的流程示意图；
63.图9为另一个实施例中医学影像分析方法的流程示意图；
64.图10为另一个实施例中医学影像分析方法的流程示意图；
65.图11为另一个实施例中医学影像分析方法的流程示意图；
66.图12为另一个实施例中医学影像分析方法的流程示意图；
67.图13为一个实施例中医学影像分析系统的结构示意图；
68.图14为另一个实施例中医学影像分析系统的结构示意图；
69.图15为一个实施例中影像平台提供系统的结构示意图；
70.图16为一个实施例中影像分析服务系统的结构示意图；
71.图17为一个实施例中服务器的内部结构图。
具体实施方式
72.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
73.随着科技社会的共同发展，各种医学影像平台得以搭建。基于云计算、大数据和移动互联网技术，实现了区域范围的医疗影像数据和诊断报告的集中存储、统一归档和共享，实现了移动端影像和报告的检索、阅读和分享。平台带来了更加便捷、灵活、可靠的远程和移动医疗模式，推动了跨医疗机构的影像相关的医疗保健协作和服务升级，惠及了众多的医生和患者。
74.要引入人工智能(ai)影像分析服务是进一步发挥影像平台积极作用的必然选择。借助ai技术，可以自动对影像进行分类，对病灶目标进行检测、识别和分割。ai服务，可以与手工的诊断工作流整合，提前或实时对图像进行处理，帮助医生完成诊断，并可能提供详细的分析报告，提高效率和准确率；对已经获得诊断结果的检查，可以让ai对原始影像做二次分析，并给出独立评估，供医生和患者参考，这对于重大和疑难疾病尤其有意义。
75.现有技术中，当现有影像平台对接了第三方的ai分析服务，为了使用影像平台的第三方ai分析服务，便需要将相关影像数据都同步到对接的ai分析服务中，以使第三方ai服务经过分析后给出分析结果。然而现有技术存在不少安全和效率问题，如：1、如何确保传递给ai服务的数据是经过授权的？2、如何确保传递的数据是ai算法能够处理并且数据是没
有冗余的？3、如何确保ai分析结果被完整地保存并准确地解读和呈现？4、如何将包含症状提示的结果快速反馈给用户，又不让用户被无关紧要的细节信息淹没？5、如何在增加或更新ai算法和服务时减少对平台的更改？
76.基于此，本技术实施例提供的医学影像分析方法，可以应用于如图1所示的应用环境中。其中，用户终端102、第一服务器104、第二服务器106之间通过网络进行通信。请求人基于用户终端102向第一服务器104发送的针对目标用户的影像分析请求。第一服务器104根据影像分析请求，生成目标用户对应的影像分析任务；并将影像分析任务发送至第二服务器106中的目标服务器。第二服务器106以使影像分析任务对应的目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果。其中，用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。第一服务器104和第二服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中，第一服务器104中可以包括集成于医学影像平台中的网关，也可以为由多个微服务器构成的服务器集群在此不加以限制。第二服务器106可以为集成了不同ai服务的服务器或者服务器集群。不同的ai服务可以为于不同医疗影像采集装置对应的不同ai服务。
77.在一个实施例中，如图2所示，提供了一种医学影像分析方法，以该方法应用于图1中的第一服务器为例进行说明，包括以下步骤：
78.s202，获取请求人基于用户终端发送的针对目标用户的影像分析请求。
79.其中，请求人为请求获取目标用户影像分析结果的发起人。目标用户为请求人指定要获取影像分析结果的用户。影像分析请求可以为对目标用户的相关医学影像数据分析的请求。其中，影像分析请求中可以包括目标用户的标识、目标分析感兴趣区域的标识等，在此不加以限制。
80.具体地，请求人可以基于用户终端的影像分析界面，选择请求发起选项跳转至目标用户的选择界面后，选择目标用户，即授权对目标用户进行影像分析，发起针对目标用户的影像分析请求至第一服务器，即获取请求人基于用户终端发送的针对目标用户的影像分析请求。
81.s204，根据影像分析请求，生成目标用户对应的影像分析任务；影像分析任务包括目标影像地址信息。
82.其中，影像分析任务可以为包括如何对目标用户对应的目标图像进行智能分析的任务。影像分析任务可以包括分析算法、目标服务器标识、目标影像地址信息、任务发送方式等，在此不加以限制。其中，目标影像地址信息为目标影像的存储地址。
