CN111986194A - 医学标注图像检测方法、装置、电子设备及存储介质 - Google Patents
医学标注图像检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111986194A CN111986194A CN202010917003.7A CN202010917003A CN111986194A CN 111986194 A CN111986194 A CN 111986194A CN 202010917003 A CN202010917003 A CN 202010917003A CN 111986194 A CN111986194 A CN 111986194A
- Authority
- CN
- China
- Prior art keywords
- contour
- lesion
- focus
- contour information
- determining
- 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
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及人工智能领域，提供一种医学标注图像检测方法、装置、电子设备及存储介质，应用于智慧医疗领域中，从而推动智慧城市的建设，方法包括：获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；判断所述完整病灶轮廓是否满足预设的一致性要求；若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。本发明能提高医学标注图像的审核效率。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种医学标注图像检测方法、装置、电子设备及存储介质。
背景技术
目前，随着人工智能的发展，可以训练出医疗诊断辅助模型来进行医疗诊断，这需要医生在医学图像上进行标注(比如圈出病灶区域)来生成医学标注图像作为训练数据，但在实践中发现，生成的医学标注图像需要进行专门的审核，确保医学标注图像无误，一般都是由资深的医生进行人工审核，审核效率不高。
因此，如何提高医学标注图像的审核效率是一个需要解决的技术问题。
发明内容
鉴于以上内容，有必要提供一种医学标注图像检测方法、装置、电子设备及存储介质，能够提高医学标注图像的审核效率。
本发明的第一方面提供一种医学标注图像检测方法，所述医学标注图像检测方法包括：
获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；
对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；
判断所述完整病灶轮廓是否满足预设的一致性要求；
若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
在一种可能的实现方式中，所述判断所述完整病灶轮廓是否满足预设的一致性要求包括：
针对每个所述完整病灶轮廓，从剩余完整病灶轮廓中确定重叠病灶轮廓，其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓；
确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率；
根据所述重叠率，确定病灶轮廓信息一致的医生的数量；
若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求；或
若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求。
在一种可能的实现方式中，所述确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率包括：
针对每个所述完整病灶轮廓，将所述完整病灶轮廓转换为第一二值矩阵，以及将与所述完整病灶轮廓对应的所述重叠病灶轮廓转换为第二二值矩阵；
确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度；
将所述矩阵相似度确定为所述重叠率。
在一种可能的实现方式中，所述根据所述重叠率，确定病灶轮廓信息一致的医生的数量包括：
针对每个医生，确定所述医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量；
针对由任意两个医生组成的医生比对组，根据所述总数量，确定与所述医生比对组对应的比对病灶轮廓信息的比对数量；
根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息；
统计所述一致病灶轮廓信息的一致数量；
若所述一致数量与所述比对数量的比值大于预设比值阈值，确定所述医生比对组的两个医生的病灶轮廓信息一致；
根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，确定病灶轮廓信息一致的医生的数量。
在一种可能的实现方式中，所述根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息包括：
针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值；
若所述重叠率大于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息；或
若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
在一种可能的实现方式中，所述对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓包括：
创建空白图像；
根据所述病灶轮廓信息，在所述空白图像生成目标病灶轮廓；
对所述目标病灶轮廓进行轮廓内容填充，获得所述完整病灶轮廓。
在一种可能的实现方式中，所述医学标注图像检测方法还包括：
若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像；
根据所述审核未通过图像，生成待标注任务；
将所述待标注任务分发至预设终端。
本发明的第二方面提供一种医学标注图像检测装置，所述医学标注图像检测装置包括：
获取模块，用于获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；
填充模块，用于对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；
