CN111324761B - 图像标注管理方法、装置、计算机系统及可读存储介质 - Google Patents
图像标注管理方法、装置、计算机系统及可读存储介质 Download PDFInfo
- Publication number
- CN111324761B CN111324761B CN202010115057.1A CN202010115057A CN111324761B CN 111324761 B CN111324761 B CN 111324761B CN 202010115057 A CN202010115057 A CN 202010115057A CN 111324761 B CN111324761 B CN 111324761B
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- information
- pixels
- user side
- 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.)
- Active
Links
Classifications
-
- 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
- G06F16/53—Querying
-
- 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
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- 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
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了图像标注管理方法、装置、计算机系统及可读存储介质,基于人工智能领域,包括以下步骤:创建用于储存至少一张图像并具有查询树的数据库;从查询树中获取与显示请求匹配的文件信息,并调取与文件信息对应的目标图像,将目标图像及其文件信息发送用户端显示;获取选定区域信息并向用户端发送二值对话框以获取二值数据,根据二值数据对选定区域信息进行二值化处理获得二值图像;获取种子像素及相似阈值,并对二值图像进行区域生长处理以获得闭合曲线;将标注标签信息与闭合曲线关联,使二值图像转为标注图像。本发明提高了病灶区域的标注效率,缩短了标注时间,便于其他科室医生能够快速准确获知该图像中的病灶区域和病灶信息。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像标注管理方法、装置、计算机系统及可读存储介质。
背景技术
从2019全国癌症统计报告可知,乳腺癌和甲状腺癌是排名前八的常见肿瘤,且发病率有逐年上升的趋势,形势十分严峻。然而,乳腺癌和甲状腺是一种潜在的可治愈的疾病,临床实践证明,早发现、早诊断、早治疗是降低乳腺癌死亡率的关键。如今,在治疗方面,利用影像学的手段,对乳腺、甲状腺等进行临床诊断比较普遍,其中超声影像检查以其检查无创性、影像实时性、无电离辐射、价格较低等诸多优点受到广泛应用,近年来,随着人们健康意识的不断提高,在浅表器官检查领域,临床医生和患者对超声检查的需求急剧增加;但由于其存在对比度较差、操作人员专业性要求较高以及超声科日常检查工作量较大的问题,对工作效率和准确性都提出了更高的要求。与此同时,也存在着医疗资源分布不均、基层设施较差以及专业医疗人员匮乏等一系列问题,很难快速实现病灶的检出和良恶性判断。
为了解决上述问题,市面上出现了越来越多的浅表超声影像AI产品可以辅助医生进行诊断,该产品需要专业医生对浅表超声(甲状腺超声、乳腺超声)影像病灶进行标注,然而当前对浅表超声病灶的标注通常采用手工标注的方式完成,这种方式不仅标注效率低,时间长,而且准确度也会因标注者的经验差异而不同,导致病灶标注质量参差不齐;又由于当前的数据库仅用于储存超声图像,未对图像中病灶区域进行圈定和标注,因此不便于其他科室的医生快速准确了解该图像中的病灶区域和病灶信息,为医生诊断带来了极大的不便。
发明内容
本发明的目的是提供一种图像标注管理方法、装置、计算机系统及可读存储介质,用于解决现有技术存在的标注效率低、时间长、标注质量参差不齐,以及对超声图像缺乏有效的管理,不便于其他科室的医生快速准确了解该图像中的病灶区域和病灶信息的问题。
为实现上述目的,本发明提供一种图像标注管理方法,包括以下步骤:
创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;
获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
上述方案中,所述向用户端发送二值对话框以获取二值数据包括:
向用户端发送二值对话框;其中,所述二值对话框具有上限输入框、下限输入框;
接收所述用户端通过填写二值对话框生成的二值数据;其中,所述二值数据是用户端在上限输入框和下限输入框输入的处理上限阈值和处理下限阈值。
上述方案中,所述根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像包括:
提取选定区域信息中所有像素的灰度值;
将灰度值大于处理上限阈值的像素设为过暗像素,将所述过暗像素的灰度值调高;
将灰度值小于处理下限阈值的像素设为过亮像素,将所述过亮像素的灰度值调低。
上述方案中,所述种子像素及相似阈值可通过以下方式获得:
接收用户端在二值图像上点击或圈定的像素,并将该像素设为种子像素;
根据所述种子像素向用户端发送相似对话框,并接收用户端在所述相似对话框中输入的相似阈值。
上述方案中,所述对所述二值图像进行区域生长处理以获得闭合曲线包括:
提取所述种子像素的灰度值,根据所述灰度值和相似阈值获得相似区间;
将所述二值图像中灰度值处于所述相似区间的像素设为相似像素,并将所述种子像素和相似像素储存至预设的种子堆栈中;
