医学影像标注方法和装置、设备及存储介质制造方法及图纸

本申请公开了一种医学影像标注方法和装置、设备及存储介质，该方法包括：由图像数据库中选取出多类基准图像，并将图像数据库中的剩余图像与所选取出的基准图像进行相似度匹配，依据相似度匹配结果将剩余图像归类到对应的基准图像中，构建得到多类基准图像集合，从基准图像集合中确定待标注图像，基于待标注图像的标注信息确定待标注图像的标注类别，根据标注类别对待标注图像进行图像标注。本公开采用色彩相似度和内容结构相似度对图像内容标准化，解决了自动标注的候选图像选取问题，以使节省了前期图像清洗的人工时间成本，而且提高了图像标注的质量和速度。

【技术实现步骤摘要】
医学影像标注方法和装置、设备及存储介质
本公开涉及计算机辅助医疗
，尤其涉及一种医学影像标注方法和装置、设备及存储介质。
技术介绍
医学影像数据的积累是深度学习技术在医学影像人工智能场景发挥作用的基础，这不仅要求医学影像数据具有足够的数量，而且要求医学影像具备优质的标注信息。在医学人工智能技术的落地发展中，深度学习技术分为监督式学习和非监督式学习，而监督式学习十分依赖于数据的标注信息。医学图像数据的标注工作需要专业的医生来执行，标注的质量受到专业医生水平的限制，标注的数量受到医生的数量及其精力的限制，最终导致医学图像的标注工作效率难以得到提高。目前，已存在一些半自动图像标注方法被提出，这些方法以成熟的深度学习模型为核心，使用训练好的深度学习模型用于特定任务的图像标注，标注后的图像则需要专家进行复核或修正，最终完成标注的工作。医学影像数据标准化和标注是当前医学人工智能技术得以发展的基础，如何提高医学影像的标注效率和质量，提升自动化、降低人为干预，是当前急需思考和解决的技术难题。
技术实现思路
有鉴于此，本公开提出了一种医本文档来自技高网...

【技术保护点】
1.一种医学影像标注方法，其特征在于，包括：/n由图像数据库中选取出多类基准图像，并将所述图像数据库中的剩余图像与所选取出的基准图像进行相似度匹配，依据相似度匹配结果将所述剩余图像归类到对应的基准图像中，构建得到多类基准图像集合；/n从所述基准图像集合中确定待标注图像，基于待标注图像的标注信息确定所述待标注图像的标注类别；/n根据所述标注类别对所述待标注图像进行图像标注。/n

【技术特征摘要】
1.一种医学影像标注方法，其特征在于，包括：
由图像数据库中选取出多类基准图像，并将所述图像数据库中的剩余图像与所选取出的基准图像进行相似度匹配，依据相似度匹配结果将所述剩余图像归类到对应的基准图像中，构建得到多类基准图像集合；
从所述基准图像集合中确定待标注图像，基于待标注图像的标注信息确定所述待标注图像的标注类别；
根据所述标注类别对所述待标注图像进行图像标注。


2.根据权利要求1所述的方法，其特征在于，将所述图像数据库中的剩余图像与所选取出的基准图像进行相似度匹配，依据相似度匹配结果将所述剩余图像归类到对应的基准图像中，构建得到多类基准图像集合包括：
将所述图像数据库中的基准图像和剩余图像进行色彩相似度匹配和/或结构信息相似度匹配，得到对应的色彩相似度和/或结构信息相似度；
根据所述色彩相似度和/或所述结构信息相似度与所对应的预设阈值的大小关系，将所述剩余图像归类为对应的基准图像。


3.根据权利要求2所述的方法，其特征在于，将所述图像数据库中的基准图像和剩余图像进行相似度匹配得到色彩相似度包括：
将所述基准图像和所述剩余图像转换成HSV色彩空间；
将各所述HSV色彩空间中的H分量、S分量和V分量分别按预设数量的区间进行划分并计算颜色特征；
依据所述颜色特征得到颜色直方图向量；
依据所述基准图像和所述剩余图像的颜色直方图向量使用欧氏距离得到所述色彩相似度。


4.根据权利要求2所述的方法，其特征在于，将所述图像数据库中的基准图像和剩余图像进行相似度匹配得到结构信息相似度包括：
将所述基准图像和所述剩余图像进行尺寸调整和灰度处理得到灰度图像；
将所述灰度图像的离散余弦变换后计算低频区的频率信息的均值；
若所述低频区中任一像素点的频率信息大于所述均值，将所述像素点对应的频率信息设置为1；
若所述低频区中任一像素点的频率信息大于所述均值，将所述像素点对应的频率信息设置为0；
将各所述像素点的频率信息依据预设顺序排列生成整数；
依据所述基准图像和所述剩余图像的所述整数使用汉明距离得到所述结构信息相似度。

【专利技术属性】
技术研发人员：代黎明，姜泓羊，张冬冬，
申请(专利权)人：北京至真互联网技术有限公司，
类型：发明
国别省市：北京;11