83.具体地，当获取到影像分析请求后，可以根据影像分析请求中目标用户的标识信息获取目标用户存储在影像数据库中的元数据用户权限信息，并对元数据进行资源可用性验证和/或根据用户权限信息对请求权限进行验证，在验证通过的情况下，根据影像分析请求中的目标分析感兴趣区域的标识对目标用户进行智能分析的算法匹配，匹配至目标分析算法后，生成目标用户对应的影像分析任务。其中，元数据可以包括：医疗检查信息、医学影像的参数信息、医疗机构信息等。其中，医学影像的参数信息可以包括图像存储地址、影像数量信息、影像质量信息、影像格式、影像获取方式等，在此不加以限制。进一步地，影像获
取方式可以包括，基于ct设备、mr设备、pet设备等医学影像设备采集的影像。影像质量信息可以包括影像的分辨率等。影像格式可以包括dicom、nii等格式。
84.s206，将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果；目标图像存储于第一服务器的影像数据库中。
85.具体地，当生成了影像分析任务后，可以将影像分析任务发送至第二服务器中的目标服务器；也可以是通过检测目标服务器的资源可用性，在目标服务器的资源可用时，将影像分析任务发送至目标服务器；还可以是，在预设发送时间到达的情况下将影像分析任务发送至目标服务器中。
86.当目标服务器接收到影像分析任务后，可以根据影像分析任务中携带的目标影像地址信息，主动从第一服务器中的影像数据库中拿取仅做分析的目标图像，并执行影像分析任务，对目标图像进行智能分析，得到影像分析结果。其中，影像分析结果可以包括分析结果摘要信息、分析状态信息、详细分析报告等。在此不加以限制。
87.可选地，第一服务器在将影像分析任务发送至第二服务器后，可以在预设时间向当目标服务器发送状态查询请求，并接收目标服务器反馈的分析状态信息。其中，分析状态信息用于指示任务进度。
88.可选地，影像分析任务中可以包括第二服务器分析结束后的预设的目标影像存储时长，以使第二服务器在任务结束后，到达目标影像存储时间时，删除目标图像。
89.上述医学影像分析方法中，通过获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求，生成目标用户对应的包括目标影像地址信息影像分析任务，将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果。其中，目标图像存储于第一服务器的影像数据库中。能够实现在第二服务器(第三方)对目标用户的影像分析时能够保证目标用户的数据安全性。具体体现在：1、仅先发送影像分析任务到进行智能分析的目标服务器中，避免包括影像平台的第一服务器和集成了ai服务的第二服务器之间的强耦合。2、仅将影像分析任务发送到第二服务器对应目标服务器，避免目标服务器拿到所有的影像数据，以确保了目标用户的数据安全。3、仅发送影像分析任务，而不将所有图像推送至第二服务器中，避免了发送的数据冗余。4、由于将智能网关或者多个微服务的集成于影像平台对应的第一服务器中，能够在现有影像平台上接入ai应用和算法服务时，扩展影像平台的能力，而不用改变影像平台的现有数据存储方式，也不要求对ai算法的计算逻辑做任何修改。
90.上述实施例对医学影像分析进行了说明，若进一步确保数据的安全性，可以对数据的资源可用性进行验证，在验证通过时，生成影像分析任务，现以一个实施例对如何进行数据的资源可用性验证进行说明。在一个实施例中，如图3所示，医学影像分析方法，还包括：
91.s302，根据影像分析请求，获取影像数据库中影像数据对应的元数据。
92.具体地，第一服务器中可以包括影像元数据检索器，根据影像分析请求中携带的目标用户的标识，从影像数据库中获取除影像以外的相关元数据。其中，元数据可以包括：医疗检查信息、医学影像的参数信息、医疗机构信息等。其中，医学影像的参数信息可以包
括图像存储地址、影像数量信息、影像质量信息、影像格式、影像获取方式等，在此不加以限制。医疗检查信息可以包括：检查类型、部位、数据所有者、保密级别、患者、医疗机构信息等，在此不加以限制。
93.s304，对元数据进行资源可用性验证。
94.具体地，第一服务器中可以包括数据可用性校验器，当得到目标用户的元数据后，可以对元数据中的医学影像的参数信息与算法的预设分析需求进行比对，实现对元数据进行资源可用性验证。示例地，可以通过检查图像的数量、质量、存储地址、获取方式，明确其是否符合分析算法的预设分析需求。
95.则根据影像分析请求，生成目标用户对应的影像分析任务，包括：
