CN110675940A - 病理图像标注方法、装置、计算机设备及存储介质 - Google Patents
病理图像标注方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110675940A CN110675940A CN201910708215.1A CN201910708215A CN110675940A CN 110675940 A CN110675940 A CN 110675940A CN 201910708215 A CN201910708215 A CN 201910708215A CN 110675940 A CN110675940 A CN 110675940A
- Authority
- CN
- China
- Prior art keywords
- image
- format
- pathological
- preset
- region
- 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
- 230000001575 pathological effect Effects 0.000 title claims abstract description 192
- 238000002372 labelling Methods 0.000 title claims abstract description 95
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 24
- 238000013500 data storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007170 pathology Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术领域,提供了一种病理图像标注方法、装置、计算机设备及存储介质,所述病理图像标注方法包括:对获取到的病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;若图像格式为常规格式,则将常规格式对应的病理图像确定为感兴趣区域图像;若图像格式为目标格式,则将目标格式对应的病理图像进行降采样处理,得到感兴趣区域图像;接收操作用户的标注请求,并从预设类型库中获取标注请求对应的应用类型;将应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的描述信息对应的标注策略对感兴趣区域图像进行标注。从而实现对病理图像的准确标注,提高用户对病理图像进行标注的工作效率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种病理图像标注方法、装置、计算机设备及存储介质。
背景技术
目前市面上的标注工具,例如LabelMe等,都只是对常见格式的图像进行读取和标注,不能支持病理图像的解析和读取,比如ndpi、tif、oct等图像格式;由于很多AI模型处理的数据都是病理数据,传统的标注工具无法支持,且无法适应多样化的标注需求,导致用户无法正常对病理图像进行标注,进而影响用户的工作效率。
发明内容
本发明实施例提供一种病理图像标注方法、装置、计算机设备及存储介质,以解决无法对病理图像进行准确标注,影响用户工作效率的问题。
一种病理图像标注方法,包括:
从预设图像库中获取待标注的病理图像;
对所述病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;
若所述图像格式为所述常规格式,则将所述常规格式对应的病理图像确定为感兴趣区域图像;
若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像;
接收操作用户的标注请求,并从预设类型库中获取所述标注请求对应的应用类型;
将所述应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的所述描述信息对应的标注策略对所述感兴趣区域图像进行标注,其中,预设标注库中包含所述描述信息及所述描述信息对应的所述标注策略。
一种病理图像标注装置,包括:
第一获取模块,用于从预设图像库中获取待标注的病理图像;
识别模块,用于对所述病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;
常规格式模块,用于若所述图像格式为所述常规格式,则将所述常规格式对应的病理图像确定为感兴趣区域图像;
目标格式模块,用于若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像;
第二获取模块,用于接收操作用户的标注请求,并从预设类型库中获取所述标注请求对应的应用类型;
标注模块,用于将所述应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的所述描述信息对应的标注策略对所述感兴趣区域图像进行标注,其中,预设标注库中包含所述描述信息及所述描述信息对应的所述标注策略。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述病理图像标注方法的步骤。
一种计算机可读存储介质,所述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实现上述病理图像标注方法的步骤。
上述病理图像标注方法、装置、计算机设备及存储介质,通过对病理图像进行图像格式识别,根据图像格式确定感兴趣区域图像,接收操作用户的标注请求,并获取标注请求对应的应用类型,从预设标注库中选取与应用类型对应的标注策略对感兴趣区域图像进行标注。从而实现对病理图像的准确标注,通过识别图像格式可以有效针对不同格式的病理图像做降采样处理,避免后续无法直接对部分图像格式的病理图像进行准确标注,提高对病理图像进行标注的适用性,根据应用类型选取对应的标注策略可以保证对病理图像进行标注的准确性,进而提高操作用户对病理图像进行标注的工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的病理图像标注方法的流程图;