判断模块，用于判断所述完整病灶轮廓是否满足预设的一致性要求；
确定模块，用于若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
本发明的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的医学标注图像检测方法。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的医学标注图像检测方法。
由以上技术方案，本发明中，可以通过校验被多个医生标注的病灶轮廓信息来实现人工智能对医学标注图像进行自动审核，提高审核效率，同时，在自动审核的过程中，可以对标注信息(比如病灶轮廓)进行轮廓填充，完整病灶轮廓信息，降低了处理逻辑误判的概率，提高了审核的准确度。
附图说明
图1是本发明公开的一种医学标注图像检测方法的较佳实施例的流程图。
图2是本发明公开的一种医学标注图像检测装置的较佳实施例的功能模块图。
图3是本发明实现医学标注图像检测方法的较佳实施例的电子设备的结构示意图。
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，所描述的实施例仅仅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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明实施例的医学标注图像检测方法应用在电子设备中，也可以应用在电子设备和通过网络与所述电子设备进行连接的服务器所构成的硬件环境中，由服务器和电子设备共同执行。网络包括但不限于：广域网、城域网或局域网。
其中，服务器可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(File Transfer Protocol，简称FTP)服务，也可以叫服务器。从狭义范围上讲，服务器专指某些高性能计算机，能通过网络，对外提供服务，其相对于普通的个人电脑来说，稳定性、安全性、性能等方面都要求更高，因此在CPU、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
所述电子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(ASIC)、现场可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述电子设备还可包括网络设备和/或用户设备。其中，所述网络设备包括但不限于单个网络设备、多个网络设备组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络设备构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述用户设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理PDA等。
请参见图1，图1是本发明公开的一种医学标注图像检测方法的较佳实施例的流程图。其中，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。其中，所述医学标注图像检测方法的执行主体可以是电子设备。
S11、获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息。
其中，所述多医生标注图像可以是指多个医生针对同一种病灶进行标注的图像，对这类图像的标注方式可以包括，但不限于：画线标病灶、画圆标病灶、画矩形标病灶以及画不规则多边形标病灶等。
其中，所述病灶轮廓信息可以是指医生在所述多医生标注图像上绘制的病灶轮廓，病灶可以是一个局限的、具有病原微生物的病变组织。
S12、对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓。
本发明实施例中，可以对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓，由于人工绘制的病灶轮廓经常出现轮廓不闭合的情况，因此，进行轮廓填充，获得完整病灶轮廓对后面的数据处理是很有必要的，能够提高数据处理的效率以及准确率。
具体的，所述对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓包括：
创建空白图像；
根据所述病灶轮廓信息，在所述空白图像生成目标病灶轮廓；
对所述目标病灶轮廓进行轮廓内容填充，获得所述完整病灶轮廓。
在该可选的实施方式中，可以将所述多医生标注图像中原来的病灶轮廓信息的病灶轮廓看成是多个坐标点，然后在空白图像上根据所述多个坐标点进行轮廓绘制，获得所述目标病灶轮廓，同时，可以通过预设的函数(比如drawContours函数等)来对所述目标病灶轮廓进行填充，获得所述完整病灶轮廓，能够解决人工绘制的病灶轮廓出现的轮廓没闭合的问题，同时，所述目标病灶轮廓是在空白图像上能够避免了在原来图像上的噪音影响，因此，对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓，能够提高后续数据处理的效率以及准确度。
S13、判断所述完整病灶轮廓是否满足预设的一致性要求，若是，执行步骤S14，若否，结束本流程。
具体的，所述判断所述完整病灶轮廓是否满足预设的一致性要求包括：
针对每个所述完整病灶轮廓，从剩余完整病灶轮廓中确定重叠病灶轮廓，其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓；
确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率；
根据所述重叠率，确定病灶轮廓信息一致的医生的数量；
若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求；或
若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求。
其中，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓。
其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，即一个完整病灶轮廓与对应的重叠病灶轮廓是由不同的医生进行绘制标注的，但都是针对同一个病灶进行绘制标注的。
