CN114638962A - 一种对医学成像中的感兴趣区域进行标注的方法和系统 - Google Patents

一种对医学成像中的感兴趣区域进行标注的方法和系统 Download PDF

Info

Publication number
CN114638962A
CN114638962A CN202210320616.1A CN202210320616A CN114638962A CN 114638962 A CN114638962 A CN 114638962A CN 202210320616 A CN202210320616 A CN 202210320616A CN 114638962 A CN114638962 A CN 114638962A
Authority
CN
China
Prior art keywords
point
path
medical image
labeling
weight map
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
CN202210320616.1A
Other languages
English (en)
Inventor
冯雅兴
李迪
王犁野
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.)
Lianying Intelligent Medical Technology Chengdu Co ltd
Original Assignee
Lianying Intelligent Medical Technology Chengdu Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lianying Intelligent Medical Technology Chengdu Co ltd filed Critical Lianying Intelligent Medical Technology Chengdu Co ltd
Priority to CN202210320616.1A priority Critical patent/CN114638962A/zh
Publication of CN114638962A publication Critical patent/CN114638962A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Abstract

本说明书实施例中提供一种对医学成像中的感兴趣区域进行标注的方法、系统和装置。所述方法包括：获取医学图像的权重图；基于用户对标注工具的操作，确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径，所述标注路径的至少一部分贴合所述感兴趣区域的边缘；其中，在所述标注路径的确定过程中，所述权重图被局部更新，且所述标注路径基于更新后的权重图确定。

Description

一种对医学成像中的感兴趣区域进行标注的方法和系统
技术领域
本说明书涉及医疗技术领域，特别涉及一种对医学成像中的感兴趣区域进行标注的方法和系统。
背景技术
勾勒图像边缘的图像标注工具，已广泛应用于各类图像处理软件。在标注图像边缘的工作中，涉及提取图像特征、设计标注路径、确定标注点、修改标注点等多项工作流程，在这个过程中需要大量的数据处理，对于处理器的运行能力有较高的要求。尤其地，在对医学图像中的感兴趣区域进行标注时，需要更加精准、快速、高效、便利的实现边缘标注。
因此，希望提供一种对医学成像中的感兴趣区域进行标注的方法和系统。
发明内容
本说明书实施例之一提供一种对医学成像中的感兴趣区域进行标注的方法，由至少一个处理器执行。所述方法包括：获取医学图像的权重图，权重图包含医学图像中的多个点的权重值；基于用户对标注工具的操作，确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径，所述标注路径的至少一部分贴合所述感兴趣区域的边缘；其中，在所述标注路径的确定过程中，所述权重图被局部更新，且所述标注路径基于更新后的权重图确定。
在一些实施例中，所述获取医学图像的权重图包括：获取所述医学图像中的所述多个点的静态特征信息；以及基于所述静态特征信息，生成所述医学图像的所述权重图。
在一些实施例中，所述获取医学图像的权重图包括：对所述医学图像中每个像素点对应的权重值进行归一化处理，以获取所述医学图像的权重图。
在一些实施例中，所述方法进一步包括：获取所述标注工具的移动轨迹；确定所述移动轨迹上的每个点到所述起始点的边缘路径；基于所述每个点到所述起始点的边缘路径，确定每个点的重绘次数；以及基于所述每个点的重绘次数，确定所述医学图像中的冻结点。
在一些实施例中，所述方法进一步包括：获取冻结点识别条件；以及基于所述冻结点识别条件和所述用户对所述标注工具的操作，确定所述医学图像中的冻结点。
在一些实施例中，所述方法进一步包括：确定所述权重图中的目标区域，所述目标区域包含所述冻结点；以及基于所述目标区域中的点的动态特征信息，对所述目标区域中的点的权重值进行更新，以获得所述更新后的权重图。
在一些实施例中，所述确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径进一步包括：基于所述权重图，确定所述冻结点到所述起始点的第一边缘路径；基于所述更新后的权重图，确定所述医学图像中的每个点到所述冻结点的第二边缘路径；基于所述第一边缘路径和所述每个点到所述冻结点的第二边缘路径，确定所述标注路径。
在一些实施例中，所述方法进一步包括：在所述标注路径封闭后，接收所述用户对所述标注路径的调整指令；基于所述调整指令，更新所述标注路径。
本说明书实施例之一提供一种对医学成像中的感兴趣区域进行标注的系统，其特征在于，所述系统包括：获取模块，用于获取医学图像的权重图，所述权重图包含医学图像中的多个点的权重值；以及标注模块，用于基于用户对标注工具的操作，确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径，所述标注路径的至少一部分贴合所述感兴趣区域的边缘；其中，在所述标注路径的确定过程中，所述权重图被局部更新，且所述标注路径基于更新后的权重图确定。
本说明书实施例之一提供一种对医学成像中的感兴趣区域进行标注的装置，其特征在于，所述装置包括：至少一个存储介质，存储计算机指令；至少一个处理器，执行所述计算机指令，以实现如前所述的方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行如前所述的方法。
本说明书实施例中提供的对医学成像中的感兴趣区域进行标注的方法和/或系统，可以直接在网页浏览器中完成对图像中感兴趣区域的标注工作，无需提前安装客户端，操作更为简单、便利。通过在标注路径的确定过程中，对权重图进行局部更新，并基于更新后的权重图确定标注工具的实时位置到起始点的标注路径，不仅可以根据标注过程中的标注情况实时更新权重图，使得确定的标注路径更为准确，且仅对权重图进行局部更新而非全图更新，减少了计算过程中不必要的计算开销，极大缩短了权重图的动态更新时间，提高了标注工具的实时性和标注效率。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并不是限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的应用场景示意图；
图2是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的系统的模块示意图；
图3是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的方法的流程示意图；
图4是根据本说明书另一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的方法的流程示意图；
图5是根据本说明书一些实施例所示的示例性医学图像的示意图；
图6是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的示意图；
图7是根据本说明书一些实施例所示的示例性医学图像的权重图的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
磁力套索作为一种基于图算法的半自动标注工具，已被广泛应用于多种图像后处理软件(例如，photoshop软件)，用于对图像中的感兴趣区域的边缘进行标注。但是，现有的磁力套索工具大多是单机版软件，使用时需要提前在客户端进行安装，而且缺少设计良好的支持用户对算法标注结果进行修正的工作流，在使用交互方式上不够方便灵活。
本说明书实施例中提供一种对医学成像中的感兴趣区域进行标注的方法，通过获取医学图像的权重图，基于用户对标注工具的操作，确定医学图像中的起始点和冻结点；然后基于冻结点对权重图进行局部更新，并基于更新后的权重图确定标注工具的实时位置到起始点的标注路径，可以直接在网页中完成对图像中感兴趣区域的标注工作。通过更新后的权重图确定标注路径，减少了计算过程中不必要的计算开销，提高了标注效率。
图1是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的应用场景示意图。
在一些实施例中，如图1所示，医学成像系统100可以包括医学成像仪器110、处理设备120、用户终端130、存储设备140和网络150。在一些实施例中，医学成像系统100中的各个组件之间可以通过网络150互相连接或不通过网络150直接连接。例如，医学成像仪器110和用户终端130可以通过网络150连接。又例如，医学成像仪器110和处理设备120可以通过网络150连接或直接连接。又例如，处理设备120和用户终端130可以通过网络150连接或直接连接。
医学成像仪器110可以对检测区域或扫描区域内的目标对象执行扫描，得到该目标对象的扫描数据(例如，医学图像等)。在一些实施例中，目标对象可以是生物的或非生物的。例如，目标对象可以包括患者、人造物体等。在一些实施例中，目标对象可以包括身体的特定部分，例如头部、胸部、腹部等或其任意组合。在一些实施例中，目标对象可以包括特定器官，例如心脏、食道、气管、支气管、胃、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等或其任意组合。
在一些实施例中，医学成像仪器110可以包括X射线设备、计算机断层扫描成像设备(CT)、三维(3D)CT、四维(4D)CT、超声成像组件、荧光透视成像组件、核磁共振成像(MRI)设备、单光子发射计算机体层显像(SPECT)设备、正电子发射断层显像(PET)设备等中的一种或几种的组合。
在一些实施例中，医学成像仪器110可以为MRI设备。在一些实施例中，MRI设备可以包括磁体组件、梯度线圈组件和射频(RF)线圈组件。
处理设备120可以处理从医学成像仪器110、用户终端130和/或存储设备140获得的数据和/或信息。例如，处理设备120可以获取医学图像的权重图，基于用户对标注工具的操作，确定医学图像的起始点和冻结点，基于冻结点对权重图进行局部更新，基于更新后的权重图，确定标注工具的实时位置到起始点的标注路径。又例如，处理设备120可以获取用户经由用户终端130输入的冻结点识别条件，基于冻结点识别条件和用户对标注工具的操作，确定医学图像中的冻结点。又例如，处理设备120可以从医学成像仪器110获取医学图像，并基于感兴趣区域的类型，对医学图像进行预处理。
在一些实施例中，处理设备120可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备120可以是本地或远程的。例如，处理设备120可以通过网络150从医学成像仪器110、用户终端130和/或存储设备140访问信息和/或数据。又例如，处理设备120可以直接连接到医学成像仪器110、用户终端130和/或存储设备140以访问信息和/或数据。在一些实施例中，处理设备120可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
用户终端130可以包括移动设备131、平板电脑132、笔记本电脑133等，或其任意组合。在一些实施例中，移动设备131可以包括智能家居装置、可穿戴设备、移动装置、虚拟现实装置、增强现实装置等或其任意组合。在一些实施例中，用户终端130可以通过网络150与医学成像系统100中的其他组件交互。例如，用户终端130可以通过网络150向处理设备120发送用户输入的至少一个医学图像冻结点识别条件，和/或对标注路径的调整指令等。又例如，用户终端130还可以通过网络150接收处理设备120确定的标注路径，和/或展示在显示界面。
在一些实施例中，用户终端130可以是处理设备120的一部分。在一些实施例中，用户终端130可以与处理设备120整合为一体，作为医学成像仪器110的操作台。例如，医学成像系统100的操作者(例如，医生或护士)可以通过该操作台控制医学成像仪器110的运行，例如，对目标对象进行扫描、描绘感兴趣区域的标注路径等。
存储设备140可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备140可以存储从医学成像仪器110、处理设备120和/或用户终端130处获取的数据。例如，存储设备140可以存储从医学成像仪器110处获取的目标对象的医学图像。又例如，存储设备140可以存储从用户终端130处获取的标注路径的调整指令、冻结点识别条件等。在一些实施例中，存储设备140可以存储处理设备120执行或使用的数据和/或指令，以执行本说明书中描述的示例性方法。
在一些实施例中，存储设备140可包括大容量存储器、可移除存储器、易失性读写存储器、只读存储器(ROM)等其中一种或几种的组合。在一些实施例中，存储设备140可以通过本说明书中描述的云平台实现。
在一些实施例中，存储设备140可以连接网络150，以与医学成像系统100中的一个或多个组件(例如，医学成像仪器110、处理设备120、用户终端130)之间实现通信。医学成像系统100中的一个或多个组件可以通过网络150读取存储设备140中的数据或指令。在一些实施例中，存储设备140可以是处理设备120的一部分，也可以是独立的，与处理设备120直接或间接相连。
网络150可以包括能够促进医学成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，医学成像系统100的一个或多个组件(例如，医学成像仪器110、处理设备120、用户终端130、存储设备140)可以通过网络150与医学成像系统100的一个或多个组件之间交换信息和/或数据。在一些实施例中，网络150可以包括公共网络(例如，互联网)、私人网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、无线Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、服务器计算机等其中一种或几种的组合。在一些实施例中，网络150可以包括一个或多个网络接入点。例如，网络150可以包括有线和/或无线网络接入点，例如基站和/或因特网交换点，通过接入点，医学成像系统100的一个或多个组件可以连接网络150以交换数据和/或信息。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。可以以各种方式组合本说明书描述的示例性实施例的特征、结构、方法和其他特征，以获取另外的和/或替代的示例性实施例。例如，医学成像系统100中还可以包括显示设备，用于输出显示经处理设备120生成的标注路径等。然而，这些变化与修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的系统的模块示意图。
如图2所示，在一些实施例中，系统200可以包括获取模块210、确定模块220、更新模块230和标注模块240。在一些实施例中，系统200对应的功能可以由处理设备120执行实现。
在一些实施例中，获取模块210可以用于获取医学图像的权重图。在一些实施例中，权重图可以包含医学图像中的多个点的权重值。在一些实施例中，获取模块210还可以进一步用于获取医学图像中的多个点的静态特征信息；以及基于静态特征信息，生成医学图像的权重图。在一些实施例中，获取模块210还可以用于对医学图像中每个像素点对应的权重值进行归一化处理，以获取医学图像的权重图。
在一些实施例中，获取模块210可以用于获取医学图像，并基于感兴趣区域的类型，对医学图像进行预处理。在一些实施例中，获取模块210可以用于获取冻结点识别条件。
在一些实施例中，确定模块220可以用于基于用户对标注工具的操作，确定医学图像中的起始点和冻结点。在一些实施例中，确定模块220还可以进一步用于获取标注工具的移动轨迹；确定移动轨迹上的每个点到起始点的边缘路径；基于每个点到起始点的边缘路径，确定每个点的重绘次数；以及基于每个点的重绘次数，确定冻结点。在一些实施例中，确定模块220可以用于基于冻结点识别条件和用户对标注工具的操作，确定医学图像中的冻结点。
在一些实施例中，更新模块230可以用于基于冻结点对权重图进行局部更新。在一些实施例中，更新模块230还可以进一步用于确定权重图中的目标区域，该目标区域包含冻结点；以及基于目标区域中的点的动态特征信息，对目标区域中的点的权重值进行更新。
在一些实施例中，标注模块240可以用于基于用户对标注工具的操作，确定标注工具的实时位置到医学图像中的起始点的标注路径，该标注路径的至少一部分贴合感兴趣区域的边缘。在一些实施例中，标注模块240可以基于更新后的权重图，确定标注工具的实时位置到起始点的标注路径。在一些实施例中，标注模块240还可以进一步用于基于权重图，确定冻结点到起始点的第一边缘路径；基于更新后的权重图，确定医学图像中的每个点到冻结点的第二边缘路径；基于第一边缘路径和每个点到冻结点的第二边缘路径，确定标注路径。在一些实施例中，标注模块240还可以用于在标注路径封闭后，基于用户对该标注路径的调整指令，更新标注路径。
