CN114693774A - 基于膀胱镜的智能ai图像标注方法及装置 - Google Patents
基于膀胱镜的智能ai图像标注方法及装置 Download PDFInfo
- Publication number
- CN114693774A CN114693774A CN202210227822.8A CN202210227822A CN114693774A CN 114693774 A CN114693774 A CN 114693774A CN 202210227822 A CN202210227822 A CN 202210227822A CN 114693774 A CN114693774 A CN 114693774A
- Authority
- CN
- China
- Prior art keywords
- image
- cystoscope
- area
- annotation
- diagnosis
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于膀胱镜的智能AI图像标注方法及装置,所述方法包括:当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;按照时间顺序将所述若干个病情变化特征串接成病情变化文本;基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供所述膀胱镜诊断仪中展示标注后的膀胱镜图像。本发明可以快速地对膀胱镜图像进行标注,以辅助医生进行对应的医疗诊断,提高医生的诊断效率。
Description
技术领域
本发明涉及医疗辅助的技术领域,尤其涉及一种基于膀胱镜的智能AI图像标注方法及装置。
背景技术
随着经济的急速发展,人民的日常生活节奏也逐渐加快,随之而来患病的风险也逐渐提高。其中一种疾病就是膀胱癌。由于膀胱癌需要医生使用膀胱镜对病人进行人工判读检查,工作量大且诊断困难,若医生经验不足,往往容易出现漏诊、误诊等情况,不但耽误患者的治疗时间,也增加其经济负担。为此,利用大数据和AI智能进行辅助医疗是其中一种可靠的诊断发展方向。
现有的AI智能辅助诊断方法是构建一个AI智能分析系统,由分析系统采集病人在进行膀胱镜检查时的图像,再根据病人的膀胱镜图像确定检查位置,供医生实时进行分析诊断。
但现有的辅助诊断方法有如下技术问题:由于医生需要查看多张检查图像,在进行诊断分析时,容易出现遗漏;若将每张检查图像的每一处逐一仔细地进行诊断分析,增加诊断的耗时,也降低了诊断的效率。
发明内容
本发明提出一种基于膀胱镜的智能AI图像标注方法及装置,所述方法可以在医生进行实时诊断时,结合患者的临床信息以及其实时检测的膀胱镜影像进行影像标注,实现患病区域的快速标注,从而可以让医生利用标注后的检查图像进行诊断,以辅助医生并提高其的诊断效率。
本发明实施例的第一方面提供了一种基于膀胱镜的智能AI图像标注方法,所述方法包括:
当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;
按照时间顺序将所述若干个病情变化特征串接成病情变化文本;
基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;
按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
在第一方面的一种可能的实现方式中,所述基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,包括:
确定所述病情变化文本所包含的若干个病情变化特征的排列顺序得到病情变化顺序;
从海量患者的诊断数据中查找与所述病情变化顺序相同的至少一个目标诊断数据;
获取所述目标诊断数据对应的诊断图像得到目标诊断图像。
在第一方面的一种可能的实现方式中,所述标注参数包括标注颜色和标注形状;
所述从所述目标诊断图像中提取标注参数,包括:
从所述目标诊断图像确定病变位置;
提取所述病变位置的颜色和形状,分别得到标注颜色和标注形状。
在第一方面的一种可能的实现方式中,所述按照所述标注参数标注所述膀胱镜图像,包括:
在所述膀胱镜图像中查找与所述标注形状相匹配的形状区域,以及在所述膀胱镜图像中查找与所述标注颜色相同的颜色区域;
分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像。
在第一方面的一种可能的实现方式中,所述标注参数还包括标注面积,所述标注面积为所述病变位置对应的图像在所述目标诊断图像中所占的面积;
在所述分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像的步骤后,所述方法还包括:
分别计算所述形状区域的图像面积以及所述颜色区域的图像面积,得到形状面积和颜色面积;
判断所述形状面积与所述颜色面积相加的总和是否大于所述标注面积;