提取所述种子堆栈中位于边界的像素并将其设为边界像素,沿所述边界像素在所述二值图像上绘制闭合曲线。
上述方案中,所述将所述标注标签信息与所述闭合曲线关联包括:
提取所述标注标签信息的标注颜色;
在所述闭合曲线圈定的区域内赋以所述标注颜色,使标注标签信息与闭合曲线关联。
上述方案中,所述将所述标注图像储存至所述数据库包括:
提取所述标注图像中的标注标签信息;
检测所述标注标签信息中病理标签的子标签是否完整;若所述子标签完整,则生成检查成功信号;若所述子标签不完整,则生成提示警告并将其输出至所述用户端;
根据检查成功信号将所述标注图像保存至数据库。
为实现上述目的,本发明还提供一种图像标注管理装置,包括:
创建模块,用于创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
调取模块,获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
二值模块,用于获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
生长模块,用于获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;
标注模块,用于获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
为实现上述目的,本发明还提供一种计算机系统,其包括多个计算机设备,各计算机设备包括存储器.处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述多个计算机设备的处理器执行所述计算机程序时共同实现上述图像标注管理方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其包括多个存储介质,各存储介质上存储有计算机程序,所述多个存储介质存储的所述计算机程序被处理器执行时共同实现上述图像标注管理方法的步骤。
本发明提供的图像标注管理方法、装置、计算机系统及可读存储介质,通过创建用于储存图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;以对图像进行有效管理,消除了当前管理系统对图像管理混乱的情况;通过查询树并根据所述显示请求从数据库中调取目标图像及其文件信息,并通过用户端显示所述目标图像及其文件信息;通过二值数据对选定区域进行二值化处理,以获得用户降低无关的图像信息对医生的干扰;通过种子像素和相似阈值对二值图像进行区域生长处理,以获得闭合曲线,所述闭合曲线所圈定的区域即为医生需要标注的病灶区域,实现了自动且精准绘制闭合曲线的目的,提高了绘制效率,缩短了绘制时间,同时还保证了闭合曲线的绘制标注质量;通过标注标签对所述闭合曲线圈定的区域赋以颜色,以对该区域进行颜色标注,以便于其他科室部门的医生仅需通过闭合曲线及颜色即可快速获知病灶区域的范围及其病理特征,提高了科室部门间信息沟通效率。
附图说明
图1为本发明图像标注管理方法实施例一的流程图;
图2示意性示出了根据本申请实施例一的图像标注管理方法的环境应用示意图;
图3为本发明图像标注管理方法实施例一的步骤S3中向用户端发送二值对话框以获取二值数据的流程图;
图4为本发明图像标注管理方法实施例一的步骤S3中根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像的流程图;
图5为本发明图像标注管理方法实施例一的步骤S4中种子像素及相似阈值的获得方式的流程图;
图6为本发明图像标注管理方法实施例一的步骤S4中对二值图像进行区域生长处理以获得闭合曲线的流程图;
图7为本发明图像标注管理方法实施例一的步骤S5中将所述标注标签信息与所述闭合曲线关联的流程图;
图8为本发明图像标注管理方法实施例一的步骤S5中将所述标注图像储存至所述数据库的流程图;
图9为本发明图像标注管理装置实施例二的程序模块示意图;
图10为本发明计算机系统实施例三中计算机设备的硬件结构示意图。
附图标记:
1、图像标注管理装置 2、服务器 3、网络 4、用户端 5、计算机设备 11、创建模块12、调取模块 13、二值模块 14、生长模块 15、标注模块 51、存储器 52、处理器
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做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。
本发明提供的图像标注管理方法、装置、计算机系统及可读存储介质,适用于计算机领域,为提供一种基于创建模块、调取模块、二值模块、生长模块和标注模块的图像标注管理方法。本发明通过创建用于储存图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;通过查询树并根据所述显示请求从数据库中调取目标图像及其文件信息,并通过用户端显示所述目标图像及其文件信息;通过二值数据对选定区域进行二值化处理;通过种子像素和相似阈值对二值图像进行区域生长处理,以获得闭合曲线,所述闭合曲线所圈定的区域即为医生需要标注的病灶区域;通过标注标签对所述闭合曲线圈定的区域赋以颜色,以对该区域进行颜色标注。
实施例一
请参阅图1,本实施例的一种图像标注管理方法,包括以下步骤:
S1:创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
S2:获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
S3:获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
S4:获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;
