【技术实现步骤摘要】
标注方法、装置、设备及介质
本专利技术实施例涉及图像处理技术，尤其涉及一种标注方法、装置、设备及介质。
技术介绍
深度学习是当下最流行的研究方向之一，在医疗领域，医学影像的数量每年都在以惊人的趋势增长，但是影像科医生的培养需要学习的时间和经验的积累，因此，结合深度学习进行医学影像的分析是一个非常有意义的研究方向。在医学影像分析中，对感兴趣区域进行准确的识别和勾画，对于后续的分析具有重要的指导作用。但是，医学影像的类型众多，而且大多数是三维数据，其中可能包含有几百层需要医生查看并标记感兴趣区域的图像，这给医生带来了巨大的工作负担。目前提出了一些自动化标注方法，但是医学数据的复杂性导致其标注结果在实际使用过程中带来的效率提升有限。
技术实现思路
本专利技术实施例提供一种标注方法、装置、设备及介质，以实现提高感兴趣区域标记效率和准确率，降低人力成本的效果。第一方面，本专利技术实施例提供了一种标注方法，该方法包括：获取目标对象的同批次扫描数据中标注了感兴趣区域的第一图像数据和对应的第一标注...
【技术保护点】
1.一种标注方法，其特征在于，包括：/n获取目标对象的同批次扫描数据中标注了感兴趣区域的第一图像数据和对应的第一标注数据，以及未标注感兴趣区域的第二图像数据；/n提取所述第二图像数据的数据特征得到第一特征信息；/n基于注意力机制对所述第一图像数据、所述第二图像数据、所述第一标注数据和所述第一标注数据特征信息处理得到所述第二图像数据的第二特征信息；/n根据所述第二特征信息生成第二标注结果。/n
【技术特征摘要】
1.一种标注方法，其特征在于，包括：
获取目标对象的同批次扫描数据中标注了感兴趣区域的第一图像数据和对应的第一标注数据，以及未标注感兴趣区域的第二图像数据；
提取所述第二图像数据的数据特征得到第一特征信息；
基于注意力机制对所述第一图像数据、所述第二图像数据、所述第一标注数据和所述第一标注数据特征信息处理得到所述第二图像数据的第二特征信息；
根据所述第二特征信息生成第二标注结果。
2.根据权利要求1所述的方法，其特征在于，在基于注意力机制对所述第一图像数据、所述第二图像数据、所述第一标注数据和所述第一标注数据特征信息处理得到所述第二图像数据的第二特征信息之后，所述方法还包括：
对所述第一标注数据特征信息和所述第二特征信息进行数据融合，得到所述第二图像数据的目标特征信息；
根据所述目标特征信息生成目标标注结果。
3.根据权利要求1所述的方法，其特征在于，所述基于注意力机制对所述第一图像数据、所述第二图像数据、所述第一标注数据和所述第一标注数据特征信息处理得到所述第二图像数据的第二特征信息，包括：
基于所述第二图像数据和所述第一图像数据确定内部相关性矩阵和外部相关性矩阵；
根据所述第一特征信息、所述第一标注数据和所述内部相关性矩阵确定标注迁移信息；
根据所述标注迁移信息和所述外部相关性矩阵确定所述第二特征信息。
4.根据权利要求3所述的的方法，其特征在于，基于所述第二图像数据和所述第一图像数据确定内部相关性矩阵和外部相关性矩阵，包括：
确定所述第一图像数据中与第二图像数据距离最小的参考图像数据；
基于所述参考图像数据与所述第二图像数据确定内部相关性矩阵和外部相关性矩阵。
5.根据权利要求4所述的方法，其特征在于，所述基于所述参考图像数据与所述第二图像数据确定内部相关性矩阵，包括：
将所述参考图像数据和所述第二图像数据分别进行特征提取得到第一特征图和第二特征图，所述第一特征图和所述第二特征图的尺寸相同；
将所述第一特征图和所述第二特征图中的每个元素进行正则化，将正则化后的第一特征图中的每个元素与正则化后的第二特征图中的每个元素分别进行内积计算得到所述内部相关性矩阵。
6.根据权利要求5所述的方法，其特征在于，根据所述参考图像数据、所述第二图像数据确定外部相关性矩阵，包括：
根据所述内部相关性矩阵和所述第二特征图确定目标相关性系数；
对所述目标相关性系数进行加权求和得到系数矩阵；
获取所述第二图像数据中每个像素点和对应的所述第一图像数据中每个像素点之间的距离，得到距离矩阵；
将所述系数矩阵除以距离矩阵得到所述外部相关性矩阵。
7.根据权利要求...
【专利技术属性】
技术研发人员：于朋鑫，夏晨，张荣国，李新阳，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。