超声医疗影像AI辅助标注系统技术方案

本发明专利技术公开超声医疗影像AI辅助标注系统，所述系统首先用医生标注的有限医疗影像训练集训练一个AI目标检测系统，然后再用该训练好的AI目标检测系统去标注相应的医疗影像，被标注的医疗影像通过其病历所著的诊断结论或由医疗专家确认或修正，从而得到新的医疗影像训练集。该训练集与原医疗影像训练集随机混合成新的医疗影像训练集，用所述新的医疗影像训练集重新训练所述的AI目标检测系统，如此反复多次不断增加训练数据，提高所述系统的标注精度。所述的系统解决了医疗影像标注所需大量投入专家资源和成本高昂的问题。

AI aided annotation system of ultrasound medical image

The invention discloses an ultrasonic medical image AI auxiliary annotation system. The system first trains an AI target detection system with a limited medical image training set labeled by a doctor, and then marks the corresponding medical image with the trained AI target detection system. The labeled medical image obtains a new one through the diagnosis conclusion written in the medical record or confirmed or modified by a medical expert Medical imaging training set. The training set and the original medical image training set are randomly mixed into a new medical image training set, and the new medical image training set is used to retrain the AI target detection system, thus repeatedly increasing the training data and improving the labeling accuracy of the system. The system solves the problem of large investment of expert resources and high cost in medical image annotation.

【技术实现步骤摘要】
超声医疗影像AI辅助标注系统
本专利技术涉及人工智能、医疗影像和深度学习，特别是涉及一种超声医疗影像AI（人工智能）辅助标注系统。
技术介绍
目前医疗数据中有超过90％来自医疗影像，医疗影像数据已经成为医生诊断必不可少的“证据”之一。人工智能和医疗影像的结合，能够为医生阅片和勾画提供辅助和参考，大大节约医生时间，提高诊断效率和精度。特别是能够为基层医院，提供高质量的医疗影像诊断服务，解决其影像诊疗质量较低或者不能提供的问题。大数据推动了机器学习的迅速发展和广泛应用。在机器学习中需要大量的标注数据来训练模型，这种机器学习过程也称为监督学习。然而，大量标注数据是一个非常繁重的任务和繁杂的处理过程。特别是医疗影像的机器学习，需要大量的医疗专家来精准的标注用于训练的医疗数据，这将使得研究和开发一个医疗影像机器处理模型需要投入大量的人力和物力。希望专利技术一种方法和工具解决上述问题，在训练医疗影像诊断系统时，减少专家们的繁重工作，节省人力物力和投资。
技术实现思路
本专利技术公开一种超声医疗影像AI辅助标注系统，解决上述问题。所述的医疗影像AI医疗影像标注系统由医疗影像标注终端、互联网和AI服务器等组成：所述医疗影像标注终端是一台普通电脑，包括台式或笔记本电脑，用于运行AI医疗影像标注系统的浏览器客户端；所述互联网用于将所述的医疗影像标注终端与AI服务器连接，传输数据和指令；所述AI服务器用来运行AI医疗影像标注软件，自动标注所述的医疗影像图片。作为优选方案之一，首先用医生标注的有限医疗影像图片训练一个用于特定医疗影像标注的AI目标检测系统，然后再用该训练好的AI目标检测系统去标注相应的医疗影像，被标注的医疗影像通过其病历所著的诊断结论或由专业医生确认或修正，从而得到新的医疗影像训练集。该训练集与训练正在使用系统的医疗影像集随机混合成新的医疗影像集，用所述新的医疗影像集重新训练所述的系统，通过反复多次不断增加训练数据，提高所述系统的标注精度。优选地，所述的AI目标检测系统可以是任何能够根据标注区域特征训练和识别相应特征的AI目标检测系统，例如：R-CNN、FastR-CNN、FasterR-CNN、YOLO(v1&v2)、G-CNN、SSD、U-Net等。进一步，所述的AI目标检测系统采用FasterR-CNN目标检测算法，在较少训练数据情况下，取得较好训练精度，并且收敛比较块。优选地，所述医疗影像AI医疗影像标注系统，要针对每一种医疗影像进行分别训练，例如，训练一个乳腺癌超声医疗影像AI医疗影像标注系统，需要用乳腺癌超声医疗影像图片进行训练。本专利技术所述的医疗影像AI医疗影像标注系统，实际使用的是经过特定医疗影像训练的，特定的医疗影像AI医疗影像标注系统。作为优选方案之二，所述的医疗影像AI医疗影像标注系统的医疗影像标注终端，运行APP或客户端，将需要标注的医疗影像图片通过所述医疗影像标注终端上载到所述的AI服务器上，在AI服务器上运行特定的医疗影像AI标注模型，对所述需要标注的医疗影像图片进行标注后，再将机器标注的医疗影像图片和标注文件送回所述医疗影像标注终端分别存储。优选地，所述的所述医疗影像标注终端可以将一批需要标注的医疗影像图片集送给AI服务器进行批量标注，再接收机器标注结果并将其存储到所述医疗影像标注终端。优选地，医疗专家可以运行所述医疗影像标注终端上的标注软件，检查机器标注的正确性和改正标注结果，并将正确标注的医疗影像图片放入训练集，非正确标注医疗影像图片放入原始数据集用来重新标注。优选地，专业人员可以通过被标注医疗影像的标注结果与其病历所著的诊断结论比对，确定该医疗影像机器标注结果是否正确，并将正确标注的医疗影像图片放入训练集，非正确标注医疗影像图片放入原始数据集用来重新标注。进一步，所述医疗影像标注终端运行的软件是一个用于医疗影像标注的软件，只需要拖动标注框到正确的标注位置和将目标放入框内就可以自动生成标注文件。作为优选方案之三，所述的医疗影像AI医疗影像标注系统，采用多种图像预处理方法将有限训练数据集扩展，提高所述AI医疗影像标注系统的训练精度，包括：图像大小缩放、图像归一化、图像仿射变换、图像随机裁剪、随机旋转。优选地，图像大小缩放用于将不同尺寸的图片，缩放成所述特定的医疗影像AI标注模型定义的图片尺寸大小。优选地，图像归一化处理是将数据向量数值压缩到[0,1]或[−1,1]的区间内（根据数据情况而定），以满足应用需求。优选地，图像仿射变换完成图像的形状位置角度的变化，包括：图像的旋转、剪切、翻转和平移等处理。进一步，图像随机裁剪处理是在保证标注目标在内时，围绕其周围随机截取图像并将其填补到所述特定的医疗影像AI标注模型定义图片尺寸大小。进一步，图像随机旋转是在保证标注目标在内时，随机旋转图像，并用一个与所述特定的医疗影像AI标注模型定义图片尺寸大小的矩形框进行截取。作为优选方案之四，所述的医疗影像AI医疗影像标注系统，通过不断标注所述的医疗影像数据，增加训练数据集的医疗影像数据，并用新的训练数据集对正在使用的AI医疗影像标注系统再训练，得到标注精准度更高的新AI医疗影像标注系统，如此反复，最终训练出可以对所述医疗影像进行精确标注的AI医疗影像标注系统。优选地，在用AI医疗影像标注系统标注特定的医疗影像图片时，经医疗专家或病历资料确认的正确标注图片放入新的训练集，不正确标注的图片以原始图片方式放回待标注医疗影像图片集，这样可以标注更多的医疗影像图片。本专利技术的有益效果是：在医疗影像标注时，采用本专利技术可以大大减少所需医疗专家资源的投入，节约成本，提高标注精度和效率。对应推动人工智能医疗影像诊断有重大意义。附图说明图1是本专利技术优选实施例的医疗影像AI医疗影像标注系统原理图；图2是本专利技术优选实施例的医疗影像AI标注流程图；图3是本专利技术优选实施例的医疗影像AI医疗影像标注系统精度提高原理；图4是本专利技术优选实施例的医疗影像AI医疗影像标注系统图像预处理流程图。具体实施方式现在结合附图和优选实施例对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。如图1，本专利技术优选实施例的医疗影像AI医疗影像标注系统原理图所示：1是标注终端，在此，优选PC作为标注终端，运行调用客户端，完成机器标注、结果检查、比对和标注结果分类存储（正确结果分类存储和不正确结果图片分别存储）等功能；2是互联网，通过互联网将1和3连接，将1的数据和指令送给3，并将3的标注结果送回给1，在所述例中，只有一个标注终端1，在实际工作系统中，可以有多个标注中端1同时工作；3是AI服务器，用于运行医疗影像AI标注软件，完成对特定种类医疗影像的自动标注。如图2，本专利技术优选实施例的医疗影像AI标注流程图所示：启动所述医疗影像标注终端，流程S11本文档来自技高网...

【技术保护点】
1.超声医疗影像AI（人工智能）辅助标注系统，其特征在于，其由医疗影像标注终端、互联网和AI服务器等组成：/n所述医疗影像标注终端是一台普通电脑，包括台式或笔记本电脑，用于运行AI医疗影像标注系统的客户端；/n所述互联网用于将所述的医疗影像标注终端与AI服务器连接，传输数据和指令；/n所述AI服务器用来运行AI医疗影像标注软件，自动标注所述的医疗影像图片。/n

【技术特征摘要】
1.超声医疗影像AI（人工智能）辅助标注系统，其特征在于，其由医疗影像标注终端、互联网和AI服务器等组成：
所述医疗影像标注终端是一台普通电脑，包括台式或笔记本电脑，用于运行AI医疗影像标注系统的客户端；
所述互联网用于将所述的医疗影像标注终端与AI服务器连接，传输数据和指令；
所述AI服务器用来运行AI医疗影像标注软件，自动标注所述的医疗影像图片。


2.如权利要求1所述的医疗影像AI标注系统，其特征在于，针对特定种类的医疗影像，设计特定的AI目标检测算法，并先用医疗专家标注的少量数据训练所述的医疗影像AI标注系统。


3.如权利要求1所述的医疗影像AI标注系统，其特征在于，用针对特定种类医疗影像数据训练好的医疗影像AI标注系统，对待标注数据集中的特定种类医疗影像进行机器自动标注。


4.如权利要求1所述...

【专利技术属性】
技术研发人员：周琦，秦绮玲，刘亚平，
申请(专利权)人：苏州米特希赛尔人工智能有限公司，苏州赫米兹健康科技有限公司，
类型：发明
国别省市：江苏;32