CN111062390A - 感兴趣区域标注方法、装置、设备和存储介质 - Google Patents

感兴趣区域标注方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111062390A
CN111062390A CN201911312832.6A CN201911312832A CN111062390A CN 111062390 A CN111062390 A CN 111062390A CN 201911312832 A CN201911312832 A CN 201911312832A CN 111062390 A CN111062390 A CN 111062390A
Authority
CN
China
Prior art keywords
initial
interest
region
preset index
frame
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
Application number
CN201911312832.6A
Other languages
English (en)
Inventor
钏兴炳
刘丰恺
李新阳
王少康
陈宽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Infervision Technology Co Ltd
Infervision Co Ltd
Original Assignee
Infervision Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Infervision Co Ltd filed Critical Infervision Co Ltd
Priority to CN201911312832.6A priority Critical patent/CN111062390A/zh
Publication of CN111062390A publication Critical patent/CN111062390A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种感兴趣区域标注方法、装置、设备和存储介质。该方法包括：获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框，其中，各初始标记框依据目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像而获得；依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。通过上述技术方案，实现了自动审核同一个感兴趣区域对应的多个标记结果，提高了感兴趣区域标注的效率和准确性。

Description

感兴趣区域标注方法、装置、设备和存储介质
技术领域
本发明实施例涉及医学图像处理技术，尤其涉及一种感兴趣区域标注方法、装置、设备和存储介质。
背景技术
随着科技的不断进步，人工智能(AI)医疗逐步从前沿技术转变为现实应用，以更好的辅助医生，帮助医生提高诊断准确度和效率。为了能够取得更好的应用效果，通常需要大量的优质数据来支持人工智能模型的训练与优化。
以感兴趣区域(如病灶或器官)自动标注为例，需要收集大量的、精准的感兴趣区域标注结果(标记框)作为训练样本或测试数据用于相应AI模型的训练和测试。目前，获取精准的感兴趣区域标注结果的方式是：针对每一个医学影像(如计算机断层CT影像)，经由多名医生进行感兴趣区域标注，获得多个感兴趣区域标注结果；然后，将这些感兴趣区域标注结果交由更加专业和更加富有经验的高资历医生进行最终的审核和仲裁，获得每个医学影像的感兴趣区域标注结果的金标准。
但是，上述流程中，由于标注医生个人经验、人眼疲劳及病灶特征不明显等原因容易导致标注效率慢、病灶漏诊和误标等问题。并且，交由仲裁医生仲裁的标注结果众多，需要仲裁医生不断来回切换不同的标注结果来比对，仲裁效率较低。
发明内容
本发明实施例提供一种感兴趣区域标注方法、装置、设备和存储介质，以实现自动审核同一个感兴趣区域对应的多个标记结果，提高感兴趣区域标注的效率和准确性。
第一方面，本发明实施例提供了一种感兴趣区域标注方法，包括：
获取待标注感兴趣区域的目标影像中所述感兴趣区域的至少两个初始标记框，其中，各所述初始标记框依据所述目标影像、所述目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
依据各所述初始标记框的标记框信息，确定每两个所述初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致；
若是，则依据各所述初始标记框确定所述目标影像中所述感兴趣区域的目标标记框。
第二方面，本发明实施例还提供了一种感兴趣区域标注装置，该装置包括：
初始标记框获取模块，用于获取待标注感兴趣区域的目标影像中所述感兴趣区域的至少两个初始标记框，其中，各所述初始标记框依据所述目标影像、所述目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
预设指标值确定模块，用于依据各所述初始标记框的标记框信息，确定每两个所述初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
一致性判断模块，用于依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致；
目标标记框生成模块，用于若是，则依据各所述初始标记框确定所述目标影像中所述感兴趣区域的目标标记框。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的感兴趣区域标注方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的感兴趣区域标注方法。
本发明实施例通过依据待标注感兴趣区域的目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像获取目标影像中感兴趣区域的至少两个初始标记框。实现了从多个方面来呈现目标影像，从而增强目标影像中的感兴趣区域，解决了因感兴趣特征不明显而导致的感兴趣区域的初始标记框的标记效率低以及感兴趣区域漏标或误标等问题，提高了感兴趣区域的检出率，也一定程度上提高了后续各初始标记框的一致性概率。通过依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值；依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。实现了对同一感兴趣区域的多个初始标记框进行自动整合，获得一个目标标记框，减少了发送至专家仲裁端的标记框的数量，从而提高了专家审核效率，提高了感兴趣区域的目标标记框的标注效率和准确率。
附图说明
图1是本发明实施例一中的一种感兴趣区域标注方法的流程图；
图2是本发明实施例二中的一种感兴趣区域标注方法的流程图；
图3是本发明实施例三中的一种感兴趣区域标注装置的结构示意图；
图4是本发明实施例四中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本实施例提供的感兴趣区域标注方法可适用于对计算机断层影像中的感兴趣区域进行精准标注，尤其适用于建立感兴趣区域的标注金标准的情况。该方法可以由感兴趣区域标注装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在电子设备中，例如掌上电脑、笔记本电脑、台式电脑或服务器等。参见图1，本实施例的方法具体包括如下步骤：
S110、获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框，其中，各初始标记框依据目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像而获得。
其中，目标影像是需要标注感兴趣区域的计算机断层CT影像。初始标记框是指由医生标注的感兴趣区域的标注结果。最大密度投影重建影像是指经由最大密度投影算法(Maximal Intensity Projection，MIP)对三维影像进行重建而获得的二维影像。最大密度投影算法的原理是运用透视法获得二维图像，即通过计算沿着被扫描物每条射线上所遇到的最大密度像素而产生的。当光纤束通过一段组织的原始三维影像时，原始三维影像中密度最大的像素被保留，并被投影到一个二维平面上，从而形成MIP重建影像。MIP算法就是把最大的值投射出来，主要用于对体数据中高灰度值的结构进行可视化。在本发明实施例中MIP算法是将一定厚度(即CT层厚)中最大CT值的体素投影到背景平面上，以显示所有或部分的强化密度高的血管、器官、实性结节和钙化区域等。多平面重建影像是指经由多平面重建算法(Multi Planer Reconstruction，MPR)对三维影像进行重建而获得的二维影像。多平面重建算法的原理是将扫描范围内所有的横切面的轴位图像叠加起来重组为三维影像，再在该三维影像中对某些标线标定的重组线所指定的组织进行冠状、矢状或任意角度的斜位图像重组，其能任意产生新的二维断层图像，而无需重复扫描。示例性地，多平面重建影像包含冠状面重建影像和矢状面重建影像。在本发明实施例中，参与初始标记框获取的多平面重建影像至少包含冠状面的二维断层影像(即冠状面重建影像)和矢状面的二维断层影像(即矢状面重建影像)。这样设置的好处在于，能够利用横切面、冠状面和矢状面三个立体截面来全方位反映目标影像中感兴趣区域的信息。
具体地，要获得目标影像中感兴趣区域的精准的标注结果，就需要先获得由多名医生对目标影像中的感兴趣区域进行标注所得的初始标记框。医生在进行感兴趣区域标注的过程中，除了提供给医生目标影像之外，还需提供给医生该目标影像对应的最大密度投影重建影像和至少一个多平面重建影像(如冠状面重建影像和矢状面重建影像)，且目标影像和最大密度投影重建影像、至少一个多平面重建影像之间为实时联动状态。基于这些影像，每个医生进行感兴趣区域标注的过程为：医生在正常查看目标影像进行感兴趣区域识别的过程中，如果遇到特征不明显或者无法直接定性的感兴趣区域(如病灶)时，便可联动切换至少一个多平面重建影像，以便从多个角度对感兴趣区域进行辨别；如果遇到在影像中表现特征为灰度值较大的实性或钙化的感兴趣区域(如实性结节或钙化病灶)时，便可联动切换最大密度投影重建影像，以便利用MIP影像突出灰度最大值的特性来辨别该类感兴趣区域。经过上述的多影像联动阅片，能够提高每个医生对特征不明显、实性和钙化等感兴趣区域的检出率，有效降低感兴趣区域的漏标率或误标率；同时，每个医生对同一感兴趣区域的识别更加精确，所得的初始标记框会相应地更加精准，故能够在一定程度上提高后续各初始标记框一致性判断过程中判断结果为一致的概率，从而提高自动整合同一感兴趣区域的多个初始标记框的效率。
需要说明的是，当具有多个目标影像时，针对每个目标影像均重复本发明实施例中的感兴趣区域标注流程。当一个目标影像中具有多个感兴趣区域时，针对每个感兴趣区域也是重复本发明实施例中的感兴趣区域标注流程。那么，最终会获得一套相对漏标率和误标率均较少、感兴趣区域的检出率较高的感兴趣区域标注金标准。
S120、依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值。
其中，预设指标用于表征两个标记框之间的相对变化幅度。示例性地，预设指标为交并比或中心对角偏移。交并比(Intersection over union，IOU)是指两个标记框之间的交集和该两个标记框之间的并集的比值，其计算公式为：
Figure BDA0002324988030000071
AreaA和AreaB分别表示两个标记框的面积，其可以根据标记框位置中的四个角点坐标来计算。交并比的值越大，表明两个标记框越相似，且位置越接近。中心对角偏移是指两个标记框的中心点之间的距离，与两个标记框中最短对角线的比值。中心对角偏移值越大，表明两个标记框的中心点之间的距离相对越远，两个标记框的位置变化越大，这两个标记框就越不相似。根据交并比和中心对角偏移的说明，虽然两者都可以表征两个标记框之间的相对变化幅度，但是两者的数值大小含义恰好相反。
具体地，本发明实施例中需要自动地对多名医生输出的初始标记框进行整合，即判断这些初始标记框是否是对同一个感兴趣区域的标注，且标注位置基本一致(即一致性判断)。而同一个感兴趣区域的两个初始标记框的位置变化通常较小，所以，可以利用预设指标来进行一致性判断。并且，需要计算每两个相邻的初始标记框之间的预设指标值，以便更加全面地对同一个感兴趣区域的所有初始标记框进行一致性判断。具体实施时，根据预设指标的定义，可以利用每个初始标记框的标记框信息(如标记框位置、标记框尺寸和标记框对应的感兴趣区域标识等)来计算每两个初始标记框之间的预设指标值。
示例性地，当预设指标为交并比时，依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值包括：依据每两个初始标记框的标记框信息中的标记框位置，确定相应两个初始标记框之间的交并比值。具体地，针对每两个初始标记框，可以利用初始标记框信息中的标记框位置来确定两个初始标记框之间的交集区域和并集区域，并计算交集区域面积和并集区域面积，进而利用IOU的计算公式来计算两个初始标记框之间的IOU值。
示例性地，当预设指标为中心对角偏移时，依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值包括：依据每两个初始标记框的标记框信息中的标记框位置和标记框对角线，确定相应两个初始标记框之间的中心对角偏移值。具体地，针对每两个初始标记框，可以利用两个初始标记框的标记框位置来确定各初始标记框的中心点坐标，进而计算这两个标记框的中心点之间的中心点间距。同时，利用两个初始标记框的尺寸来确定其中最短的对角线。进而，计算中心点间距和最短对角线的比值，便可确定出这两个初始标记框之间的中心对角偏移值。
S130、依据各预设指标值和预设指标阈值，判断各初始标记框是否一致。
其中，预设指标阈值是指预先设定的预设指标的临界值，其用于判断两个初始标记框是否一致。预设指标阈值可以经验设定为一个固定的数值，例如，对于交并比的预设指标阈值可以设置为0.2。
具体地，获得了每两个初始标记框之间的预设指标值之后，将所有的预设指标值与预设指标阈值进行比较，并根据比较结果判断所有的初始标记框是否一致。具体的预设指标值与预设指标阈值之间的关系，需要依据具体的预设指标来设定。例如，当预设指标为交并比时，判断初始标记框一致的两者关系为预设指标值大于预设指标阈值，即所有的预设指标值都要大于预设指标阈值0.2，才能判断各初始标记框为一致；否则，判定各初始标记框不一致。
S140、若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。
其中，目标标记框是指感兴趣区域对应的最终的标注结果，其可为该感兴趣区域的标注金标准。
具体地，如果判断该感兴趣区域对应的各初始标记框一致，说明这些初始标记框均为正确标注结果，此时，可以将各初始标记框中的一个作为该感兴趣区域的目标标记框；为了提高目标标记框的精确性，也可以对各初始标记框进行去均值或中值等的处理，获得一个处理后的综合的标记框，作为该感兴趣区域的目标标记框。