96.s306，若资源可用性验证通过时，根据影像分析请求，则生成目标用户对应的影像分析任务。
97.具体地，当资源可用性验证通过时，即元数据满足分析算法的预设分析需求，则可以进一步根据影像分析请求，获取到的元数据中的医疗检查信息和医学影像参数信息，通过ai算法匹配过滤器，基于预先存储的算法注册表中，查找对应的目标算法。再通过ai任务构造器根据元数据以及目标算法生成目标用户对应的影像分析任务。其中，算法注册表是一个算法的全局目录，记录了所有可用的ai算法信息，包括算法的请求地址、影像处理能力和对图像质量、格式的要求等。
98.本实施例中，通过根据影像分析请求，获取影像数据库中影像数据对应的元数据，对元数据进行资源可用性验证，若资源可用性验证通过时，根据影像分析请求，则生成目标用户对应的影像分析任务，能够确保传递的影像分析任务是目标算法能够处理并且包含的元数据是没有冗余的。
99.上述实施例对进行数据的可用性分析进行了说明，现以一个实施例对如何进行资源可用性验证进一步说明。在一个实施例中，如图4所示，元数据包括医疗检查信息、医学影像的参数信息；对元数据的资源可用性进行验证，包括：
100.s402，根据医学影像的参数信息和医疗检查信息，确定目标用户的医学影像是否满足算法分析需求。
101.s404，若目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过。
102.具体地，将医学影像的参数信息和医疗检查信息与算法分析需求进行比对，并且在目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过。例如，算法分析需求为需要检测目标用户的心脏部位，且需要目标影像的格式为dicom格式，需要2022年4月的所有影像。则可以比对医疗检查信息中是否记载的是指定时间段(2022年4月)、检测部位为心脏、以及医学影像的参数信息中的影像格式为dicom，若任意一项不匹配，则验证不通过，反之验证通过。
103.在本实施例中，通过根据医学影像的参数信息和医疗检查信息，确定目标用户的医学影像是否满足算法分析需求，若目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过，能够确保传递的元数据是ai算法能够处理的数据。
104.上述实施例对数据的资源可用性验证进行了说明，现以一个实施例对如何生成影像分析任务进一步说明。在一个实施例中，如图5所示，根据影像分析请求，生成目标用户对
应的影像分析任务，包括：
105.s502，根据影像分析请求从算法注册表中查找出目标算法。
106.具体地，首先通过影像分析请求，可以确定出目标用户对应的元数据，进而可以通过算法过滤器对元数据中携带的医疗检查信息和医学影像的参数信息与算法注册表中的各个对算法的描述进行匹配，找到最匹配的目标算法，也就是能够元数据的目标算法。
107.s504，根据影像分析请求和目标算法，生成影像分析任务。
108.具体地，当确定了目标算法后，可以通过任务构造器，将目标算法、元数据中包括的目标影像的地址信息，进行任务构造，生成影像分析任务。
109.可选地，在生成影像分析任务后，将影像分析任务存储于任务数据库中，然后进行待分配任务队列中。任务数据库用通用关系数据库实现，队列用通用的消息队列或者数据库表实现。
110.在本实施例中，通过根据影像分析请求从算法注册表中查找出目标算法，根据影像分析请求和目标算法，生成影像分析任务，相较于现有技术中通过深度学习等方法来匹配影像以及对应的算法而言，更加快速准确。
111.上述实施例对如何生成影像分析任务进行了说明，现以一个实施例对如何发送影像分析任务进行说明。在一个实施例中，如图6所示，将影像分析任务发送至第二服务器中的目标服务器，包括：
112.s602，检测目标服务器对应的目标算法的剩余资源是否满足影像分析任务的运行资源条件。
113.需要说明的是，目标服务器中可以同时执行多条影像分析任务，也可以逐条执行影像分析任务，在此不加以限制。若目标服务器是同时执行多条影像分析任务时，则需要确定是否目标服务器具有足够的运行资源执行当前的影像分析任务。
114.具体地，可以通过处理状态读取器检测影像分析任务对应的目标服务器对应的目标算法的运行状态和目标算法的剩余资源信息，并采用状态数据解析器对读取的目标算法的运行状态和目标算法的剩余资源信息进行解析，得到可以识别目标算法的运行状态和目标算法的剩余资源信息。可选地，可以通过预设的查询接口查询目标服务器的目标算法的运行状态和资源利用情况。
115.可选地，将查询到的目标算法的运行状态和目标算法的剩余资源信息保存至任务数据库中。
