CN113178248A - 医学图像数据库建立方法、装置、设备及存储介质 - Google Patents
医学图像数据库建立方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113178248A CN113178248A CN202110467236.6A CN202110467236A CN113178248A CN 113178248 A CN113178248 A CN 113178248A CN 202110467236 A CN202110467236 A CN 202110467236A CN 113178248 A CN113178248 A CN 113178248A
- Authority
- CN
- China
- Prior art keywords
- medical image
- category
- medical
- database
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000009193 crawling Effects 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 19
- 201000005202 lung cancer Diseases 0.000 description 19
- 208000020816 lung neoplasm Diseases 0.000 description 19
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 201000004624 Dermatitis Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000010668 atopic eczema Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 208000017520 skin disease Diseases 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 238000006467 substitution reaction 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
- G16H30/20—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
- 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
Abstract
本发明实施例公开了一种医学图像数据库建立方法、装置、设备及存储介质，该方法包括：获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。解决了现有医学图像数据库建立方法存在建库效率较低的问题。
Description
技术领域
本发明实施例涉及图像处理领域，尤其涉及一种医学图像数据库建立方法、装置、设备及存储介质。
背景技术
在互联网时代，医疗相关的图像、视频在不断地增多。一些不法分子利用网络的便利，传播、篡改医疗图像。目前医疗图像、视频的审核很大程度还依赖于人工，效率较低。为了提高医疗图像、视频的审核速度，人们开始尝试使用大数据分析技术来审核医疗图像、视频。但不可否认的是，采用大数据分析来审核医疗图像、视频需要庞大的医学图像数据库的支持。
现有医学图像数据库的建立方法，通常需要耗费大量的人力和时间来对目标医疗图像(如肺癌图像、湿疹图像)进行筛选和梳理，然后将筛选和梳理后的目标医疗图像添加到相应的医学图像数据库中，很难在短时间内建立起一个包含大量目标医疗图像且能够满足大数据分析需求的医学图像数据库。
综上，现有医学图像数据库建立方法至少存在建库效率较低的问题。
发明内容
本发明实施例提供了一种医学图像数据库建立方法、装置、设备及存储介质，解决了现有医学图像数据库建立方法存在建库效率较低的问题。
第一方面，本发明实施例提供了医学图像数据库建立方法，该方法包括：
获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；
根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
第二方面，本发明实施例还提供了一种医学图像数据库建立装置，该装置包括：
图像获取模块，用于获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
筛查模块，用于对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；
建库模块，用于根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
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任意实施例所述的医学图像数据库建立方法
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如任意所述的医学图像数据库建立方法。
本发明实施例提供的医学图像数据库建立方法的技术方案，获取名称目录中的各个医学图像类别名称对应的医学图像，名称目录包括一个或多个医学图像类别名称；对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。通过相似度筛查可以快速准确地将仅属于该类别的医学图像添加至相应的类别的医学图像子数据库，既能大幅度地提高该类别的医学图像子数据库的建立速度，又能保证每个类别的医学图像子数据库所包含的医学图像的纯净度，从而提高基于每个类别的医学图像子数据库进行医学图像分析的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图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是本发明实施例一提供的医学图像数据库建立方法的流程图；