为了进一步确认目标标记框的准确性，可以将该目标标记框发送至专家仲裁端，以供专家进一步审核该目标标记框的正确性，进一步提高感兴趣区域标注的精度。
本实施例的技术方案，通过依据待标注感兴趣区域的目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像获取目标影像中感兴趣区域的至少两个初始标记框。实现了从多个方面来呈现目标影像，从而增强目标影像中的感兴趣区域，解决了因感兴趣特征不明显而导致的感兴趣区域的初始标记框的标记效率低以及感兴趣区域漏标或误标等问题，提高了感兴趣区域的检出率，也一定程度上提高了后续各初始标记框的一致性概率。通过依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值；依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。实现了对同一感兴趣区域的多个初始标记框进行自动整合，获得一个目标标记框，减少了发送至专家仲裁端的标记框的数量，从而提高了专家审核效率，提高了感兴趣区域的目标标记框的标注效率和准确率。
实施例二
本实施例在上述实施例一的基础上，对“依据各预设指标值和预设指标阈值，判断各初始标记框是否一致”进行了进一步优化。在此基础上，还可以进一步增加“判断各初始标记框不一致”之后的处理步骤。在上述各基础上，还可以进一步增加“确定预设指标阈值”的步骤。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2，本实施例提供的感兴趣区域标注方法包括：
S210、获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框。
S220、依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值。
S230、依据各初始标记框对应的感兴趣区域标记方式，确定预设指标阈值。
其中，感兴趣区域标记方式是指标注感兴趣区域的标注规则，例如对标注的标记框与感兴趣区域的外边界之间的距离的规定。
具体地，感兴趣区域标记方式的不同，会使得多名医生输出的初始标记框之间的差异不同，那么在进行一致性判断过程中，预设指标阈值的设置就应当有所变化。所以，本实施例中，在进行一致性判断之前，先根据各初始标记框对应的感兴趣区域标记方式来设置合适的预设指标阈值。
鉴于交并比和中心对角偏移的数值大小含义相反，故各自指标对应的预设指标阈值的设置也相反，本实施例中以交并比为例进行说明。如果各初始标记框对应的感兴趣区域标记方式为标记框与感兴趣区域的外边界之间的最大距离为数值较小的2cm，那么不同医生进行感兴趣区域标注的标记框之间的差异就比较小，各预设指标值都会比较大，则可为预设指标阈值设置一个相对较大的数值。如果各初始标记框对应的感兴趣区域标记方式为标记框与感兴趣区域的外边界之间的最大距离为数值较大的5cm，那么不同医生进行感兴趣区域标注的标记框之间的差异就相对较大，各预设指标值会相对较小，则可为预设指标阈值设置一个相对较小的数值。
S240、若各预设指标值和预设指标阈值之间的关系满足预设一致性条件，则判断各初始标记框一致。
其中，预设一致性条件是指判定各初始标记框一致的条件，其与具体的预设指标有关。例如，预设指标为交并比，那么预设一致性条件便为各预设指标值大于预设指标阈值；如果预设指标为中心对角偏移，那么预设一致性条件为各预设指标值小于预设指标阈值。
具体地，将S220中获得的所有预设指标值与预设指标阈值比较，如果比较结果满足预设一致性条件，则判定各初始标记框一致。
S250、依据各初始标记框确定目标影像中感兴趣区域的目标标记框。
S260、若有至少一个预设指标值和预设指标阈值之间的关系不满足预设一致性条件，则判断各初始标记框不一致。
具体地，只要S220中获得的所有预设指标值中有一个预设指标值与预设指标阈值的比较结果不满足预设一致性条件，就判定各初始标记框不一致。
S270、将各初始标记框发送至专家仲裁端，以供专家对各初始标记框进行仲裁，生成目标影像中感兴趣区域的目标标记框。
具体地，在一致性判断的结果为各初始标记框不一致时，将各初始标记框发送至专家仲裁端，以便专家(高资历医生)对目标影像及其对应的各初始标记框进行审核，并最终确定出该感兴趣区域的目标标记框。
由于在一致性判断过程中，存在部分预设指标值和预设指标阈值的关系满足预设一致性条件，部分预设指标值和预设指标阈值的关系不满足预设一致性条件的情况，所以，在将各初始标记框发送至专家仲裁端时，可以是直接发送各初始标记框；也可以是先根据预设指标值和预设指标阈值的比较结果，对满足一致性条件的各初始标记框进行整合(取其一、取均值或取中值等)，获得一个初步整合结果，然后将该初步整合结果和其他不满足预设一致性条件的各初始标记框一起发送至专家仲裁端，以一定程度上减少专家审核的标记框的数量，从而一定程度上提高专家审核效率。
示例性地，将各初始标记框发送至专家仲裁端包括：为各初始标记框设置未整合标记，并将标记后的各初始标记框发送至专家仲裁端。