图2是图1中步骤S2的流程图;
图3是图1中步骤S4的流程图;
图4是图3中步骤S42的流程图;
图5是图4中步骤S422的流程图;
图6是本发明实施例提供的病理图像标注方法中对病理图像进行灰度化处理的流程图;
图7是本发明实施例提供的病理图像标注方法中对病理图像的标注信息进行保存的流程图;
图8是本发明实施例提供的病理图像标注装置的示意图;
图9是本发明实施例提供的计算机设备的基本机构框图。
具体实施方式
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。
本申请提供的病理图像标注方法应用于服务端,服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。在一实施例中,如图1所示,提供一种病理图像标注方法,包括如下步骤:
S1:从预设图像库中获取待标注的病理图像。
在本发明实施例中,通过对预设图像库进行检测,当检测到预设图像库中存在病理图像时,则直接对病理图像进行获取。其中,预设图像库是指专门用于存储病理图像的数据库。
S2:对病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像。
具体地,通过获取病理图像对应的文件拓展名,并利用文件拓展名与预设拓展名进行匹配的方式对图像格式进行识别,进而判断病理图像的图像格式为目标格式或是常规格式。
文件拓展名也称为文件的后缀名,是操作系统用来标志文件类型的一种机制。
预设拓展名是指根据用户需求设定的文件拓展名,其具体可以是ndpi的文件拓展名。
S3:若图像格式为常规格式,则将常规格式对应的病理图像确定为感兴趣区域图像。
在本发明实施例中,根据步骤S2对病理图像的图像格式进行识别,当识别到图像格式为常规格式时,则将该常规格式对应的病理图像确定为感兴趣区域图像。
需要说明的是,常规格式具体可以是指oct、tif的图像格式,也可以根据用户的实际需求进行设置,此处不做限制。
S4:若图像格式为目标格式,则将目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为感兴趣区域图像。
在本发明实施例中,根据步骤S2对病理图像的图像格式进行识别,当识别到图像格式为目标格式时,则对该目标格式对应的病理图像进行降采样处理,并将降采样处理后的病理图像确定为感兴趣区域图像。
优选地,在本实施例中,目标格式主要是指ndpi的图像格式。
S5:接收操作用户的标注请求,并从预设类型库中获取标注请求对应的应用类型。
具体地,当检测到用户从客户端中点击病理图像标注对应的标注请求时,获取该用户对应的标注请求,并从预设类型库中获取该标注请求对应的应用类型,其中,预设类型库是指专门用于存储标注请求及其标注请求对应的应用类型的数据库。
需要说明的是,标注请求对应的应用类型主要分为3种,分别为分类应用、检测应用和分割应用,其对应的标注请求分别为“分类”、“检测”和“分割”。
分类:是指对输入的某张图像的类别进行某种意义上分类。
检测:是指对输入的某张图像的某个区域画一个矩形框、圆形框等。
分割:是指对输入的某张图像的某个区域画一个自由笔封闭曲线。
S6:将应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的描述信息对应的标注策略对感兴趣区域图像进行标注,其中,预设标注库中包含描述信息及描述信息对应的标注策略。
具体地,将步骤S5获取到的应用类型对应的标注请求与预设标注库中的描述信息进行匹配,当标注请求与描述信息相同时,表示匹配成功,并选取该描述信息对应的标注策略对感兴趣区域图像进行标注。
需要说明的是,预设标注库中包含的描述信息分别为“分类”、“检测”和“分割”。
其中,描述信息为“分类”对应的标注策略为基于图像格式对感兴趣区域图像进行标注,若图像格式为常规格式,则直接对整个感兴趣区域图像标注预设标签信息;若图像格式为目标格式,则检测用户点击感兴趣区域图像上的相关区域,对用户所选区域进行标注预设标签信息。
预设标签信息具体可以是名词,也可以是符号,其具体的设置可以根据用户的实际需求进行设置。
需要说明的是,针对分类应用类型的感兴趣区域图像进行标注时,可以对感兴趣区域图像标注多个相同的预设标签信息,也可以对感兴趣区域图像标注多个不同的预设标签信息。
描述信息为“检测”对应的标注策略为获取预选框,根据检测用户在客户端上点击感兴趣区域图像上的相关区域,对用户所选区域进行标注预选框。其中,预选框具体可以是矩形框,也可以是圆形框,此处不做限制。
描述信息为“分割”对应的标注策略为获取预设自由笔工具,根据检测用户在客户端上点击感兴趣区域图像上的相关区域,通过预设自由笔工具对用户点击的区域坐标进行标注自由曲线。其中,预设自由笔工具主要是指用于对图像进行标注封闭曲线的工具。
进一步地,在对图像标注的过程中,还可以使用Qt框架中的对象QPainter的接口中的scale、setWorldMatrix、translate函数分别实现对图像的平移功能、旋转功能和缩放功能。
本实施例中,通过对病理图像进行图像格式识别,根据图像格式确定感兴趣区域图像,接收操作用户的标注请求,并获取标注请求对应的应用类型,从预设标注库中选取与应用类型对应的标注策略对感兴趣区域图像进行标注。从而实现对病理图像的准确标注,通过识别图像格式可以有效针对不同格式的病理图像做降采样处理,避免后续无法直接对部分图像格式的病理图像进行准确标注,提高对病理图像进行标注的适用性,根据应用类型选取对应的标注策略可以保证对病理图像进行标注的准确性,进而提高操作用户对病理图像进行标注的工作效率。
在一实施例中,如图2所示,步骤S2中,即对病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像包括如下步骤:
S21:从预设类型表中获取病理图像对应的文件拓展名。
在本发明实施例中,通过直接从预设类型表中获取病理图像对应的文件拓展名。其中,预设类型表是指专门用于存储病理图像对应的文件拓展名的数据表。
S22:将文件拓展名与预设拓展名进行比较。
具体地,将步骤S21获取到的文件拓展名与预设拓展名进行比较。
S23:若文件拓展名与预设拓展名不同,则将病理图像对应的图像格式确定为常规格式。