在该可选的实施方式中，可以通过所述病灶轮廓信息一致的医生的数量来确定所述完整病灶轮廓是否满足预设的一致性要求，若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求，或者，若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求，其中，所述病灶轮廓信息一致的医生的数量可以根据不同的完整病灶轮廓的重叠率来确定。
具体的，所述确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率包括：
针对每个所述完整病灶轮廓，将所述完整病灶轮廓转换为第一二值矩阵，以及将与所述完整病灶轮廓对应的所述重叠病灶轮廓转换为第二二值矩阵；
确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度；
将所述矩阵相似度确定为所述重叠率。
其中，二值矩阵可以是一种由“0”和/或“1”组成的逻辑矩阵。
在该可选的实施方式中，可以通过计算两个不同的完整病灶轮廓的二值矩阵的相似度来确定这两个不同的完整病灶轮廓的重叠率，可以通过集合相似度度量函数(比如Dice系数)来确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度，假设重叠率为QS(Quotient of Similarity，相似商)，X为所述第一二值矩阵，Y为所述第二二值矩阵，TP为这两个不同的完整病灶轮廓的重叠区域，FN为其中一个完整病灶轮廓，FP为另一个完整病灶轮廓，计算公式可以表示为：
计算得到的结果只会介于0～1，对应的重叠率为0％～100％，分数越高重叠率越高。
具体的，所述根据所述重叠率，确定病灶轮廓信息一致的医生的数量包括：
针对每个医生，确定所述医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量；
针对由任意两个医生组成的医生比对组，根据所述总数量，确定与所述医生比对组对应的比对病灶轮廓信息的比对数量；
根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息；
统计所述一致病灶轮廓信息的一致数量；
若所述一致数量与所述比对数量的比值大于预设比值阈值，确定所述医生比对组的两个医生的病灶轮廓信息一致；
根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，确定病灶轮廓信息一致的医生的数量。
其中，一个所述医生比对组由任意两个医生组成。
其中，所述比对病灶轮廓信息为两个医生对同一个病灶进行绘制标注的不同的病灶轮廓信息。
在该可选的实施方式中，可以确定每个医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量，针对由任意两个医生组成的医生比对组，所述医生比对组对应的比对病灶轮廓信息的比对数量与所述总数量一致，根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息，并统计所述一致病灶轮廓信息的一致数量，若所述一致数量与所述比对数量的比值大于预设比值阈值，说明这两个医生针对同一个病灶进行绘制标注的病灶轮廓信息大部分都是基本一致的，确定所述医生比对组的两个医生的病灶轮廓信息一致，根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，可以确定病灶轮廓信息一致的医生的数量。
具体的，所述根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息包括：
针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值；
若所述重叠率大于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息；或
若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
在该可选的实施方式中，针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值，若所述重叠率大于预设重叠率阈值，比如所述重叠率大于85％，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息，或者，若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
S14、将所述多个多医生标注图像确定为审核通过图像。
本发明实施例中，若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像，可选的，可以将所述审核通过图像作为医疗诊断辅助模型的训练数据。
作为一种可选的实施方式，所述方法还包括：
若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像；
根据所述审核未通过图像，生成待标注任务；
将所述待标注任务分发至预设终端。
在该可选的实施方式中，若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像，可以根据所述审核未通过图像，生成待标注任务，并将所述待标注任务分发至预设终端，以让医生对所述审核未通过图像重新进行标注等工作。
在图1所描述的方法流程中，可以通过校验被多个医生标注的病灶轮廓信息来实现人工智能对医学标注图像进行自动审核，提高审核效率，同时，在自动审核的过程中，可以对标注信息(比如病灶轮廓)进行轮廓填充，完整病灶轮廓信息，降低了处理逻辑误判的概率，提高了审核的准确度。
图2是本发明公开的一种图像审核装置的较佳实施例的功能模块图。
请参见图2，所述图像审核装置20可运行于电子设备中。所述图像审核装置20可以包括多个由程序代码段所组成的功能模块。所述图像审核装置20中的各个程序段的程序代码可以存储于存储器中，并由至少一个处理器所执行，以执行图1所描述的图像审核方法中的部分或全部步骤。
本实施例中，所述图像审核装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、填充模块202、判断模块203及确定模块204。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。
获取模块201，用于获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息。
其中，所述多医生标注图像可以是指多个医生针对同一种病灶进行标注的图像，对这类图像的标注方式可以包括，但不限于：画线标病灶、画圆标病灶、画矩形标病灶以及画不规则多边形标病灶等。
其中，所述病灶轮廓信息可以是指医生在所述多医生标注图像上绘制的病灶轮廓，病灶可以是一个局限的、具有病原微生物的病变组织。
填充模块202，用于对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓。
本发明实施例中，可以对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓，由于人工绘制的病灶轮廓经常出现轮廓不闭合的情况，因此，进行轮廓填充，获得完整病灶轮廓对后面的数据处理是很有必要的，能够提高数据处理的效率以及准确率。
判断模块203，用于判断所述完整病灶轮廓是否满足预设的一致性要求。
确定模块204，用于若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
本发明实施例中，若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像，可选的，可以将所述审核通过图像作为医疗诊断辅助模型的训练数据。
作为一种可选的实施方式，所述判断模块203判断所述完整病灶轮廓是否满足预设的一致性要求的方式具体为：
针对每个所述完整病灶轮廓，从剩余完整病灶轮廓中确定重叠病灶轮廓，其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓；
确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率；
根据所述重叠率，确定病灶轮廓信息一致的医生的数量；
若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求；或
若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求。
其中，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓。
其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，即一个完整病灶轮廓与对应的重叠病灶轮廓是由不同的医生进行绘制标注的，但都是针对同一个病灶进行绘制标注的。
在该可选的实施方式中，可以通过所述病灶轮廓信息一致的医生的数量来确定所述完整病灶轮廓是否满足预设的一致性要求，若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求，或者，若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求，其中，所述病灶轮廓信息一致的医生的数量可以根据不同的完整病灶轮廓的重叠率来确定。
作为一种可选的实施方式，所述判断模块203确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率的方式具体为：
针对每个所述完整病灶轮廓，将所述完整病灶轮廓转换为第一二值矩阵，以及将与所述完整病灶轮廓对应的所述重叠病灶轮廓转换为第二二值矩阵；
确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度；
将所述矩阵相似度确定为所述重叠率。
其中，二值矩阵可以是一种由“0”和/或“1”组成的逻辑矩阵。
在该可选的实施方式中，可以通过计算两个不同的完整病灶轮廓的二值矩阵的相似度来确定这两个不同的完整病灶轮廓的重叠率，可以通过集合相似度度量函数(比如Dice系数)来确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度，假设重叠率为QS(Quotient of Similarity，相似商)，X为所述第一二值矩阵，Y为所述第二二值矩阵，TP为这两个不同的完整病灶轮廓的重叠区域，FN为其中一个完整病灶轮廓，FP为另一个完整病灶轮廓，计算公式可以表示为：
计算得到的结果只会介于0～1，对应的重叠率为0％～100％，分数越高重叠率越高。
作为一种可选的实施方式，所述判断模块203根据所述重叠率，确定病灶轮廓信息一致的医生的数量的方式具体为：
针对每个医生，确定所述医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量；
针对由任意两个医生组成的医生比对组，根据所述总数量，确定与所述医生比对组对应的比对病灶轮廓信息的比对数量；
根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息；
统计所述一致病灶轮廓信息的一致数量；
若所述一致数量与所述比对数量的比值大于预设比值阈值，确定所述医生比对组的两个医生的病灶轮廓信息一致；
根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，确定病灶轮廓信息一致的医生的数量。
其中，一个所述医生比对组由任意两个医生组成。
其中，所述比对病灶轮廓信息为两个医生对同一个病灶进行绘制标注的不同的病灶轮廓信息。
在该可选的实施方式中，可以确定每个医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量，针对由任意两个医生组成的医生比对组，所述医生比对组对应的比对病灶轮廓信息的比对数量与所述总数量一致，根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息，并统计所述一致病灶轮廓信息的一致数量，若所述一致数量与所述比对数量的比值大于预设比值阈值，说明这两个医生针对同一个病灶进行绘制标注的病灶轮廓信息大部分都是基本一致的，确定所述医生比对组的两个医生的病灶轮廓信息一致，根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，可以确定病灶轮廓信息一致的医生的数量。
作为一种可选的实施方式，所述判断模块203根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息的方式具体为：
针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值；
若所述重叠率大于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息；或
若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
在该可选的实施方式中，针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值，若所述重叠率大于预设重叠率阈值，比如所述重叠率大于85％，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息，或者，若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
作为一种可选的实施方式，所述填充模块202对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓的方式具体为：
创建空白图像；
根据所述病灶轮廓信息，在所述空白图像生成目标病灶轮廓；
对所述目标病灶轮廓进行轮廓内容填充，获得所述完整病灶轮廓。
在该可选的实施方式中，可以将所述多医生标注图像中原来的病灶轮廓信息的病灶轮廓看成是多个坐标点，然后在空白图像上根据所述多个坐标点进行轮廓绘制，获得所述目标病灶轮廓，同时，可以通过预设的函数(比如drawContours函数等)来对所述目标病灶轮廓进行填充，获得所述完整病灶轮廓，能够解决人工绘制的病灶轮廓出现的轮廓没闭合的问题，同时，所述目标病灶轮廓是在空白图像上能够避免了在原来图像上的噪音影响，因此，对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓，能够提高后续数据处理的效率以及准确度。
作为一种可选的实施方式，所述确定模块204，还用于若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像；
所述医学标注图像检测装置20还包括：
生成模块，用于根据所述审核未通过图像，生成待标注任务；
分发模块，用于将所述待标注任务分发至预设终端。
在该可选的实施方式中，若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像，可以根据所述审核未通过图像，生成待标注任务，并将所述待标注任务分发至预设终端，以让医生对所述审核未通过图像重新进行标注等工作。
在图2所描述的医学标注图像检测装置20中，可以通过校验被多个医生标注的病灶轮廓信息来实现人工智能对医学标注图像进行自动审核，提高审核效率，同时，在自动审核的过程中，可以对标注信息(比如病灶轮廓)进行轮廓填充，完整病灶轮廓信息，降低了处理逻辑误判的概率，提高了审核的准确度。
如图3所示，图3是本发明实现医学标注图像检测方法的较佳实施例的电子设备的结构示意图。所述电子设备3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
本领域技术人员可以理解，图3所示的示意图仅仅是所述电子设备3的示例，并不构成对所述电子设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备3还可以包括输入输出设备、网络接入设备等。
所述电子设备3还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(InternetProtocol Television，IPTV)、智能式穿戴式设备等。所述电子设备3所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等，所述处理器32是所述电子设备3的控制中心，利用各种接口和线路连接整个电子设备3的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元，所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元，以及调用存储在存储器31内的数据，实现所述电子设备3的各种功能。所述存储器31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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备3的使用所创建的数据等。此外，存储器31可以包括易失性和非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件等。
结合图1，所述电子设备3中的所述存储器31存储多个指令以实现一种医学标注图像检测方法，所述处理器32可执行所述多个指令从而实现：
获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；
对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；
判断所述完整病灶轮廓是否满足预设的一致性要求；
若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
具体地，所述处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在图3所描述的电子设备3中，可以通过校验被多个医生标注的病灶轮廓信息来实现人工智能对医学标注图像进行自动审核，提高审核效率，同时，在自动审核的过程中，可以对标注信息(比如病灶轮廓)进行轮廓填充，完整病灶轮廓信息，降低了处理逻辑误判的概率，提高了审核的准确度。
所述电子设备3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存储器(RAM，Random Access Memory)等。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种医学标注图像检测方法，其特征在于，所述医学标注图像检测方法包括：
获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；
对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；
判断所述完整病灶轮廓是否满足预设的一致性要求；
若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
2.根据权利要求1所述的医学标注图像检测方法，其特征在于，所述判断所述完整病灶轮廓是否满足预设的一致性要求包括：
针对每个所述完整病灶轮廓，从剩余完整病灶轮廓中确定重叠病灶轮廓，其中，所述重叠病灶轮廓与所述完整病灶轮廓对应不同的医生，所述重叠病灶轮廓与所述完整病灶轮廓对应相同的病灶，所述剩余完整病灶轮廓是除了所述完整病灶轮廓之外的所有完整病灶轮廓；
确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率；
根据所述重叠率，确定病灶轮廓信息一致的医生的数量；