116.s604，若剩余资源满足影像分析任务的运行资源条件，将影像分析任务发送至目标服务器。
117.具体地，在目标算法的运行状态为目标算法的剩余资源可用的情况下，可以通过任务分派器将影像分析任务分派至指定目标服务器中，执行影像分析任务。
118.在本实施例中，通过检测目标服务器对应的目标算法的剩余资源是否满足影像分析任务的运行资源条件，若剩余资源满足影像分析任务的运行资源条件，将影像分析任务发送至目标服务器，能够确保在目标服务器的目标算法可用的情况下，对影像分析任务进行处理。
119.上述实施例对如何发送影像分析任务进行了说明，若想要进一步加强数据的安全性，还可以通过对请求人的隐私权限进行验证，确保请求人是可以获取目标用户的信息的
情况下，在对影像数据进行分析，现以一个实施例对如何进行权限验证进行说明。在一个实施例中，如图7所示，影像分析请求包括请求人权限信息；医学影像分析方法，还包括：
120.s702，根据影像分析请求，获取用户权限信息；
121.其中，用户权限信息可以包括，用户隐私等级、查阅用户的权限条件等，在此不加以限制。
122.具体地，影像分析请求中携带目标用户的标识信息，可以通过标识信息，查找用户信息数据库中的用户权限信息。
123.s704，根据用户权限信息和请求人权限信息，确定请求人的权限信息是否满足预设的影像分析权限需求。
124.其中，预设的影像分析需求为预设的用户权限信息和请求人权限信息之间的对应关系，即在指定的对应关系下，请求人的权限信息满足影像分析权限需求。
125.具体地，可以通过隐私和授权过滤器将影像分析请求中的请求人权限信息和用户权限信息进行比对，确定是否满足预设的影响分析权限需求。示例地，可以将请求者的权限信息和用户权限信息中包括的数据所有者、保密级别、患者、医疗机构等信息进行比对。
126.可选地，用户权限信息包括用户的隐私等级；请求人权限信息包括请求人的隐私等级；将用户的隐私等级和请求人的隐私等级进行比较，若请求人的隐私等于大于用户的隐私等级，则满足预设的影像分析权限需求。
127.s706，若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过。
128.具体地，若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过。
129.则若资源可用性验证通过时，则根据影像分析请求，生成目标用户对应的影像分析任务，包括：
130.s708，若影像分析权限验证通过且资源可用性验证通过时，则生成目标用户对应的影像分析任务。
131.具体地，若影像分析权限验证通过且资源可用性验证通过时，则可以通过任务构造器，将目标算法、元数据中包括的目标影像的地址信息，进行任务构造，生成影像分析任务。
132.可选地，还可以用过自定义规则过滤器对元数据进行自定义规则的验证。可以读取前述隐私和授权过滤器、数据可用性过滤器之外的规则，决定是否继续影像分析任务的生成，或者直接分配目标算法。自定义规则，可以采用通用的规则引擎实现；增加或修改规则时，修改对应的配置文件，而无需改变网关内部的数据处理流程。
133.在本实施例中，通过根据影像分析请求，获取用户权限信息，根据用户权限信息和请求人权限信息，确定请求人的权限信息是否满足预设的影像分析权限需求，若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过，若影像分析权限验证通过且资源可用性验证通过时，则生成目标用户对应的影像分析任务，能够确保传递给第二服务器进行智能分析的数据均是通过授权的数据，进一步确保了数据的安全性。
134.上述实施例对如何进行权限验证进行了说明，在进行生成影像分析任务之前，有可能存在已经执行过相关影像分析任务的情况，基于该种情况下，则无需再次生成影像分
析任务，现以一个实施例对如何确定是否生成影像分析任务进行说明。在一个实施例中，如图8所示，影像分析请求包括目标用户的用户标识；医学影像分析方法，还包括：
135.s802，根据目标用户的用户标识，查找任务数据库中目标用户对应的影像分析任务。
136.具体地，可以通过请求结果检索器，根据目标用户的标识检索任务数据库中是否存在目标用户对应的影像分析任务。
137.s804，若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息。
138.具体地，若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息。其中，分析结果摘要信息可以包括病症的阴阳性信息、病灶提示摘要信息、详细报告的获取方式等。
