CN113689937A - 图像标注方法、存储介质和处理器 - Google Patents

图像标注方法、存储介质和处理器 Download PDF

Info

Publication number
CN113689937A
CN113689937A CN202110769500.1A CN202110769500A CN113689937A CN 113689937 A CN113689937 A CN 113689937A CN 202110769500 A CN202110769500 A CN 202110769500A CN 113689937 A CN113689937 A CN 113689937A
Authority
CN
China
Prior art keywords
medical image
terminal
information
medical
medical 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
Application number
CN202110769500.1A
Other languages
English (en)
Inventor
郭恒
郭文超
张剑锋
许敏丰
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.)
Alibaba Innovation Co
Original Assignee
Alibaba Singapore Holdings Pte 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 Alibaba Singapore Holdings Pte Ltd filed Critical Alibaba Singapore Holdings Pte Ltd
Priority to CN202110769500.1A priority Critical patent/CN113689937A/zh
Publication of CN113689937A publication Critical patent/CN113689937A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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
    • G06T2207/30008—Bone

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Epidemiology (AREA)
  • Strategic Management (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种图像标注方法、存储介质和处理器。其中，该方法包括：确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息。本发明解决了现有技术中对医学图像的标注效率较低的技术问题。

Description

图像标注方法、存储介质和处理器
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种图像标注方法、存储介质和处理器。
背景技术
医学影像标注需要专业的医学领域从业人员来进行，门槛相对较高，尤其是对于三维影像标注，需要很强的专业度和长期的阅片经验积累。医生的工作通常又是十分繁重，专业医生只能抽出部分时间进行人工智能方面训练数据集的标注，因此，对医学图像的标注效率较低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像标注方法、存储介质和处理器，以至少解决现有技术中对医学图像的标注效率较低的技术问题。
根据本发明实施例的一个方面，提供了一种图像标注方法，包括：确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息。
进一步地，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：解析所述医学图像集中医学图像的目标信息；获取所述医学图像集中医学图像对应的诊断报告；基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
进一步地，将所述医学图像集中的医学图像分发至至少一个第一终端包括：基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
进一步地，将所述医学图像集中的医学图像分发至至少一个第一终端包括：选择任务分发模式；若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
进一步地，在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，所述方法还包括：若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；将所述标注信息对应的质检信息上传至预设系统；所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
进一步地，在将所述医学图像集中的医学图像分发至至少一个第一终端之后，所述方法还包括：对所述医学图像集中的病灶区域增加3D标注框；通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；在所述病灶的标注位置上添加病灶的属性信息。
进一步地，在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；将所述医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
进一步地，所述方法还包括：将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
