CN109978894A - 一种基于三维乳腺彩超的病变区域标注方法及系统 - Google Patents
一种基于三维乳腺彩超的病变区域标注方法及系统 Download PDFInfo
- Publication number
- CN109978894A CN109978894A CN201910236286.6A CN201910236286A CN109978894A CN 109978894 A CN109978894 A CN 109978894A CN 201910236286 A CN201910236286 A CN 201910236286A CN 109978894 A CN109978894 A CN 109978894A
- Authority
- CN
- China
- Prior art keywords
- markup information
- pathology
- frame
- doctor
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例提供的一种基于三维乳腺彩超的病变区域标注方法及系统,属于数据处理技术领域。该方法通过上传病人的三维乳腺彩超至服务器;获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。从而实现将彩超图像上的乳腺病变区域快捷、精确、有效地进行标注的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种基于三维乳腺彩超的病变区域标注方法及系统。
背景技术
乳腺癌现已成为女性恶性肿瘤之首,每年因为乳腺癌死亡的人数已超过50万,而且在全球范围内,乳腺癌的发病率及死亡率仍在逐渐升高。目前越来越多基于人工智能算法的乳腺癌检测系统获得了广泛的关注。然而,要想通过人工智能算法获得较准确的乳腺癌检测结果,首先需要构建规范化的乳腺大数据集。目前乳腺癌的检查方式多为乳腺彩超检查,每次检查都会有多张乳腺区域处的彩超图像,所以大部分的数据标注系统为二维图像上的肿块区域标记与定性。
目前主要的标注工具有:MIT团队开发的LabelMe图像标注系统,它能够在任意平台上快速安装,可移性强。同时能够对平面图像做多点标记,形成所需的矩形或多边形;Alberta大学团队开发的ByLabel图像和视频标注工具,它能够自动提取图形边缘,手动选取边缘并进行编组,再根据不同边缘之间的编组实现带孔洞等复杂目标的精确标注。
然而LabelMe主要针对单张图像进行标注,而三维彩超数据作为序列数据,连续帧图像前后关联性较大,需要反复浏览进行标注,LabelMe不能很好的满足这种标注需要;ByLabel虽然可以进行视频标注,但这是一种自动提取图像边缘的标注工具,在三维彩超数据图像中,病变区域边缘并不明显,可区分性弱,所以采用ByLabel得不到较为精确的标注结果。
发明内容
本发明实施例提供的一种基于三维乳腺彩超的病变区域标注方法及系统,可以解决现有技术中存在的无法精确地对乳腺病变可疑区域进行标注的技术问题。
本发明实施例提供的一种基于三维乳腺彩超的病变区域标注方法,应用于用户终端,所述方法包括:上传病人的三维乳腺彩超至服务器;获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
可选地,所述的获取医生根据所述病理描述对所述超声图像进行标注的标注信息,包括:获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。
可选地,所述的获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息,包括:获取医生输入的不规则标注指令;基于所述不规则标注指令采集所述医生在所述超声图像上进行的点击事件;根据所述点击事件生成不规则标注区域;根据所述不规则标注区域确定标注信息。
可选地,所述的获取医生根据所述病理描述对所述超声图像进行标注的标注信息,包括:获取医生根据所述病理描述对所述超声图像进行的规则标注的标注信息。
可选地,所述的在若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注之后,并在标注完成后上传目标标注信息至所述服务器,还包括:导出所述目标标注信息,保存为本地图片文件。
可选地,所述的根据所述标注信息确定是否存在跳帧,包括:根据所述标注信息确定多个切片编号;判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;若是,则判定为不存在跳帧。
本发明实施例提供的一种基于三维乳腺彩超的病变区域标注系统,应用于用户终端,所述系统包括:数据上传模块,用于上传三维乳腺彩超至服务器;数据获取模块,用于获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;标注模块,用于显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;跳帧检测模块,用于在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;跳帧处理模块,用于若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