其中，未整合标记是指没有完全整合各初始标记框的标记，其应当是对一个感兴趣区域的全局唯一性标识，即每个感兴趣区域有一个唯一的未整合标记。
具体地，当感兴趣区域的数量较多时，发送至专家仲裁端的标记框便包含了不同的感兴趣区域对应的不满足预设一致性条件的各初始标记框，还有另外的感兴趣区域对应的目标标记框。本实施例中为每个感兴趣区域对应的各初始标记框均设置了相应感兴趣区域对应的未整合标记，以便专家重点关注未自动整合的各感兴趣区域的各初始标记框，且能快速区分不同的感兴趣区域对应的初始标记框，进一步提高专家审核标记框的效率，从而进一步提高感兴趣区域的标注效率。
需要说明的是，S230只需在S240之前执行即可，其与S210和S220之间的顺序不限定。
本实施例的技术方案，通过依据各初始标记框对应的感兴趣区域标记方式，确定预设指标阈值。实现了动态调整预设指标阈值，进一步提高了各初始标记框一致性判断的准确性，从而进一步提高了感兴趣区域标注的准确性。通过若有至少一个预设指标值和预设指标阈值之间的关系不满足预设一致性条件，则判断各初始标记框不一致；将各初始标记框发送至专家仲裁端，以供专家对各初始标记框进行仲裁，生成目标影像中感兴趣区域的目标标记框。实现了初始标记框自动整合与人工整合的合理组合，进一步提高了感兴趣区域标注的准确性和效率。
实施例三
本实施例提供一种感兴趣区域标注装置，参见图3，该装置具体包括：
初始标记框获取模块310，用于获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框，其中，各初始标记框依据目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
预设指标值确定模块320，用于依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
一致性判断模块330，用于依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；
目标标记框生成模块340，用于若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。
可选地，多平面重建影像包含冠状面重建影像和矢状面重建影像。
可选地，一致性判断模块330具体用于：
若各预设指标值和预设指标阈值之间的关系满足预设一致性条件，则判断各初始标记框一致；
若有至少一个预设指标值和预设指标阈值之间的关系不满足预设一致性条件，则判断各初始标记框不一致。
进一步地，在上述装置的基础上，该装置还包括初始标记框发送模块，用于：
在判断各初始标记框不一致之后，将各初始标记框发送至专家仲裁端，以供专家对各初始标记框进行仲裁，生成目标影像中感兴趣区域的目标标记框。
进一步地，初始标记框发送模块具体用于：
为各初始标记框设置未整合标记，并将标记后的各初始标记框发送至专家仲裁端。
可选地，在上述装置的基础上，该装置还包括预设指标阈值确定模块，用于：
在依据各预设指标值和预设指标阈值，判断各初始标记框是否一致之前，依据各初始标记框对应的感兴趣区域标记方式，确定预设指标阈值。
可选地，预设指标为交并比或中心对角偏移。
进一步地，预设指标值确定模块320具体用于：
当预设指标为交并比时，依据每两个初始标记框的标记框信息中的标记框位置，确定相应两个初始标记框之间的交并比值。
进一步地，预设指标值确定模块320具体用于：
当预设指标为中心对角偏移时，依据每两个初始标记框的标记框信息中的标记框位置和标记框对角线，确定相应两个初始标记框之间的中心对角偏移值。
通过本发明实施例三的一种感兴趣区域标注装置，实现了对同一感兴趣区域的多个初始标记框进行自动整合，获得一个目标标记框，减少了发送至专家仲裁端的标记框的数量，从而提高了专家审核效率，提高了感兴趣区域的目标标记框的标注效率和准确率。
本发明实施例所提供的感兴趣区域标注装置可执行本发明任意实施例所提供的感兴趣区域标注方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述感兴趣区域标注装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例四
参见图4，本实施例提供了一种电子设备400，其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器420执行，使得一个或多个处理器420实现本发明实施例所提供的感兴趣区域标注方法，包括：
获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框，其中，各初始标记框依据目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；
若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。
当然，本领域技术人员可以理解，处理器420还可以实现本发明任意实施例所提供的感兴趣区域标注方法的技术方案。
