Dela via

Översikt över DICOM-dataomvandling i vårddatalösningar

  • Artikel

Med funktionen DICOM-dataomvandling i vårddatalösningar kan du ta med dina DICOM-data (Digital Imaging and Communications in Medicine) till Fabric OneLake. Du kan mata in, lagra och analysera bildmetadata från olika modaliteter, till exempel röntgenstrålar, datortomografi (CT) och magnetisk resonanstomografi (MRI). Funktionen möjliggör samarbete, forskning och utveckling (FoU) och AI-innovation för olika användningsfall inom hälso- och sjukvård och biovetenskap. Den här integreringen mellan bilddata och kliniska data som lagras i FHIR-format (Fast Health Interoperability Resources) gör det möjligt för kliniker och forskare att tolka bildresultat i rätt klinisk kontext. Denna tolkning leder till högre diagnostisk noggrannhet, informativa kliniska beslut och förbättrade patientresultat.

Pipelines för hälso- och sjukvårdsdatalösningar möjliggör sömlös omvandling av DICOM-data (bildbehandling) till tabellformat som kan finnas kvar i sjön i FHIR-format (silver) och OMOP (Observational Medical Outcomes Partnership) (guld). De underlättar att utföra utforskande analyser och köra storskalig bildanalys och radiomik. Dataomvandlingsprocessen genom pipelinen för bildinmatning består av följande steg:

  1. Pipelinen tar emot och bevarar de råa DICOM-bildfilerna, som finns i det ursprungliga DCM-formatet, i bronssjöhuset.
  2. Sedan extraherar den DICOM-metadata (taggar) från bildfilerna och infogar dem i DICOM-metaarkivet bronsdatasjö för enkla frågor.
  3. Data DICOM metaarkivet konverteras till FHIR ImagingStudy deltatabell NDJSON-filer, lagrade i OneLake och omvandlade till relationsformat FHIR (silversjöhus).
  4. Slutligen omvandlas data till den Image_Occurrence deltatabell i OMOP-format (guldsjöhus).

Den här omvandlingen underlättar scenarier som:

  • Dela forskningsdatauppsättningar med rollbaserad åtkomstkontroll.
  • Avidentifiering av text- och avbildningsdata för forskning och samarbete.
  • Använda DICOM-data för att träna och validera maskininlärningsmodeller.
  • Använda DICOM-data för att genomföra kliniska studier, epidemiologiska analyser och utbildningsaktiviteter.

DICOM-dataomvandling av försäkringsdata (förhandsgranskning) är en valfri funktion under vårddatalösningar i Microsoft Fabric. Du har flexibiliteten att bestämma om du vill använda den eller inte, beroende på dina specifika behov eller scenarier.

Information om hur du utforskar den här funktionen och lär dig mer om distribution, konfiguration och användning finns i:

Konceptuell arkitektur

Som förklaras Dataarkitektur och hantering inom vårddatalösningar, förmågans grund ligger i medaljongens sjöhusarkitektur. Så här organiserar och bearbetar det här ramverket DICOM-data över de tre sjöhuslagren:

  • Brons: I det här första lagret lagras källavbildningsdata i det ursprungliga DICOM-formatet (DCM-filer) och ett metaarkiv som innehåller den fullständiga uppsättningen metadata (DICOM-taggar) som extraherats från DCM-filerna.

  • Silver: Silverlagret (baserat på FHIR-specifikationen) lagrar avbildningsmetadata som kommer från bronssjöhuset. Den lagrar också referensfillänkar till DCM-filplatserna i bronslagret. Bildmetadata och filreferenser lagras i deltatabellen ImagingStudy vars schema baseras på ett tillplattat format för ImagingStudy FHIR-resursen (R4.3).

  • Guld: Guldlagret (baserat på specifikationen OMOP) lagrar och omvandlar bilddata som kommer från deltatabellen silversjöhus ImagingStudy. Avbildningsmetadata och filreferenser lagras i guld deltatabellen Image_Occurrence vars schema baseras på den senaste utvecklingen av datastandardisering för bildbaserad observationsforskning. Mer information om den här standardiseringen finns i OMOP Common Data Model Extension för medicinska bilddata.

Information om hur DICOM-metadata omvandlas mellan olika sjöhus och granska omvandlingsmappningen finns i DICOM-metadataomvandling i lösningar för vårddatalösningar.