可选地,所述标注模块还用于:显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。
可选地,所述跳帧检测模块还用于:根据所述标注信息确定多个切片编号;判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;若是,则判定为不存在跳帧。
可选地,在跳帧处理模块之后,还包括:数据导出模块;所述数据导出模块,用于导出所述目标标注信息,保存为本地图片文件。
上述本发明实施例提供的一种基于三维乳腺彩超的病变区域标注方法及系统,通过上传病人的三维乳腺彩超至服务器;获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。从而实现将彩超图像上的乳腺病变区域快捷、精确、有效地进行标注的技术效果。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的用户终端与服务器进行交互的示意图;
图2为本发明第一实施例提供的基于三维乳腺彩超的病变区域标注方法的流程图;
图3为本发明第二实施例提供的基于三维乳腺彩超的病变区域标注系统的功能模块示意图;
图4为本发明实施例提供的一种电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,是本发明较佳实施例提供的服务器与用户终端进行交互的示意图。所述服务器200通过网络300与一个或多个用户终端100进行通信连接,以进行数据通信或交互。所述服务器200可以是网络服务器、数据库服务器等。所述用户终端100可以是个人电脑(personal computer,PC)、平板电脑、智能手机、个人数字助理(personal digitalassistant,PDA)等。
第一实施例
请参阅图2,是本发明第一实施例提供的基于三维乳腺彩超的病变区域标注方法的流程图,该方法应用于用户终端。下面将对图2所示的具体流程进行详细阐述。
步骤S101,上传病人的三维乳腺彩超至服务器。
在实际使用中,三维乳腺彩超可以是通过彩超设备采集得到的,例如,彩超设备可以是自动乳腺容积扫描(automated breast volume scanner,ABVS)。
可选地,所述三维乳腺彩超以DCM格式上传至服务器。例如,管理员(可以是医生,也可以是医院指定的人员)点击用户终端的显示界面中的左侧的“上传DCM”按钮即可进入上传DCM功能界面。在DCM功能界面中,点击“上传DCM”按钮,会弹出上传文件对话框,管理员点击选择文件按钮,在弹出的文件浏览框中选中要上传的DCM文件,再点击上传按钮,用户终端就会将该文件上传到服务器。
在本实施例中,通过将三维乳腺彩超上传至服务器,极大提高灵活性,一旦有新的病例,就可以快速导入用户终端进行标注。
步骤S102,获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述。
其中,病人ID(Identification Identity,身份)是病人的唯一标识,例如,病人ID可以是病人的身份证号,也可以是社保卡号等。
可选地,服务器根据用户终端发送的预处理指令对所述三维乳腺彩超进行图像处理,以得到超声图像,病人ID、图像名称(viewName)等信息。
在实际使用中,管理员通过点击用户终端的显示界面中的“处理DCM按钮”,从而生成处理DCM指令,通过网络将该指令发送至服务器,从而使得服务器根据处理DCM指令对所述三维乳腺彩超进行图像处理,以得到超声图像,病人ID、图像名称(viewName)等信息。
可选地,在服务器得到超声图像,病人ID、图像名称(viewName)等信息后,还可以将超声图像,病人ID、图像名称(viewName)等信息存储在数据库中。
在本实施例中,病理描述包括病人ID、超声所见和结论。超声所见是指通过采集的三维乳腺彩超得到的结果,例如,左侧乳腺探及数个囊性暗区等信息,结论是指根据超声所见所得到的预测信息。其中,数据库中预先存储有多个超声所见的信息,以及每个超声所见所对应的结论,从而可以通过得到的超声所见查找到对应的结论。例如,针对每种病状都对应有超声所见和结论。例如,根据病人在医院的病理结果,通过python脚本处理,从病理结果中解析对应病人ID、超声所见和结论,再根据病人ID进行匹配并导入病例描述(超声所见和结论)。最终在用户终端的标注页面显示对应病人的病例描述。
在实际使用时,当标注者(医生)在用户终端上选择一例病例进行标注的时候,病理描述作为医生标注的参考资料,位于页面右端。每个病理描述与病人ID号一一对应,在进入用户终端内的标注页面时,根据病人ID号向服务器发送请求,查询对应的病理描述,服务器从数据库中匹配对应病人ID的病理描述并返回给用户终端的标注页面,最终在标注页面右端显示“超声所见”和“结论”,以供医生参考进行标注。
可选地,超声图像可以是冠状面图像、矢状面图像或横断面图像。
作为一种实施方式,当鼠标点击冠状面图像上某一坐标时,根据点击位置的二维坐标以及点击的图像切片编号得到横断面图像的二维坐标及图片切片编号,按切片编号向服务器请求该张图片,服务器返回后即可显示所述横断面图像,并调用canvas绘图工具同时在冠状面图像和横断面图像上以十字交叉线的形式绘制出点击位置。即在冠状面图像上进行点击时,会同时在该图像对应的横断面图像的同一位置处显示点击事件。
可选地,根据点击位置的二维坐标以及点击的图像切片编号得到横断面图像的二维坐标及图片切片编号,包括:根据冠状面图像的坐标以及预设的三维空间的像素间距确定横断面图像的二维坐标及图片切片编号。
举例来说,假设三个维度表示为(w,h,d),三个维度上的像素间距(w_s,h_s,d_s),冠状面坐标(x_c,y_c,z_c),x_c=w,y_c=h*h_s/w_s,z_c=d;x_c,y_c是冠状面图像上的二维坐标,z_c表示冠状面图像切片编号;横断面坐标(x_t,y_t,z_t),x_t=w,y_t=h,z_t=d*d_s/w_s;x_t,z_t是横断面图像上的二维坐标,y_t表示横断面图像切片编号。
可选地,若在显示横断面图像时,可以不进行标注,也可以进行标注。在此,不作具体限定。
步骤S103,显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息。
在本实施例中,可以对超声图像进行规则标注和不规则标注。
通过在用户终端上的标注页面右端显示所述病理描述中的“超声所见”和“结论”,并在其他区域显示超声图像,以供医生进行标注。
作为一种实施方式,获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。具体地,获取医生输入的不规则标注指令;基于所述不规则标注指令采集所述医生在所述超声图像上进行的点击事件;根据所述点击事件生成不规则标注区域;根据所述不规则标注区域确定标注信息。
作为另一种实施方式,获取医生根据所述病理描述对所述超声图像进行的规则标注的标注信息。
例如,在实际使用时,可以对显示的超声图像进行放大处理,得到放大后的图像,然后再获取医生根据所述病理描述对所述超声图像进行的规则标注的标注信息,如医生通过输入设备(如鼠标)在超声图像中点击鼠标左键拖动鼠标形成的红色矩形边框,从而圈出需要标记的病灶部分。又或者是获取医生输入的不规则标注指令;基于所述不规则标注指令采集所述医生在所述超声图像上进行的点击事件;根据所述点击事件生成不规则标注区域;根据所述不规则标注区域确定标注信息。如通过监测医生点击不规则标注按钮从而生成不规则标注指令,进而基于不规则标注指令监测医生通过连续单击鼠标描点构成闭合区域,闭合区域内即为不规则标注区域。例如,标注者能够根据包块的形状绘制所需的多边形来完成标注,形成更加精确的标注。标注者通过点击不规则标注按钮,进入不规则标注模式。对于标注者的每一次鼠标单击操作,用户终端会获取鼠标指针所在坐标,存入动态数组,并按照单击顺序,调用Canvas绘图工具以点连线将标注区域标记出来,即不规则标注区域。通过点击规则标注信息显示按钮,点击后可以显示规则标注产生的具体标注信息,或者是在点击不规则标记按钮后显示不规则标注产生的具体标注信息。
其中,标注信息包括但不限于切片编号、选框编号、操作、病灶编号和定性等。
例如,还可以在进行标注时,通过点击图片数据缓存图标,从而对标注好的超声图像进行缓存,以方便将来浏览。
可选地,如果此例病例存在大面积疑似病变区域,为了减少标注者的时间标注,通过监听医生点击的“是否存在大面积未标注区域的按钮”从而根据该事件显示存在大面积未标注区域,从而保留此病例以备日后使用但不再花费时间标记,在导出功能中有此标记的记录也不再导出。
可选地,标注页面中还设有为切片翻页按钮、当前切片序号、进度条、暂存按钮、提交按钮。
其中,标注者可以通过移动进度条快速定位到某一张彩超图像切片。标注者可以在标注未完成的情况下,将已标注的数据暂时保存并退出标注。当标注者完成标注之后选择提交标注结果,用户终端会对标注信息进行跳帧检查,防止在标注过程中的失误,在数据提交之后此例数据将无法再进行修改,若需要修改可以联系管理员,从而有效提高提交数据的准确性。
步骤S104,在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧。
其中,在将所述标注信息发送至所述服务器时即在执行如步骤S103中的提交按钮事件时,执行步骤S104。
可选地,根据所述标注信息确定多个切片编号;判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;若是,则判定为不存在跳帧。
举例来说,例如假设标注了编号为1的病灶中编号为7、9、10的切片,未标注该病灶中编号为8的切片。在提交时会对所有标注信息,以包块编号为单位分组,对每一个包块按帧数编号由小到大排序,检查是否存在编号增量大于1,若是即存在跳帧,系统会提示“存在跳帧”以及导致跳帧的切片编号,方便医生直接查找到遗漏的图像。从而避免医生在标注过程中因为失误产生漏标,例如对于一个病灶,在第7、9、10帧都进行了标注,但遗漏了第8帧,这就出现了不连续帧的标注情况,即“跳帧”情况。标注者在标注页面对一例病例完成所有标注之后,需要提交标注结果时,点击提交按钮,用户终端就会先对标注结果进行检查。服务器以病灶编号为单位,对每一个病灶进行检查。一个病灶标注的所有帧按帧编号由小到大排序,逐个检查编号增量,如果存在编号增量大于1的帧,例如8,11,相差大于1即证明在此处存在跳帧,否则不存在跳帧。服务器会返回跳帧检查结果,如果存在跳帧,会在页面弹出提示信息,描述在哪一帧产生了跳帧,医生确认后继续标注,如果不存在跳帧,就顺利提交标注结果。