应当理解，图2所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。
需要注意的是，以上对于系统及其模块的描述，仅为描述方便，作为示意，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，图2中披露的以上模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的方法的流程示意图。
在一些实施例中，流程300可以由系统100(例如，处理设备120)或系统200执行。例如，流程300可以以程序或指令的形式存储在存储设备(例如，存储设备140、系统的存储单元)中，当处理器或图2所示的模块执行程序或指令时，可以实现流程300。如图3所示，在一些实施例中，流程300可以包括以下步骤。
步骤310，获取医学图像的权重图。在一些实施例中，步骤310可以由处理设备120或获取模块210执行。
医学图像可以指通过医疗设备(例如，医学成像仪器110)获得的目标对象的成像图像。在一些实施例中，医学图像可以通过医学成像仪器110扫描检测区域或扫描区域内的目标对象而获取，或通过网络150从用户终端130和/或存储设备140获取，本说明书对此不作限制。
在一些实施例中，医学图像可以包括感兴趣区域。感兴趣区域(region ofinterest，ROI)可以指从图像中选择的图像分析所关注的重点区域。仅作为示例，在如图5所示的医学图像中，感兴趣区域可以为图像中间的白色高亮区域的全部或部分。在一些实施例中，感兴趣区域可以包括但不限于病灶区域、待检测区域、特定器官/组织等。
在一些实施例中，可以基于感兴趣区域的类型，对医学图像进行预处理。例如，若感兴趣区域为特定组织时，处理设备120可以基于该特定组织的组织信息(例如，组织密度、组织大小、组织形状等)，对医学图像进行预处理，以突出图像中的感兴趣区域。
在一些实施例中，预处理可以包括降噪、增强、组织均衡、厚度均衡、LUT变换等，或其任意组合。在一些实施例中，可以通过设置窗宽(window width，简称ww)和/或窗位(window level，简称wl)对医学图像进行预处理。仅作为示例，处理设备120可以通过对窗宽、窗位进行灰度截断，将灰度范围控制在预设范围内(例如，通过数学式(1)实现)，以显示医学图像中不同密度的组织。数学式(1)如下所示：
Figure BDA0003571486410000081
在一些实施例中，通过对医学图像进行预处理，可以突出医学图像中感兴趣区域的边缘区域，便于对感兴趣区域的边缘进行标注。
权重图可以指由图像中相邻两点(例如，像素点)之间的权重值所组成的类似网格一样分布的图，相邻两像素点之间的权重值可以看作相应网格的一条边的数值(例如，图7(a)所示，相邻两像素点之间的权重值可以看作两点连接对应的边的代价值)。其中，权重值可以反映两个点(例如，相邻像素点)之间的代价值(local costs)，代价值能够反映点对应的边缘特征，边缘特征越明显，该点对应的代价值越低。仅作为示例，如图7(a)所示，每一个数值表示该点对应的权重值，权重图可以包含医学图像中的多个点的权重值。
在一些实施例中，可以获取医学图像中多个点的静态特征信息，基于该静态特征信息生成医学图像的权重图。
静态特征信息可以指用于确定图像数据的权重因子。例如，静态特征信息可以包括拉普拉斯交叉零点值(fz)、像素点梯度值(fG)和像素点梯度方向(fD)。仅作为示例，医学图像的每个像素点的权重值可以通过该像素点的静态特征信息的加权求和得到，示例如下：
I(p,q)＝ωzfz(q)+ωGfG(q)+ωDfD(p,q) (2)
其中，p可以是被选中的点(例如，像素点)，并以该点作为中心点，q为与p相邻的像素点，ω表示各个静态特征所占的权重值，三个静态特征所占的权重之和为1(例如，ωz＝0.43、ωG＝0.43、ωD＝0.14)。拉普拉斯交叉零点值(fz)表示像素点变化的极点值，即变化速率最快则认为是边缘的特征。像素点梯度值(fG)是像素点的梯度幅值，fG越大可以表示像素点具有更多的边缘特征，对应的代价值越低。像素点梯度方向(fD)表示像素点梯度的方向，相邻像素点之间的梯度方向越接近，对应的代价值越低。例如，像素点p与其领域内的像素点q如果具有大致相同的梯度方向，则表示像素点p与像素点q有极大可能是被连通起来的边缘，因此像素点p到像素点q的代价值更小。
在一些实施例中，可以通过对医学图像中每个像素点对应的权重值进行归一化(例如，归一化到0-255中的整数)，获取医学图像的权重图。通过将医学图像中每个像素点的权重值归一化为整数，可以清晰化像素点之间的关联性，使得在索引与起始点或像素点的权重值最小的像素点过程中，无需多次循环操作，减少数据处理量，从而降低路径确定算法的时间复杂度。
步骤320，基于用户对标注工具的操作，确定标注工具的实时位置到医学图像中的起始点的标注路径。在一些实施例中，步骤320可以由处理设备120或确定模块220执行。
标注工具可以指用于对感兴趣区域的边缘的进行标注的软件(例如，磁力套索工具、智能剪刀(Intelligent Scissors)等)。在一些实施例中，标注工具可以是通过浏览器运行的计算机/软件程序、安装在计算机/终端设备的应用软件等。例如，用户可以通过使用标注工具在图像中进行点击、选中、移动等操作实现对感兴趣区域的标注。
标注路径可以是根据用户使用标注工具在图像上的移动轨迹，确定的对感兴趣区域的边缘勾画的路线(例如，图6(d)所示)。在一些实施例中，标注路径的至少一部分贴合所述感兴趣区域的边缘。
在一些实施例中，处理设备可以基于用户对标注工具的操作，确定医学图像中的起始点和冻结点，基于冻结点对权重图进行局部更新。进一步地，可以基于更新后的权重图，确定标注工具的实时位置到起始点的标注路径。具体地：
在步骤323中，处理设备可以基于用户对标注工具的操作，确定医学图像中的起始点和冻结点。在一些实施例中，步骤323可以由处理设备120或确定模块220执行。
起始点可以指感兴趣区域对应的标注路径开始的位置点(例如，用户在对感兴趣区域进行标注时第一个选中的像素点)。在一些实施例中，起始点可以包括感兴趣区域的边缘上或附近的任意一点。仅作为示例，如图6(a)中所示，处理设备120可以基于用户对标注工具的点击(例如，单击/双击)操作，将执行该操作时标注工具的位置点确定为医学图像中的起始点(例如，图中白色小方框内的点)。
冻结(Cooling)点可以指根据标注工具的移动轨迹确定的、用于计算该点之后的路径的点(例如，图6(a)中起始点开始，沿顺时针方向之后的小白点)，即在确定该点之后的路径时将以该冻结点作为起点进行计算。
在一些实施例中，可以基于标注工具的移动轨迹自动生成冻结点。
在一些实施例中，可以获取标注工具的移动轨迹，确定移动轨迹上的每个点到起始点的边缘路径。例如，在确定起始点之后，用户通过用户终端130或其他输入设备(例如，鼠标)拖动标注工具沿感兴趣区域的边缘进行移动，处理设备120可以通过捕捉标注工具的移动轨迹，确定移动轨迹上的每个点到起始点的边缘路径。
边缘路径可以指用于反映感兴趣区域的全部或部分区域边界的路径，其为标注路径的全部或一部分(例如，标注工具的当前位置到起始点或冻结点之间的路径)。在一些实施例中，边缘路径可以包括移动轨迹上的点到起始点的多条路径中，紧贴感兴趣区域的区域边界的最优路径。