进一步地，辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为所述医学图像的目标标注信息之后，所述方法还包括：根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
根据本发明实施例的一个方面，提供了一种图像标注装置，包括：第一确定单元，用于确定待标注的医学图像集；第一分发单元，用于将所述医学图像集中的医学图像分发至至少一个第一终端，其中，所述第一终端用于对接收到的医学图像进行数据标注；第一接收单元，用于接收所述至少一个第一终端返回的所述医学图像的标注信息；第二分发单元，用于将返回的所述医学图像的所述标注信息分发至至少一个第二终端，其中，所述第二终端用于对所述标注信息进行质检；第二确定单元，用于将通过质检的标注信息作为所述医学图像的目标标注信息。
进一步地，所述装置还包括：第一解析单元，用于在将所述医学图像集中的医学图像分发至至少一个第一终端之前，解析所述医学图像集中医学图像的目标信息；第一获取单元，用于获取所述医学图像集中医学图像对应的诊断报告；第一构建单元，用于基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
进一步地，所述第一分发单元包括：第一分发模块，用于基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
进一步地，所述第一分发单元包括：第一选择模块，用于选择任务分发模式；第一发送模块，用于若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；第二分发模块，用于若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；第一分配模块，用于若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
进一步地，所述装置还包括：第二获取单元，用于在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；第一上传单元，用于将所述标注信息对应的质检信息上传至预设系统；第一调整单元，用于所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
进一步地，所述装置还包括：第一标注单元，用于在将所述医学图像集中的医学图像分发至至少一个第一终端之后，对所述医学图像集中的病灶区域增加3D标注框；第二调整单元，用于通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；第一添加单元，用于在所述病灶的标注位置上添加病灶的属性信息。
进一步地，所述装置还包括：第三获取单元，用于在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；所述第一分发单元，还用于将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
进一步地，所述装置还包括：第三确定单元，用于将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
进一步地，辅助标注后的医学图像集中包括：肋骨分割结果，所述装置还包括：第四确定单元，用于在将通过质检的标注信息作为所述医学图像的目标标注信息之后，根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
根据本发明实施例的一个方面，提供了一种图像标注方法，包括：云服务器接收待标注的医学图像集；所述云服务器将所述医学图像集中的医学图像分发至至少一个第一终端，其中，所述第一终端用于对接收到的医学图像进行数据标注；接收所述至少一个第一终端返回的所述医学图像的标注信息；将返回的所述医学图像的所述标注信息分发至至少一个第二终端，其中，所述第二终端用于对所述标注信息进行质检；将通过质检的标注信息作为所述医学图像的目标标注信息；所述云服务器返回所述医学图像的目标标注信息至客户端。
根据本发明实施例的一个方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的图像标注方法。
根据本发明实施例的一个方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的图像标注方法。
在本发明实施例中，采用对医学图像进行标注和质检相结合的方式，通过确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息，达到了提升对医学图像的标注的准确性的目的，同时对医学图像的标注环节和质检环节高效协同，从而提升了对医学图像的标注效率，进而解决了现有技术中对医学图像的标注效率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的计算机终端的硬件结构框图；
图2是根据本发明实施例一提供的图像标注方法的流程图；
图3是根据本发明实施例一提供的可选的图像标注方法的示意图一；
图4是根据本发明实施例一提供的肋骨骨折标注的示意图；
图5是根据本发明实施例一提供的标注界面的示意图；
图6是根据本发明实施例一提供的质检界面的示意图；
图7是根据本发明实施例一提供的可选的图像标注方法的示意图二；
图8是根据本发明实施例二提供的图像标注方法的流程图；
图9是根据本发明实施例三提供的图像标注装置的示意图；以及
图10是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
ROI:Region of Interest，感兴趣区域，对于一个空间中感兴趣的区域，通常是病灶存在的区域，用一种工具进行标注，一般在2D空间用长方形，3D空间用长方体。
MPR：Multiplanar reconstruction，多平面重建，即对于一份3D医学影像数据，可以将其重建到任意平面上，比如冠状面、矢状面、横断面，用以提供至少一个角度进行观察。
实施例1