步骤S105,若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
在一可能的实施例中,在步骤S105之后,还包括:导出所述目标标注信息,保存为本地图片文件。通过对已完成标注的数据进行导出,保存为本地图片文件形式的数据集,在对病例数据集另行存储的同时也为日后的研究和处理做准备。
本发明实施例提供的一种基于三维乳腺彩超的病变区域标注方法,通过上传病人的三维乳腺彩超至服务器;获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。从而实现将彩超图像上的乳腺病变区域快捷、精确、有效地进行标注的技术效果。
第二实施例
对应于第一实施例中的基于三维乳腺彩超的病变区域标注方法,图3示出了采用第一实施例所示的基于三维乳腺彩超的病变区域标注方法一一对应的基于三维乳腺彩超的病变区域标注系统。如图3所示,所述基于三维乳腺彩超的病变区域标注系统400应用于用户终端,所述基于三维乳腺彩超的病变区域标注系统400包括数据上传模块410、数据获取模块420、标注模块430、跳帧检测模块440和跳帧处理模块450。其中,数据上传模块410、数据获取模块420、标注模块430、跳帧检测模块440和跳帧处理模块450的实现功能与第一实施例中对应的步聚一一对应,为避免赘述,本实施例不一一详述。
数据上传模块410,用于上传三维乳腺彩超至服务器。
数据获取模块420,用于获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述。
标注模块430,用于显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息。
可选地,标注模块430还用于显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。
可选地,所述的获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息,包括:获取医生输入的不规则标注指令;基于所述不规则标注指令采集所述医生在所述超声图像上进行的点击事件;根据所述点击事件生成不规则标注区域;根据所述不规则标注区域确定标注信息。
可选地,标注模块430还用于显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行的规则标注的标注信息。
跳帧检测模块440,用于在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧。
可选地,跳帧检测模块440,用于在将所述标注信息发送至所述服务器时,根据所述标注信息确定多个切片编号;判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;若是,则判定为不存在跳帧。
跳帧处理模块450,用于若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
在一可能的实施例中,在跳帧处理模块450之后,三维乳腺彩超的病变区域标注系统400还包括:数据导出模块;所述数据导出模块,用于导出所述目标标注信息,保存为本地图片文件。
第三实施例
如图4所示,是终端设备300的示意图。所述终端设备300包括存储器302、处理器304以及存储在所述存储器302中并可在所述处理器304上运行的计算机程序303,所述计算机程序303被处理器304执行时实现第一实施例中的所述基于三维乳腺彩超的病变区域标注方法,为避免重复,此处不再赘述。或者,所述计算机程序303被处理器304执行时实现第二实施例所述基于三维乳腺彩超的病变区域标注系统中各步骤的功能,为避免重复,此处不再赘述。
示例性的,计算机程序303可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器302中,并由处理器304执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序303在终端设备300中的执行过程。例如,计算机程序303可以被分割成第二实施例中的数据上传模块410、数据获取模块420、标注模块430、跳帧检测模块440和跳帧处理模块450,各模块的具体功能如第一实施例或第二实施例所述,在此不一一赘述。
终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
其中,存储器302可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器302用于存储程序,所述处理器304在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的方法可以应用于处理器304中,或者由处理器304实现。
处理器304可能是一种集成电路芯片,具有信号的处理能力。上述的处理器304可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解的是,图4所示的结构仅为终端设备300的一种结构示意图,终端设备300还可以包括比图4所示更多或更少的组件。图4中所示的各组件可以采用硬件、软件或其组合实现。