具体地,根据步骤S22将文件拓展名与预设拓展名进行比较的方式,若比较结果为文件拓展名与预设拓展名不同,则将该文件拓展名对应的病理图像的图像格式确定为常规格式。
例如,病理图像A对应的文件拓展名为oct,若预设拓展名为ndpi,将文件拓展名oct与预设拓展名ndpi进行比较,由于oct与ndpi不同,故将病理图像A的图像格式确定为常规格式。
S24:若文件拓展名与预设拓展名相同,则将病理图像对应的图像格式确定为目标格式。
具体地,根据步骤S22将文件拓展名与预设拓展名进行比较的方式,若比较结果为文件拓展名与预设拓展名相同,则将该文件拓展名对应的病理图像的图像格式确定为目标格式。
例如,病理图像B对应的文件拓展名为ndpi,若预设拓展名为ndpi,将文件拓展名ndpi与预设拓展名ndpi进行比较,由于都为ndpi,故将病理图像B的图像格式确定为目标格式。
本实施例中,通过获取病理图像对应的文件拓展名,并利用文件拓展名与预设拓展名进行比较的方式,确定常规格式或者目标格式的图像格式。从而实现对图像格式的准确识别,提高后续针对图像格式确定感兴趣区域图像的准确性。
在一实施例中,如图3所示,步骤S4中,即若图像格式为目标格式,则将目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为感兴趣区域图像包括如下步骤:
S41:若图像格式为目标格式,则对目标格式对应的病理图像进行降采样处理,得到缩略图像。
在本发明实施例中,若图像格式为目标格式,则将该目标格式对应的病理图像导入到预设降采样库中,并根据预设降采样系数,对病理图像进行降采样处理,得到处理后的缩略图像。其中,预设降采样库是指专门用于对病理图像进行降采样处理的数据库。预设降采样系数是按照用户实际需求进行设置的常数,该常数的取值范围为0~9。
需要说明的是,由于目标格式的病理图像存储空间比较大,一般都是几个G,不能一次性加载整张病理图像,故需要对目标格式的病理图像进行降采样处理,以便后续能够正常对病理图像中感兴趣区域的提取。
降采样处理是指针对一副N*M的图像,设定降采样系数k,从N*M的图像中每行每列每隔k个像素点取一个像素点组成一幅新的图像。
若针对病理图像预先设置10个降采样级别,即设置降采样系数0~9,其中,当降采样系数为0时,表示不对病理图像进行降采样处理,当降采样系数为9时,表示对病理图像进行最大程度的降采样处理。
需要说明的是,降采样系数k越大,对应的降采样率就越大,图像的尺寸大小就越小。
例如,若设置降采样系数为1,对病理图像进行降采样处理时,针对该病理图像中每行和每列的像素点,每间隔1个像素点取出一个像素点作为目标像素点,最终根据每个目标像素点组成一幅原病理图像对应的缩略图像。
S42:对缩略图像进行感兴趣区域提取,得到感兴趣区域图像。
具体地,将缩略图像导入到预设处理库中进行感兴趣区域提取,得到感兴趣区域提取后的感兴趣区域图像。其中,预设处理库是指专门用于对缩略图像进行感兴趣区域提取的处理库。
本实施例中,通过对目标格式的病理图像进行降采样处理得到缩略图像,并对缩略图像进行感兴趣区域提取得到感兴趣区域图像。从而实现对目标格式对应的感兴趣区域图像的准确获取,保证后续对感兴趣区域图像进行标注的准确性。
在一实施例中,如图4所示,步骤S42中,即对缩略图像进行感兴趣区域提取,得到感兴趣区域图像包括如下步骤:
S421:获取预设感兴趣区域参数。
在本发明实施例中,预设感兴趣区域参数是指根据用户从缩略图像中选定的部分区域图像对应的参数。通过从参数数据库中直接对预设感兴趣区域参数进行获取。其中,参数数据库是指专门用于存储预设感兴趣区域参数的数据库。
预设感兴趣区域参数包括感兴趣区域的坐标点以及感兴趣区域对应的长度和宽度。
例如,可以通过调用OpenSlide库中的读取接口对用户选定的部分区域图像进行读取,指定缩略图像中起始点的X、Y坐标和宽高,以获取感兴趣区域参数。
S422:根据预设感兴趣区域参数生成图像掩膜。
在本发明实施例中,图像掩膜是指用选定的图像、图形或物体、对待处理的图像进行遮挡来控制图像处理的区域。将预设感兴趣区域参数导入到预设处理库中进行图像掩模生成处理,得到预设感兴趣区域参数对应的图像掩模。
其中,预设处理库是指专门用于图像掩模生成处理的数据库。
S423:将图像掩膜与缩略图像进行与运算,得到感兴趣区域图像。
具体地,根部步骤S422得到的图像掩膜,将该图像掩膜中每个像素点的像素值与缩略图像中对应相同位置的像素点的像素值进行相乘,并根据相乘结果得到每个像素点的像素值,得到新的图像,将该新的图像作为感兴趣区域图像。
例如,缩略图像中存在9个像素点,其对应的像素点的坐标分别为A(0,0)、A1(0,1)、A2(0,2)、B(1,0)、B1(1,1)、B2(1,2)、C(2,0)、C1(2,1)和C2(2,2),对应的像素值分别为90、0、23、90、50、22、23、255和89,其中感兴趣区域的像素点分别为A、A1、B和B1;图像掩膜中存在与缩略图像相同位置的9个像素点,其对应的像素点的坐标分别为Q(0,0)、Q1(0,1)、Q2(0,2)、W(1,0)、W1(1,1)、W2(1,2)、E(2,0)、E1(2,1)和E2(2,2),由于缩略图像中感兴趣区域的像素点分别为A、A1、B和B1,图像掩膜中与其对应的相同位置的像素点分别为Q、Q1、W和W1,故Q、Q1、W和W1对应的像素值都为1,Q2、W2、E、E1和E2对应的像素值都为0,将图像掩膜中每个像素点的像素值与缩略图像中对应相同位置的像素点的像素值进行相乘,得到坐标(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)、(2,0)、(2,1)和(2,2)对应的像素值分别为,90、0、0、90、50、0、0、0和0,该像素点对应的像素值的图像即为感兴趣区域图像。
本实施例中,根据预设感兴趣区域参数生成图像掩膜,并利用图像掩模与缩略图像进行计算得到感兴趣区域图像。从而实现对感兴趣区域图像的准确获取,保证后续对感兴趣区域图像进行标注的准确性。
在一实施例中,如图5所示,步骤S422中,即根据预设感兴趣区域参数生成图像掩膜包括如下步骤:
S4221:根据预设感兴趣区域参数确定缩略图像中感兴趣区域和非感兴趣区域的像素点的坐标参数,其中,缩略图像包含感兴趣区域和非感兴趣区域。