S5:获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
图2示意性示出了根据本申请实施例一的图像标注管理方法的环境应用示意图。
在示例性的实施例中,图像标注管理方法运行在服务器2中,并在服务器2中创建用于储存图像并具有查询树的数据库;服务器2通过网络3与多个用户端4连接。
所述查询树包括第一级节点、第二级节点和第三级节点;所文件信息包括一级信息和二级信息,所述一级信息是描述图像所有者数据的信息,所述二级信息是基于一级信息描述图像基本情况的信息;较佳地,所述一级信息为病人信息,所述二级信息为基于所述病人信息的检查时间;例如,所述病人信息可包括但不限于:姓名,年龄,身份证号码;其中,所述检查时间为病人拍摄所述图像的时间,可以年/月/日的形式展示。将所述一级信息储存在第一级节点中,将所述二级信息储存与所述一级信息对应的第二级节点中,将所述图像储存在与所述二级信息对应的第三级节点中,实现所述查询树与文件信息的关联;
需要说明的是,所述查询树为基于QTreeWidget创制的文件树列表,按照三级节点展示所述文件信息;其中,QTreeWidget是一种树形的部件,它以树的形式显示各个项,它的每个项使用QTreeWidgetItem来表示。所述对话框为基于QDialog所制成,其中,QDialog类是对话框窗口的基类,对话框窗口是主要用于短期任务以及和用户进行简要通讯的顶级窗口,QDialog可以是模式的也可以是非模式的,QDialog支持扩展性并且可以提供返回值。进一步地,在所述第二级节点下储存的检查时间按照检查时间升序或降序排列,方便医生进行选择和标注。
所述显示请求包括用于描述图像所有者信息的第一请求和用于描述图像基本情况的第二请求;服务器2根据显示请求在所述查询树的第一级节点中获取与所述第一请求匹配的一级信息,在所述一级信息下的第二级节点中获取与所述第二请求匹配的二级信息,提取所述二级信息下的第三级节点中储存的图像,并将其设为目标图像;将所述目标图像和目标图像的文件信息发送用户端显示。较佳地,所述第三级节点中还储存有诊断信息,所述诊断信息是专业医生对所述图像病灶所作出的诊断结论,其为经结构化处理后的数据信息,可与目标图像一并发送用户端显示,以便于将其输出至用户端并在病人信息栏中显示;其中,所述文件信息和诊断信息在用户端上通过病人信息栏显示,以便于医生可以参考病理表信息进行标注,这样可以给标注医生提供除了图像之外更多的信息,方便医生作出更加精准的标注。进一步地,在将所述目标图像及其文件信息和诊断信息加载至所述用户端前,初始化所述病人信息栏使其恢复至空白状态,以便于显示所述文件信息和诊断信息。
用户端4可通过拖动鼠标在目标图像上拉取获得选定区域信息,服务器2识别所述选定区域信息并向用户端4发送二值对话框,用户可通过用户端4在二值对话框中输入二值数据,对服务器2的二值化处理操作进行参数调节;服务器2根据所述二值数据对选定区域信息进行二值化处理,获得二值图像并将其发送用户端4显示。由于通过选定区域信息获得二值化处理的范围,因此,仅需对需要的范围进行二值化处理,而无需对目标图像进行整体二值化处理。用户可通过用户端4在二值图像中点选某一像素点,或拉取具有至少一个像素点的矩形框,获得种子像素;服务器2根据种子像素向用户端4发送相似对话框,用户可通过用户端4在相似对话框中输入相似阈值,对服务器2的区域生长处理操作进行参数调节;服务器2根据所述相似阈值和种子像素,对二值图像进行区域生长处理获得相似区域,沿所述相似区域的边界绘制闭合曲线,并将其发送所述用户端4显示。因病灶区域的灰度值与正常区域的灰度值是不同的,因此,通过二值化处理排除与病灶区域灰度值区别较大的正常区域,通过区域生长处理排除与病灶区域灰度值区别较小的正常区域;而通过二值化处理有助于医生更准确的识别出种子像素并对其点选。服务器2根据用户端4触发的标签请求,向用户端4发送标签对话框,用户端4在标签对话框中选择病理标签,并将其作为标注标签信息发送服务器2,服务器2根据标注标签信息中的标签颜色对闭合曲线圈定的区域赋以颜色,此时,所述二值图像将转为标注图像,将所述标注图像储存至所述数据库。
服务器2可以通过一个或多个网络3提供服务,网络3可以包括各种网络设备,例如路由器,交换机,多路复用器,集线器,调制解调器,网桥,中继器,防火墙,代理设备和/或等等。网络3可以包括物理链路,例如同轴电缆链路,双绞线电缆链路,光纤链路,它们的组合和/或类似物。网络3可以包括无线链路,例如蜂窝链路,卫星链路,Wi-Fi链路和/或类似物。
服务器2可以由单个或多个计算机设备(如,服务器)组成。该单个或多个计算设备可以包括虚拟化计算实例。虚拟化计算实例可以包括虚拟机,诸如计算机系统的仿真,操作系统,服务器等。计算设备可以基于定义用于仿真的特定软件(例如,操作系统,专用应用程序,服务器)的虚拟映像和/或其他数据来加载虚拟机。随着对不同类型的处理服务的需求改变,可以在一个或多个计算设备上加载和/或终止不同的虚拟机。可以实现管理程序以管理同一计算设备上的不同虚拟机的使用。
在示例性的实施例中,所述S2中从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像包括:
S201:提取所述显示请求中的第一请求,并从所述查询树的第一级节点中获取与所述第一请求匹配的一级信息,获取与该一级信息对应的第二级节点。
例如,所述显示请求的第一请求为“张三”,则从查询树的第一节点中获取与“张三”匹配的一级信息,如:张三或姓名张三,并获取查询树中“张三或姓名张三”下的第二级节点。
S202:提取所述显示请求中的第二请求,并从所述第二级节点中获取与所述第二请求匹配的二级信息,获取与所述二级信息对应的第三级节点,并将所述一级信息和二级信息设为文件信息。
例如:显示请求的第二请求为“2018-01-20”,则从查询树的第二节点中获取与“2018-01-20”匹配的二级信息,如:2018-01-20或2018年1月20日,并获取查询树中“2018-01-20或2018年1月20日”下的第三级节点,并将张三、2018-01-20作为文件信息。
