[發(fā)明專利]面向深度學習的醫(yī)學影像標注方法及裝置

有效

• 申請?zhí)枺?/td>: 201911070252.0
• 申請日: 2019-11-05
• 公開（公告）號: CN110993064B
• 公開（公告）日: 2023-03-21
• 發(fā)明（設計）人: 宋美娜;鄂海紅;陸萌;柴文俊;康霄陽;王晴川;何佳雯;李峻迪;張如如;范家偉;陳正宇;劉毓;譚玲;謝曉璇;石珅達
• 申請（專利權）人: 北京郵電大學
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06V10/26;G06V10/764
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 石茵汀

本發(fā)明公開了一種面向深度學習的醫(yī)學影像標注方法及裝置，其中，方法包括以下步驟：對輸入的影像診斷報告、電子病歷信息與醫(yī)學影像進行預處理，生成包含醫(yī)學影像與抽取出的相關診斷信息的數據；基于深度學習對醫(yī)學影像進行預標注，其中，基于圖像語義分割技術對影像進行分割，得到各個病變區(qū)域的邊界范圍，對影像實現像素級分割標注，并基于圖像分類技術結合影像相關診斷信息對影像所屬的疾病類型進行分類標注；將預標注后的影像及相關診斷信息通過界面展示，以接收交互式指令，供醫(yī)生對預標注影像結果進行微調，并導出標注結果。該方法不僅提升了標注效率，同時保證了標注精度。

技術領域

本發(fā)明涉及影像標注技術領域，特別涉及一種面向深度學習的醫(yī)學影像標注方法及裝置。

背景技術

隨著醫(yī)學影像檢查設備的高速發(fā)展及PACS系統的廣泛應用，獲取并存儲了多種類醫(yī)學影像大數據，使基于人工智能的醫(yī)學影像分析成為當前研究熱點。近年來，人工智能算法被應用于醫(yī)學影像輔助診斷領域，并取得了多個令人矚目的成果。而有監(jiān)督的人工智能算法通常都需要大量已標注的數據進行訓練，如何高效地獲取大量高質量標注數據以供深度學習算法使用，是一個亟待解決的問題。

相關技術，(1)一種提取眼底圖像標注的方法及裝置。所述方法包括：依據第一設定閾值和第二設定閾值獲取所述眼底圖像中的各邊緣信息；獲取各邊緣信息所界定的至少一個目標區(qū)域；對屬于同一類的各所述目標區(qū)域進行擬合處理，以得到擬合區(qū)域；依據各所述擬合區(qū)域的長短半徑比或面積周長比、及各所述擬合區(qū)域中存在的嵌套擬合區(qū)域，從各所述擬合區(qū)域中選擇符合預設條件的至少一個目標擬合區(qū)域。該方法采用圖像處理算法獲取目標區(qū)域，標注準確度方面有所欠缺。

(2)一種圖像標注方法、裝置、計算機設備和可讀存儲介質。該方法可以包括：根據預先訓練的奇數個圖像標注模型，對同一張待標注圖像進行標注，獲取對應的奇數個第一標注圖像；所述圖像標注模型用于對圖像中的目標物體進行標注；根據所述奇數個第一標注圖像，確定所述待標注圖像的目標標注圖像。該方法僅僅基于圖像信息進行標注，未利用其它信息，信息利用不充分，若應用于醫(yī)學影像領域中，此法不符合實際診斷過程。

綜上，目前的醫(yī)學影像標注技術存在以下問題：(1)手工標注效率低，易出錯(2)自動標注準確度不能達到要求(3)信息利用不充分，不符合實際診斷過程，有待解決。

發(fā)明內容

本申請是基于發(fā)明人對以下問題的認識和發(fā)現做出的：

影像標注一般涉及兩類任務：影像分類任務與影像分割任務。影像分類標注是標注有病無病或病變類型與等級等，影像分割是標注影像中某個病變區(qū)域的邊界范圍。目前被廣泛采用的標注方法主要有兩種：一是手工標注，這種方法具有效率低，易出錯等缺點，另一種是使用圖像處理算法實現自動標注，由于語義鴻溝的存在，這種方法標注準確度不如人工方式，達不到深度學習訓練樣本的要求。同時，目前標注方案往往僅僅基于影像信息，未能充分利用已有診斷結果、病人病史等信息，致使信息利用不充分，不符合實際診斷過程。

本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發(fā)明的一個目的在于提出一種面向深度學習的醫(yī)學影像標注方法，該方法不僅提升了標注效率，同時保證了標注精度，從而有效解決了目前的醫(yī)學影像標注技術無法高效準確的得到標注信息、標注過程不符合實際診斷過程、未充分利用已有信息的問題。

本發(fā)明的另一個目的在于提出一種面向深度學習的醫(yī)學影像標注裝置。