图2是本发明实施例二提供的医学图像数据库建立装置的结构框图；
图3是本发明实施例三提供的计算机设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，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。
实施例一
图1是本发明实施例一提供的医学图像数据库建立方法的流程图。本实施例的技术方案适用于自动建立医学图像数据库的情况。该方法可以由本发明实施例提供的医学图像数据库建立装置来执行，该装置可以采用软件和/或硬件的方式实现，并配置在相应设备的处理器中应用。该方法具体包括如下步骤：
S101、获取名称目录中各个医学图像类别名称对应的医学图像，名称目录包括一个或多个医学图像类别名称。
在一个实施例中，医学图像类别名称包括疾病名称，比如湿疹。
在一个实施例中，医学图像类别名称包括疾病部位名称和疾病名称，比如肺癌、脑出血等。
本实施例中，一个医学图像类别名称对应一个医学图像子数据库，因此医学图像数据库包括至少一个医学图像子数据库。
其中，名称目录所包含的医学图像类别名称可由用户根据实际需求进行设置。比如，用户当前的分析需求主要是分析皮肤疾病的医学图像，那么名称目录需包含关于皮肤疾病的一个或多个图像类别名称；如果用户当前的分析需求主要是分析癌症患者的医学图像，那么名称目录需包含一个或多个关于癌症的图像类别名称，比如肺癌、胃癌等。
在一个实施例中，从至少两个合作医院获取名称目标中的医学图像。其中，合作医院为收治有名称目录中的至少一个图像类别名称对应的疾病的大量患者，从而获取到相应图像类别名称的丰富医学图像。
在一个实施例中，从一个或多个目标网站爬取名称目录中的医学图像，从而可以在短时间内获取每个图像类别名称的大量医学图像。其中，爬取方法采用现有的图像爬取方法，或者采用第三方爬取框架即可。
为了提高图像数据库的建库效率，本实施例按照图像类别名称对获取到的医学图像进行分类处理以得到每个图像类别名称对应的医学图像。可以理解的是，如果名称目录中仅包含一个图像类别名称，则无需对获取到的医学图像进行分类处理。
在一个实施例中，对每一类别的每一幅医学图像进行倾斜矫正处理，以更新每一类别的医学图像，以使每一类别中的每幅医学图像的方向是相同的，比如都是横向图像，或者都是横向图像。或者，对每一类别的每一幅医学图像进行倾斜矫正处理，以使每一类别中的每幅图像的方向相同；然后对倾斜矫正处理后的医学图像进行裁剪，以降低每幅医学图像的数据量。需要说明的是，该实施例优选采用已训练的神经网络模型执行医学图像的倾斜矫正处理，或者执行医学图像的倾斜矫正处理和裁剪处理。该已训练的神经网络模型优选由多任务卷积神经网络(MTCNN)训练而成。
本实施例优选还对每一个图像类别名称对应的医学图像进行去重处理以更新每一类别的医学图像。用于去除每个图像类别名称所对应的医学图像中的相同或相似图像，以使每个类别中的每个医学图像均能够提供不同于其他医学图像的特征信息，从而提高整个医学图像数据库所提供的特征信息的全面性。其中，本实施例优选采用phash去重算法进行去重处理。
S102、对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库。
可以理解的是，在对医学图像进行分析时，通常是先识别出该医学图像所属的图像类别，然后调用相应图像类别对应的子数据库进行具体分析。因此，为了保证医学图像分析的准确性，需要保证每个图像类别的子数据库仅包含相应图像类别名称的医学图像，而不能包含其他图像。为此，本实施例对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库。
具体地，确定每一类别的医学图像中的每幅医学图像与同类别中的其他所有对比医学图像的相似度，并统计该类别中相似度大于预设相似度阈值的相似度数量与该类别中的总图像数量的比值，若该比值小于预设占比，则删除该医学图像；若该比值大于预设占比，则将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库中。
其中，统计该类别中相似度大于预设相似度阈值的相似度数量的方法包括：S1、确定该类别医学图像中的目标图像；S2、确定该目标图像与当前对比医学图像的相似度，如果该相似度大于或等于预设相似度阈值，则投该目标图像一票，如果该相似度小于预设相似度阈值，则保持目标图像的当前票数不变；S3将下一标识的医学图像作为当前对比医学图像，并执行上述S2；重复执行上述S2-S3，直至确定完目标图像与相应类别中的所有其他图像的对比度，以及投票处理；S4、将投票数量作为该类别中相似度大于预设相似度阈值的相似度数量。
其中，相似度的确定方法包括：提取每一类别的医学图像中的每幅医学图像的一个或多个预设特征向量；确定每一类别的医学图像中的任一医学图像与同类别中的其他每幅医学图像之间的一个或多个预设特征向量的相似度，以得到相应的相似度结果。
其中，特征向量的维度优选但不限于1024维。图像的筛查处理优选由已训练的筛查模型完成，该已训练的筛查模型的主干采用注意力(attention)模型的resnet网络。
其中，相似度的取值范围为0-1，且从0到1，两幅医学图像之间的相似度逐步升高。预设相似度阈值优选为60％，预设占比优选为50％。
示例性的，共有肺癌图像100幅，确定标识为1的肺癌图像分别与其他99幅肺癌图像的相似度，如果标识为1的肺癌图像与该其他99幅肺癌图像中的90幅肺癌图像的相似度大于预设相似度阈值。那么，对于标识为1的肺癌图像来说，相似度大于预设相似度阈值的结果数量(90)与肺癌图像总数(100)的比值为90％。如果预设占比为60％，那么该比值大于预设占比，因此判定标识为1的肺癌图像属于肺癌图像类别，因此将其添加至肺癌子数据库中。可以理解的是，如果标识为2的肺癌图像与其他99幅肺癌图像中的9幅图像的相似度大于预设相似度阈值，那么对于该图像来说，相似度大于预设相似度阈值的结果数量(9)与总肺癌图像数量(100)的比值为9％。如果预设占比为60％，那么该比值小于该预设占比，因此判定标识为2的肺癌图像不属于肺癌图像类别，因此将其从当前图像类别中删除。
S103、根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
在完成了该至少一个医学图像类别名称对应的各个医学图像子数据库的建立之后，将该至少一个医学图像子数据库组合成医学图像数据库。可以理解的是，该医学图像数据库包括至少一个医学图像类别的医学图像。
本发明实施例提供的医学图像数据库建立方法的技术方案，获取名称目录中的各个医学图像类别名称对应的医学图像，名称目录包括一个或多个医学图像类别名称；对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。通过相似度筛查可以快速准确地将仅属于该类别的医学图像添加至相应的类别的医学图像子数据库，既能大幅度地提高该类别的医学图像子数据库的建立速度，又能保证每个类别的医学图像子数据库所包含的医学图像的纯净度，从而提高基于每个类别的医学图像子数据库进行医学图像分析的准确度。
实施例二
图2是本发明实施例提供的医学图像数据库建立装置的结构框图。该装置用于执行上述任意实施例所提供的医学图像数据库建立方法，该装置可选为软件或硬件实现。该装置包括：
图像获取模块11，用于获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
筛查模块12，用于对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据；
建库模块13，用于根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
优选地，获取模块用于从一个或多个目标网站爬取名称目录中的各个医学图像类别名称对应的医学图像。
优选地，获取模块用于根据名称目录中的各个医学图像类别名称获取医学图像；按照图像类别名称对获取到的医学图像进行分类处理以得到至少一个类别的医学图像；对每一图像类别名称对应的医学图像进行去重处理以更新每一类别的医学图像。
优选地，获取模块用于采用phash去重算法进行去重处理。
优选地，获取模块还用于对每一类别的每幅医学图像进行倾斜矫正处理，以更新每一类别的医学图像。
优选地，筛查模块用于确定每一类别的医学图像中的每幅医学图像与同类别中的其他所有对比医学图像的相似度；统计每幅医学图像的所有相似度结果中相似度大于预设相似度阈值的结果数量与该类别中的总图像数量的比值，并将比值大于预设占比的医学图像添加至相应医学图像类别名称对应的医学图像子数据库中。
优选地，筛查模块还用于提取每一类别的医学图像中的每幅医学图像的一个或多个预设特征向量；确定每一类别的医学图像中的任一医学图像与同类别中的其他每幅医学图像之间的一个或多个预设特征向量的相似度，以得到相应的相似度结果。
本发明实施例提供的医学图像数据库建立装置，通过图像获取模块获取名称目录中的各个医学图像类别名称对应的医学图像，名称目录包括一个或多个医学图像类别名称；通过筛查模块对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。通过相似度筛查可以快速准确地将仅属于该类别的医学图像添加至相应的类别的医学图像子数据库，既能大幅度地提高该类别的医学图像子数据库的建立速度，又能保证每个类别的医学图像子数据库所包含的医学图像的纯净度，从而提高基于每个类别的医学图像子数据库进行医学图像分析的准确度。
本发明实施例所提供的医学图像数据库建立装置可执行本发明任意实施例所提供的医学图像数据库建立方法，具备执行方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供的计算机设备的结构示意图，如图3所示，该设备包括处理器201、存储器202、输入装置203以及输出装置204；设备中处理器201的数量可以是一个或多个，图3中以一个处理器201为例；设备中的处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器202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医学图像数据库建立方法对应的程序指令/模块(例如，图像获取模块11和筛查模块12)。处理器201通过运行存储在存储器202中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的医学图像数据库建立方法。
存储器202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，存储器202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，存储器202可进一步包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至设备。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203可用于接收输入的数字或字符信息，以及产生与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204可包括显示屏等显示设备，例如，用户终端的显示屏。
实施例四
本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述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医学图像数据库建立方法，该方法包括：
获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；
根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
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所述的方法操作，还可以执行本发明任意实施例所提供的医学图像数据库建立方法中的相关操作。
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，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的医学图像数据库建立方法。
值得注意的是，上述医学图像数据库建立装置的实施例中，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。
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)
1.一种医学图像数据库建立方法，其特征在于，包括：
获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；
根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
2.根据权利要求1所述的方法，其特征在于，所述获取名称目录中的各个医学图像类别名称对应的医学图像，包括：
从一个或多个目标网站爬取名称目录中的各个医学图像类别名称对应的医学图像。
3.根据权利要求2所述的方法，其特征在于，所述获取名称目录中的各个医学图像类别名称对应的预设数量的医学图像，包括：
根据名称目录中的各个医学图像类别名称获取医学图像；
按照图像类别名称对获取到的医学图像进行分类处理以得到至少一个类别的医学图像；
对每一图像类别名称对应的医学图像进行去重处理以更新每一类别的医学图像。
4.根据权利要求3所述的方法，其特征在于，采用phash去重算法进行去重处理。
5.根据权利要求3所述的方法，其特征在于，所述对每一类别的医学图像进行去重处理以更新每一类别的医学图像之前，包括：
对每一类别的每幅医学图像进行倾斜矫正处理，以更新每一类别的医学图像。
6.根据权利要求1所述的方法，其特征在于，所述对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库，包括：
确定每一类别的医学图像中的每幅医学图像与同类别中的其他所有对比医学图像的相似度；
统计每幅医学图像的所有相似度结果中相似度大于预设相似度阈值的结果数量与该类别中的总图像数量的比值，并将比值大于预设占比的医学图像添加至相应医学图像类别名称对应的医学图像子数据库中。
7.根据权利要求6所述的方法，其特征在于，所述确定每一类别的医学图像中的每幅医学图像与同类别中的其他每幅医学图像的相似度，包括：
提取每一类别的医学图像中的每幅医学图像的一个或多个预设特征向量；
确定每一类别的医学图像中的任一医学图像与同类别中的其他每幅医学图像之间的一个或多个预设特征向量的相似度，以得到相应的相似度结果。
8.一种医学图像数据库建立装置，其特征在于，包括：
图像获取模块，用于获取名称目录中的各个医学图像类别名称对应的医学图像，所述名称目录包括一个或多个医学图像类别名称；
筛查模块，用于对每个类别的医学图像中的每幅医学图像进行同类别内的相似度筛查，并在该医学图像符合预设相似度条件时，将该医学图像添加至相应医学图像类别名称对应的医学图像子数据库；
建库模块，用于根据该至少一个医学图像类别名称对应的医学图像子数据库确定医学图像数据库。
9.一种计算机设备，其特征在于，所述计算机设备包括：
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中任一所述的医学图像数据库建立方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的医学图像数据库建立方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110467236.6A CN113178248A (zh) | 2021-04-28 | 2021-04-28 | 医学图像数据库建立方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110467236.6A CN113178248A (zh) | 2021-04-28 | 2021-04-28 | 医学图像数据库建立方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113178248A true CN113178248A (zh) | 2021-07-27 |
Family
ID=76926903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110467236.6A Pending CN113178248A (zh) | 2021-04-28 | 2021-04-28 | 医学图像数据库建立方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113178248A (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120134576A1 (en) * | 2010-11-26 | 2012-05-31 | Sharma Avinash | Automatic recognition of images |
| CN103324853A (zh) * | 2013-06-25 | 2013-09-25 | 上海交通大学 | 基于医学图像特征的相似度计算系统及方法 |
| JP2014509004A (ja) * | 2011-02-07 | 2014-04-10 | インテル・コーポレーション | 新たな画像及びその情報を画像データベースに書き込むための方法、システム、及びプログラム |
| JP2014197412A (ja) * | 2014-06-12 | 2014-10-16 | トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ | 画像の類似検索システム及び方法 |
| CN104216976A (zh) * | 2014-09-01 | 2014-12-17 | 广东欧珀移动通信有限公司 | 一种移动终端图片分组查看方法及系统 |
| CN106446923A (zh) * | 2016-05-25 | 2017-02-22 | 哈尔滨工程大学 | 基于角点匹配的医学图像分类方法 |
| CN107341189A (zh) * | 2017-06-09 | 2017-11-10 | 国政通科技股份有限公司 | 一种辅助人工对图像进行筛查、分类和存储的方法及系统 |
| CN109241349A (zh) * | 2018-08-14 | 2019-01-18 | 中国电子科技集团公司第三十八研究所 | 一种基于深度学习的监控视频多目标分类检索方法及系统 |
| CN109359517A (zh) * | 2018-08-31 | 2019-02-19 | 深圳市商汤科技有限公司 | 图像识别方法和装置、电子设备、存储介质、程序产品 |
| US20190065897A1 (en) * | 2017-08-28 | 2019-02-28 | Boe Technology Group Co., Ltd. | Medical image analysis method, medical image analysis system and storage medium |
| CN109635146A (zh) * | 2018-11-28 | 2019-04-16 | 武汉虹信技术服务有限责任公司 | 一种基于图像特征的目标查询方法及系统 |
| CN110083731A (zh) * | 2019-03-12 | 2019-08-02 | 平安科技（深圳）有限公司 | 图像检索方法、装置、计算机设备及存储介质 |
| CN110598790A (zh) * | 2019-09-12 | 2019-12-20 | 北京达佳互联信息技术有限公司 | 一种图像的识别方法、装置、电子设备及存储介质 |
| CN111091080A (zh) * | 2019-12-06 | 2020-05-01 | 贵州电网有限责任公司 | 人脸识别方法及系统 |
| CN111291807A (zh) * | 2020-02-03 | 2020-06-16 | Oppo广东移动通信有限公司 | 一种细粒度图像分类方法、装置及存储介质 |
| CN111626371A (zh) * | 2020-05-29 | 2020-09-04 | 歌尔科技有限公司 | 一种图像分类方法、装置、设备及可读存储介质 |
| CN111986785A (zh) * | 2020-08-26 | 2020-11-24 | 北京至真互联网技术有限公司 | 医学影像标注方法和装置、设备及存储介质 |
| CN112115740A (zh) * | 2019-06-19 | 2020-12-22 | 北京海益同展信息科技有限公司 | 用于处理图像的方法和装置 |
| CN112148907A (zh) * | 2020-10-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 图像数据库的更新方法、装置、电子设备和介质 |
| CN112148908A (zh) * | 2020-10-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 图像数据库的更新方法、装置、电子设备和介质 |
-
2021
- 2021-04-28 CN CN202110467236.6A patent/CN113178248A/zh active Pending
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120134576A1 (en) * | 2010-11-26 | 2012-05-31 | Sharma Avinash | Automatic recognition of images |
| JP2014509004A (ja) * | 2011-02-07 | 2014-04-10 | インテル・コーポレーション | 新たな画像及びその情報を画像データベースに書き込むための方法、システム、及びプログラム |
| CN103324853A (zh) * | 2013-06-25 | 2013-09-25 | 上海交通大学 | 基于医学图像特征的相似度计算系统及方法 |
| JP2014197412A (ja) * | 2014-06-12 | 2014-10-16 | トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ | 画像の類似検索システム及び方法 |
| CN104216976A (zh) * | 2014-09-01 | 2014-12-17 | 广东欧珀移动通信有限公司 | 一种移动终端图片分组查看方法及系统 |
| CN106446923A (zh) * | 2016-05-25 | 2017-02-22 | 哈尔滨工程大学 | 基于角点匹配的医学图像分类方法 |
| CN107341189A (zh) * | 2017-06-09 | 2017-11-10 | 国政通科技股份有限公司 | 一种辅助人工对图像进行筛查、分类和存储的方法及系统 |