若所述形状面积与所述颜色面积相加的总和小于所述标注面积,则按照预设比例分别扩大勾勒所述形状区域和所述颜色区域的区域边沿。
在第一方面的一种可能的实现方式中,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述方法还包括:
确定所述标注图像的图像轮廓;
修补所述图像轮廓得到优化图像。
在第一方面的一种可能的实现方式中,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述方法还包括:
构建智能诊断模型,并利用所述标注图像对所述智能诊断模型进行迭代优化。
本发明实施例的第二方面提供了一种基于膀胱镜的智能AI图像标注装置,所述装置包括:
提取模块,用于当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;
串接模块,用于按照时间顺序将所述若干个病情变化特征串接成病情变化文本;
筛选模块,用于基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;
标注模块,用于按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
相比于现有技术,本发明实施例提供的一种基于膀胱镜的智能AI图像标注方法及装置,其有益效果在于:本发明可以同时获取患者的临床信息及膀胱镜图像,基于患者的临床信息从海量的在先诊断数据中筛选出可能相关联的诊断数据,从而可以根据相关联的诊断数据对膀胱镜图像进行标注,以辅助医生进行后续的诊断,并减轻医生的工作负担,实现提高医生诊断的效率。
附图说明
图1是本发明一实施例提供的一种基于膀胱镜的智能AI图像标注方法的流程示意图;
图2是本发明一实施例提供的一种标注图像的效果示意图;
图3是本发明一实施例提供的一种基于膀胱镜的智能AI图像标注装置的结构示意图。
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作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。
现有的辅助诊断方法有如下技术问题:由于医生需要查看多张检查图像,在进行诊断分析时,容易出现遗漏;若将每张检查图像的每一处逐一仔细地进行诊断分析,增加诊断的耗时,也降低了诊断的效率。
为了解决上述问题,下面将通过以下具体的实施例对本申请实施例提供的一种基于膀胱镜的智能AI图像标注方法进行详细介绍和说明。
参照图1,示出了本发明一实施例提供的一种基于膀胱镜的智能AI图像标注方法的流程示意图。
在一实施例中,所述方法适用于存有海量患者的诊断数据的云端智能服务器,所述云端智能服务器与诊断仪连接。
其中,诊断数据可以包括医生在先对患者的诊断影像进行标记、诊断以及治理的数据。
所述诊断仪为膀胱镜诊断仪,该诊断仪可以用于直接探测用户体内的仪器,例如,可以是膀胱镜或其他探照仪器等。
在一实施例中,膀胱镜诊断仪在使用时可以实时看到所探照的用户身体并可以显示用户的在先探照结果以及用户的信息,供医生可以一边探照一边诊断。
在实际使用时,可以在医生诊断完成后获取医生的诊断内容,并将诊断内容及患者的诊断影像等信息存储在数据库中,从而构建成海量的诊断数据。
其中,作为示例的,所述基于膀胱镜的智能AI图像标注方法,可以包括:
S11、当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征。
所述临床信息可以是关于用户患病前和患病后的一些列个人信息,例如,可以包括身体变化、身体状态、身体症状等,也可以包括其个人年龄、患病历史、家族病史、患病前的个人活动以及患病后的个人活动等等。
所述膀胱镜图像可以是医生在使用诊断仪在实时检测时所采集的用户患病器官的图像。
所述病情变化特征可以是临床信息中的特征内容。在一可选的实施例中,医生可以预先按照其对某疾病的诊断经验在云端智能服务器中设定一个特征库,特征库中设有多个不同的特征,每个患者的临床信息可以对应一个或多个特征信息,可以按照特征库中的特征内容从临床信息中提取若干个病情变化特征。
例如,身体变化信息对应可以是消瘦、肥胖、皮肤泛红等。例如,身体症状信息可以对应出血、呕吐、疼痛等。例如,患病历史对应脂肪肝、高血压等等。
在实际应用时,可以按照特征库对临床信息中的每个信息进行特征提取,若临床信息中的信息包含特征库内的特征,则从信息中提取得到一个病情变化特征,若没有包含特征库内的特征,则跳过再识别下一个信息。
S12、按照时间顺序将所述若干个病情变化特征串接成病情变化文本。
在一实施例中,由于临床信息包含从用户患病前至用户患病后的各种信息,各种信息经历一定的时长,而各个特征之间可能存在一定关联,可能相互之间有特定的联系,为了能清楚梳理用户各个病情变化特征之间的关系,以便将用户与海量患者数据建立关联,可以按照时间顺序将若干个病情变化特征进行串接,从而生成病情变化文本。
例如,患者在患病前的病情变化特征包括年龄:45岁,患病历史:高血压、身体症状:尿频;患病后的病情变化特征包括:年龄:64岁,身体症状:尿酸高、夜尿频多、血尿、排尿困难,家族病史:家族有3人患病等等。按照先后的时间顺序,将其串接后可以得到:45岁-高血压-尿频-64岁-尿酸高-夜尿频多-血尿-排尿困难-家族患病人数3人。
S13、基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数。
在对若干个病情变化特征进行串接后,可以得到用户在患病前和患病后的变化,然后利用该变化从海量的诊断数据中进行筛选,从而可以筛选出与该病情变化文本具有相同变化的目标诊断数据,以作参考。
由于目标诊断数据中包含医生对其膀胱镜图像的标注内容,可以从目标诊断数据中提取在先负责诊断的医生在该膀胱镜图像中的标注参数,从而可以根据这些标注参数对本次的膀胱镜图像进行标注,以提高膀胱镜图像的处理效率,实现辅助诊断的效果。
为了在海量的诊断数据中准确筛选目标诊断数据,在其中一种的实施例中,步骤S13可以包括以下子步骤:
子步骤S131、确定所述病情变化文本所包含的若干个病情变化特征的排列顺序得到病情变化顺序。
具体地,可以从病情变化文本中提取若干个病情变化特征的排列顺序。
以上述内容作例子,病情变化文本为:45岁-高血压-尿频-64岁-尿酸高-夜尿频多-血尿-排尿困难-家族患病人数3人,其病情变化顺序是年龄-患病历史-身体症状-年龄-身体症状-家族病史。
子步骤S132、从海量患者的诊断数据中查找与所述病情变化顺序相同的至少一个目标诊断数据。
子步骤S133、获取所述目标诊断数据对应的诊断图像得到目标诊断图像。
在应用时,确定海量诊断数据中是否存有与该病情变化顺序相同的诊断数据,由于每个诊断数据均是在先患者进行诊断后存储的诊断数据,所以每个存储的诊断数据均有其对应的病情变化顺序。
可以将病情变化顺序与在先的病情变化顺序进行逐一比对,从而可以确定海量的诊断数据是否存有至少一个目标诊断数据。
若有至少一个目标诊断数据,可以获取该目标诊断数据对应的诊断图像,得到目标诊断图像。
该目标诊断图像可以在先的检测的图像。
在一实施例中,所述标注参数包括标注颜色和标注形状。
其中,标注颜色可以是医生对诊断的图像进行标注时所标注区域的颜色。标注形状可以是医生对诊断的图像进行标注时所标注区域的形状。
可选地,步骤S13还可以包括以下子步骤:
子步骤S134、从所述目标诊断图像确定病变位置。
该病变位置为医生在目标诊断图像中标注的位置。
子步骤S135、提取所述病变位置的颜色和形状,分别得到标注颜色和标注形状。
具体地可以提取病变位置中图像的颜色以及图像中各个细胞的形状,从而分别得到标注颜色和标注形状。
S14、按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
在获取了标注参数后,可以按照其标注参数对当前患者的膀胱镜图像进行标注,从而得到标注图像。最后可以将标注图像发送至诊断仪中,使得诊断仪可以展示标注图像,让医生可以快速根据标注图像对患者进行诊断,提高医生诊断的效率。
为了准确标注膀胱镜图像,在一实施例中,步骤S14可以包括以下子步骤:
子步骤S141、在所述膀胱镜图像中查找与所述标注形状相匹配的形状区域,以及在所述膀胱镜图像中查找与所述标注颜色相同的颜色区域。
由于患病的地方其颜色相似,可以按照标注颜色从膀胱镜图像中查找对应的区域,得到颜色区域。同理,患病的地方可能会出现异常细胞,而异常细胞的形状也可能大致相同,可以按照标注形状在膀胱镜图像中查找得到对应的区域,得到形状区域。
子步骤S142、分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像。
然后可以采用预设的颜色勾勒形状区域的区域边沿和颜色区域的区域边沿,使得膀胱镜图像变成标注图像。
参照图2,示出了本发明一实施例提供的一种标注图像的效果示意图。
勾勒后可以让医生清楚地确定患者的患病区域在哪里,实现辅助医疗的效果。
由于当前的患者与在先的患者具有相同的病情变化过程,双方患病的情况能相同,器官中患病的区域也可能相同,为了更加准确地标注膀胱镜图像,以避免标注遗漏的情况,在一实施例中,所述标注参数还包括标注面积。
其中,所述标注面积为目标诊断数据对应的诊断图形里,其所述病变位置对应的图像在所述目标诊断图像中所占的面积。
例如,在目标诊断数据对应的诊断图像里,其所述病变位置的面积为2厘米*5厘米,则其标注面积为10平方厘米。
可选地,在子步骤S142后,步骤S14还可以包括以下子步骤:
子步骤S143、分别计算所述形状区域的图像面积以及所述颜色区域的图像面积,得到形状面积和颜色面积。
子步骤S144、判断所述形状面积与所述颜色面积相加的总和是否大于所述标注面积。
子步骤S145、若所述形状面积与所述颜色面积相加的总和小于所述标注面积,则按照预设比例分别扩大勾勒所述形状区域和所述颜色区域的区域边沿。
在本实施例中,由于当前患者与在先患者的患病情况可能相同,可以利用在先患者的标注面积作为标注参数,对当前患者的膀胱镜图像进行标注。
若当前患者的膀胱镜图像所标注的面积(形状面积与颜色面积相加的总和)小于标注面积,则可能存在漏标的情况,为了避免漏标,可以在当前标注的基础上对标注的区域进行一定比例的扩张,从而增加其标注面积。
在一实施例中,预设比例可以是形状面积与颜色面积相加的总和与标注面积的比。
例如,形状面积与颜色面积相加的总和为20平方厘米,标注面积为25平方厘米,其比值为0.8。将当前标注的区域除以0.8,从而实现适当扩大其标注区域的效果。
为了进一步提高图像的展示效果,在一实施例中,在步骤S14后,所述方法还可以包括:
S21、确定所述标注图像的图像轮廓。
S22、修补所述图像轮廓得到优化图像。
具体地,可以对图像轮廓进行轮廓修复,使得勾勒的边缘更加清晰,以提高展示效果,方便医生观看。
为了训练云端智能服务器,在一实施例中,在步骤S14后,所述方法还可以包括:
S31、构建智能诊断模型,并利用所述标注图像对所述智能诊断模型进行迭代优化。
可选地,智能诊断模型可以是用户设定的神经网络,所需的神经网络可以根据实际需要进行调整。
在确定智能诊断模型后,可以利用标注图像对智能诊断模型进行模型训练,使得训练后的智能诊断模型可以实现自主标注诊断,以提高后续的标注效率。
在本实施例中,本发明实施例提供了一种基于膀胱镜的智能AI图像标注方法,其有益效果在于:本发明可以同时获取患者的临床信息及膀胱镜图像,基于患者的临床信息从海量的在先诊断数据中筛选出可能相关联的诊断数据,从而可以根据相关联的诊断数据对膀胱镜图像进行标注,以辅助医生进行后续的诊断,并减轻医生的工作负担,实现提高医生诊断的效率。
本发明实施例还提供了一种基于膀胱镜的智能AI图像标注装置,参见图3,示出了本发明一实施例提供的一种基于膀胱镜的智能AI图像标注装置的结构示意图。
所述装置适用于存有海量患者的诊断数据的云端智能服务器,所述云端智能服务器与诊断仪连接。
其中,作为示例的,所述基于膀胱镜的智能AI图像标注装置可以包括:
提取模块301,用于当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;
串接模块302,用于按照时间顺序将所述若干个病情变化特征串接成病情变化文本;
筛选模块303,用于基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;
标注模块304,用于按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
可选地,所述筛选模块还用于:
确定所述病情变化文本所包含的若干个病情变化特征的排列顺序得到病情变化顺序;
从海量患者的诊断数据中查找与所述病情变化顺序相同的至少一个目标诊断数据;
获取所述目标诊断数据对应的诊断图像得到目标诊断图像。
可选地,所述标注参数包括标注颜色和标注形状;
所述筛选模块还用于:
从所述目标诊断图像确定病变位置;
提取所述病变位置的颜色和形状,分别得到标注颜色和标注形状。
可选地,所述标注模块还用于:
在所述膀胱镜图像中查找与所述标注形状相匹配的形状区域,以及在所述膀胱镜图像中查找与所述标注颜色相同的颜色区域;
分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像。
可选地,所述标注参数还包括标注面积,所述标注面积为所述病变位置对应的图像在所述目标诊断图像中所占的面积;
在所述分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像的步骤后,所述装置还包括:
面积计算模块,用于分别计算所述形状区域的图像面积以及所述颜色区域的图像面积,得到形状面积和颜色面积;
面积判断模块,用于判断所述形状面积与所述颜色面积相加的总和是否大于所述标注面积;
勾勒扩展模块,用于若所述形状面积与所述颜色面积相加的总和小于所述标注面积,则按照预设比例分别扩大勾勒所述形状区域和所述颜色区域的区域边沿。
可选地,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述装置还包括:
轮廓模块,用于确定所述标注图像的图像轮廓;
修补模块,用于修补所述图像轮廓得到优化图像。
可选地,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述装置还包括:
优化模块,用于构建智能诊断模型,并利用所述标注图像对所述智能诊断模型进行迭代优化。
进一步的,本申请实施例还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例所述的基于膀胱镜的智能AI图像标注方法。
进一步的,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上述实施例所述的基于膀胱镜的智能AI图像标注方法。
以上所述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,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于膀胱镜的智能AI图像标注方法,其特征在于,所述方法包括:
当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;
按照时间顺序将所述若干个病情变化特征串接成病情变化文本;
基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;
按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
2.根据权利要求1所述的基于膀胱镜的智能AI图像标注方法,其特征在于,所述基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,包括:
确定所述病情变化文本所包含的若干个病情变化特征的排列顺序得到病情变化顺序;
从海量患者的诊断数据中查找与所述病情变化顺序相同的至少一个目标诊断数据;
获取所述目标诊断数据对应的诊断图像得到目标诊断图像。
3.根据权利要求1所述的基于膀胱镜的智能AI图像标注方法,其特征在于,所述标注参数包括标注颜色和标注形状;
所述从所述目标诊断图像中提取标注参数,包括:
从所述目标诊断图像确定病变位置;
提取所述病变位置的颜色和形状,分别得到标注颜色和标注形状。
4.根据权利要求3所述的基于膀胱镜的智能AI图像标注方法,其特征在于,所述按照所述标注参数标注所述膀胱镜图像,包括:
在所述膀胱镜图像中查找与所述标注形状相匹配的形状区域,以及在所述膀胱镜图像中查找与所述标注颜色相同的颜色区域;
分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像。
5.根据权利要求4所述的基于膀胱镜的智能AI图像标注方法,其特征在于,所述标注参数还包括标注面积,所述标注面积为所述病变位置对应的图像在所述目标诊断图像中所占的面积;
在所述分别勾勒所述形状区域的区域边沿和所述颜色区域的区域边沿得到标注图像的步骤后,所述方法还包括:
分别计算所述形状区域的图像面积以及所述颜色区域的图像面积,得到形状面积和颜色面积;
判断所述形状面积与所述颜色面积相加的总和是否大于所述标注面积;
若所述形状面积与所述颜色面积相加的总和小于所述标注面积,则按照预设比例分别扩大勾勒所述形状区域和所述颜色区域的区域边沿。
6.根据权利要求1-4任意一项所述的基于膀胱镜的智能AI图像标注方法,其特征在于,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述方法还包括:
确定所述标注图像的图像轮廓;
修补所述图像轮廓得到优化图像。
7.根据权利要求1-4任意一项所述的基于膀胱镜的智能AI图像标注方法,其特征在于,在所述按照所述标注参数标注所述膀胱镜图像得到标注图像的步骤后,所述方法还包括:
构建智能诊断模型,并利用所述标注图像对所述智能诊断模型进行迭代优化。
8.一种基于膀胱镜的智能AI图像标注装置,其特征在于,所述装置包括:
提取模块,用于当获取患者的临床信息及膀胱镜图像时,从将所述临床信息中提取若干个病情变化特征;
串接模块,用于按照时间顺序将所述若干个病情变化特征串接成病情变化文本;
筛选模块,用于基于所述病情变化文本从海量患者的诊断数据中筛选至少一张目标诊断图像,并从所述目标诊断图像中提取标注参数;
标注模块,用于按照所述标注参数标注所述膀胱镜图像得到标注图像,将所述标注图像发送至膀胱镜诊断仪中,以供膀胱镜诊断仪展示标注后的膀胱镜图像。
9.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任意一项所述的基于膀胱镜的智能AI图像标注方法。
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计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-7任意一项所述的基于膀胱镜的智能AI图像标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227822.8A CN114693774A (zh) | 2022-03-08 | 2022-03-08 | 基于膀胱镜的智能ai图像标注方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210227822.8A CN114693774A (zh) | 2022-03-08 | 2022-03-08 | 基于膀胱镜的智能ai图像标注方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693774A true CN114693774A (zh) | 2022-07-01 |
Family
ID=82137963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210227822.8A Pending CN114693774A (zh) | 2022-03-08 | 2022-03-08 | 基于膀胱镜的智能ai图像标注方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693774A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437635A (zh) * | 2023-12-21 | 2024-01-23 | 杭州海康慧影科技有限公司 | 一种生物组织类图像的预标注方法、装置 |
-
2022
- 2022-03-08 CN CN202210227822.8A patent/CN114693774A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437635A (zh) * | 2023-12-21 | 2024-01-23 | 杭州海康慧影科技有限公司 | 一种生物组织类图像的预标注方法、装置 |
CN117437635B (zh) * | 2023-12-21 | 2024-04-05 | 杭州海康慧影科技有限公司 | 一种生物组织类图像的预标注方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101818074B1 (ko) | 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템 | |
JP5128154B2 (ja) | レポート作成支援装置、レポート作成支援方法およびそのプログラム | |
US8423571B2 (en) | Medical image information display apparatus, medical image information display method, and recording medium on which medical image information display program is recorded | |
CN109886933A (zh) | 一种医学图像识别方法、装置和存储介质 | |
CN111984771A (zh) | 一种基于智能对话的自动问诊系统 | |
US11996182B2 (en) | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network | |
CN115830017B (zh) | 基于图文多模态融合的肿瘤检测系统、方法、设备及介质 | |
CN108492885B (zh) | 检查工作流推荐方法、装置及终端 | |
CN112562860A (zh) | 分类模型的训练方法及装置、冠心病辅助筛查方法及装置 | |
CN114693774A (zh) | 基于膀胱镜的智能ai图像标注方法及装置 | |
CN113113100B (zh) | 医学影像检查报告的制作方法和装置 | |
US20130011027A1 (en) | System and method for composing a medical image analysis | |
CN115206478A (zh) | 医学报告生成方法以及装置、电子设备、可读存储介质 | |
CN116797889B (zh) | 医学影像识别模型的更新方法、装置和计算机设备 | |
CN113610824A (zh) | 穿刺路径规划方法及装置,电子设备及存储介质 | |
CN116580801A (zh) | 一种基于大型语言模型的超声检查方法 | |
CN115089112A (zh) | 卒中后认知障碍风险评估模型建立方法、装置及电子设备 | |
KR102360615B1 (ko) | 내시경 영상에 대한 복수의 의료 영상 판독 알고리듬들을 이용하는 의료 영상 판독 지원 장치 및 방법 | |
CN114328864A (zh) | 基于人工智能和知识图谱的眼科问答系统 | |
CN110910980A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
CN113796850A (zh) | 甲状旁腺mibi图像分析系统、计算机设备及存储介质 | |
CN112801943A (zh) | 医学图像处理方法、装置 | |
CN111920430A (zh) | 一种弱监督深度学习自动骨龄评估方法 | |
CN116798636B (zh) | 医学诊断方法以及相关设备 | |
CN111127972A (zh) | 心电图学习系统 |
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 |