S203:将所述第三级节点中储存的图像设为目标图像。
需要说明的是,所述数据库中的查询树,图像、文件信息和诊断信息分别基于DICOM(Digital Imaging and Communications in Medicine)即医学数字成像和通信储存,DICOM是医学图像和相关信息的国际标准(ISO 12052),它定义了质量能满足临床需要的可用于数据交换的医学图像格式,可用于处理、存储、打印和传输医学影像信息;Pydicom是一个处理DICOM文件的纯Python软件包,它可以通过非常容易的“Pythonic”的方式来提取和修改DICOM数据,修改后的数据还会借此生成新的DICOM文件。
在示例性的实施例中,所述S3中选定区域信息为用户端通过光标在所述目标图像上圈定一选中区域,所生成的用于描述该区域内所有像素的信息,其至少包括各像素的颜色信息、灰度值信息和坐标信息。
在一个优选的实施例中,请参阅图3,所述S3中的向用户端发送二值对话框以获取二值数据包括:
S301:向用户端发送二值对话框;其中,所述二值对话框具有上限输入框、下限输入框;
示例性地,
S302:接收所述用户端通过填写二值对话框生成的二值数据;其中,所述二值数据是用户端在上限输入框和下限输入框输入的处理上限阈值和处理下限阈值;
本步骤中,所述二值对话框上的上限输入框和下限输入框可通过SliderBar(滑条控件)的方式设置,用户端可通过调节SliderBar获得处理上限阈值、处理下限阈值的以及相似阈值。
在一个优选的实施例中,请参阅图4,所述S3中的根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像包括:
S311:提取选定区域信息中所有像素的灰度值;
S312:将灰度值大于处理上限阈值的像素设为过暗像素,将所述过暗像素的灰度值调高,例如,将全黑像素的灰度值调节为255;
S313:将灰度值小于处理下限阈值的像素设为过亮像素,将所述过亮像素的灰度值调低,例如,将全白像素的灰度值调节为0。
因此,实现对选定区域信息进行降噪,以降低无关的图像信息对医生的干扰,便于医生准确识别二值图像中的有用信息。
需要说明的是,所述二值图像通过overlay(是一种在原图像基础上进行叠加的虚拟化技术模式)的形式叠加在原图上,不仅方便医生进行对比观察,还无需对原图进行的修改,避免了原图因修改不可恢复的情况发生。
在一个优选的实施例中,请参阅图5,所述S4中种子像素及相似阈值可通过以下方式获得:
S401:接收用户端在二值图像上点击或圈定的像素,并将该像素设为种子像素;
示例性地,创建用于储存像素的种子堆栈,接收用户端通过在二值信息图像上点击或圈定所生成的坐标数据,将所述坐标数据所对应的像素设为种子像素,并将其储存至所述种子堆栈。
S402:根据所述种子像素向用户端发送相似对话框,并接收用户端在所述相似对话框中输入的相似阈值。
本步骤中,所述相似对话框上的相似输入框可通过SliderBar(滑条控件)的方式设置,用户端可通过调节SliderBar获得相似阈值。
在一个优选的实施例中,请参阅图6,所述S4中对二值图像进行区域生长处理以获得闭合曲线包括:
S411:提取所述种子像素的灰度值,根据所述灰度值和相似阈值获得相似区间;
示例性地,提取所述种子像素的灰度值,并将该灰度值设为计算值,其中,若所述种子像素为一个,则提取该种子像素的灰度值并将其设为计算值,若所述种子像素为两个或两个以上,则提取各种子像素的灰度值,将各灰度值相加并除以种子像素的个数,获得平均灰度值,将该平均灰度值设为计算值;
将所述计算值与相似阈值相加获得相似上限,将所述计算值与相似阈值相减获得相似下限,编制以相似上限和相似下限为上限值和下限值的相似区间。
S412:将所述二值图像中灰度值处于所述相似区间的像素设为相似像素,并将所述种子像素和相似像素储存至预设的种子堆栈中;
示例性地,提取所述二值图像中像素的灰度值,将灰度值属于相似区间的像素设为相似像素,并将其储存至所述种子堆栈中。
S413:提取所述种子堆栈中位于边界的像素并将其设为边界像素,沿所述边界像素在所述二值图像上绘制闭合曲线。
示例性地,所述步骤S413中沿所述边界像素在所述二值图像上绘制闭合曲线还包括:
将所述闭合曲线的各个像素及其坐标储存至线条堆栈;用户端通过光标在闭合曲线上进行点选,将所述光标点选的像素设为采样像素;在所述线条堆栈中,将所述采样像素两侧的线条像素设为调整像素,其中,可根据需要设置调整像素的数量;用户端的光标移动至所述目标图像中某一位置并点选,生成具有到位坐标信息的到位信号;接收由所述用户端输出的到位信号,将所述采样像素的坐标更改为所述到位信号的到位坐标信息,并将所述采样像素储存在所述线条堆栈中;计算所述起始坐标信息和到位坐标信息之间的直线距离,并根据所述直线距离和采样像素与调整像素的间隔计算获得移动距离,其中,按照衰减函数D(s)=D0 e^(-a(s+1))调整所述调整像素的移动坐标,其中,a为缩放因子,s为当前调整像素和采样像素之间的间距,D0为直线距离,D(s)为调整像素所移动的距离,例如,当前采样像素和调整像素之间的间距为3所述直线距离为10个像素值,则当前调整像素的移动距离为10e^(-4a),其移动方向与采样像素的移动方向保持一致;根据采样像素的移动方向,按照所述移动距离改变调整像素的坐标,并将所述调整像素储存至线条堆栈中;将所述线条堆栈中的像素输出至显示设备,以实现调整所述闭合曲线在目标图像中位置的效果。
在示例性的实施例中,所述标注标签信息可通过以下方式获得:
S501:预创建用于储存标签对话框的选择数据库,所述标签对话框中具有病理标签。
示例性地,预先创建选择数据库用于储存标签对话框,根据用户需求在标签对话框中制定病理标签,例如,所述病理标签可包括:钙化、肿块、结构扭曲、不对称等用于描述乳腺病灶的病理名称;通过在病理标签上设置选择框或勾选框,使其加载在所述标签对话框中,以便于用户通过点击选择框或勾选框,即可选择需要的病理标签。