根据本发明实施例，提供了一种图像标注方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像标注方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的图像标注方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的图像标注方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
在上述运行环境下，本申请提供了如图2所示的图像标注方法。图2是根据本发明实施例一的图像标注方法的流程图。
步骤S201，确定待标注的医学图像集。
上述的待标注的医学图像集中可以包括多张医学图像。
步骤S202，将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注。
各个标注员可以通过对应的第一终端对医学图像进行数据标注。
步骤S203，接收至少一个第一终端返回的医学图像的标注信息。
步骤S204，将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检。
在各个第二终端中的质检员可以对医学图像的标注信息进行质检。
步骤S205，将通过质检的标注信息作为医学图像的目标标注信息。
将通过质检的标注信息作为医学图像的目标标注信息，达到了提升对医学图像的标注的准确性的目的，同时对医学图像的标注环节和质检环节高效协同，从而提升了对医学图像的标注效率，进而解决了现有技术中对医学图像的标注效率较低的技术问题。通过上述步骤也实现了多人协作标注、多人协作质检的能力，并且将标注和质检环节打通，提高了质检员和标注员的沟通效率，从而也方便快速提高标注质量。
可选地，在本申请实施例提供的图像标注方法中，在将医学图像集中的医学图像分发至至少一个第一终端之前，该方法还包括：解析医学图像集中医学图像的目标信息；获取医学图像集中医学图像对应的诊断报告；基于目标信息和医学图像集中医学图像对应的诊断报告对医学图像集中的医学图像构建任务。
如图3所示，对待标注的数据集(对应上述的医学图像集)进行任务构建。在任务构建阶段，系统会解析待标注的医学图像集中每一张医学图像的必要头信息(对应上述的目标信息)，例如，解析出每一张医学图像的标识信息，并抽取每张医学图像对应的诊断报告。
通过上述步骤，可以对医学图像集中的医学图像构建出任务，其中，任务的信息里面会包括目标信息和医学图像对应的诊断报告，该信息为后续对医学图像的标注信息进行质检提供数据参考。
可选地，在本申请实施例提供的图像标注方法中，将医学图像集中的医学图像分发至至少一个第一终端包括：基于构建的任务将医学图像集中的医学图像分发至至少一个第一终端。
如图3所示，将基于构建的任务将医学图像集中的医学图像分发至至少一个第一终端，从而实现将医学图像分发至至少一个第一终端，以便在各个第一终端对医学图像进行标注。
可选地，在本申请实施例提供的图像标注方法中，将医学图像集中的医学图像分发至至少一个第一终端包括：选择任务分发模式；若任务分发模式为第一模式，则将医学图像集中的同一份医学图像发送至至少一个第一终端；若任务分发模式为第二模式，则将医学图像集中的医学图像平均分发至至少一个第一终端；若任务分发模式为第三模式，则根据各个第一终端中的用户的时间信息分配医学图像集中的医学图像。
在上述方案中，提供了多种任务分发模式，从而可以对医学图像进行灵活的分发。例如，在任务分发阶段，有多种模式可供选择，比如‘背靠背’模式(对应上述的第一模式)，也即，同一份医学图像，多人标注。‘均分’模式(对应上述的第二模式)，平均分配任务量给各个预设标注员。‘抢单’模式(对应上述的第三模式)，也即，不提前分配任务，标注员可结合自身时间合理安排标注工作，系统按照第一终端中的用户(标注员)的时间信息分配待标注的医学图像。
可选地，在本申请实施例提供的图像标注方法中，在将返回的医学图像的标注信息分发至至少一个第二终端之后，该方法还包括：若检测到标注信息不符合预设条件，则获取标注信息对应的质检信息；将标注信息对应的质检信息上传至预设系统；第一终端的用户基于预设系统中的质检信息，调整标注策略。
在各个终端，第一终端中标注员进行的标注经过提交会上传系统，对于已经标注的数据，在分发至至少一个第二终端(对应图3中的质检终端)之后，第二终端上的质检员就可以同步开始进行质检，如果发现不合格的标注信息(也即，标注信息不符合预设条件)，比如漏标、错标、标注不符合规范，在第二终端上质检员可以备注信息栏填写不合格的原因，然后提交到系统。相关的标注员根据质检员的信息提示可以快速发现自身的标注问题，调整后续对图像标注的策略，从而提升第一终端中标注员的标注水平和质量。另外，对于质检合格的标注信息，可以作为医学图像的目标标注信息，还可以将其纳入训练集，作为样本数据。
可选地，在本申请实施例提供的图像标注方法中，在将医学图像集中的医学图像分发至至少一个第一终端之后，该方法还包括：对医学图像集中的病灶区域增加3D标注框；通过在多平面重建上展示的各个面调整3D标注框的边界来调整病灶的标注位置；在病灶的标注位置上添加病灶的属性信息。
具体到标注阶段，本申请中还提供了一种基于MPR的3D标注功能，能够实现在2D平面进行3D标注的能力。这种建立在MPR重建上的一种3D ROI标注工具，具备在3D空间中对病灶进行灵活快速标注的能力，基于3D标注工具对医学图像集中的病灶区域增加3D标注框。标注过程中通过预置长方体可以快速为病灶区域新增一个3D标注框，然后通过在MPR各个面调整标注框边界来精调病灶位置，双击标注框可调整到一个更友好的影像观测距离以获得更好的标注体验。在病灶属性选择面板上，可以为每一个病灶选择提前定义一些属性信息，比如，病灶类型、位置、概率等。通过上述方案，可以直观的对医学图像进行病灶标注。
MPR标注界面，以肋骨骨折标注为例，如图4所示，可以在界面上对肋骨骨折区域采用3D标注框(如图4中的长方形的小框)进行标注，通过在MPR各个面调整标注框边界来精调肋骨骨折的位置。另外，标注员操作页面的线框图如图5所示，在标注员操作页面里，本申请还提供了在任务构建阶段抽取的诊断报告帮助医生快速聚焦到病灶附近区域，节省查看时间。质检员操作页面的线框图如图6所示，质检员可以确定标注信息是否合格或者待定。需要说明的是，质检员和标注员的备注框也可以设计成多轮对话的形式，方便历史交流信息的查看。另外，基于MPR的3D标注可以标注任何器官上的病灶，不仅限于肋骨骨折，标注工具或者标注框可以是长方体，也可以是球体等其他形式。MPR的展示界面不限于一定是横断面、冠状面、矢状面，可以通过放大只展示其中任意一个面，也可以是任意两个面。