139.在本实施例中，通过根据目标用户的用户标识，查找任务数据库中目标用户对应的影像分析任务，若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息，能够在已经存在影像分析任务的情况下(即已经完成影像分析任务的情况下)，将包含症状提示的结果快速反馈给请求人，且使得请求人不会被无关紧要的细节信息淹没。
140.上述实施例对如何确定是否生成影像分析任务进行了说明，在得到了结果摘要信息和/或任务完成状态通知的情况下，将其需要反馈至用户终端，现以一个实施例进行说明。在一个实施例中，如图9所示，医学影像分析方法，还包括：
141.s902，接收第二服务器在数据分析完毕后发送的结果摘要信息和/或任务完成状态通知。
142.s904，将结果摘要信息和/或任务完成状态通知发送至用户终端。
143.具体地，当第一服务器接收到第二服务器在数据分析完毕后发送的结果摘要信息和/或任务完成状态通知后，进行存储至本地，将结果摘要信息和/或任务完成状态通知发送至用户终端，并更新用户终端的显示。进一步的以使请求人接收到分析完成状态通知和结果摘要信息后，再根据需要请求详细分析报告。
144.进一步地，用户终端可以直接向第二服务器中发起目标详细分析报告获取请求，根据详细分析报告的获取方式从第二服务器中获取详细报告进行展示。其中，展示可以通过在线web应用进行展示，典型地以列表、图像、符号标记等形式显示分析的证据和结论，由第二服务器提供方实现。
145.在本实施例中，通过接收第二服务器在数据分析完毕后发送的结果摘要信息和/或任务完成状态通知，将结果摘要信息和/或任务完成状态通知发送至用户终端，能够将包含症状提示的结果快速反馈给用户终端，又能够实现让请求人不被无关紧要的细节信息淹没。
146.上述实施例对应用于第一服务器的医学影像分析方法进行了说明，现以一个实施例对应用于第二服务器的医学影像分析方法进行说明。在一个实施例中，如图10所示，医学影像分析方法包括：
147.s102，接收第一服务器发送的影像分析任务；影像分析任务是获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求生成的任务；影像分析任
务包括目标影像地址信息。
148.其中，请求人为请求获取目标用户影像分析结果的发起人。目标用户为请求人指定要获取影像分析结果的用户。影像分析请求可以为对目标用户的相关医学影像数据分析的请求。其中，影像分析请求中可以包括目标用户的标识、目标分析感兴趣区域的标识等，在此不加以限制。其中，影像分析任务可以为包括如何对目标用户对应的目标图像进行智能分析的任务。影像分析任务可以包括分析算法、目标服务器标识、目标影像地址信息、任务发送方式等，在此不加以限制。其中，目标影像地址信息为目标影像的存储地址。
149.具体地，请求人可以基于用户终端的影像分析界面，选择请求发起选项跳转至目标用户的选择界面后，选择目标用户，即授权对目标用户进行影像分析，发起针对目标用户的影像分析请求至第一服务器，即获取请求人基于用户终端发送的针对目标用户的影像分析请求。
150.当获取到影像分析请求后，可以根据影像分析请求中目标用户的标识信息获取目标用户存储在影像数据库中的元数据用户权限信息，并对元数据进行资源可用性验证和/或根据用户权限信息对请求权限进行验证，在验证通过的情况下，根据影像分析请求中的目标分析感兴趣区域的标识对目标用户进行智能分析的算法匹配，匹配至目标分析算法后，生成目标用户对应的影像分析任务并发送至第二服务器，即接收第一服务器发送的影像分析任务。其中，元数据可以包括：医疗检查信息、医学影像的参数信息、医疗机构信息等。其中，医学影像的参数信息可以包括图像存储地址、影像数量信息、影像质量信息、影像格式、影像获取方式等，在此不加以限制。进一步地，影像获取方式可以包括，基于ct设备、mr设备、pet设备等医学影像设备采集的影像。影像质量信息可以包括影像的分辨率等。影像格式可以包括dicom、nii等格式。
151.s104，根据目标影像地址信息，获取影像数据库中的目标图像；目标图像存储于第一服务器的影像数据库中。
152.具体地，在得到影像分析任务后，则可以根据影像分析任务中携带的目标影像地址信息，从第一服务器中的影像数据库中获取目标图像。
153.s106，对目标图像进行数据分析，得到影像分析结果。
154.具体地，当得到目标图像后，则可以采用目标算法对目标图像进行数据分析，得到影像分析结果。其中，影像分析结果可以包括分析结果摘要信息、分析状态信息、详细分析报告等。在此不加以限制。其中，目标算法可以为ai影像分析服务，典型地是某种基于ai的图像预处理、分析和推算算法服务。