在本发明实施例中,缩略图像由像素点构成,且每个像素点对应一个坐标点,由于预设感兴趣区域参数包括感兴趣区域的坐标点,将缩略图像中与预设感兴趣区域参数相同的坐标点组成的区域确定为缩略图像的感兴趣区域,并确定缩略图像的感兴趣区域中的坐标点,即确定感兴趣区域的像素点的坐标参数;将缩略图像中与预设感兴趣区域参数不同的坐标点组成的区域确定为缩略图像的非感兴趣区域,并确定缩略图像中的非感兴趣区域中的坐标点,即确定非感兴趣区域的像素点的坐标参数。
例如,缩略图像由6个像素点A、B、C、D、E、F构成,且每个像素点对应的坐标点分别为(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2),预设感兴趣区域参数包含的感兴趣区域的坐标点分别为(0,0)、(0,1)、(0,2),将缩略图像中与预设感兴趣区域参数相同的坐标点组成的区域确定为缩略图像的感兴趣区域,即缩略图像中的感兴趣区域由像素点A、B、C构成,对应的坐标参数为(0,0)、(0,1)、(0,2);将缩略图像中与预设感兴趣区域参数不同的坐标点组成的区域确定为缩略图像的非感兴趣区域,即缩略图像中的感兴趣区域由像素点D、E、F构成,对应的坐标参数为(1,0)、(1,1)、(1,2)。
S4222:通过预设端口生成与坐标参数相同的图像模板,其中,图像模板包含感兴趣区域的目标像素点和非感兴趣区域的普通像素点。
在本发明实施例中,基于步骤S4221中缩略图像的感兴趣区域和非感兴趣区域的像素点的坐标参数,通过预设端口生成与该坐标参数相同的图像模板,并且将该图像模板中与感兴趣区域的坐标参数相同的像素点确定为目标像素点,将该图像模板中与非感兴趣区域的坐标参数相同的像素点确定为普通像素点。
其中,预设端口是指专门用于生成图像模板的处理端口。
S4223:将图像模板中的目标像素点和普通像素点的像素值分别设置为预设目标值和预设普通值,以设置后的图像模板作为图像掩模。
具体地,根据步骤S4222得到图像模板中的目标像素点和普通像素点,将目标像素点的像素值设置为预设目标值,将普通像素点的像素值设置为预设普通值,并在图像模板中的所有目标像素点和普通像素点的像素值设置完成后,将该图像模板确定为图像掩模。
其中,预设目标值是指根据用户需求设置用于相对普通像素点的颜色凸显目标像素点的颜色的数值,例如具体可以为0。
预设普通值是指根据用户需求设置用于相对目标像素点的颜色凸显普通像素点的颜色的数值,例如具体可以为255。
需要说明的是,由于图像掩膜是基于缩略图像的坐标参数生成,故图像掩膜中的像素点与缩略图像中的像素点相互对应。
进一步地,由于图像掩模中的像素点的像素值主要为预设目标值或预设普通值,后续利用图像掩膜与缩略图像进行与运算时,主要利用图像掩膜中像素点的像素值与缩略图像中像素点的像素值进行相乘。
本实施例中,根据缩略图的坐标参数生成对应的图像模板,并对图像模板中的像素点的像素值进行设置得到图像掩模。从而实现对图像掩模的准确获取,保证后续利用图像掩模进行运算的准确性,进一步保证对病理图像标准的准确性。
在一实施例中,如图6所示,步骤S4之后,步骤S5之前,该病理图像标注方法还包括如下步骤:
S71:对病理图像中的像素点进行遍历,获取每个像素点的RGB分量值。
具体地,按照预设的遍历方式对病理图像中的像素点进行遍历,获取每个像素点的RGB分量值,其中,R、G、B分别代表红、绿、蓝三个通道的颜色。
其中,预设的遍历方式具体可以是以病理图像的左上角像素点为起点,从上往下从左往右的顺序进行逐行遍历,也可以是从病理图像的中线位置同时向两边遍历,还可以是其他遍历方式,此处不做限制。
S72:根据像素点的RGB分量值,按照如下公式对病理图像作灰度化处理:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y) 公式(1)
其中,x和y为病理图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为像素点(x,y)的R通道的颜色分量,G(x,y)为像素点(x,y)的G通道的颜色分量,B(x,y)为像素点(x,y)的B通道的颜色分量,k1、k2和k3都为常数。
在本发明实施例中,为了实现对病理图像中信息内容的准确提取,首先需要对病理图像进行灰度化处理,其中,k1,k2和k3的参数值可以根据实际应用的需要进行设置,此处不做限制,通过调节k1,k2,k3的取值范围可以分别对R通道,G通道和B通道的占比进行调整。
RGB模型是目前常用的一种彩色信息表达方式,它使用红、绿、蓝三原色的亮度来定量表示颜色。该模型也称为加色混色模型,是以RGB三色光互相叠加来实现混色的方法,因而适合于显示器等发光体的显示。
灰度化是指在RGB模型中,如果R=G=B时,则色彩表示只有一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度化图像每个像素只需一个字节存放灰度值,灰度范围为0-255。
需要说明的是,在本发明实施例中,通过公式(1)对病理图像进行加权计算灰度值,在其他实施例中还可以采用分量法、最大值法或者平均值法对病理图像进行灰度化处理,此处不做限制。
本实施例中,通过遍历病理图像中的像素点并获取对应像素点的RGB分量值,根据获取到的每个像素点的RGB分量值,利用公式(1)对病理图像进行灰度化处理,从而实现将病理图像中像素点的像素值范围设定在0-255之间,进一步减少病理图像的原始数据量,提高在后续处理计算中的计算效率。
在一实施例中,如图7所示,步骤S6之后,该病理图像标注方法还包括如下步骤:
S81:从预设用户库中获取操作用户的用户类型。
在本发明实施例中,用户类型主要为注册用户和匿名用户,操作用户在客户端中对病理图像进行标注前,需要以注册用户的身份或者以匿名用户的身份进行登陆。通过直接从预设用户库获取操作用户的用户类型。其中,预设用户库是指专门用于存储操作用户的用户类型的数据库。
S82:对用户类型的数据保存请求进行权限判断,获取拥有数据保存请求权限的目标用户。
在本发明实施例中,注册用户有专门的用户数据库为其保存对病理图像进行标注的数据,可以在客户端中进行病理图像数据的保存。匿名用户在客户端中进行标注的数据只做临时保存,无法在客户端中进行病理图像数据的保存。
具体地,根据步骤S81获取操作用户对应的用户类型,若用户类型为注册用户,则表示该用户类型拥有数据保存请求的权限,若用户类型为匿名用户,则表示该用户类型未拥有数据保存请求的权限,并将注册用户确定为目标用户。
需要说明的是,注册用户包含其对应的id。
S83:接收目标用户发送的数据保存请求,并将目标用户对病理图像的标注信息保存到用户数据库。
具体地,当检测到目标用户在客户端发送的数据保存请求时,根据注册用户包含的id,利用该id与预设存储库中的库id进行匹配,将匹配成功的存储库确定为用户数据库,并将目标用户在客户端中对病理图像的标注信息保存到用户数据库。
其中,预设存储库是指专门用于保存存储库及存储库对应的库id。
本实施例中,根据用户类型对数据保存请求进行权限判断,将拥有数据保存请求权限的操作用户确定为目标用户,并将目标用户对病理图像的标注信息保存到用户数据库。从而实现对目标用户数据的存储处理,保证目标用户对病理图像标注数据进行存储的安全性,便于目标用户调用病理图像的标注数据,进而提高目标用户的工作效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种病理图像标注装置,该病理图像标注装置与上述实施例中病理图像标注方法一一对应。如图8所示,该病理图像标注装置包括第一获取模块81、识别模块82、常规格式模块83、目标格式模块84、第二获取模块85和标注模块86。各功能模块详细说明如下:
第一获取模块81,用于从预设图像库中获取待标注的病理图像;
识别模块82,用于对病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;
常规格式模块83,用于若图像格式为常规格式,则将常规格式对应的病理图像确定为感兴趣区域图像;
目标格式模块84,用于若图像格式为目标格式,则将目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为感兴趣区域图像;
第二获取模块85,用于接收操作用户的标注请求,并从预设类型库中获取标注请求对应的应用类型;
标注模块86,用于将应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的描述信息对应的标注策略对感兴趣区域图像进行标注,其中,预设标注库中包含描述信息及描述信息对应的标注策略。
进一步地,识别模块82包括:
第三获取子模块,用于从预设类型表中获取病理图像对应的文件拓展名;
比较子模块,用于将文件拓展名与预设拓展名进行比较;
比较不同子模块,用于若文件拓展名与预设拓展名不同,则将病理图像对应的图像格式确定为常规格式;
比较相同子模块,用于若文件拓展名与预设拓展名相同,则将病理图像对应的图像格式确定为目标格式。
进一步地,目标格式模块84包括:
降采样子模块,用于若图像格式为目标格式,则对目标格式对应的病理图像进行降采样处理,得到缩略图像;
提取子模块,用于对缩略图像进行感兴趣区域提取,得到感兴趣区域图像。
进一步地,提取子模块包括:
第四获取单元,用于获取预设感兴趣区域参数;
图像掩模生成单元,用于根据预设感兴趣区域参数生成图像掩膜;
运算单元,用于将图像掩膜与缩略图像进行与运算,得到感兴趣区域图像。
进一步地,生成单元包括:
坐标确定子单元,用于根据预设感兴趣区域参数确定缩略图像中感兴趣区域和非感兴趣区域的像素点的坐标参数,其中,缩略图像包含感兴趣区域和非感兴趣区域;
图像模板生成子单元,用于通过预设端口生成与坐标参数相同的图像模板,其中,图像模板包含感兴趣区域的目标像素点和非感兴趣区域的普通像素点;
图像掩模确定子单元,用于将图像模板中的目标像素点和普通像素点的像素值分别设置为预设目标值和预设普通值,以设置后的图像模板作为图像掩模。
进一步地,病理图像标注装置还包括:
遍历模块,用于对病理图像中的像素点进行遍历,获取每个像素点的RGB分量值;
灰度化计算模块,用于根据像素点的RGB分量值,按照如下公式对病理图像作灰度化处理:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y) 公式(1)
其中,x和y为病理图像中每个像素点的横坐标和纵坐标,g(x,y)为像素点(x,y)灰度化处理后的灰度值,R(x,y)为像素点(x,y)的R通道的颜色分量,G(x,y)为像素点(x,y)的G通道的颜色分量,B(x,y)为像素点(x,y)的B通道的颜色分量,k1、k2和k3都为常数。
进一步地,病理图像标注装置还包括:
第五获取模块,用于从预设用户库中获取操作用户的用户类型;
权限判断模块,用于对用户类型的数据保存请求进行权限判断,获取拥有数据保存请求权限的目标用户;
保存模块,用于接收目标用户发送的数据保存请求,并将目标用户对病理图像的标注信息保存到用户数据库。
本申请的一些实施例公开了计算机设备。具体请参阅图9,为本申请的一实施例中计算机设备90基本结构框图。
如图9中所示意的,所述计算机设备90包括通过系统总线相互通信连接存储器91、处理器92、网络接口93。需要指出的是,图9中仅示出了具有组件91-93的计算机设备90,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备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。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器91至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器91可以是所述计算机设备90的内部存储单元,例如该计算机设备90的硬盘或内存。在另一些实施例中,所述存储器91也可以是所述计算机设备90的外部存储设备,例如该计算机设备90上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器91还可以既包括所述计算机设备90的内部存储单元也包括其外部存储设备。本实施例中,所述存储器91通常用于存储安装于所述计算机设备90的操作系统和各类应用软件,例如所述病理图像标注方法的程序代码等。此外,所述存储器91还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器92在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器92通常用于控制所述计算机设备90的总体操作。本实施例中,所述处理器92用于运行所述存储器91中存储的程序代码或者处理数据,例如运行所述病理图像标注方法的程序代码。
所述网络接口93可包括无线网络接口或有线网络接口,该网络接口93通常用于在所述计算机设备90与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有病理图像数据信息录入程序,所述病理图像数据信息录入程序可被至少一个处理器执行,以使所述至少一个处理器执行上述任意一种病理图像标注方法的步骤。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台计算机设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
最后应说明的是,显然以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种病理图像标注方法,其特征在于,所述病理图像标注方法包括:
从预设图像库中获取待标注的病理图像;
对所述病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;
若所述图像格式为所述常规格式,则将所述常规格式对应的病理图像确定为感兴趣区域图像;
若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像;
接收操作用户的标注请求,并从预设类型库中获取所述标注请求对应的应用类型;
将所述应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的所述描述信息对应的标注策略对所述感兴趣区域图像进行标注,其中,预设标注库中包含所述描述信息及所述描述信息对应的所述标注策略。
2.如权利要求1所述的病理图像标注方法,其特征在于,所述对所述病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像的步骤包括:
从预设类型表中获取所述病理图像对应的文件拓展名;
将所述文件拓展名与预设拓展名进行比较;
若所述文件拓展名与所述预设拓展名不同,则将所述病理图像对应的所述图像格式确定为常规格式;
若所述文件拓展名与所述预设拓展名相同,则将所述病理图像对应的所述图像格式确定为目标格式。
3.如权利要求1所述的病理图像标注方法,其特征在于,所述若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像的步骤包括:
若所述图像格式为所述目标格式,则对所述目标格式对应的病理图像进行降采样处理,得到缩略图像;
对所述缩略图像进行感兴趣区域提取,得到所述感兴趣区域图像。
4.如权利要求3所述的病理图像标注方法,其特征在于,所述对所述缩略图像进行感兴趣区域提取,得到所述感兴趣区域图像的步骤包括:
获取预设感兴趣区域参数;
根据所述预设感兴趣区域参数生成图像掩膜;
将所述图像掩膜与所述缩略图像进行与运算,得到所述感兴趣区域图像。
5.如权利要求4所述的病理图像标注方法,其特征在于,根据所述预设感兴趣区域参数生成图像掩膜的步骤包括:
根据所述预设感兴趣区域参数确定所述缩略图像中感兴趣区域和非感兴趣区域的像素点的坐标参数,其中,所述缩略图像包含所述感兴趣区域和所述非感兴趣区域;
通过预设端口生成与所述坐标参数相同的图像模板,其中,所述图像模板包含所述感兴趣区域的目标像素点和所述非感兴趣区域的普通像素点;
将所述图像模板中的所述目标像素点和所述普通像素点的像素值分别设置为预设目标值和预设普通值,以设置后的图像模板作为所述图像掩模。
6.如权利要求1-5任意一项所述的病理图像标注方法,其特征在于,所述若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像的步骤之后,所述接收操作用户的标注请求,并从预设类型库中获取所述标注请求对应的应用类型的步骤之前,所述病理图像标注方法还包括:
对所述病理图像中的像素点进行遍历,获取每个所述像素点的RGB分量值;
根据所述像素点的RGB分量值,按照如下公式对所述病理图像作灰度化处理:
g(x,y)=k1*R(x,y)+k2*G(x,y)+k3*B(x,y)
其中,x和y为所述病理图像中每个所述像素点的横坐标和纵坐标,g(x,y)为所述像素点(x,y)灰度化处理后的灰度值,R(x,y)为所述像素点(x,y)的R通道的颜色分量,G(x,y)为所述像素点(x,y)的G通道的颜色分量,B(x,y)为所述像素点(x,y)的B通道的颜色分量,k1、k2和k3都为常数。
7.如权利要求1-5任意一项所述的病理图像标注方法,其特征在于,所述将所述应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的所述描述信息对应的标注策略对所述感兴趣区域图像进行标注的步骤之后,所述病理图像标注方法还包括:
从预设用户库中获取所述操作用户的用户类型;
对所述用户类型的数据保存请求进行权限判断,获取拥有数据保存请求权限的目标用户;
接收所述目标用户发送的数据保存请求,并将所述目标用户对所述病理图像的标注信息保存到用户数据库。
8.一种病理图像标注装置,其特征在于,所述病理图像标注装置包括:
第一获取模块,用于从预设图像库中获取待标注的病理图像;
识别模块,用于对所述病理图像进行图像格式识别,判断是目标格式的病理图像还是常规格式的病理图像;
常规格式模块,用于若所述图像格式为所述常规格式,则将所述常规格式对应的病理图像确定为感兴趣区域图像;
目标格式模块,用于若所述图像格式为所述目标格式,则将所述目标格式对应的病理图像进行降采样处理,以降采样处理后的病理图像作为所述感兴趣区域图像;
第二获取模块,用于接收操作用户的标注请求,并从预设类型库中获取所述标注请求对应的应用类型;
标注模块,用于将所述应用类型与预设标注库中的描述信息进行匹配,选取匹配成功的所述描述信息对应的标注策略对所述感兴趣区域图像进行标注,其中,预设标注库中包含所述描述信息及所述描述信息对应的所述标注策略。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述病理图像标注方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述病理图像标注方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708215.1A CN110675940A (zh) | 2019-08-01 | 2019-08-01 | 病理图像标注方法、装置、计算机设备及存储介质 |
PCT/CN2019/116925 WO2021017272A1 (zh) | 2019-08-01 | 2019-11-10 | 病理图像标注方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708215.1A CN110675940A (zh) | 2019-08-01 | 2019-08-01 | 病理图像标注方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110675940A true CN110675940A (zh) | 2020-01-10 |
Family
ID=69068837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910708215.1A Pending CN110675940A (zh) | 2019-08-01 | 2019-08-01 | 病理图像标注方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110675940A (zh) |
WO (1) | WO2021017272A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111709436A (zh) * | 2020-05-21 | 2020-09-25 | 浙江康源医疗器械有限公司 | 一种医学影像轮廓的标记方法及系统、分类方法及系统 |
CN111753661A (zh) * | 2020-05-25 | 2020-10-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网路的目标识别方法、设备及介质 |
CN113012134A (zh) * | 2021-03-22 | 2021-06-22 | 中山大学中山眼科中心 | 一种多功能的医学影像数据标注系统 |
CN113343999A (zh) * | 2021-06-15 | 2021-09-03 | 萱闱(北京)生物科技有限公司 | 基于目标检测的目标边界记录方法、装置和计算设备 |
CN113435447A (zh) * | 2021-07-26 | 2021-09-24 | 杭州海康威视数字技术股份有限公司 | 图像标注方法、装置及图像标注系统 |
WO2021196955A1 (zh) * | 2020-03-31 | 2021-10-07 | 上海商汤智能科技有限公司 | 图像识别方法及相关装置、设备 |
CN113705569A (zh) * | 2021-08-31 | 2021-11-26 | 北京理工大学重庆创新中心 | 一种图像标注方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034578A (zh) * | 2021-02-25 | 2021-06-25 | 上海联影智能医疗科技有限公司 | 感兴趣区域的信息处理方法及系统、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651772A (zh) * | 2009-09-11 | 2010-02-17 | 宁波大学 | 一种基于视觉注意的视频感兴趣区域的提取方法 |
CN106898005A (zh) * | 2017-01-04 | 2017-06-27 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN107563123A (zh) * | 2017-09-27 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 用于标注医学图像的方法和装置 |
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 |
CN109272495A (zh) * | 2018-09-04 | 2019-01-25 | 北京慧影明图科技有限公司 | 图像分析方法及装置、电子设备、存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070140536A1 (en) * | 2005-12-19 | 2007-06-21 | Eastman Kodak Company | Medical image processing method and apparatus |
CN106294798B (zh) * | 2016-08-15 | 2020-01-17 | 华为技术有限公司 | 一种基于缩略图的图像分享方法和终端 |
CN106778536B (zh) * | 2016-11-28 | 2020-11-20 | 北京化工大学 | 一种基于fpga的实时高光谱显微图像细胞分类方法 |
CN109872803B (zh) * | 2019-01-28 | 2020-01-14 | 透彻影像(北京)科技有限公司 | 一种人工智能病理标注系统 |
CN109949299A (zh) * | 2019-03-25 | 2019-06-28 | 东南大学 | 一种心脏医学图像自动分割方法 |
-
2019
- 2019-08-01 CN CN201910708215.1A patent/CN110675940A/zh active Pending
- 2019-11-10 WO PCT/CN2019/116925 patent/WO2021017272A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651772A (zh) * | 2009-09-11 | 2010-02-17 | 宁波大学 | 一种基于视觉注意的视频感兴趣区域的提取方法 |
CN106898005A (zh) * | 2017-01-04 | 2017-06-27 | 努比亚技术有限公司 | 一种实现交互式图像分割的方法、装置及终端 |
CN107563123A (zh) * | 2017-09-27 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 用于标注医学图像的方法和装置 |
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 |
CN109272495A (zh) * | 2018-09-04 | 2019-01-25 | 北京慧影明图科技有限公司 | 图像分析方法及装置、电子设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
刘吉平主编: "《遥感原理及遥感信息分析基础》", 武汉:武汉大学出版社, pages: 264 - 265 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2021196955A1 (zh) * | 2020-03-31 | 2021-10-07 | 上海商汤智能科技有限公司 | 图像识别方法及相关装置、设备 |
CN111709436A (zh) * | 2020-05-21 | 2020-09-25 | 浙江康源医疗器械有限公司 | 一种医学影像轮廓的标记方法及系统、分类方法及系统 |
CN111753661A (zh) * | 2020-05-25 | 2020-10-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于神经网路的目标识别方法、设备及介质 |
CN111753661B (zh) * | 2020-05-25 | 2022-07-12 | 山东浪潮科学研究院有限公司 | 一种基于神经网路的目标识别方法、设备及介质 |
CN113012134A (zh) * | 2021-03-22 | 2021-06-22 | 中山大学中山眼科中心 | 一种多功能的医学影像数据标注系统 |
CN113343999A (zh) * | 2021-06-15 | 2021-09-03 | 萱闱(北京)生物科技有限公司 | 基于目标检测的目标边界记录方法、装置和计算设备 |
CN113435447A (zh) * | 2021-07-26 | 2021-09-24 | 杭州海康威视数字技术股份有限公司 | 图像标注方法、装置及图像标注系统 |
CN113705569A (zh) * | 2021-08-31 | 2021-11-26 | 北京理工大学重庆创新中心 | 一种图像标注方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021017272A1 (zh) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
CN107798299B (zh) | 票据信息识别方法、电子装置及可读存储介质 | |
CN111476227B (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
US10303968B2 (en) | Method and apparatus for image recognition | |
WO2019169772A1 (zh) | 图片处理方法、电子装置及存储介质 | |
WO2018233055A1 (zh) | 保单信息录入的方法、装置、计算机设备及存储介质 | |
WO2021012382A1 (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
CN110008997B (zh) | 图像纹理相似度识别方法、装置及计算机可读存储介质 | |
WO2020253508A1 (zh) | 异常细胞检测方法、装置及计算机可读存储介质 | |
CN112102402B (zh) | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 | |
CN110728687B (zh) | 文件图像分割方法、装置、计算机设备和存储介质 | |
CN110197238B (zh) | 一种字体类别的识别方法、系统及终端设备 | |
WO2021147221A1 (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN111553251A (zh) | 证件四角残缺检测方法、装置、设备及存储介质 | |
CN112651953B (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN111553334A (zh) | 问卷图像识别方法、电子装置及存储介质 | |
CN110867243B (zh) | 一种图像标注方法、装置、计算机系统及可读存储介质 | |
CN111414914A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN114049540A (zh) | 基于人工智能的标注图像检测方法、装置、设备及介质 | |
CN112380978B (zh) | 基于关键点定位的多人脸检测方法、系统及存储介质 | |
CN113704111A (zh) | 页面自动化测试方法、装置、设备及存储介质 | |
WO2021147219A1 (zh) | 基于图像的文本识别方法、装置、电子设备及存储介质 | |
CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
CN112581344A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN110717060A (zh) | 图像mask的过滤方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |