[發(fā)明專利]一種小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110941761.7
• 申請日: 2021-08-17
• 公開（公告）號: CN113592029A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計）人: 韓芳;伍建林;于晶;張清;伍遠航;蔡兆誠;沈晶;崔兆國;么雨彤
• 申請（專利權(quán)）人: 大連大學(xué)附屬中山醫(yī)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G16H30/20
• 代理公司: 北京東方盛凡知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11562
• 代理人: 李娜

1.一種小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法,其特征在于，包括：

采集待標(biāo)注圖像，通過對所述待標(biāo)注圖像進行特征提取，獲得初始圖像數(shù)據(jù)集，并將所述初始圖像數(shù)據(jù)集按比例劃分為訓(xùn)練集和測試集；

構(gòu)建預(yù)標(biāo)注模型，將所述訓(xùn)練集作為所述預(yù)標(biāo)注模型的輸入，獲得預(yù)標(biāo)注結(jié)果；

構(gòu)建目標(biāo)標(biāo)簽分類模型，將所述預(yù)標(biāo)注結(jié)果作為所述目標(biāo)標(biāo)簽分類模型的輸入，獲得標(biāo)簽分類結(jié)果；

基于所述預(yù)標(biāo)注結(jié)果和所述標(biāo)簽分類結(jié)果確定所述待標(biāo)注圖像的標(biāo)注信息。

2.根據(jù)權(quán)利要求1所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

所述特征提取的特征類型包括：顏色直方圖、逐塊顏色矩、邊緣方向直方圖、顏色相關(guān)圖、臉部特征、小波紋理、基于SIFT描述詞袋。

3.根據(jù)權(quán)利要求1所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

在劃分所述訓(xùn)練集的過程中，通過構(gòu)建初始形狀標(biāo)記點的稠密線性回歸模型和稀疏線性回歸模型，獲得目標(biāo)形狀標(biāo)記點，基于所述目標(biāo)形狀標(biāo)記點，獲得形狀可變模型；

構(gòu)建初始形狀標(biāo)記區(qū)域的仿射變換模型，獲得目標(biāo)形狀標(biāo)記區(qū)域的紋理，基于所述目標(biāo)形狀標(biāo)記區(qū)域的紋理，獲得紋理可變模型；

基于所述待標(biāo)注圖像通過霍夫投票學(xué)習(xí)方法進行初始定位，根據(jù)所述形狀可變模型和所述紋理可變模型的平移參數(shù)、旋轉(zhuǎn)參數(shù)和縮放比參數(shù)的收斂性自動標(biāo)注圖像內(nèi)容，獲得所述訓(xùn)練集。

4.根據(jù)權(quán)利要求1所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

獲得所述預(yù)標(biāo)注結(jié)果還包括，確定所述預(yù)標(biāo)注結(jié)果的并交比值，基于所述并交比值獲得所述預(yù)標(biāo)注結(jié)果對應(yīng)的標(biāo)準標(biāo)簽分類結(jié)果；

基于所述預(yù)標(biāo)注結(jié)果以及所述預(yù)標(biāo)注結(jié)果對應(yīng)的標(biāo)準標(biāo)簽分類結(jié)果確定標(biāo)簽分類樣本數(shù)據(jù)；

基于所述標(biāo)簽分類樣本數(shù)據(jù)對初始標(biāo)簽分類模型進行訓(xùn)練，獲得所述目標(biāo)標(biāo)簽分類模型。

5.根據(jù)權(quán)利要求1所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

獲得所述預(yù)標(biāo)注結(jié)果具體通過用戶輸入的樣本標(biāo)注圖像的樣本預(yù)標(biāo)注信息，基于所述樣本預(yù)標(biāo)注信息確定所述預(yù)標(biāo)注結(jié)果；或者，基于所述預(yù)標(biāo)注模型輸出的待標(biāo)注圖像的預(yù)標(biāo)注結(jié)果，確定所述預(yù)標(biāo)注結(jié)果。

6.根據(jù)權(quán)利要求1所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

獲得所述標(biāo)簽分類結(jié)果之后，還包括：基于所述測試集和所述目標(biāo)標(biāo)簽分類模型，獲得所述標(biāo)簽分類結(jié)果對應(yīng)的驗證結(jié)果；

基于所述預(yù)標(biāo)注結(jié)果、所述標(biāo)簽分類結(jié)果以及所述標(biāo)簽分類結(jié)果對應(yīng)的驗證結(jié)果，確定所述待標(biāo)注圖像對應(yīng)的標(biāo)注信息。

7.根據(jù)權(quán)利要求6所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注方法，其特征在于，

還包括：基于所述驗證結(jié)果、所述標(biāo)簽分類結(jié)果以及所述預(yù)標(biāo)注結(jié)果，確定分類模型優(yōu)化樣本數(shù)據(jù)；基于所述分類模型優(yōu)化樣本數(shù)據(jù)對所述目標(biāo)標(biāo)簽分類模型進行優(yōu)化迭代訓(xùn)練。

8.一種小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注系統(tǒng)，其特征在于，包括：

圖像采集模塊，用于采集待標(biāo)注圖像，通過對所述待標(biāo)注圖像進行特征提取，獲得初始圖像數(shù)據(jù)集；

標(biāo)注處理模塊，與所述圖像采集模塊連接，用于獲得預(yù)標(biāo)注結(jié)果；

標(biāo)簽分類模塊，與所述標(biāo)注處理模塊連接，用于獲得標(biāo)簽分類結(jié)果；

標(biāo)注生成模塊，與所述標(biāo)簽分類模塊連接，用于根據(jù)所述預(yù)標(biāo)注結(jié)果和所述標(biāo)簽分類結(jié)果生成所述待標(biāo)注圖像的標(biāo)注信息。

9.根據(jù)權(quán)利要求8所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注系統(tǒng)，其特征在于，

所述特征提取的特征類型包括：顏色直方圖、逐塊顏色矩、邊緣方向直方圖、顏色相關(guān)圖、臉部特征、小波紋理、基于SIFT描述詞袋。

10.根據(jù)權(quán)利要求8所述的小樣本條件下醫(yī)學(xué)圖像自動標(biāo)注系統(tǒng)，其特征在于，

該系統(tǒng)還包括存儲模塊，所述存儲模塊分別與所述圖像采集模塊、所述標(biāo)注處理模塊、所述標(biāo)簽分類模塊、所述標(biāo)注生成模塊連接，用于存儲所述初始圖像數(shù)據(jù)集、所述預(yù)標(biāo)注結(jié)果、所述標(biāo)簽分類結(jié)果和所述待標(biāo)注圖像的標(biāo)注信息。