进一步地,标签对话框包括甲状腺对话框和乳腺对话框;所述甲状腺对话框包括:甲状腺病种标签、甲状腺内部构成标签、内部强回声标签、回声类型标签、形状标签、边界标签、边缘标签、全图标注标签信息;所述标签对话框为乳腺对话框包括:乳腺病种标签、BI-RADS标签、良恶性标签、回声模式标签、边缘标签、方位标签、形状标签;则接收所述用户端在所述乳腺对话框中选择的病理标签的子标签。
S502:根据所述闭合曲线从所述选择数据库中提取标签对话框,并将其输出至用户端上,使其在用户端上弹出。
需要说明的是,所述标签对话框为基于QDialog制成的疾病选择预定义模板,其中,QDialog类是对话框窗口的基类,对话框窗口是主要用于短期任务以及和用户进行简要通讯的顶级窗口,QDialog可以是模式的也可以是非模式的,QDialog支持扩展性并且可以提供返回值;通过采用标签对话框避免了医生对病灶的描述因人而异的情况,因此,避免了其他医生因对标注医生的标注出现误解,造成误诊的情况。
S503:接收用户端在所述标签对话框中选择的病理标签以获得标注标签信息。
在示例性的实施例中,用户通过点击选择框或勾选框选择需要的病理标签的子标签,以获得标注标签信息,以实现医生对所述闭合曲线圈定的区域进行定义或标记;根据所述闭合曲线向用户端输出具有病种选项的种类对话框并使其在用户端弹出,所述病种选项包括甲状腺选项和乳腺选项;若所述用户端点选甲状腺选项,则向用户端输出甲状腺对话框;若所述用户端点选乳腺选项,则向用户端输出乳腺对话框;所述用户端可在所述甲状腺对话框或乳腺对话框中选择需要病理标签的子标签,以获得用于描述闭合曲线圈定区域的病灶特征的标注标签信息。
在一个优选的实施例中,请参阅图7,所述S5中将所述标注标签信息与所述闭合曲线关联包括:
S511:提取所述标注标签信息的标注颜色。
于本申请中,所述甲状腺病种和乳腺病种中分别具有至少一个病情标签,每个病情标签具有用于代表该病情的标注颜色。
故本步骤中,提取所述标注标签信息的病情标签,并获取该病情标签的标注颜色,将其设为标注颜色。
S512:在所述闭合曲线圈定的区域内赋以所述标注颜色,并将所述标注标签信息与闭合曲线关联。
示例性地,复制所述闭合曲线内圈定的像素作为标注像素,并将其储存在标注堆栈中;提取所述标注标签信息中病种标签的标注颜色,并根据标注颜色对所述标注像素的RGB分量赋值,使所述标注像素的颜色与所述标注颜色一致;其中,通过将标注堆栈中的标注像素发送至用户端,以在用户端的闭合曲线圈定区域内赋以标注颜色。
需要说明的是,所述叠加的方式为通过overlay(是一种在原图像基础上进行叠加的虚拟化技术模式)的形式叠加在原图上,方便医生进行对比观察。医生可以随时调整当前结果,直至满意为止;进一步地,将所述标注堆栈中的标注像素输出至所述用户端,并以叠加的方式覆盖在所述目标图像上,实现对闭合曲线圈定的区域内赋以标注颜色;进而使二值图像转为标注图像。
进一步地,使所述二值图像转为标注图像包括:
通过将在闭合曲线圈定的区域内赋有标注颜色的二值图像,和所述标注颜色的标注标签信息汇总并打包形成标注图像,实现将标注标签信息和二值图像关联的效果,其中,所述标注图像以数据包形式储存或传输。
在一个优选的的实施例中,请参阅图8,所述S5中将所述标注图像储存至所述数据库包括:
S521:提取所述标注图像中的标注标签信息。
S522:检测所述标注标签信息中病理标签的子标签是否完整;若所述子标签完整,则生成检查成功信号;若所述子标签不完整,则生成提示警告并将其输出至所述用户端。
示例性地,若所述病理标签为甲状腺病理标签,则检查所述病例标签的子标签中是否同时具有甲状腺病种标签、甲状腺内部构成标签、内部强回声标签、回声类型标签、形状标签、边界标签、边缘标签和全图标注标签信息,若是,则生成检查成功信号;若否,则生成提示警告,并将其发送用户端以弹窗或弹出层的形式显示;
若所述病理详细信息中具有乳腺选项,则检查所述病理标签的子标签中是否同时具有乳腺病种标签、BI-RADS标签、良恶性标签、回声模式标签、边缘标签、方位标签和形状标签;若是,则生成检查成功信号;若否,则生成提示警告,并将其发送用户端以弹窗或弹出层的形式显示。
因此,通过检查病理标签中子标签是否完全选定,保证了病理标签的全面性,在面临跨部门或科室的情况时,便于其他医生能够快速准确了解该图像的病理详细信息,降低了误诊率;同时,通过向用户端输出提示警告,以向使用者提示标注图像中病理详细信息的标签不全的情况。
S523:根据检查成功信号将所述标注图像保存至数据库。
示例性地,获得所述标注图像的文件信息,通过查询树获得与所述文件信息匹配的第三级节点,将所述标注图像保存至所述第三级节点中,通过将标注图像及其目标图像储存在同一第三节点中,实现将标注图像和目标图像关联的技术效果。根据提示警告向用户端发送所述步骤S502的标签对话框,以便于用户在用户端上修改或补充子标签,以获得正确完整的标注标签信息。
实施例二
请参阅图9,本实施例的一种图像标注管理装置1,包括:
创建模块11,用于创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
调取模块12,获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
二值模块13,用于获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
生长模块14,用于获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;
标注模块15,用于获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