在一些实施例中，可以通过路径算法确定移动轨迹上的每个点到起始点的边缘路径。例如，路径算法可以包括但不限于单源点路径算法(Dijkstra)、Bellman-Ford算法等。仅作为示例，如图7(a)所示，若虚线矩形框中实线圆形内的值为2的点为起始点，虚线曲线为标注工具的移动轨迹(从图7(a)中起始点2向右上方虚线圆形中值为1的点移动)，则处理设备120可以先基于图7(b)索引该起始点2的邻域中权重值为1的点，若存在，则确定该权重值为1的点为边缘路径中的一点，若不存在，则继续索引该起始点2的邻域中权重值为2的点，根据此依次计算，直至找到与起始点2之间代价值最小的点(例如，图7(b)中起始点2正右方的点1)，并将其确定为边缘路径中的一点；进一步地，基于图7(c)采用相同的方式索引与该代价值最小的点(例如，图7(c)中虚线圆形中点1)之间代价值最小的点(例如，图7(c)中虚线圆形中点1右上方的点1)，进而基于该三个点确定图7(a)右上方虚线圆形中点1到起始点2的边缘路径。
在一些实施例中，可以基于调整指令对确定的边缘路径进行调整。在一些实施例中，可以选取医学图像中的部分区域进行边缘路径计算。例如，当用户认为确定的医学图像中的边缘路径不精确时，可以通过用户终端130从起始点或边缘路径的其他点开始，重新移动标注工具进行标注，处理设备120将根据更新后的移动轨迹重新确定边缘路径。
在一些实施例中，可以基于每个点到起始点的边缘路径，确定每个点的重绘次数。
每个点的重绘次数可以指计算标注工具的移动轨迹上每个点(为方便描述，以下简称为轨迹点)到起始点的边缘路径的过程中每个点被作为边缘路径上的点进行计算的次数。仅作为示例，如图7(a)所示，以虚线矩形框中数值为2(圆圈内)的点为起始点，若标注工具的移动轨迹为2-1-1-2-1，则在计算该移动轨迹上每个点到起始点的边缘路径时，边缘路径的计算过程将依次为1-2(即移动轨迹上第一个点1到起始点2的边缘路径)、1-1-2(即移动轨迹上第二个点1到起始点2的边缘路径)、2-1-1-2(即移动轨迹上的点2到起始点2的边缘路径)、1-2-1-1-2(即移动轨迹上第三个点1到起始点2的边缘路径)。在该过程中，除起始点2外，后面每个轨迹点与起始点之间的边缘路径都会经过前一个轨迹点，越靠近起始点的轨迹点其被经过的次数越多(例如，第二个点1、轨迹点2、第三个点1对应的边缘路径均经过了第一个点1)，相应的该轨迹点对应的重绘次数越高。
在一些实施例中，可以基于标注工具的移动轨迹上的每个点的重绘次数，确定冻结点。例如，可以设置重绘次数阈值，将超过重绘次数阈值的轨迹点确定为冻结点。在一些实施例中，重绘次数阈值可以由系统基于感兴趣区域的边缘自动确定或由用户手动输入，本说明书对此不作限制。
在一些实施例中，可以获取冻结点识别条件，基于冻结点识别条件和用户对标注工具的操作，确定医学图像中的冻结点。在一些实施例中，冻结点识别条件可以包括识别补偿。例如，可以将通过鼠标捕捉功能确定的鼠标实际移动位置与屏幕上显示的鼠标移动位置之间的位置偏差作为冻结点识别的补偿值，基于该补偿值确定相应的冻结点，以提高冻结点确定的准确性。
在一些实施例中，冻结点识别条件可以包括重绘次数阈值。例如，重绘次数的阈值为3次，轨迹点重绘次数大于3时将确定为冻结点。
在一些实施例中，冻结点识别条件可以包括与起始点或前一个冻结点之间的距离(例如，距离大于预设的距离值)、用户对标注工具的操作(例如，双击、单击等)、标注路径中冻结点数量、冻结点的频次等，或其任意组合。
在一些实施例中，冻结点可以由用户手动输入。例如，用户可以通过双击鼠标、或右键弹出设置窗口等方式确定冻结点。又例如，用户使用平板电脑作为标注工具，可以通过手指长按屏幕中的某一点确定冻结点。
在一些实施例中，用户可以手动调整冻结点的位置。例如，图6(c)中所示，用户可以通过回退、撤销或删除冻结点等操作，调整确定的冻结点(例如，将白色小圆点表示的初始冻结点的位置调整为黑色小圆点表示的调整后冻结点的位置)。在一些实施例中，可以在标注工具移动过程中(例如，图6(a)中所示的对感兴趣区域的边缘进行标注的过程中)和/或移动结束后(例如，生成封闭标注路径后)调整冻结点的位置。
在步骤325中，处理设备可以基于冻结点对权重图进行局部更新。在一些实施例中，步骤325可以由处理设备120或更新模块230执行。
在一些实施例中，可以确定权重图中的目标区域，该目标区域中包含冻结点，并基于目标区域中的点的动态特征信息，对目标区域中的点的权重值进行更新。
目标区域可以指与标注工具的移动轨迹相关的区域。例如，目标区域可以包括标注工具当前位置点所在区域(例如，图7(b)中虚线框区域)和/或其扩展区域(例如，位置点周围0.3cm的区域)。在一些实施例中，目标区域的大小可以预先设定(例如，预设为64像素*64像素、128像素*128像素、256像素*256像素等)或根据移动轨迹实时确定(例如，根据移动轨迹所占区域的大小确定)。仅作为示例，处理设备120可以根据标注工具的移动轨迹，在标注工具的当前位置点周围取医学图像的特定区域大小(例如，以当前位置点为圆心，0.5cm、1cm、1.5cm等为半径的圆形区域，或当前位置点为顶点的矩形区域，或包含当前位置点的任意不规则形状的区域等)的图像块为目标区域。在一些实施例中，目标区域和/或其大小可以由用户手动输入或系统自动确定。例如，用户可以在医学图像中手动圈选需要进行权重值更新的图像区域，处理设备120将用户圈选的图像区域确定为目标区域。又如，用户可以手动设置目标区域的大小，处理设备120可以基于该大小在标注工具移动过程中，根据标注工具的实时位置点确定相应的目标区域。在一些实施例中，可以基于感兴趣区域确定目标区域。例如，可以将肿瘤区域确定为目标区域。又如，可以将肿瘤区域及其一定范围的扩展区域确定为目标区域。
在一些实施例中，可以根据轨迹点的变化，基于目标区域中的点的动态特征信息，对目标区域中的点的权重值进行更新。在一些实施例中，可以基于目标区域中的冻结点的动态特征信息，对权重图进行局部更新。例如，若图7(b)中虚线框对应目标区域，处理设备120可以基于虚线框中每个点的动态特征信息，对每个点的权重值进行更新。在一些实施例中，可以将更新后的局部权重图融入完整的权重图，获得更新后的权重图。例如，目标区域为256像素*256像素，可以基于目标区域中的冻结点的动态特征信息更新每个像素点的权重值，当目标区域的权重值更新后，将更新后的目标区域融合到医学图像中原始位置(如将图7(b)对应的局部权重图更新后，填入图7(a)，替换图7(a)中虚线矩形框中数值)，获得更新后的权重图。
动态特征信息可以指影响图像的像素点的权重值实时变化的权重因子。例如，动态特征信息可以包括像素值特征(Pixel value feature，fp)、内部像素值(Inside pixelvalues，fi)和外部像素值(Outside pixel values，fo)。基于上述三个像素特征值的损失和梯度大小损失的梯度计算，结合静态特征信息可以更新像素点的权重值。例如，可以基于动态特征信息，通过如下公式(3)计算获得像素点更新后的权重值：
I(p,q)＝ωzfz(q)+ωGfG(q)+ωDfD(p,q)+ωpfp(q)+ωifi(q)+ωofo(p,q) (3)
其中，p为作为中心点的像素点(即待计算权重值的点)，q为与p相邻的像素点，ω表示各个动态特征所占的权重值，各个动态特征信息所占的权重之和为1(例如，ωz＝0.3，ωG＝0.3，ωD＝0.1，ωp＝0.1，ωi＝0.1，ωo＝0.1)。
在一些实施例中，可以基于标注工具的当前位置点，对权重图进行局部更新。例如，可以基于当前位置点的动态特征信息以及与该点相邻的一个或多个冻结点的动态特征信息，更新当前位置点与所述一个或多个冻结点对应的权重值。在一些实施例中，可以基于标注工具的移动轨迹上的点对权重图进行局部更新。例如，可以基于移动轨迹上的冻结点的动态特征信息，对肿瘤区域内的像素点的权重值进行更新。