另外，在标注员操作页面里，本申请提供了在任务构建阶段抽取的诊断报告可以帮助医生快速聚焦到病灶附近区域，比如，是左肋还是右肋、左肺还是右肺等，提高了标注效率，因此可以节省医生宝贵的时间。
可选地，在本申请实施例提供的图像标注方法中，在确定待标注的医学图像集之后，在将医学图像集中的医学图像分发至至少一个第一终端之前，该方法还包括：采用目标模型对医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
对于给定待标注数据集(对应上述的待标注的医学图像集)，AI前辅助模块会使用经过小部分标注数据训练过的深度学习模型(对应上述的目标模型)对待标注数据进行辅助标注，产生的结果包括肋骨分割结果、骨折3D检测框、骨折类型、骨折位置(所处肋骨编号，左边肋骨依次为L1～L12，右边肋骨依次为R1ˉR12)、骨折所处肋骨分段(前段、腋段、后段)以及置信度。上述过程即是对医学图像集中的医学图像进行辅助标注，在将辅助标注后的医学图像集中的医学图像分发至多个第一终端之后，即是人工标注阶段，标注员会被随机分配到经过AI辅助标注的医学图像，在这个基础上，标注员可以依次查看每一处病灶是否标注正确，包括标注框的位置，各项属性的正确性。如果病灶本身是假阳，可以选择删除，其余情况可以酌情调整标注框和属性。如果发现AI有漏标的情况，标注员可以直接增加新的病灶标注。最后将返回的医学图像的标注信息分发至多个第二终端之后，提交给质检员进行审核。质检员根据标注员基于AI辅助的标注进行审查，可以决定是否需要标注员进行二次修改。这种双重把关的机制对于提高整体标注质量是十分重要的，可以提高对医学图像的标注质量。
可选地，在本申请实施例提供的图像标注方法中，该方法还包括：将通过质检的标注信息作为目标模型的训练集，其中，训练集用于为训练目标模型提供训练数据。
对于上述的目标模型可能为小部分标注数据训练过的深度学习模型。为了保证目标模型的准确性，将通过质检的标注信息作为目标模型的训练集，从而通过学习训练对目标模型更新。
可选地，在本申请实施例提供的图像标注方法中，辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为医学图像的目标标注信息之后，该方法还包括：根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
需要说明的是，对于经过质检的标注信息，AI后辅助模块需要在这个基础上，为每一个病灶生成一个分割标注，具体方法可以为根据AI前辅助模块生成的肋骨分割结果，将每一个3D标注框放置到肋骨分割结果的坐标系下，框内非零部分即为骨折病灶的分割标注(也即，确定肋骨分割结果的病灶的分割标注信息)。这样可以避免单独再训练一个肋骨骨折分割模型。并且这种方法极大地省去了需要人力进行像素级分割标注的工作，提高了标注效率也减少了标注成本。
综上，经过AI前辅助模块、人工标注和质检模块以及AI后辅助模块这三个部分，如图7所示，在人工标注和质检环节两端增加AI前辅助和AI后辅助进行肋骨骨折标注的范式，可以在只有部分人力参与的情况下，得到丰富的肋骨骨折标注结果，即肋骨骨折检测和分割所需要的全部标注信息。上述方案除了可以用于大批量的数据标注场景，也可用于对AI前辅助模块进行算法效果评审，通过可视化对比算法不同版本之间的性能差异。另外，本方案不局限于肋骨骨折标注，适用于多数检测和分割标注都需要的场景，只是不同场景下，AI前辅助模块和AI后辅助模块的具体操作方式可能需要适当修改。其中，AI前辅助模块除了选择最新版本进行AI辅助标注，也可选择多个版本进行标注再进行多版本融合，得到一个综合的AI辅助标注结果。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
本申请提供了如图8所示的图像标注方法。图8是根据本发明实施例二的图像标注方法的流程图。
步骤S801，云服务器接收待标注的医学图像集；
步骤S802，云服务器将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息；
步骤S803，云服务器返回医学图像的目标标注信息至客户端。
通过上述步骤，在云服务器中采用了对医学图像的标注环节和质检环节高效协同的方式，从而保证了对医学图像的标注的准确性同时也提升了对医学图像的标注效率，，进而解决了现有技术中对医学图像的标注效率较低的技术问题。
需要说明的是，本申请实施例中的云服务器对医学图像集中的医学图像的处理方式与实施例一中的方法内容相同，在此不再赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例3
根据本发明实施例，还提供了一种用于实施上述图像标注方法的装置，如图9所示，该装置包括：第一确定单元901、第一分发单元902、第一接收单元903、第二分发单元904和第二确定单元905。
具体地，第一确定单元901，用于确定待标注的医学图像集；第一分发单元902，用于将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注。
第一接收单元903，用于接收至少一个第一终端返回的医学图像的标注信息。
第二分发单元904，用于将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检。
第二确定单元905，用于将通过质检的标注信息作为医学图像的目标标注信息。
综上，本申请实施例二提供的图像标注装置，通过第一确定单元901确定待标注的医学图像集；第一分发单元902将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；第一接收单元903接收至少一个第一终端返回的医学图像的标注信息；第二分发单元904将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；第二确定单元905将通过质检的标注信息作为医学图像的目标标注信息，达到了提升对医学图像的标注的准确性的目的，同时对医学图像的标注环节和质检环节高效协同，从而提升了对医学图像的标注效率，进而解决了现有技术中对医学图像的标注效率较低的技术问题。
可选地，在本申请实施例二提供的图像标注装置中，该装置还包括：第一解析单元，用于在将医学图像集中的医学图像分发至至少一个第一终端之前，解析医学图像集中医学图像的目标信息；第一获取单元，用于获取医学图像集中医学图像对应的诊断报告；第一构建单元，用于基于目标信息和医学图像集中医学图像对应的诊断报告对医学图像集中的医学图像构建任务。
可选地，在本申请实施例二提供的图像标注装置中，第一分发单元包括：第一分发模块，用于基于构建的任务将医学图像集中的医学图像分发至至少一个第一终端。
可选地，在本申请实施例二提供的图像标注装置中，第一分发单元包括：第一选择模块，用于选择任务分发模式；第一发送模块，用于若任务分发模式为第一模式，则将医学图像集中的同一份医学图像发送至至少一个第一终端；第二分发模块，用于若任务分发模式为第二模式，则将医学图像集中的医学图像平均分发至至少一个第一终端；第一分配模块，用于若任务分发模式为第三模式，则根据各个第一终端中的用户的时间信息分配医学图像集中的医学图像。
可选地，在本申请实施例二提供的图像标注装置中，该装置还包括：第二获取单元，用于在将返回的医学图像的标注信息分发至至少一个第二终端之后，若检测到标注信息不符合预设条件，则获取标注信息对应的质检信息；第一上传单元，用于将标注信息对应的质检信息上传至预设系统；第一调整单元，用于第一终端的用户基于预设系统中的质检信息，调整标注策略。
可选地，在本申请实施例二提供的图像标注装置中，该装置还包括：第一标注单元，用于在将医学图像集中的医学图像分发至至少一个第一终端之后，对医学图像集中的病灶区域增加3D标注框；第二调整单元，用于通过在多平面重建上展示的各个面调整3D标注框的边界来调整病灶的标注位置；第一添加单元，用于在病灶的标注位置上添加病灶的属性信息。
可选地，在本申请实施例提供的图像标注装置中，该装置还包括：第三获取单元，用于在确定待标注的医学图像集之后，在将医学图像集中的医学图像分发至至少一个第一终端之前，采用目标模型对医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；第一分发单元，还用于将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
可选地，在本申请实施例二提供的图像标注装置中，该装置还包括：第三确定单元，用于将通过质检的标注信息作为目标模型的训练集，其中，训练集用于为训练目标模型提供训练数据。
可选地，在本申请实施例二提供的图像标注装置中，辅助标注后的医学图像集中包括：肋骨分割结果，该装置还包括：第四确定单元，用于在将通过质检的标注信息作为医学图像的目标标注信息之后，根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
此处需要说明的是，上述的第一确定单元901、第一分发单元902、第一接收单元903、第二分发单元904和第二确定单元905对应于实施例1中的步骤S201至步骤S205，五个单元与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
实施例4
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行应用程序的图像标注方法中以下步骤的程序代码：确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：解析所述医学图像集中医学图像的目标信息；获取所述医学图像集中医学图像对应的诊断报告；基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：将所述医学图像集中的医学图像分发至至少一个第一终端包括：基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：将所述医学图像集中的医学图像分发至至少一个第一终端包括：选择任务分发模式；若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，所述方法还包括：若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；将所述标注信息对应的质检信息上传至预设系统；所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：在将所述医学图像集中的医学图像分发至至少一个第一终端之后，所述方法还包括：对所述医学图像集中的病灶区域增加3D标注框；通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；在所述病灶的标注位置上添加病灶的属性信息。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；将所述医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：所述方法还包括：将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
上述计算机终端还可以执行应用程序的图像标注方法中以下步骤的程序代码：辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为所述医学图像的目标标注信息之后，所述方法还包括：根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
可选地，图10是根据本发明实施例的一种计算机终端的结构框图。如图10所示，该计算机终端可以包括：一个或多个(图10中仅示出一个)处理器、存储器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的图像标注方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的图像标注方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者至少一个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：解析所述医学图像集中医学图像的目标信息；获取所述医学图像集中医学图像对应的诊断报告；基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：将所述医学图像集中的医学图像分发至至少一个第一终端包括：基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：将所述医学图像集中的医学图像分发至至少一个第一终端包括：选择任务分发模式；若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，所述方法还包括：若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；将所述标注信息对应的质检信息上传至预设系统；所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在将所述医学图像集中的医学图像分发至至少一个第一终端之后，所述方法还包括：对所述医学图像集中的病灶区域增加3D标注框；通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；在所述病灶的标注位置上添加病灶的属性信息。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；将所述医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：所述方法还包括：将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
处理器还可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为所述医学图像的目标标注信息之后，所述方法还包括：根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
采用本发明实施例，提供了一种图像标注方法的方案。采用对医学图像进行标注和质检相结合的方式，通过确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息，达到了提升对医学图像的标注的准确性的目的，同时对医学图像的标注环节和质检环节高效协同，从而提升了对医学图像的标注效率，进而解决了现有技术中对医学图像的标注效率较低的技术问题。
本领域普通技术人员可以理解，图10所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices，MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图10中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图10所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例5
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的图像标注方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：确定待标注的医学图像集；将医学图像集中的医学图像分发至至少一个第一终端，其中，第一终端用于对接收到的医学图像进行数据标注；接收至少一个第一终端返回的医学图像的标注信息；将返回的医学图像的标注信息分发至至少一个第二终端，其中，第二终端用于对标注信息进行质检；将通过质检的标注信息作为医学图像的目标标注信息。
存储介质还被设置为存储用于执行以下步骤的程序代码：在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：解析所述医学图像集中医学图像的目标信息；获取所述医学图像集中医学图像对应的诊断报告；基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
存储介质还被设置为存储用于执行以下步骤的程序代码：将所述医学图像集中的医学图像分发至至少一个第一终端包括：基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
存储介质还被设置为存储用于执行以下步骤的程序代码：将所述医学图像集中的医学图像分发至至少一个第一终端包括：选择任务分发模式；若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
存储介质还被设置为存储用于执行以下步骤的程序代码：在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，所述方法还包括：若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；将所述标注信息对应的质检信息上传至预设系统；所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
存储介质还被设置为存储用于执行以下步骤的程序代码：在将所述医学图像集中的医学图像分发至至少一个第一终端之后，所述方法还包括：对所述医学图像集中的病灶区域增加3D标注框；通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；在所述病灶的标注位置上添加病灶的属性信息。
存储介质还被设置为存储用于执行以下步骤的程序代码：在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；将所述医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
