胸外科数据库的数据录入方法、管理系统、设备及介质与流程

本发明属于人工智能，涉及一种基于人工智能进行数据库管理的系统，尤其涉及一种采用ai技术进行数据导入的胸外科数据库的数据录入方法、管理系统、设备及介质。

背景技术：

1、近年来，随着信息技术飞速的发展，其大大加快了时代的发展进步，同时也给人们的生活、工作都带来了极大的便利。时代的高速发展对各项工作的工作效率的要求也越来越高。医院作为人们生活中不可缺少的一项公共服务，其工作机构庞大而复杂、人流量大、业务量大、医疗数据量极大。

2、医院除了具备疾病诊断与治疗等公共服务职能以外，其大多还具有医学研究的相关职能。在医学研究中，充分并且大量的数据支撑是辅助医学研究的十分重要的方面，而这些数据往往都是来源是医院的病患、来源于日常的诊疗记录。

3、目前，医院用以记录患者各种数据的方法主要还是使用his系统，受限于his系统的数据结构的特殊性，his系统的数据是很难直接拿来进行医学研究使用，这就往往需要研究人员将医学数据手动录入医学研究的相关数据库，比如使用excle软件录入数据。这种人工、手动的方式进行数据录入，需要人工操作，需要花费很多人力物力和财力，并且数据安全性往往也得不到保证，这些问题的存在都严重地制约着医学研究的工作效率，如何利用信息技术并设计一个大数据下的医院数据库管理系统就显得尤为重要，就能大大解决数据录入的问题。

4、申请号为202310246261.0的发明专利申请公开了一种基于人工智能扫描内窥影像样本库管理系统，其包括控制中心、样本存储数据库、样本提取模块、远程传输模块和样本数据调取模块，其中；所述控制中心用于控制基于人工智能扫描内窥影像样本库管理系统的运行；所述样本存储数据库用于存放多个样本及多个样本的信息数据，所述信息数据与对应的样本绑定；所述样本提取模块用于提取通过医院内窥系统获取的样本采集信息后输入到样本存储数据库内；所述远程传输模块用于在接收到样本的操作指令时，获取存储在样本存储数据库的样本信息；所述样本数据调取模块用于与外部人员进行人机交互，用于调取并显示出样本存储数据库内的样本及对应的信息数据。通过启动样本存储数据库和样本提取模块，使样本提取模块提取外部的内窥系统、his系统、lis系统和病理系统的样本的名称、样本的分类、样本的标记、患者信息、检验信息和病理号，然后传输至样本存储数据库内，之后样本存储数据库讲这些信息与其内存储的样本进行对应存储，不仅保存了样本数据，还保存了与样本数据相关联的其他数据，当作为权限用户的一声调取查看的时候，为了能更清楚直观的了解样本具体情况，采用样本提取模块功能，实现与外部系统之间的通信，使得样本数据相关联的其他数据也可以通过样本提取模块直接提取，相较于人工录入更加方便智能。

5、该样本库管理系统通过样本提取模块提取外部的内窥系统、his系统、lis系统和病理系统的样本的名称、样本的分类、样本的标记、患者信息、检验信息和病理号等数据，并传输至样本存储数据库内，相较于人工录入是更加智能一些。但是，这类采用样本提取模块从外部系统中提取样本数据的方法，其大多还是只能根据模块内设定的规则、逻辑进行数据识别、数据提取等处理，其智能性还是较弱，样本的筛查、识别能力较弱，样本数据录入不准确；而在人工智能技术快速发展的今天，更加有必要提供一种基于人工智能的数据库管理系统，通过人工智能的方式直接从外部系统中获取所需录入的样本数据。

技术实现思路

1、本发明的目的在于解决现有技术中在从外部系统中提取样本数据存在的样本数据录入不准确的技术问题，从而提供一种胸外科数据库的数据录入方法、管理系统、设备及介质，采用人工智能的方式从his系统等外部系统中导入数据本技术的数据库系统中，提高数据录入的准确性。