第四实施例
本发明实施例还提供一种存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,所述计算机程序被处理器执行时实现第一实施例中的所述基于三维乳腺彩超的病变区域标注方法,为避免重复,此处不再赘述。或者,所述计算机程序被处理器执行时实现第二实施例所述基于三维乳腺彩超的病变区域标注系统中各模型/单元的功能,为避免重复,此处不再赘述。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现,基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种基于三维乳腺彩超的病变区域标注方法,其特征在于,应用于用户终端,所述方法包括:
上传病人的三维乳腺彩超至服务器;
获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;
显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;
在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;
若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
2.根据权利要求1所述的方法,其特征在于,所述的获取医生根据所述病理描述对所述超声图像进行标注的标注信息,包括:
获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。
3.根据权利要求2所述的方法,其特征在于,所述的获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息,包括:
获取医生输入的不规则标注指令;
基于所述不规则标注指令采集所述医生在所述超声图像上进行的点击事件;
根据所述点击事件生成不规则标注区域;
根据所述不规则标注区域确定标注信息。
4.根据权利要求1所述的方法,其特征在于,所述的获取医生根据所述病理描述对所述超声图像进行标注的标注信息,包括:
获取医生根据所述病理描述对所述超声图像进行的规则标注的标注信息。
5.根据权利要求1所述的方法,其特征在于,所述的在若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注之后,并在标注完成后上传目标标注信息至所述服务器,还包括:
导出所述目标标注信息,保存为本地图片文件。
6.根据权利要求1所述的方法,其特征在于,所述的根据所述标注信息确定是否存在跳帧,包括:
根据所述标注信息确定多个切片编号;
判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;
若是,则判定为不存在跳帧。
7.一种基于三维乳腺彩超的病变区域标注系统,其特征在于,应用于用户终端,所述系统包括:
数据上传模块,用于上传三维乳腺彩超至服务器;
数据获取模块,用于获取所述服务器根据所述三维乳腺彩超所返回的超声图像和病人ID以及病理描述;
标注模块,用于显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行标注的标注信息;
跳帧检测模块,用于在将所述标注信息发送至所述服务器时,根据所述标注信息确定是否存在跳帧;
跳帧处理模块,用于若存在跳帧,显示提示信息,以使所述医生根据所述提示信息继续标注,并在标注完成后上传目标标注信息至所述服务器。
8.根据权利要求7所述的系统,其特征在于,所述标注模块还用于:
显示所述病理描述以及所述超声图像,并获取医生根据所述病理描述对所述超声图像进行的不规则标注的标注信息。
9.根据权利要求7所述的系统,其特征在于,所述跳帧检测模块还用于:
根据所述标注信息确定多个切片编号;
判断所述多个切片编号中任意相邻两个所述切片编号之间的差值是否等于预设值;
若是,则判定为不存在跳帧。
10.根据权利要求7所述的系统,其特征在于,在跳帧处理模块之后,还包括:数据导出模块;
所述数据导出模块,用于导出所述目标标注信息,保存为本地图片文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910236286.6A CN109978894A (zh) | 2019-03-26 | 2019-03-26 | 一种基于三维乳腺彩超的病变区域标注方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910236286.6A CN109978894A (zh) | 2019-03-26 | 2019-03-26 | 一种基于三维乳腺彩超的病变区域标注方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978894A true CN109978894A (zh) | 2019-07-05 |
Family