存储介质还被设置为存储用于执行以下步骤的程序代码：所述方法还包括：将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
存储介质还被设置为存储用于执行以下步骤的程序代码：辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为所述医学图像的目标标注信息之后，所述方法还包括：根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
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。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元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单元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，也可以采用软件功能单元的形式实现。
所述集成的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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种图像标注方法，其特征在于，包括：
确定待标注的医学图像集；
将所述医学图像集中的医学图像分发至至少一个第一终端，其中，所述第一终端用于对接收到的医学图像进行数据标注；
接收所述至少一个第一终端返回的所述医学图像的标注信息；
将返回的所述医学图像的所述标注信息分发至至少一个第二终端，其中，所述第二终端用于对所述标注信息进行质检；
将通过质检的标注信息作为所述医学图像的目标标注信息。
2.根据权利要求1所述的方法，其特征在于，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：
解析所述医学图像集中医学图像的目标信息；
获取所述医学图像集中医学图像对应的诊断报告；
基于所述目标信息和所述医学图像集中医学图像对应的诊断报告对所述医学图像集中的医学图像构建任务。
3.根据权利要求2所述的方法，其特征在于，将所述医学图像集中的医学图像分发至至少一个第一终端包括：
基于构建的任务将所述医学图像集中的医学图像分发至至少一个第一终端。
4.根据权利要求1所述的方法，其特征在于，将所述医学图像集中的医学图像分发至至少一个第一终端包括：
选择任务分发模式；
若所述任务分发模式为第一模式，则将所述医学图像集中的同一份医学图像发送至至少一个第一终端；
若所述任务分发模式为第二模式，则将所述医学图像集中的医学图像平均分发至至少一个第一终端；
若所述任务分发模式为第三模式，则根据各个所述第一终端中的用户的时间信息分配所述医学图像集中的医学图像。
5.根据权利要求1所述的方法，其特征在于，在将返回的所述医学图像的所述标注信息分发至至少一个第二终端之后，所述方法还包括：
若检测到所述标注信息不符合预设条件，则获取所述标注信息对应的质检信息；
将所述标注信息对应的质检信息上传至预设系统；
所述第一终端的用户基于所述预设系统中的质检信息，调整标注策略。
6.根据权利要求1所述的方法，其特征在于，在将所述医学图像集中的医学图像分发至至少一个第一终端之后，所述方法还包括：
对所述医学图像集中的病灶区域增加3D标注框；
通过在多平面重建上展示的各个面调整所述3D标注框的边界来调整病灶的标注位置；
在所述病灶的标注位置上添加病灶的属性信息。
7.根据权利要求1所述的方法，其特征在于，
在确定待标注的医学图像集之后，在将所述医学图像集中的医学图像分发至至少一个第一终端之前，所述方法还包括：采用目标模型对所述医学图像集中的医学图像进行辅助标注，获取辅助标注后的医学图像集；
将所述医学图像集中的医学图像分发至至少一个第一终端包括：将辅助标注后的医学图像集中的医学图像分发至至少一个第一终端。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
将通过质检的标注信息作为所述目标模型的训练集，其中，所述训练集用于为训练所述目标模型提供训练数据。
9.根据权利要求7所述的方法，其特征在于，辅助标注后的医学图像集中包括：肋骨分割结果，在将通过质检的标注信息作为所述医学图像的目标标注信息之后，所述方法还包括：
根据所述医学图像集中的医学图像的病灶3D标注框信息，结合所述肋骨分割结果，得到病灶的分割标注信息。
10.一种图像标注方法，其特征在于，包括：
云服务器接收待标注的医学图像集；
所述云服务器将所述医学图像集中的医学图像分发至至少一个第一终端，其中，所述第一终端用于对接收到的医学图像进行数据标注；接收所述至少一个第一终端返回的所述医学图像的标注信息；将返回的所述医学图像的所述标注信息分发至至少一个第二终端，其中，所述第二终端用于对所述标注信息进行质检；将通过质检的标注信息作为所述医学图像的目标标注信息；
所述云服务器返回所述医学图像的目标标注信息至客户端。
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的图像标注方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的图像标注方法。
CN202110769500.1A 2021-07-07 2021-07-07 图像标注方法、存储介质和处理器 Pending CN113689937A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110769500.1A CN113689937A (zh) 2021-07-07 2021-07-07 图像标注方法、存储介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110769500.1A CN113689937A (zh) 2021-07-07 2021-07-07 图像标注方法、存储介质和处理器

Publications (1)

Publication Number Publication Date
CN113689937A true CN113689937A (zh) 2021-11-23

Family

ID=78576917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110769500.1A Pending CN113689937A (zh) 2021-07-07 2021-07-07 图像标注方法、存储介质和处理器

Country Status (1)

Country Link
CN (1) CN113689937A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114637875A (zh) * 2022-04-01 2022-06-17 联影智能医疗科技(成都)有限公司 一种医学图像标注方法、系统及装置
CN115526843A (zh) * 2022-09-14 2022-12-27 阿里巴巴（中国）有限公司 医学图像的处理方法和系统
CN117174261A (zh) * 2023-11-03 2023-12-05 神州医疗科技股份有限公司 一种用于医学影像的多类型标注流程集成系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108573279A (zh) * 2018-03-19 2018-09-25 精锐视觉智能科技（深圳）有限公司 图像标注方法及终端设备
CN109032923A (zh) * 2018-06-21 2018-12-18 深圳壹账通智能科技有限公司 基于调用链的软件测试方法、装置、终端
CN109035187A (zh) * 2018-07-10 2018-12-18 杭州依图医疗技术有限公司 一种医学图像的标注方法及装置
CN109446370A (zh) * 2018-10-26 2019-03-08 广州金域医学检验中心有限公司 医学图像的病理标注方法及装置、计算机可读存储介质
CN109873717A (zh) * 2019-01-18 2019-06-11 深圳壹账通智能科技有限公司 监控方法、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
CN110134587A (zh) * 2019-04-12 2019-08-16 平安普惠企业管理有限公司 一种测试方法、测试装置及计算机可读存储介质
CN110689038A (zh) * 2019-06-25 2020-01-14 深圳市腾讯计算机系统有限公司 神经网络模型的训练方法、装置和医学图像处理系统
CN110853739A (zh) * 2019-10-16 2020-02-28 平安科技（深圳）有限公司 图像管理显示方法、装置、计算机设备及存储介质
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
CN115996179A (zh) * 2021-10-15 2023-04-21 北京字节跳动网络技术有限公司 业务节点的测试方法、装置、可读介质和电子设备
CN116506340A (zh) * 2023-06-27 2023-07-28 云账户技术(天津)有限公司 流量链路的测试方法、装置、电子设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108573279A (zh) * 2018-03-19 2018-09-25 精锐视觉智能科技（深圳）有限公司 图像标注方法及终端设备
CN109032923A (zh) * 2018-06-21 2018-12-18 深圳壹账通智能科技有限公司 基于调用链的软件测试方法、装置、终端
CN109035187A (zh) * 2018-07-10 2018-12-18 杭州依图医疗技术有限公司 一种医学图像的标注方法及装置
CN109446370A (zh) * 2018-10-26 2019-03-08 广州金域医学检验中心有限公司 医学图像的病理标注方法及装置、计算机可读存储介质
CN109873717A (zh) * 2019-01-18 2019-06-11 深圳壹账通智能科技有限公司 监控方法、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
CN110134587A (zh) * 2019-04-12 2019-08-16 平安普惠企业管理有限公司 一种测试方法、测试装置及计算机可读存储介质
CN110689038A (zh) * 2019-06-25 2020-01-14 深圳市腾讯计算机系统有限公司 神经网络模型的训练方法、装置和医学图像处理系统
CN110853739A (zh) * 2019-10-16 2020-02-28 平安科技（深圳）有限公司 图像管理显示方法、装置、计算机设备及存储介质
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
CN115996179A (zh) * 2021-10-15 2023-04-21 北京字节跳动网络技术有限公司 业务节点的测试方法、装置、可读介质和电子设备
CN116506340A (zh) * 2023-06-27 2023-07-28 云账户技术(天津)有限公司 流量链路的测试方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114637875A (zh) * 2022-04-01 2022-06-17 联影智能医疗科技(成都)有限公司 一种医学图像标注方法、系统及装置
CN115526843A (zh) * 2022-09-14 2022-12-27 阿里巴巴（中国）有限公司 医学图像的处理方法和系统
CN117174261A (zh) * 2023-11-03 2023-12-05 神州医疗科技股份有限公司 一种用于医学影像的多类型标注流程集成系统
CN117174261B (zh) * 2023-11-03 2024-03-01 神州医疗科技股份有限公司 一种用于医学影像的多类型标注流程集成系统

Similar Documents

Publication Publication Date Title
CN113689937A (zh) 图像标注方法、存储介质和处理器
US10810735B2 (en) Method and apparatus for analyzing medical image
CN110956635B (zh) 一种肺段分割方法、装置、设备及存储介质
CN110428475B (zh) 一种医学图像的分类方法、模型训练方法和服务器
CN108520519B (zh) 一种图像处理方法、装置及计算机可读存储介质
CN111292839B (zh) 图像处理方法、装置、计算机设备和存储介质
CN110136153B (zh) 一种图像处理方法、设备及存储介质
CN110223279B (zh) 一种图像处理方法和装置、电子设备
CN113470037A (zh) 数据处理方法、装置及系统
CN113469180A (zh) 医学图像的处理方法和系统、数据处理方法
CN110610169B (zh) 图片标注方法和装置、存储介质及电子装置
CN114864035A (zh) 影像报告生成方法、装置、系统、设备及存储介质
CN111815557A (zh) 图像分析方法、装置、设备及存储介质
CN112614573A (zh) 基于病理图像标注工具的深度学习模型训练方法及装置
CN109685763A (zh) 三维ct多骨块自动分割方法、装置、计算机设备及存储介质
CN113516614A (zh) 脊柱影像的处理方法、模型训练方法、装置及存储介质
CN117237755A (zh) 目标检测模型训练方法及装置、图像检测方法及装置
US10832420B2 (en) Dynamic local registration system and method
CN111144506B (zh) 基于超声图像的肝包虫识别方法、存储介质及超声设备
CN115966309A (zh) 复发位置预测方法、装置、非易失性存储介质及电子设备
CN106373121A (zh) 模糊图像识别方法和装置
CN113409280B (zh) 医学影像的处理方法、标注方法和电子设备
CN110909572A (zh) 目标对象的识别方法和系统
CN113763324A (zh) 图像处理方法、计算机可读存储介质、处理器和系统
CN114419375A (zh) 图像分类方法、训练方法、装置、电子设备以及存储介质

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

Effective date of registration: 20240311

Address after: # 03-06, Lai Zan Da Building 1, 51 Belarusian Road, Singapore

Applicant after: Alibaba Innovation Co.

Country or region after: Singapore

Address before: Room 01, 45th Floor, AXA Building, 8 Shanton Road, Singapore

Applicant before: Alibaba Singapore Holdings Ltd.

Country or region before: Singapore

TA01 Transfer of patent application right