若所述病灶轮廓信息一致的医生的数量大于预设数量阈值，确定所述完整病灶轮廓满足预设的一致性要求；或
若所述病灶轮廓信息一致的医生的数量小于或等于预设数量阈值，确定所述完整病灶轮廓不满足预设的一致性要求。
3.根据权利要求2所述的医学标注图像检测方法，其特征在于，所述确定每个所述完整病灶轮廓与对应的所述重叠病灶轮廓的重叠率包括：
针对每个所述完整病灶轮廓，将所述完整病灶轮廓转换为第一二值矩阵，以及将与所述完整病灶轮廓对应的所述重叠病灶轮廓转换为第二二值矩阵；
确定所述第一二值矩阵与所述第二二值矩阵的矩阵相似度；
将所述矩阵相似度确定为所述重叠率。
4.根据权利要求2所述的医学标注图像检测方法，其特征在于，所述根据所述重叠率，确定病灶轮廓信息一致的医生的数量包括：
针对每个医生，确定所述医生在所述多个多医生标注图像上标注的病灶轮廓信息的总数量；
针对由任意两个医生组成的医生比对组，根据所述总数量，确定与所述医生比对组对应的比对病灶轮廓信息的比对数量；
根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息；
统计所述一致病灶轮廓信息的一致数量；
若所述一致数量与所述比对数量的比值大于预设比值阈值，确定所述医生比对组的两个医生的病灶轮廓信息一致；
根据所有两个医生的病灶轮廓信息一致的医生比对组的数量，确定病灶轮廓信息一致的医生的数量。
5.根据权利要求4所述的医学标注图像检测方法，其特征在于，所述根据所述比对病灶轮廓信息对应的所述重叠率，从所述比对病灶轮廓信息中确定具有一致性的一致病灶轮廓信息包括：
针对所述比对病灶轮廓信息对应的每个所述重叠率，判断所述重叠率是否大于预设重叠率阈值；
若所述重叠率大于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息为一致病灶轮廓信息；或
若所述重叠率小于或等于预设重叠率阈值，确定所述重叠率对应的比对病灶轮廓信息不为一致病灶轮廓信息。
6.根据权利要求1至5中任一项所述的医学标注图像检测方法，其特征在于，所述对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓包括：
创建空白图像；
根据所述病灶轮廓信息，在所述空白图像生成目标病灶轮廓；
对所述目标病灶轮廓进行轮廓内容填充，获得所述完整病灶轮廓。
7.根据权利要求1至5中任一项所述的医学标注图像检测方法，其特征在于，所述医学标注图像检测方法还包括：
若所述病灶轮廓信息不满足预设的一致性要求，确定所述多个多医生标注图像为审核未通过图像；
根据所述审核未通过图像，生成待标注任务；
将所述待标注任务分发至预设终端。
8.一种医学标注图像检测装置，其特征在于，所述医学标注图像检测装置包括：
获取模块，用于获取多个多医生标注图像，其中，所述多医生标注图像携带有被多个医生标注的病灶轮廓信息；
填充模块，用于对所述病灶轮廓信息进行轮廓填充，获得完整病灶轮廓；
判断模块，用于判断所述完整病灶轮廓是否满足预设的一致性要求；
确定模块，用于若所述病灶轮廓信息满足预设的一致性要求，将所述多个多医生标注图像确定为审核通过图像。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的医学标注图像检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的医学标注图像检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917003.7A CN111986194A (zh) | 2020-09-03 | 2020-09-03 | 医学标注图像检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917003.7A CN111986194A (zh) | 2020-09-03 | 2020-09-03 | 医学标注图像检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111986194A true CN111986194A (zh) | 2020-11-24 |
Family
ID=73448040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010917003.7A Pending CN111986194A (zh) | 2020-09-03 | 2020-09-03 | 医学标注图像检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986194A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112784713A (zh) * | 2021-01-08 | 2021-05-11 | 深圳喜为智慧科技有限公司 | 一种基于图像的猪体重估测方法、系统、设备及存储介质 |
| CN112819925A (zh) * | 2021-02-26 | 2021-05-18 | 上海宝藤生物医药科技股份有限公司 | 病灶标注的处理方法、装置、电子设备和介质 |
| CN113313359A (zh) * | 2021-04-30 | 2021-08-27 | 北京医准智能科技有限公司 | 一种影像标注诊断质量的评估方法及装置 |
| CN113554619A (zh) * | 2021-07-22 | 2021-10-26 | 深圳市永吉星光电有限公司 | 3d医用微型摄像头的图像目标检测方法、系统及装置 |
| CN113705691A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的图像标注校验方法、装置、设备及介质 |
| CN113764077A (zh) * | 2021-07-27 | 2021-12-07 | 上海思路迪生物医学科技有限公司 | 病理图像的处理方法、装置、电子设备与存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105404896A (zh) * | 2015-11-03 | 2016-03-16 | 北京旷视科技有限公司 | 标注数据处理方法和标注数据处理系统 |
| CN110390667A (zh) * | 2019-06-18 | 2019-10-29 | 平安科技（深圳）有限公司 | 基于眼底oct影像的病灶提取方法、装置、设备及存储介质 |