本技术方案基于人工智能领域的图像检测技术,根据所述绘制信息中的选中信息,在目标图像中确定选定区域信息,并对该选定区域信息进行二值化处理以获得二值图像,接收用户端输出的种子坐标数据,根据所述种子坐标数据和相似阈值对二值图像进行区域生长处理以实现区域提取,将提取的区域的边界像素作为闭合曲线以完成图像的处理。
实施例三:
为实现上述目的,本发明还提供一种计算机系统,该计算机系统包括多个计算机设备5,实施例二的图像标注管理装置1的组成部分可分散于不同的计算机设备中,计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器51、处理器52,如图10所示。需要指出的是,图10仅示出了具有组件-的计算机设备,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。
本实施例中,存储器51(即可读存储介质)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,存储器51可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器51也可以是计算机设备的外部存储设备,例如该计算机设备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,存储器51还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器51通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例一的图像标注管理装置的程序代码等。此外,存储器51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。
处理器52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52通常用于控制计算机设备的总体操作。本实施例中,处理器52用于运行存储器51中存储的程序代码或者处理数据,例如运行图像标注管理装置,以实现实施例一的图像标注管理方法。
实施例四:
为实现上述目的,本发明还提供一种计算机可读存储系统,其包括多个存储介质,如闪存、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、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器52执行时实现相应功能。本实施例的计算机可读存储介质用于存储图像标注管理装置,被处理器52执行时实现实施例一的图像标注管理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种图像标注管理方法,其特征在于,包括以下步骤:
创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;其中,所述对所述二值图像进行区域生长处理以获得闭合曲线包括:提取所述种子像素的灰度值,根据所述灰度值和相似阈值获得相似区间;将所述二值图像中灰度值处于所述相似区间的像素设为相似像素,并将所述种子像素和相似像素储存至预设的种子堆栈中;提取所述种子堆栈中位于边界的像素并将其设为边界像素,沿所述边界像素在所述二值图像上绘制闭合曲线;
获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
2.根据权利要求1所述的图像标注管理方法,其特征在于,所述向用户端发送二值对话框以获取二值数据包括:
向用户端发送二值对话框;其中,所述二值对话框具有上限输入框、下限输入框;
接收所述用户端通过填写二值对话框生成的二值数据;其中,所述二值数据是用户端在上限输入框和下限输入框输入的处理上限阈值和处理下限阈值。
3.根据权利要求1所述的图像标注管理方法,其特征在于,所述根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像包括:
提取选定区域信息中所有像素的灰度值;
将灰度值大于处理上限阈值的像素设为过暗像素,将所述过暗像素的灰度值调高;
将灰度值小于处理下限阈值的像素设为过亮像素,将所述过亮像素的灰度值调低。
4.根据权利要求1所述的图像标注管理方法,其特征在于,所述种子像素及相似阈值可通过以下方式获得:
接收用户端在二值图像上点击或圈定的像素,并将该像素设为种子像素;
根据所述种子像素向用户端发送相似对话框,并接收用户端在所述相似对话框中输入的相似阈值。
5.根据权利要求1所述的图像标注管理方法,其特征在于,所述将所述标注标签信息与所述闭合曲线关联包括:
提取所述标注标签信息的标注颜色;
在所述闭合曲线圈定的区域内赋以所述标注颜色,使标注标签信息与闭合曲线关联。
6.根据权利要求1所述的图像标注管理方法,其特征在于,所述将所述标注图像储存至所述数据库包括:
提取所述标注图像中的标注标签信息;
检测所述标注标签信息中病理标签的子标签是否完整;若所述子标签完整,则生成检查成功信号;若所述子标签不完整,则生成提示警告并将其输出至所述用户端;
根据检查成功信号将所述标注图像保存至数据库。
7.一种图像标注管理装置,其特征在于,包括:
创建模块,用于创建用于储存至少一张图像并具有查询树的数据库,所述查询树与所述图像的文件信息关联;其中,所述图像为医学图像,所述文件信息是描述图像属性的数据;
调取模块,获取用户端发送的显示请求,从所述查询树中获取与所述显示请求匹配的文件信息,并调取与所述文件信息对应的目标图像,将所述目标图像及其文件信息发送所述用户端显示;
二值模块,用于获取用户端在目标图像上选中的选定区域信息,并向用户端发送二值对话框以获取二值数据,根据所述二值数据对所述选定区域信息进行二值化处理获得二值图像,并将其发送所述用户端显示;其中,所述选定区域信息是用户端在目标图像上拉取或圈定的范围;