通过基于目标区域对权重图进行局部更新，可以对与标注工具的当前位置点相关的区域进行权重值更新，更准确的确定当前位置点与相邻点之间的关联性，同时可以极大缩短权重值的动态更新时间，提高标注实时性。
在步骤327中，处理设备可以基于更新后的权重图，确定标注工具的实时位置到起始点的标注路径。在一些实施例中，步骤327可以由处理设备120或标注模块240执行。
实时位置是指标注工具在对医学图像的感兴趣区域进行标注的过程中的当前所在位置。例如，标注工具的实时位置可以是用户操作鼠标移动时，显示设备中显示的标注工具的图标的当前位置点。又例如，标注工具的实时位置可以是用户使用平板电脑进行标注时，手指在屏幕上的触点所在医学图像上的实时位置点。
在一些实施例中，标注路径可以包括一段或多段边缘路径。例如，标注路径可以包括冻结点到起始点之间的边缘路径，和/或标注工具的实时位置到冻结点/起始点的边缘路径。
在一些实施例中，可以基于权重图，确定冻结点到起始点的第一边缘路径。
在确定了至少一个冻结点后，可以将当前冻结点到起始点和/或前一个冻结点之间边缘路径固定住，再将当前冻结点作为一个新的起始点继续确定标注工具的实时位置到当前冻结点之间的边缘路径。例如，处理设备120可以基于图7(a)所示的权重图，若起始点为虚线矩形框中实线圆形内数值为2的点，通过路径算法可以确定该起始点2左邻权重值为1的点为一个冻结点，从该冻结点到起始点的路径为第一边缘路径。
在一些实施例中，可以基于更新后的权重图，确定医学图像中的每个点到冻结点的第二边缘路径。更新后的权重图是指将更新后的目标区域的权重图融合到原权重图之后，获得的新的权重图。第二边缘路径是指标注工具的实时位置到冻结点的边缘路径。
在一些实施例中，可以基于确定的第一边缘路径和每个点到冻结点的第二边缘路径，确定标注路径。例如，图6(a)中所示，起始点与第一冻结点(或第二冻结点)之间的路径对应第一边缘路径，第一冻结点(或第二冻结点)与该点之后(顺时针方向)的其他点之间的路径对应第二边缘路径，处理设备120可以将第一边缘路径与第二边缘路径连接，作为感兴趣区域的边缘的标注路径。在一些实施例中，标注路径可以由多个第一边缘路径和/或第二边缘路径确定。例如，标注路径可以由第一冻结点到起始点的第一边缘路径、第二冻结点到第一冻结点的第二边缘路径、第三冻结点到第二冻结点的第二边缘路径连接而成，或由第二冻结点到起始点的第一边缘路径和第三冻结点到第二冻结点的第二边缘路径连接而成。
在一些实施例中，可以当标注工具的移动轨迹上的轨迹点与起始点重合时，生成闭环标注路径(例如，标注路径封闭)。在一些实施例中，闭环标注路径可以包括结束点到起始点之间的边缘路径(例如，结束点与冻结点之间的第二边缘路径以及冻结点与起始点之间的第一边缘路径)。结束点可以指标注结束时标注工具所在的位置点(例如，停止标注时标注工具的实时位置点)。
在一些实施例中，在标注路径封闭后，可以接收用户对标注路径的调整指令，基于调整指令，更新标注路径。例如，调整指令可以包括冻结点删除和/或位置调整、路径全部或部分重绘等。
仅作为示例，如图6(b)所示，当标注工具的移动轨迹移动回到起始点或实时位置与起始点之间距离满足预设条件(例如，小于预设的数值)时，标注路径形成闭合状态，即标注路径封闭；此时，若用户对于封闭后的标注路径不满意，则可以对标注路径发出重绘或调整指令(例如，用户使用标注工具选中标注路径中至少一个冻结点，通过拖拽调整该冻结点的位置)。
仅作为示例，如图6(c)-图6(d)中所示，对于初始形成的标注路径上不精准的部分，用户可以使用标注工具选中至少一个初始冻结点(例如，图6(c)中白色小圆点对应的冻结点)，对该冻结点进行任意方向上的调整(例如，调整到图6(c)中黑色小圆点所在位置)，进一步地，处理设备120将基于调整后的冻结点更新该冻结点前后部分的边缘路径，从而获得更新后的标注路径(例如，图6(d)所示感兴趣区域的标注路径)。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。例如，可以重复执行步骤323中基于用户对标注工具的操作确定医学图像中的冻结点，以及步骤325-步骤327，直至标注路径封闭。然而，这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书另一些实施例所示的示例性对医学成像中的感兴趣区域进行标注的方法的流程示意图。
在一些实施例中，流程400可以由系统100(例如，处理设备120)或系统200执行。例如，流程400可以以程序或指令的形式存储在存储设备(例如，存储设备140、系统的存储单元)中，当处理器执行程序或指令时，可以实现流程400。在一些实施例中，流程400可以包括以下步骤。
步骤410，获取医学图像的权重图。在一些实施例中，步骤410可以由处理设备120或获取模块210执行。
在一些实施例中，可以获取需要标注的医学图像，并根据感兴趣区域的类型对医学图像进行预处理，基于处理后的医学图像中各个点的静态特征信息，生成医学图像的权重图。更多详细内容可以参见步骤310及其相关描述，此处不再赘述。
步骤420，确定医学图像中的起始点。在一些实施例中，步骤420可以由处理设备120或确定模块220执行。
在一些实施例中，可以基于用户对标注工具的操作，确定医学图像中的起始点。例如，处理设备120可以基于用户单击标注工具的操作确定医学图像中的起始点。更多关于确定起始点的详细内容可以参见步骤323及其相关描述，此处不再赘述。
步骤430，基于用户对标注工具的操作，确定或更新医学图像中的冻结点。在一些实施例中，步骤430可以由处理设备120或确定模块220执行。
在一些实施例中，可以获取标注工具的移动轨迹，确定移动轨迹上的每个点到起始点的边缘路径；基于每个点到起始点的边缘路径，确定每个点的重绘次数；并基于每个点的重绘次数，确定医学图像中的冻结点。在一些实施例中，可以获取冻结点识别条件，基于冻结点识别条件和用户对标注工具的操作，确定医学图像中的冻结点。更多关于确定冻结点的详细内容可以参见步骤323及其相关描述，此处不再赘述。
在一些实施例中，可以基于医学图像的权重图，确定冻结点到起始点的第一边缘路径。
在一些实施例中，可以基于用户输入的调整指令，更新医学图像中的冻结点。例如，生成冻结点后和/或生成标注路径后，可以基于用户通过点击鼠标右键实现的删除冻结点、退回至上一冻结点等操作，调整该冻结点的位置(例如，图6(c)中所示)。
步骤440，基于冻结点对权重图进行局部更新。在一些实施例中，步骤440可以由处理设备120或更新模块230执行。
在一些实施例中，可以基于冻结点，实时动态对权重图进行局部更新。在一些实施例中，可以确定权重图中的目标区域，基于目标区域中的点的动态特征信息，对目标区域中的点的权重值进行更新，以实现对权重图的局部更新。在一些实施例中，可以基于标注工具的当前位置点确定权重图中的目标区域。在一些实施例中，可以基于预设指令确定是否对权重图进行局部更新。例如，可以根据用户通过用户终端130输入的“更新权重图”的指令，在标注过程中，基于冻结点对权重图进行实时动态局部更新。又如，可以根据用户通过用户终端130输入的“不更新权重图”的选择，不执行步骤440。
在一些实施例中，可以基于标注工具的移动轨迹对权重图进行局部更新。例如，处理设备120可以基于标注工具的当前位置点，对以该位置点为中心的区域对应的权重图进行更新。在一些实施例中，可以基于用户对标注工具的操作，对权重图进行局部更新。例如，处理设备120可以响应于用户点击“更新”按钮，对以当前位置点为中心的区域对应的权重图进行更新。
更多关于对权重图进行局部更新的详细内容可以参见步骤325及其相关描述，此处不再赘述。
步骤450，基于更新后的权重图，确定医学图像中的每个点到冻结点的边缘路径。在一些实施例中，步骤450可以由处理设备120或标注模块240执行。
在一些实施例中，可以基于更新后的权重图，确定标注工具的移动轨迹上的每个点(例如，实时位置点、结束点等)到冻结点(例如，第一个冻结点或与轨迹点相邻的前一个冻结点)的第二边缘路径。
步骤460，基于每个点到冻结点的边缘路径确定实时位置到起始点的标注路径。在一些实施例中，步骤460可以由处理设备120或标注模块240执行。
在一些实施例中，可以基于第一边缘路径和每个点到冻结点的第二边缘路径，确定实时位置到起始点的标注路径。更多关于确定标注路径的详细内容可以参见步骤327及其相关描述，此处不再赘述。
步骤470，确认标注是否结束。在一些实施例中，步骤470可以由处理设备120或标注模块240执行。
在一些实施例中，可以基于用户对标注工具的操作，确认标注是否结束。例如，处理设备120可以当用户双击标注工具、停止移动标注工具、或点击结束按钮等时，确认标注结束。又如，处理设备120可以当用户输入调整指令时，确认标注未结束。
在一些实施例中，可以基于实时位置与起始点之间的距离确认标注是否结束。例如，处理设备120可以当标注工具的实时位置与起始点重合时，或距离小于预设的数值(例如，0.1cm、0.01cm等)时，确认标注结束。在一些实施例中，当实时位置与起始点之间的距离满足预设条件时，可以进一步判断用户是否输入调整指令，响应于未输入调整指令，确认标注结束，否则认为未结束。例如，若部分标注路径不精准时，用户可以使用调整冻结点的位置，或通过相应操作(例如，按下键盘alt键同时点击鼠标右键)移除该冻结点。
在一些实施例中，可以响应于标注未结束执行步骤430，响应于标注结束，执行步骤480。
步骤480，生成闭环标注路径。在一些实施例中，步骤480可以由处理设备120或标注模块240执行。
在一些实施例中，可以响应于标注结束，生成闭环标注路径(即标注路径封闭)。例如，可以基于权重图，确定冻结点到起始点的第一边缘路径；基于更新后的权重图，确定结束点到冻结点的第二边缘路径；基于第一边缘路径和第二边缘路径，确定闭环标注路径(例如，图6(d)所示标注路径)。
在一些实施例中，可以基于用户对标注路径的调整指令，更新标注路径。
应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程400进行各种修正和改变。例如，可以在步骤460中，响应于实时位置与起始点位置满足预设条件，生成闭环标注路径；相应地，在步骤470中可以判断用户是否输入对标注路径的调整指令，以确定标注是否结束，若未输入调整指令则标注结束，若输入调整指令则认为标注未结束，执行步骤430。然而，这些修正和改变仍在本说明书的范围之内。
本说明书一些实施例中，通过对医学成像中的感兴趣区域进行标注的方法，(1)可以直接通过网页实现标注，避免了应用软件下载流程，增加了标注工具的便捷性和灵活性，降低了用户使用的复杂度；(2)通过基于冻结点对权重图进行局部更新，避免了不必要的数据运算，从而提高处理器运行效率和标注效率；(3)通过对权重值进行归一化处理生成权重图，减少了确定边缘路径时计算过程的复杂度，从而减少处理器的计算压力、提高图像标注的处理速度；(4)可以基于用户输入的调整指令，更新冻结点和/或标注路径，增加了使用交互方式上的灵活性，提高了标注的效率。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种对医学成像中的感兴趣区域进行标注的方法，由至少一个处理器执行，其特征在于，所述方法包括：
获取医学图像的权重图，所述权重图包含医学图像中的多个点的权重值；以及
基于用户对标注工具的操作，确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径，所述标注路径的至少一部分贴合所述感兴趣区域的边缘；
其中，在所述标注路径的确定过程中，所述权重图被局部更新，且所述标注路径基于更新后的权重图确定。
2.如权利要求1所述的方法，其特征在于，所述获取医学图像的权重图包括：
获取所述医学图像中的所述多个点的静态特征信息；以及
基于所述静态特征信息，生成所述医学图像的所述权重图。
3.如权利要求1所述的方法，其特征在于，所述获取医学图像的权重图包括：
对所述医学图像中每个像素点对应的权重值进行归一化处理，以获取所述医学图像的权重图。
4.如权利要求1所述的方法，其特征在于，所述方法进一步包括：
获取所述标注工具的移动轨迹；
确定所述移动轨迹上的每个点到所述起始点的边缘路径；
基于所述每个点到所述起始点的边缘路径，确定每个点的重绘次数；以及
基于所述每个点的重绘次数，确定所述医学图像中的冻结点。
5.如权利要求1所述的方法，其特征在于，所述方法进一步包括：
获取冻结点识别条件；以及
基于所述冻结点识别条件和所述用户对所述标注工具的操作，确定所述医学图像中的冻结点。
6.如权利要求4或5所述的方法，其特征在于，所述方法进一步包括：
确定所述权重图中的目标区域，所述目标区域包含所述冻结点；以及
基于所述目标区域中的点的动态特征信息，对所述目标区域中的点的权重值进行更新，以获得所述更新后的权重图。
7.如权利要求4或5所述的方法，其特征在于，所述确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径进一步包括：
基于所述权重图，确定所述冻结点到所述起始点的第一边缘路径；
基于所述更新后的权重图，确定所述医学图像中的每个点到所述冻结点的第二边缘路径；
基于所述第一边缘路径和所述每个点到所述冻结点的第二边缘路径，确定所述标注路径。
8.如权利要求1所述的方法，其特征在于，所述方法进一步包括：
在所述标注路径封闭后，接收所述用户对所述标注路径的调整指令；
基于所述调整指令，更新所述标注路径。
9.一种对医学成像中的感兴趣区域进行标注的系统，其特征在于，所述系统包括：
获取模块，用于获取医学图像的权重图，所述权重图包含医学图像中的多个点的权重值；以及
标注模块，用于基于用户对标注工具的操作，确定所述标注工具的实时位置到所述医学图像中的起始点的标注路径，所述标注路径的至少一部分贴合所述感兴趣区域的边缘；
其中，在所述标注路径的确定过程中，所述权重图被局部更新，且所述标注路径基于更新后的权重图确定。
10.一种对医学成像中的感兴趣区域进行标注的装置，其特征在于，所述装置包括：
至少一个存储介质，存储计算机指令；
至少一个处理器，执行所述计算机指令，以实现权利要求1～8中任一项所述的方法。
CN202210320616.1A 2022-03-29 2022-03-29 一种对医学成像中的感兴趣区域进行标注的方法和系统 Pending CN114638962A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210320616.1A CN114638962A (zh) 2022-03-29 2022-03-29 一种对医学成像中的感兴趣区域进行标注的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210320616.1A CN114638962A (zh) 2022-03-29 2022-03-29 一种对医学成像中的感兴趣区域进行标注的方法和系统

Publications (1)

Publication Number Publication Date
CN114638962A true CN114638962A (zh) 2022-06-17

Family

ID=81951693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210320616.1A Pending CN114638962A (zh) 2022-03-29 2022-03-29 一种对医学成像中的感兴趣区域进行标注的方法和系统

Country Status (1)

Country Link
CN (1) CN114638962A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153561A (ja) * 1997-07-30 1999-02-26 Sony Corp 経路探査装置および方法、輪郭曲線生成装置および方法、輪郭曲線編集装置および方法、並びにプログラムを記録した記録媒体
US5995115A (en) * 1997-04-04 1999-11-30 Avid Technology, Inc. Computer system process and user interface for providing intelligent scissors for image composition
US6025850A (en) * 1997-03-28 2000-02-15 Adobe Systems Incorporated Object boundaries identified in a raster image by a user selecting positions on the raster image and then using cost functions to predict likelihood of pixels near the position being on a boundary path
US7016521B1 (en) * 1999-06-04 2006-03-21 Koninklijke Philips Electronics, N.V. Image processing method and system, and medical examination apparatus, for extracting a path following a threadlike structure in an image
CN102136133A (zh) * 2011-01-21 2011-07-27 北京中星微电子有限公司 一种图像处理方法及图像处理装置
CN102360494A (zh) * 2011-10-18 2012-02-22 中国科学院自动化研究所 一种多前景目标交互式图像分割方法
US8146021B1 (en) * 2009-08-18 2012-03-27 Adobe Systems Incorporated User interface for path distortion and stroke width editing
CN102542550A (zh) * 2010-12-08 2012-07-04 江南大学 一种减少人工干预的交互式图像分割方法
CN103871090A (zh) * 2012-12-17 2014-06-18 北京大学 一种交互式路径生成方法和系统
US20170301085A1 (en) * 2014-09-11 2017-10-19 B.G. Negev Technologies And Applications Ltd. (Ben Gurion University Interactive segmentation
JP2018073285A (ja) * 2016-11-02 2018-05-10 日本電信電話株式会社 Ｌ１グラフ計算装置、ｌ１グラフ計算方法及びｌ１グラフ計算プログラム
CN109509197A (zh) * 2018-09-26 2019-03-22 沈阳东软医疗系统有限公司 一种分割感兴趣区域的方法、装置、设备及存储介质
CN110619672A (zh) * 2019-09-12 2019-12-27 慧影医疗科技（北京）有限公司 图形边缘线选取方法、机器可读存储介质及数据处理设备
US20200394833A1 (en) * 2019-06-17 2020-12-17 Galgo Medical, Sl Computer implemented method, a system and computer programs for computing simultaneous rectilinear paths using medical images

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6025850A (en) * 1997-03-28 2000-02-15 Adobe Systems Incorporated Object boundaries identified in a raster image by a user selecting positions on the raster image and then using cost functions to predict likelihood of pixels near the position being on a boundary path
US5995115A (en) * 1997-04-04 1999-11-30 Avid Technology, Inc. Computer system process and user interface for providing intelligent scissors for image composition
JPH1153561A (ja) * 1997-07-30 1999-02-26 Sony Corp 経路探査装置および方法、輪郭曲線生成装置および方法、輪郭曲線編集装置および方法、並びにプログラムを記録した記録媒体
US7016521B1 (en) * 1999-06-04 2006-03-21 Koninklijke Philips Electronics, N.V. Image processing method and system, and medical examination apparatus, for extracting a path following a threadlike structure in an image
US8146021B1 (en) * 2009-08-18 2012-03-27 Adobe Systems Incorporated User interface for path distortion and stroke width editing
CN102542550A (zh) * 2010-12-08 2012-07-04 江南大学 一种减少人工干预的交互式图像分割方法
CN102136133A (zh) * 2011-01-21 2011-07-27 北京中星微电子有限公司 一种图像处理方法及图像处理装置
CN102360494A (zh) * 2011-10-18 2012-02-22 中国科学院自动化研究所 一种多前景目标交互式图像分割方法
CN103871090A (zh) * 2012-12-17 2014-06-18 北京大学 一种交互式路径生成方法和系统
US20170301085A1 (en) * 2014-09-11 2017-10-19 B.G. Negev Technologies And Applications Ltd. (Ben Gurion University Interactive segmentation
JP2018073285A (ja) * 2016-11-02 2018-05-10 日本電信電話株式会社 Ｌ１グラフ計算装置、ｌ１グラフ計算方法及びｌ１グラフ計算プログラム
CN109509197A (zh) * 2018-09-26 2019-03-22 沈阳东软医疗系统有限公司 一种分割感兴趣区域的方法、装置、设备及存储介质
US20200394833A1 (en) * 2019-06-17 2020-12-17 Galgo Medical, Sl Computer implemented method, a system and computer programs for computing simultaneous rectilinear paths using medical images
CN110619672A (zh) * 2019-09-12 2019-12-27 慧影医疗科技（北京）有限公司 图形边缘线选取方法、机器可读存储介质及数据处理设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ERIC N. MORTENSEN ET AL.: "Interactive Segmentation with Intelligent Scissors", GRAPHICAL MODELS AND IMAGE PROCESSING, 25 May 2002 (2002-05-25), pages 3 *
吕洁;熊春荣;: "交互式医学图像分割算法", 计算机仿真, no. 12, 15 December 2010 (2010-12-15) *
宋威;李兵;沈君姝;: "live wire算法中局部代价计算的加速改进", 北京生物医学工程, no. 06, 15 December 2013 (2013-12-15), pages 0 - 1 *
戴虹;: "一种基于加速Dijkstra算法的图像分割技术", 信息技术, no. 10 *
戴虹;杨云峰;: "距骨的交互式快速图像分割算法", 计算机应用与软件, no. 05, 15 May 2009 (2009-05-15) *

Similar Documents

Publication Publication Date Title
JP6884853B2 (ja) ニューラルネットワーク法を用いた画像セグメンテーション
CN110475505B (zh) 利用全卷积网络的自动分割
RU2571523C2 (ru) Вероятностная оптимизация сегментации, основанной на модели
JP2021035502A (ja) 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法
US8155405B2 (en) System and method for lesion segmentation in whole body magnetic resonance images
CN107622493B (zh) 用于分割医学图像中的对象的方法和数据处理单元
CN107886508B (zh) 差分减影方法和医学图像处理方法及系统
US7773786B2 (en) Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects
CN109509197B (zh) 一种分割感兴趣区域的方法、装置、设备及存储介质
US20070109299A1 (en) Surface-based characteristic path generation
Malmberg et al. SmartPaint: a tool for interactive segmentation of medical volume images
JP2020516427A (ja) 腫瘍進行のｒｅｃｉｓｔ評価
CN101151638B (zh) 用于分割数据集中的结构的方法和系统
US20200401854A1 (en) Method and system for image segmentation and identification
EP2932470A2 (en) Registration of medical images
CN108197629A (zh) 一种基于标签相关性约束张量分解的多模态医学影像特征提取方法
CN112885453A (zh) 用于标识后续医学图像中的病理变化的方法和系统
JP2004105737A (ja) 心臓磁気共振潅流データのための統合的画像記録方法
Schenk et al. Local-cost computation for efficient segmentation of 3D objects with live wire
CN102369555B (zh) 用于进行轮廓描绘的自动对比度增强的方法和系统
JP2008511395A (ja) 一連の画像における動き修正のための方法およびシステム
US20150078645A1 (en) System and Method for Data Driven Editing of Rib Unfolding
US20180064409A1 (en) Simultaneously displaying medical images
CN107154036A (zh) 基于亚像素的血管分割方法及其分割系统
CN111402278A (zh) 分割模型训练方法、图像标注方法及相关装置

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