| US20190065897A1 (en) * | 2017-08-28 | 2019-02-28 | Boe Technology Group Co., Ltd. | Medical image analysis method, medical image analysis system and storage medium |
| CN109241349A (zh) * | 2018-08-14 | 2019-01-18 | 中国电子科技集团公司第三十八研究所 | 一种基于深度学习的监控视频多目标分类检索方法及系统 |
| CN109359517A (zh) * | 2018-08-31 | 2019-02-19 | 深圳市商汤科技有限公司 | 图像识别方法和装置、电子设备、存储介质、程序产品 |
| CN109635146A (zh) * | 2018-11-28 | 2019-04-16 | 武汉虹信技术服务有限责任公司 | 一种基于图像特征的目标查询方法及系统 |
| CN110083731A (zh) * | 2019-03-12 | 2019-08-02 | 平安科技（深圳）有限公司 | 图像检索方法、装置、计算机设备及存储介质 |
| CN112115740A (zh) * | 2019-06-19 | 2020-12-22 | 北京海益同展信息科技有限公司 | 用于处理图像的方法和装置 |
| CN110598790A (zh) * | 2019-09-12 | 2019-12-20 | 北京达佳互联信息技术有限公司 | 一种图像的识别方法、装置、电子设备及存储介质 |
| CN111091080A (zh) * | 2019-12-06 | 2020-05-01 | 贵州电网有限责任公司 | 人脸识别方法及系统 |
| CN111291807A (zh) * | 2020-02-03 | 2020-06-16 | Oppo广东移动通信有限公司 | 一种细粒度图像分类方法、装置及存储介质 |
| CN111626371A (zh) * | 2020-05-29 | 2020-09-04 | 歌尔科技有限公司 | 一种图像分类方法、装置、设备及可读存储介质 |
| CN111986785A (zh) * | 2020-08-26 | 2020-11-24 | 北京至真互联网技术有限公司 | 医学影像标注方法和装置、设备及存储介质 |
| CN112148907A (zh) * | 2020-10-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 图像数据库的更新方法、装置、电子设备和介质 |
| CN112148908A (zh) * | 2020-10-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 图像数据库的更新方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
| CN111488363B (zh) | 数据处理方法、装置、电子设备及介质 | |
| CN110866491B (zh) | 目标检索方法、装置、计算机可读存储介质和计算机设备 | |
| CN110232373B (zh) | 人脸聚类方法、装置、设备和存储介质 | |
| WO2017045443A1 (zh) | 一种图像检索方法及系统 | |
| CN110489951A (zh) | 风险识别的方法、装置、计算机设备和存储介质 | |
| CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
| WO2020056968A1 (zh) | 数据降噪方法、装置、计算机设备和存储介质 | |
| CN110689518A (zh) | 宫颈细胞图像筛查方法、装置、计算机设备及存储介质 | |
| CN111091106A (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
| CN114625918A (zh) | 视频推荐方法、装置、设备、存储介质及程序产品 | |
| CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
| TW202123026A (zh) | 資料歸檔方法、裝置、電腦裝置及存儲介質 | |
| CN112052251B (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
| CN110659631A (zh) | 车牌识别方法和终端设备 | |
| CN112527950A (zh) | 一种基于MapReduce的图数据删除方法及系统 | |
| TWI714321B (zh) | 資料庫更新方法和裝置、電子設備、電腦儲存介質 | |
| CN113178248A (zh) | 医学图像数据库建立方法、装置、设备及存储介质 | |
| CN109213515B (zh) | 多平台下埋点归一方法及装置和电子设备 | |
| CN111191065A (zh) | 一种同源图像确定方法及装置 | |
| CN111047657A (zh) | 图片压缩方法、装置、介质及电子设备 | |
| CN113743533B (zh) | 一种图片聚类方法、装置及存储介质 | |
| CN111061719B (zh) | 数据收集方法、装置、设备和存储介质 | |
| CN110309335B (zh) | 一种图片匹配方法、装置、设备及存储介质 | |
| CN110413603B (zh) | 重复数据的确定方法、装置、电子设备及计算机存储介质 |
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 |