2、本发明为了实现上述目的具体采用以下技术方案：

3、一种胸外科数据库的数据录入方法，包括如下步骤：

4、步骤s1，建立数据库；

5、步骤s2，手动向数据库中录入初始数据，该初始数据作为训练样本；

6、步骤s3，搭建数据提取神经网络模型，并利用步骤s2中的初始数据对数据提取神经网络模型进行训练，得到成熟的数据提取神经网络模型；

7、步骤s4，成熟的数据提取神经网络模型读取并提取外部系统中的数据，并将提取的数据存入数据库中。

8、进一步地，步骤s2中，手工导入初始数据时，导入初始数据后产生审核任务，待审核任务通过后，初始数据才存入数据库。

9、进一步地，步骤s3中，数据提取神经网络模型为transformer网络模型，transformer网络模型包括transformer编码器、transformer解码器；

10、初始数据处理为编码形式后输入transformer编码器，transformer编码器输出的特征作为transformer解码器的输入，transformer解码器输出提取出来的关键字编码，并根据提取出来的关键字编码更新transformer网络模型的参数。

11、进一步地，数据提取神经网络模型训练时，数据提取神经网络模型的输出为数据中的关键字，关键字的键以数字形式进行编码，将关键字的对应文本转化为编码形式并计算交叉熵损失，训练采用的损失函数为交叉熵损失函数。

12、一种胸外科数据库管理系统，包括数据库、数据录入模块；

13、数据录入模块采用上述的胸外科数据库的数据录入方法将数据录入数据库。

14、进一步地，还包括肺部影像比对模块，肺部影像比对模块用于对肺部影像中的肺结节进行分割并对分割出来的肺结节进行比对。

15、进一步地，肺部影像比对模块包括：

16、样本数据获取模块，用于获取肺部图像样本数据，并对每张肺部图像样本数据进行肺结节轮廓标注，得到肺部图像样本数据的标签；

17、肺结节分割网络模型构建模块，用于构建肺结节分割网络模型，肺结节分割网络模型包括编码器、解码器，编码器包括由9个模块组成的u型结构，解码器包括由9个模块组成的u型结构，每个模块均由递归残差卷积层组成；

18、肺结节分割网络模型训练模块，用于利用样本数据获取模块获取的肺部图像样本数据及标签对肺结节分割网络模型构建模块构建的肺结节分割网络模型进行训练，得到成熟的肺结节分割网络模型；

19、肺结节实时分割模块，用于实时获取肺部图像，并将肺部图像输入肺结节分割网络模型训练模块得到的成熟的肺结节分割网络模型，肺结节分割网络模型输出分割结果；

20、肺结节比对模块，用于对分割出来的肺结节与以前的肺结节进行比对，并得出比对结果。

21、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法的步骤。

22、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述方法的步骤。

23、本发明的有益效果如下：

24、1、本发明中，采用人工智能的方法从外部系统中读取并提取外部系统中的数据，并将提取的数据存入数据库中，通过对神经网络模型进行训练，能够将数据准确的录入数据库中，大大提高数据录入的准确性；此外，通过人工智能的方式实现数据录入，其可以大量减少因手工录入数据产生的人力和时间资源消耗，大大提高数据录入数据库的效率，方便将更多的数据资源录入数据库并投入到临床医学研究中。

25、2、本发明中，在数据库管理系统中设置有肺部影像比对模块，用于对肺部影像中的肺结节进行分割并对分割出来的肺结节进行比对，能够及时知晓肺结节的前后变化情况。

26、3、本发明中，在肺结节的比对中，采用人工智能的方式对肺部图像中的肺结节进行分割，肺结节分割网络模型采用改进型的u-net网络，采用了基于u-net模型的递归残差卷积网络同时体系结构修改并扩展为双重u形网络，递归残差连接网络加深也不会梯度消失，以求达到精确的肺结节自动分割，从而可以获得更好的肺结节分割效果，提高肺结节自动分割的分割精度、分割效果。