生长模块,用于获取用户端在所述二值图像上选择的种子像素及相似阈值,并对所述二值图像进行区域生长处理以获得闭合曲线,将所述闭合曲线发送至所述用户端;其中,所述对所述二值图像进行区域生长处理以获得闭合曲线包括:提取所述种子像素的灰度值,根据所述灰度值和相似阈值获得相似区间;将所述二值图像中灰度值处于所述相似区间的像素设为相似像素,并将所述种子像素和相似像素储存至预设的种子堆栈中;提取所述种子堆栈中位于边界的像素并将其设为边界像素,沿所述边界像素在所述二值图像上绘制闭合曲线;
标注模块,用于获取所述用户端发送的标注标签信息,并将所述标注标签信息与所述闭合曲线关联,使所述二值图像转为标注图像,将所述标注图像储存至所述数据库;其中,所述闭合曲线圈定的区域是目标图像中的病灶区域,所述标注标签信息是描述所述病灶区域特征的特征数据。
8. 一种计算机系统,其包括多个计算机设备,各计算机设备包括存储器. 处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述多个计算机设备的处理器执行所述计算机程序时共同实现权利要求1至6任一项所述图像标注管理方法的步骤。
9.一种计算机可读存储介质,其包括多个存储介质,各存储介质上存储有计算机程序,其特征在于,所述多个存储介质存储的所述计算机程序被处理器执行时共同实现权利要求1至6任一项所述图像标注管理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010115057.1A CN111324761B (zh) | 2020-02-25 | 2020-02-25 | 图像标注管理方法、装置、计算机系统及可读存储介质 |
PCT/CN2020/099291 WO2021169122A1 (zh) | 2020-02-25 | 2020-06-30 | 图像标注管理方法、装置、计算机系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010115057.1A CN111324761B (zh) | 2020-02-25 | 2020-02-25 | 图像标注管理方法、装置、计算机系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324761A CN111324761A (zh) | 2020-06-23 |
CN111324761B true CN111324761B (zh) | 2023-10-13 |
Family
ID=71172900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010115057.1A Active CN111324761B (zh) | 2020-02-25 | 2020-02-25 | 图像标注管理方法、装置、计算机系统及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111324761B (zh) |
WO (1) | WO2021169122A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111914822B (zh) * | 2020-07-23 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 文本图像标注方法、装置、计算机可读存储介质及设备 |
CN112035774A (zh) * | 2020-09-01 | 2020-12-04 | 平安付科技服务有限公司 | 网络页面生成方法、装置、计算机设备及可读存储介质 |
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 |
CN113806573A (zh) * | 2021-09-15 | 2021-12-17 | 上海商汤科技开发有限公司 | 标注方法、装置、电子设备、服务器及存储介质 |
CN113901933A (zh) * | 2021-10-14 | 2022-01-07 | 中国平安人寿保险股份有限公司 | 基于人工智能的电子发票信息抽取方法、装置及设备 |
CN115274093B (zh) * | 2022-07-26 | 2023-06-23 | 华东师范大学 | 生成包含自动标注文件的基准病理数据集的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780497A (zh) * | 2016-11-28 | 2017-05-31 | 重庆大学 | 一种基于统计信息的器官血管树自动提取方法 |
CN109522898A (zh) * | 2018-09-18 | 2019-03-26 | 平安科技(深圳)有限公司 | 手写样本图片标注方法、装置、计算机设备及存储介质 |
CN109978894A (zh) * | 2019-03-26 | 2019-07-05 | 成都迭迦科技有限公司 | 一种基于三维乳腺彩超的病变区域标注方法及系统 |
CN110675940A (zh) * | 2019-08-01 | 2020-01-10 | 平安科技(深圳)有限公司 | 病理图像标注方法、装置、计算机设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462738B (zh) * | 2013-09-24 | 2018-10-30 | 西门子公司 | 一种标注医学图像的方法、装置和系统 |
CN105608319B (zh) * | 2015-12-21 | 2019-03-08 | 玖壹叁陆零医学科技南京有限公司 | 一种数字病理切片的标注方法及标注装置 |
CN106934228A (zh) * | 2017-03-06 | 2017-07-07 | 杭州健培科技有限公司 | 基于机器学习的肺部气胸ct影像分类诊断方法 |