| CN110991486A (zh) * | 2019-11-07 | 2020-04-10 | 北京邮电大学 | 多人协作图像标注质量控制的方法和装置 |
| CN111047610A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶区域呈现方法和装置 |
-
2020
- 2020-09-03 CN CN202010917003.7A patent/CN111986194A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105404896A (zh) * | 2015-11-03 | 2016-03-16 | 北京旷视科技有限公司 | 标注数据处理方法和标注数据处理系统 |
| CN110390667A (zh) * | 2019-06-18 | 2019-10-29 | 平安科技（深圳）有限公司 | 基于眼底oct影像的病灶提取方法、装置、设备及存储介质 |
| CN110991486A (zh) * | 2019-11-07 | 2020-04-10 | 北京邮电大学 | 多人协作图像标注质量控制的方法和装置 |
| CN111047610A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶区域呈现方法和装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112784713A (zh) * | 2021-01-08 | 2021-05-11 | 深圳喜为智慧科技有限公司 | 一种基于图像的猪体重估测方法、系统、设备及存储介质 |
| CN112819925A (zh) * | 2021-02-26 | 2021-05-18 | 上海宝藤生物医药科技股份有限公司 | 病灶标注的处理方法、装置、电子设备和介质 |
| CN113313359A (zh) * | 2021-04-30 | 2021-08-27 | 北京医准智能科技有限公司 | 一种影像标注诊断质量的评估方法及装置 |
| CN113554619A (zh) * | 2021-07-22 | 2021-10-26 | 深圳市永吉星光电有限公司 | 3d医用微型摄像头的图像目标检测方法、系统及装置 |
| CN113764077A (zh) * | 2021-07-27 | 2021-12-07 | 上海思路迪生物医学科技有限公司 | 病理图像的处理方法、装置、电子设备与存储介质 |
| CN113764077B (zh) * | 2021-07-27 | 2024-04-19 | 上海思路迪生物医学科技有限公司 | 病理图像的处理方法、装置、电子设备与存储介质 |
| CN113705691A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的图像标注校验方法、装置、设备及介质 |
| CN113705691B (zh) * | 2021-08-30 | 2024-04-09 | 深圳平安智慧医健科技有限公司 | 基于人工智能的图像标注校验方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986194A (zh) | 医学标注图像检测方法、装置、电子设备及存储介质 | |
| CN111932534B (zh) | 医学影像图片分析方法、装置、电子设备及可读存储介质 | |
| WO2020244075A1 (zh) | 手语识别方法、装置、计算机设备及存储介质 | |
| CN111739016B (zh) | 目标检测模型训练方法、装置、电子设备及存储介质 | |
| CN111897818A (zh) | 数据存储方法、装置、电子设备及存储介质 | |
| CN109344302B (zh) | 一种组织架构信息的展示方法、存储介质和服务器 | |
| CN112416583A (zh) | 高频请求处理方法、装置、电子设备及存储介质 | |
| CN112214588A (zh) | 多意图识别方法、装置、电子设备及存储介质 | |
| CN112711398A (zh) | 埋点文件生成方法、装置、设备及存储介质 | |
| CN112001159A (zh) | 文书生成方法、装置、电子设备及存储介质 | |
| CN111932595A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| CN108920661A (zh) | 国际疾病分类标记方法、装置、计算机设备及存储介质 | |
| CN111932563B (zh) | 图片区域分割方法、装置、电子设备及存储介质 | |
| WO2021237414A1 (zh) | 信息推送方法、装置、电子设备及存储介质 | |
| CN112184050A (zh) | 任务分发方法、装置、电子设备及存储介质 | |
| CN112819305A (zh) | 业务指标分析方法、装置、设备及存储介质 | |
| CN114723652A (zh) | 细胞密度确定方法、装置、电子设备及存储介质 | |
| CN111785343A (zh) | 随访方法、装置、电子设备及存储介质 | |
| CN116089535A (zh) | 数据同步方法、装置、设备及存储介质 | |
| WO2019232916A1 (zh) | 项目控制方法、装置、电子设备及介质 | |
| CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
| TWI777319B (zh) | 幹細胞密度確定方法、裝置、電腦裝置及儲存介質 | |
| CN113705686B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
| CN111382831A (zh) | 加速卷积神经网络模型前向推理的方法及装置 | |
| CN112506976B (zh) | 数据流向的展示方法、装置、电子设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220927 Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd. Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000 Applicant before: Ping An International Smart City Technology Co.,Ltd. |