图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440；电子设备中处理器420的数量可以是一个或多个，图4中以一个处理器420为例；电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的感兴趣区域标注方法对应的程序指令/模块(例如，感兴趣区域标注装置中的初始标记框获取模块、预设指标值确定模块、一致性判断模块和目标标记框生成模块)。
存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种感兴趣区域标注方法，该方法包括：
获取待标注感兴趣区域的目标影像中感兴趣区域的至少两个初始标记框，其中，各初始标记框依据目标影像、目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
依据各初始标记框的标记框信息，确定每两个初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
依据各预设指标值和预设指标阈值，判断各初始标记框是否一致；
若是，则依据各初始标记框确定目标影像中感兴趣区域的目标标记框。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的感兴趣区域标注方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(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例所提供的感兴趣区域标注方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种感兴趣区域标注方法，其特征在于，包括：
获取待标注感兴趣区域的目标影像中所述感兴趣区域的至少两个初始标记框，其中，各所述初始标记框依据所述目标影像、所述目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
依据各所述初始标记框的标记框信息，确定每两个所述初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致；
若是，则依据各所述初始标记框确定所述目标影像中所述感兴趣区域的目标标记框。
2.根据权利要求1所述的方法，其特征在于，所述多平面重建影像包含冠状面重建影像和矢状面重建影像。
3.根据权利要求1所述的方法，其特征在于，所述依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致包括：
若各所述预设指标值和所述预设指标阈值之间的关系满足预设一致性条件，则判断各所述初始标记框一致；
若有至少一个所述预设指标值和所述预设指标阈值之间的关系不满足预设一致性条件，则判断各所述初始标记框不一致。
4.根据权利要求3所述的方法，其特征在于，在所述判断各所述初始标记框不一致之后，还包括：
将各所述初始标记框发送至专家仲裁端，以供专家对各所述初始标记框进行仲裁，生成所述目标影像中所述感兴趣区域的目标标记框。
5.根据权利要求4所述的方法，其特征在于，所述将各所述初始标记框发送至专家仲裁端包括：
为各所述初始标记框设置未整合标记，并将标记后的各初始标记框发送至所述专家仲裁端。
6.根据权利要求1所述的方法，其特征在于，在所述依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致之前，还包括：
依据各所述初始标记框对应的感兴趣区域标记方式，确定所述预设指标阈值。
7.根据权利要求1所述的方法，其特征在于，所述预设指标为交并比或中心对角偏移。
8.一种感兴趣区域标注装置，其特征在于，包括：
初始标记框获取模块，用于获取待标注感兴趣区域的目标影像中所述感兴趣区域的至少两个初始标记框，其中，各所述初始标记框依据所述目标影像、所述目标影像对应的最大密度投影重建影像和多平面重建影像而获得；
预设指标值确定模块，用于依据各所述初始标记框的标记框信息，确定每两个所述初始标记框之间的预设指标值，其中，预设指标用于表征两个标记框之间的相对变化幅度；
一致性判断模块，用于依据各所述预设指标值和预设指标阈值，判断各所述初始标记框是否一致；
目标标记框生成模块，用于若是，则依据各所述初始标记框确定所述目标影像中所述感兴趣区域的目标标记框。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的感兴趣区域标注方法。
10.一种计算机可读存储介质，其上存储有计算机程序，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1-7中任一所述的感兴趣区域标注方法。
CN201911312832.6A 2019-12-18 2019-12-18 感兴趣区域标注方法、装置、设备和存储介质 Pending CN111062390A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911312832.6A CN111062390A (zh) 2019-12-18 2019-12-18 感兴趣区域标注方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911312832.6A CN111062390A (zh) 2019-12-18 2019-12-18 感兴趣区域标注方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN111062390A true CN111062390A (zh) 2020-04-24

Family

ID=70301123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911312832.6A Pending CN111062390A (zh) 2019-12-18 2019-12-18 感兴趣区域标注方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111062390A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539947A (zh) * 2020-04-30 2020-08-14 上海商汤智能科技有限公司 图像检测方法及相关模型的训练方法和相关装置、设备
CN112418263A (zh) * 2020-10-10 2021-02-26 上海鹰瞳医疗科技有限公司 一种医学图像病灶分割标注方法及系统
CN112989087A (zh) * 2021-01-26 2021-06-18 腾讯科技（深圳）有限公司 一种图像处理方法、设备以及计算机可读存储介质
WO2022089257A1 (zh) * 2020-11-02 2022-05-05 腾讯科技（深圳）有限公司 医学图像处理方法、装置、设备、存储介质及产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101420905A (zh) * 2004-04-14 2009-04-29 美国医软科技公司 病灶标记和表征质量保证的方法及系统
CN107596578A (zh) * 2017-09-21 2018-01-19 上海联影医疗科技有限公司 对准标记的识别和位置确定方法、成像设备及存储介质
CN108520519A (zh) * 2018-04-11 2018-09-11 上海联影医疗科技有限公司 一种图像处理方法、装置及计算机可读存储介质
CN109493328A (zh) * 2018-08-31 2019-03-19 上海联影智能医疗科技有限公司 医学图像显示方法、查看设备以及计算机设备
CN110188769A (zh) * 2019-05-14 2019-08-30 广州虎牙信息科技有限公司 关键点标注的审核方法、装置、设备及存储介质
CN110580948A (zh) * 2019-09-12 2019-12-17 杭州依图医疗技术有限公司 医学影像的显示方法及显示设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101420905A (zh) * 2004-04-14 2009-04-29 美国医软科技公司 病灶标记和表征质量保证的方法及系统
CN107596578A (zh) * 2017-09-21 2018-01-19 上海联影医疗科技有限公司 对准标记的识别和位置确定方法、成像设备及存储介质
CN108520519A (zh) * 2018-04-11 2018-09-11 上海联影医疗科技有限公司 一种图像处理方法、装置及计算机可读存储介质
CN109493328A (zh) * 2018-08-31 2019-03-19 上海联影智能医疗科技有限公司 医学图像显示方法、查看设备以及计算机设备
CN110188769A (zh) * 2019-05-14 2019-08-30 广州虎牙信息科技有限公司 关键点标注的审核方法、装置、设备及存储介质
CN110580948A (zh) * 2019-09-12 2019-12-17 杭州依图医疗技术有限公司 医学影像的显示方法及显示设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAOHUI ZHENG ET AL.: "Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression", 《ARXIV》 *
余建明 等: "《CR、DR成像技术学》", 30 September 2009 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539947A (zh) * 2020-04-30 2020-08-14 上海商汤智能科技有限公司 图像检测方法及相关模型的训练方法和相关装置、设备
CN111539947B (zh) * 2020-04-30 2024-03-29 上海商汤智能科技有限公司 图像检测方法及相关模型的训练方法和相关装置、设备
CN112418263A (zh) * 2020-10-10 2021-02-26 上海鹰瞳医疗科技有限公司 一种医学图像病灶分割标注方法及系统
WO2022089257A1 (zh) * 2020-11-02 2022-05-05 腾讯科技（深圳）有限公司 医学图像处理方法、装置、设备、存储介质及产品
CN112989087A (zh) * 2021-01-26 2021-06-18 腾讯科技（深圳）有限公司 一种图像处理方法、设备以及计算机可读存储介质
CN112989087B (zh) * 2021-01-26 2023-01-31 腾讯科技（深圳）有限公司 一种图像处理方法、设备以及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN111062390A (zh) 感兴趣区域标注方法、装置、设备和存储介质
CN111127466B (zh) 医学图像检测方法、装置、设备及存储介质
CN108520519B (zh) 一种图像处理方法、装置及计算机可读存储介质
CN107480677B (zh) 一种识别三维ct图像中感兴趣区域的方法及装置
Shaukat et al. Artificial neural network based classification of lung nodules in CT images using intensity, shape and texture features
JP5814504B2 (ja) 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ
JP4310099B2 (ja) 肺疾患検出のための方法及びシステム
CN111340756B (zh) 一种医学图像病变检出合并方法、系统、终端及存储介质
CN112861961B (zh) 肺血管分类方法及装置、存储介质及电子设备
US9361711B2 (en) Lesion-type specific reconstruction and display of digital breast tomosynthesis volumes
CN111063424A (zh) 一种椎间盘数据处理方法、装置、电子设备及存储介质
CN112568933B (zh) 超声成像方法、设备和存储介质
CN114332132A (zh) 图像分割方法、装置和计算机设备
Mori et al. Automated nomenclature of bronchial branches extracted from CT images and its application to biopsy path planning in virtual bronchoscopy
CN113888566A (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
Norman et al. Quantitative topographic anatomy of the femoral ACL footprint: a micro-CT analysis
CN109087357A (zh) 扫描定位方法、装置、计算机设备及计算机可读存储介质
JP6745633B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN115861347A (zh) 病灶区域的提取方法、装置、电子设备及可读存储介质
JP2022179433A (ja) 画像処理装置及び画像処理方法
CN111062998B (zh) 图像重建方法、装置、ct系统及存储介质
JP5192751B2 (ja) 画像処理装置、画像処理方法、および画像処理プログラム
CN111383323B (zh) 一种超声成像方法和系统以及超声图像处理方法和系统
KR20180115122A (ko) 이미지 처리 장치 및 이에 의한 가상의 엑스선 이미지 생성 방법
CN113554640A (zh) Ai模型的训练方法、使用方法、计算机设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room B401, floor 4, building 1, No. 12, Shangdi Information Road, Haidian District, Beijing 100085

Applicant after: Tuxiang Medical Technology Co.,Ltd.

Address before: Room B401, floor 4, building 1, No. 12, Shangdi Information Road, Haidian District, Beijing 100085

Applicant before: INFERVISION

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424