ID=67080872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910236286.6A Pending CN109978894A (zh) | 2019-03-26 | 2019-03-26 | 一种基于三维乳腺彩超的病变区域标注方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978894A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091570A (zh) * | 2019-11-21 | 2020-05-01 | 招商银行股份有限公司 | 图像分割标注方法、装置、设备及存储介质 |
CN111324761A (zh) * | 2020-02-25 | 2020-06-23 | 平安科技(深圳)有限公司 | 图像标注管理方法、装置、计算机系统及可读存储介质名称 |
CN111938702A (zh) * | 2020-07-23 | 2020-11-17 | 上海市同仁医院 | 一种基于乳腺超声扫查的可视化随访系统及方法 |
CN112133411A (zh) * | 2020-09-09 | 2020-12-25 | 上海黛美医疗科技有限公司 | 一种图像处理系统及方法 |
CN113256605A (zh) * | 2021-06-15 | 2021-08-13 | 四川大学 | 一种基于深度神经网络的乳腺癌图像识别分类方法 |
CN113407980A (zh) * | 2021-08-18 | 2021-09-17 | 深圳市信润富联数字科技有限公司 | 数据标注系统 |
CN113689937A (zh) * | 2021-07-07 | 2021-11-23 | 阿里巴巴新加坡控股有限公司 | 图像标注方法、存储介质和处理器 |
CN114305505A (zh) * | 2021-12-28 | 2022-04-12 | 上海深博医疗器械有限公司 | 一种乳腺三维容积超声的ai辅助检测方法及系统 |
CN114637875A (zh) * | 2022-04-01 | 2022-06-17 | 联影智能医疗科技(成都)有限公司 | 一种医学图像标注方法、系统及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364288A (zh) * | 2018-03-01 | 2018-08-03 | 北京航空航天大学 | 用于乳腺癌病理图像的分割方法和装置 |
CN109215017A (zh) * | 2018-08-16 | 2019-01-15 | 腾讯科技(深圳)有限公司 | 图片处理方法、装置、用户终端、服务器及存储介质 |
CN109363699A (zh) * | 2018-10-16 | 2019-02-22 | 杭州依图医疗技术有限公司 | 一种乳腺影像病灶识别的方法及装置 |
-
2019
- 2019-03-26 CN CN201910236286.6A patent/CN109978894A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364288A (zh) * | 2018-03-01 | 2018-08-03 | 北京航空航天大学 | 用于乳腺癌病理图像的分割方法和装置 |
CN109215017A (zh) * | 2018-08-16 | 2019-01-15 | 腾讯科技(深圳)有限公司 | 图片处理方法、装置、用户终端、服务器及存储介质 |
CN109363699A (zh) * | 2018-10-16 | 2019-02-22 | 杭州依图医疗技术有限公司 | 一种乳腺影像病灶识别的方法及装置 |
Non-Patent Citations (1)
Title |
---|
XIAOFENG QI ET AL.: "Automated diagnosis of breast ultrasonography images using deep neural networks", 《MEDICAL IMAGE ANALYSIS》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091570A (zh) * | 2019-11-21 | 2020-05-01 | 招商银行股份有限公司 | 图像分割标注方法、装置、设备及存储介质 |
CN111324761A (zh) * | 2020-02-25 | 2020-06-23 | 平安科技(深圳)有限公司 | 图像标注管理方法、装置、计算机系统及可读存储介质名称 |
CN111324761B (zh) * | 2020-02-25 | 2023-10-13 | 平安科技(深圳)有限公司 | 图像标注管理方法、装置、计算机系统及可读存储介质 |
CN111938702A (zh) * | 2020-07-23 | 2020-11-17 | 上海市同仁医院 | 一种基于乳腺超声扫查的可视化随访系统及方法 |
CN112133411A (zh) * | 2020-09-09 | 2020-12-25 | 上海黛美医疗科技有限公司 | 一种图像处理系统及方法 |
CN113256605A (zh) * | 2021-06-15 | 2021-08-13 | 四川大学 | 一种基于深度神经网络的乳腺癌图像识别分类方法 |
CN113256605B (zh) * | 2021-06-15 | 2021-11-02 | 四川大学 | 一种基于深度神经网络的乳腺癌图像识别分类方法 |
CN113689937A (zh) * | 2021-07-07 | 2021-11-23 | 阿里巴巴新加坡控股有限公司 | 图像标注方法、存储介质和处理器 |
CN113407980A (zh) * | 2021-08-18 | 2021-09-17 | 深圳市信润富联数字科技有限公司 | 数据标注系统 |
CN114305505A (zh) * | 2021-12-28 | 2022-04-12 | 上海深博医疗器械有限公司 | 一种乳腺三维容积超声的ai辅助检测方法及系统 |
CN114305505B (zh) * | 2021-12-28 | 2024-04-19 | 上海深博医疗器械有限公司 | 一种乳腺三维容积超声的ai辅助检测方法及系统 |
CN114637875A (zh) * | 2022-04-01 | 2022-06-17 | 联影智能医疗科技(成都)有限公司 | 一种医学图像标注方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978894A (zh) | 一种基于三维乳腺彩超的病变区域标注方法及系统 | |
CN107895367B (zh) | 一种骨龄识别方法、系统及电子设备 | |
US20210224546A1 (en) | Image analysis method, microscope video stream processing method, and related apparatus | |
CN113678142A (zh) | 基于深度学习的经由回归层的实例分割训练 | |
CN108229341A (zh) | 分类方法和装置、电子设备、计算机存储介质、程序 | |
CN109117760B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN110175998A (zh) | 基于多尺度深度学习的乳腺癌图像识别方法、装置及介质 | |
CN108416379A (zh) | 用于处理宫颈细胞图像的方法和装置 | |
CN108171702A (zh) | 易损斑块识别方法、应用服务器及计算机可读存储介质 | |
CN109377441A (zh) | 具有隐私保护功能的舌像采集方法和系统 | |
CN112732975A (zh) | 一种对象追踪方法、装置、电子设备及系统 | |
CN111985197A (zh) | 一种基于医疗信息的模板生成方法 | |
CN114241358A (zh) | 基于数字孪生变电站的设备状态展示方法、装置和设备 | |
US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
CN110309774A (zh) | 虹膜图像分割方法、装置、存储介质及电子设备 | |
US20220358650A1 (en) | Systems and methods to process electronic images to provide localized semantic analysis of whole slide images | |
CN115861248A (zh) | 医学图像分割方法、医学模型训练方法、装置和存储介质 | |
Ma et al. | A light-weight context-aware self-attention model for skin lesion segmentation | |
CN105913024A (zh) | 基于lap算子的抵抗重放攻击的安卓手机终端检测方法 | |
CN109815793A (zh) | 微表情描述方法、装置、计算机装置及可读存储介质 | |
CN115908363A (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
Shi et al. | Detection and recognition of digital instrument in substation using improved YOLO-v3 | |
CN104423964A (zh) | 用于确定可视化的可信性的方法和系统 | |
WO2022197917A1 (en) | Apparatus and method for training of machine learning models using annotated image data for pathology imaging | |
EP4278299A1 (en) | Graph construction and visualization of multiplex immunofluorescence images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220719 |