155.在本实施例中，通过接收第一服务器发送的影像分析任务，根据目标影像地址信息，获取影像数据库中的目标图像，对目标图像进行数据分析，得到影像分析结果；其中，目标图像存储于第一服务器的影像数据库中；影像分析任务是获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求生成的任务；影像分析任务包括目标影像地址信息。能够根据影像分析任务主动从第一服务器中获取仅用于分析的目标图像，避免现有技术中将第一服务器的全部图像推送至第二服务器造成的信息冗余，由于仅获取部分相关图像信息，也进一步提高了其他数据的安全性，同时提高了整体图像分析的运行效率。
156.上述实施例对医学影像分析方法进行了说明，为了进一步确保目标图像的安全
性，避免因为第二服务器，即第三方平台的永久保存以实现一些信息泄露的问题，还可以在数据分析结束后的有效时长到达时，删除目标图像。现以一个实施例进行说明，在一个实施例中，如图11所示，影像分析任务中包括目标图像的存储有效时长；医学影像分析方法还包括：
157.s112，在得到影像分析结果后，对目标图像的存储时长进行统计。
158.s114，若目标图像的存储时长达到存储有效时长，则删除目标图像。
159.具体地，在得到影像分析结果后，对目标图像的存储时长进行统计，并在目标图像的存储时长达到影像分析任务中携带的存储有效时长，则删除目标图像。
160.可选地，也可以在影像分析任务结束时，删除目标图像。
161.在本实施例中，通过在得到影像分析结果后，对目标图像的存储时长进行统计，若目标图像的存储时长达到存储有效时长，则删除目标图像，能够进一步确保目标图像的安全性，避免因为第二服务器，即第三方平台的永久保存以实现一些信息泄露的问题。
162.为了便于本领域技术人员的理解，现以一个最落地的完整实施例对医学影像分析方法进一步说明。在一个实施例中，如图12所示，医学影像分析方法包括：
163.s10，请求人基于用户终端向第一服务器发送的针对目标用户的影像分析请求。
164.s20，第一服务器根据影像分析请求，获取影像数据库中影像数据对应的元数据；元数据包括医疗检查信息、医学影像的参数信息。
165.s30，第一服务器根据医学影像的参数信息和医疗检查信息，确定目标用户的医学影像是否满足算法分析需求。
166.s40，若目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过。
167.s50，第一服务器根据影像分析请求，获取用户权限信息。
168.s60，第一服务器根据用户权限信息和请求人权限信息，确定请求人的权限信息是否满足预设的影像分析权限需求。
169.s70，若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过。
170.s80，若影像分析权限验证通过且资源可用性验证通过时，根据目标用户的用户标识，查找任务数据库中目标用户对应的影像分析任务。
171.s90，若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息。
172.s100，若任务数据库中不存在影像分析任务，则根据影像分析请求从算法注册表中查找出目标算法。
173.s110，根据影像分析请求和目标算法，生成影像分析任务；影像分析任务包括目标影像地址信息。
174.s120，检测目标服务器对应的目标算法的剩余资源是否满足影像分析任务的运行资源条件。
175.s130，若剩余资源满足影像分析任务的运行资源条件，将影像分析任务发送至第二服务器中的目标服务器。
176.s140，第二服务器根据目标影像地址信息，获取影像数据库中的目标图像；目标图
像存储于第一服务器的影像数据库中。
177.s150，第二服务器对目标图像进行数据分析，得到影像分析结果、结果摘要信息和任务完成状态通知，并将结果摘要信息和/或任务完成状态通知发送至第一服务器。
178.s160，第一服务器将结果摘要信息和/或任务完成状态通知发送至用户终端。
179.s170，第二服务器在得到影像分析结果后，对目标图像的存储时长进行统计。
180.s180，第二服务器若目标图像的存储时长达到存储有效时长，则删除目标图像。
181.s190，用户终端接收到结果摘要信息和/或任务完成状态通知后，向第二服务器发送目标详细分析报告获取请求。
182.s200，第二服务器接收详细分析报告获取请求，并将目标详细分析报告发送值用户终端进行展示。
183.本实施例提供的医学影像分析方法，可以执行上述方法实施例，其实现原理，在此不再赘述。
184.在本实施例中，通过获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求，生成目标用户对应的包括目标影像地址信息影像分析任务，将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果。其中，目标图像存储于第一服务器的影像数据库中。能够实现在第二服务器(第三方)对目标用户的影像分析时能够保证目标用户的数据安全性。具体体现在：1、仅先发送影像分析任务到进行智能分析的目标服务器中，避免包括影像平台的第一服务器和集成了ai服务的第二服务器之间的强耦合。2、仅将影像分析任务发送到第二服务器对应目标服务器，避免目标服务器拿到所有的影像数据，以确保了目标用户的数据安全。3、仅发送影像分析任务，而不将所有图像推送至第二服务器中，避免了发送的数据冗余。4、由于将智能网关或者多个微服务集成于影像平台中，能够在现有影像平台上接入ai应用和服务，扩展影像平台的能力，而不用改变平台的现有数据存储方式，也不要求对ai算法的计算逻辑做任何修改。
185.应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
186.上述实施例对应用于第二服务器的医学影像分析方法进行了说明，该医学影像分析方法应用于医学影像分析系统中，如图13所示；该医学影像分析系统包括第一服务器131和第二服务器132；
187.第一服务器131，用于执行上述应用于第一服务器131中的医学影像分析方法的步骤；
188.第二服务器132，用于执行上述应用于第二服务器132中的医学影像分析方法的步骤。
189.本实施例提供的医学影像分析系统，可以执行上述方法实施例，其实现原理和技
术效果类似，在此不再赘述。其中，医学影像分析系统的结构示意图可参照图14所示。
190.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的应用于第一服务器中的医学影像分析方法的影像平台提供系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个影像平台提供系统实施例中的具体限定可以参见上文中对于医学影像分析方法的限定，在此不再赘述。
191.在一个实施例中，如图15所示，提供了一种影像平台提供系统，包括：
192.请求获取模块151，用于获取请求人基于用户终端发送的针对目标用户的影像分析请求；
193.任务生成模块152，用于根据影像分析请求，生成目标用户对应的影像分析任务；影像分析任务包括目标影像地址信息；
194.发送模块153，用于将影像分析任务发送至第二服务器中的目标服务器，以使目标服务器根据目标影像地址信息获取目标图像后，执行影像分析任务，得到影像分析结果；目标图像存储于第一服务器的影像数据库中。
195.本实施例提供的影像平台提供系统，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
196.在一个实施例中，影像平台提供系统，还包括：
197.元数据获取模块，用于根据影像分析请求，获取影像数据库中影像数据对应的元数据；
198.资源验证模块，用于对元数据进行资源可用性验证；
199.则任务生成模块，包括：
200.第一任务生成单元，用于若资源可用性验证通过时，根据影像分析请求，则生成目标用户对应的影像分析任务。
201.在一个实施例中，元数据包括医疗检查信息、医学影像的参数信息；资源验证模块，具体用于根据医学影像的参数信息和医疗检查信息，确定目标用户的医学影像是否满足算法分析需求；若目标用户的医学影像满足算法分析需求，则元数据的资源可用性验证通过。
202.在一个实施例中，任务生成模块，包括：
203.查找单元，用于根据影像分析请求从算法注册表中查找出目标算法；
204.第二生成单元，用于根据影像分析请求和目标算法，生成影像分析任务。
205.在一个实施例中，发送模块，包括：
206.检测单元，用于检测目标服务器对应的目标算法的剩余资源是否满足影像分析任务的运行资源条件；
207.发送单元，用于若剩余资源满足影像分析任务的运行资源条件，将影像分析任务发送至目标服务器。
208.在一个实施例中，影像分析请求包括请求人权限信息；医学影像分析系统，还包括：
209.权限获取模块，用于根据影像分析请求，获取用户权限信息；
210.权限确定模块，用于根据用户权限信息和请求人权限信息，确定请求人的权限信息是否满足预设的影像分析权限需求；
211.隐私验证模块，用于若请求人的权限信息满足预设的影像分析权限需求，则影像分析权限验证通过；
212.则资源验证模块，包括：
213.权限验证单元，用于若影像分析权限验证通过且资源可用性验证通过时，则生成目标用户对应的影像分析任务。
214.在一个实施例中，影像分析请求包括目标用户的用户标识；医学影像分析系统还包括：
215.任务查找模块，用于根据目标用户的用户标识，查找任务数据库中目标用户对应的影像分析任务；
216.第二发送模块，用于若任务数据库中存在影像分析任务，则向用户终端发送影像分析任务对应的分析结果摘要信息。
217.在一个实施例中，医学影像分析系统还包括：
218.通知接收模块，用于接收第二服务器在数据分析完毕后发送的结果摘要信息和/或任务完成状态通知；
219.通知发送模块，用于将结果摘要信息和/或任务完成状态通知发送至用户终端。
220.本实施例提供的影像平台提供系统，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
221.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的应用于第二服务器中的医学影像分析方法的影像分析服务系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个影像分析服务系统实施例中的具体限定可以参见上文中对于医学影像分析方法的限定，在此不再赘述。
222.在一个实施例中，如图16所示，影像分析服务系统包括：
223.接收模块161，用于接收第一服务器发送的影像分析任务；影像分析任务是获取请求人基于用户终端发送的针对目标用户的影像分析请求，根据影像分析请求生成的任务；影像分析任务包括目标影像地址信息；
224.图像获取模块162，用于根据目标影像地址信息，获取影像数据库中的目标图像；目标图像存储于第一服务器的影像数据库中；
225.分析模块163，用于对目标图像进行数据分析，得到影像分析结果。
226.本实施例提供的影像分析服务系统，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
227.在一个实施例中，影像分析任务中包括目标图像的存储有效时长；影像分析服务系统，还包括：
228.时长统计模块，用于在得到影像分析结果后，对目标图像的存储时长进行统计；
229.删除模块，用于若目标图像的存储时长达到存储有效时长，则删除目标图像。
230.本实施例提供的影像分析服务系统，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
231.上述影像平台提供系统、影像分析服务系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各
个模块对应的操作。
232.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图17所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储医学影像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医学影像分析方法。
233.本领域技术人员可以理解，图17中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
234.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一项实施例中医学影像分析方法的步骤。
235.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项实施例中医学影像分析方法的步骤。
236.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项实施例中医学影像分析方法的步骤。
237.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
238.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
239.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
240.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。