CN108305671B (zh) * | 2018-01-23 | 2021-01-01 | 深圳科亚医疗科技有限公司 | 由计算机实现的医学图像调度方法、调度系统及存储介质 |
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 |
-
2020
- 2020-02-25 CN CN202010115057.1A patent/CN111324761B/zh active Active
- 2020-06-30 WO PCT/CN2020/099291 patent/WO2021169122A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780497A (zh) * | 2016-11-28 | 2017-05-31 | 重庆大学 | 一种基于统计信息的器官血管树自动提取方法 |
CN109522898A (zh) * | 2018-09-18 | 2019-03-26 | 平安科技(深圳)有限公司 | 手写样本图片标注方法、装置、计算机设备及存储介质 |
CN109978894A (zh) * | 2019-03-26 | 2019-07-05 | 成都迭迦科技有限公司 | 一种基于三维乳腺彩超的病变区域标注方法及系统 |
CN110675940A (zh) * | 2019-08-01 | 2020-01-10 | 平安科技(深圳)有限公司 | 病理图像标注方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021169122A1 (zh) | 2021-09-02 |
CN111324761A (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324761B (zh) | 图像标注管理方法、装置、计算机系统及可读存储介质 | |
US11615878B2 (en) | Systems and methods for integrating neural network image analyses into medical image viewing applications | |
CN110662484B (zh) | 用于全身测量结果提取的系统和方法 | |
CN110853739B (zh) | 图像管理显示方法、装置、计算机设备及存储介质 | |
CN106170799B (zh) | 从图像提取信息以及将信息包括在临床报告中 | |
US10242442B2 (en) | Detection of outlier lesions based on extracted features from skin images | |
CN104298983A (zh) | 具有分布式用户终端的舌苔图像获取与分析系统 | |
CN109978894A (zh) | 一种基于三维乳腺彩超的病变区域标注方法及系统 | |
CN110197715B (zh) | 一种用于读片教学的医学影像浏览系统 | |
CN112712906A (zh) | 视频图像处理方法、装置、电子设备及存储介质 | |
CN111145853A (zh) | 影像结构化报告对人工智能诊断结果的应用系统及方法 | |
CN114419087A (zh) | 病灶图像生成方法、装置、电子设备及存储介质 | |
US20210257071A1 (en) | Health Monitoring Method and System, Print Terminal, and Computer-Readable Storage Medium | |
US20220130047A1 (en) | Diagnostic imaging for diabetic retinopathy | |
CN108630301B (zh) | 一种特征标记方法及装置、计算机存储介质 | |
CN111144506A (zh) | 基于超声图像的肝包虫识别方法、存储介质及超声设备 | |
CN114626950A (zh) | 保险理赔信息的录入方法、装置、计算机设备及存储介质 | |
US20210027446A1 (en) | Information processing apparatus, control method, and program | |
KR102417531B1 (ko) | 학습 데이터 생성장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 | |
KR102550769B1 (ko) | 인공지능을 이용한 의약품 오토 레이블링 방법 및 장치 | |
CN113591852B (zh) | 感兴趣区域标记的方法和装置 | |
EP4160606A1 (en) | Exchange of data between an external data source and an integrated medical data display system | |
US11556729B2 (en) | Information processing apparatus, control method, and program | |
CN111553352B (zh) | 一种dicom图像处理方法及系统 | |
Gao et al. | Design and Implementation of Home Health System Based on ID Card Identification and Multidevice Access |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40023093 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |