【技术实现步骤摘要】
医学图像数据的信息标注方法、装置及系统
[0001]本专利技术涉及信息处理
,特别是涉及一种医学图像数据的信息标注方法、装置及系统。
技术介绍
[0002]医学图像数据在患者诊断、治疗、手术计划、培训等场景中这重要作用。近年来,数字化医学图像的大规模增长,为推动以深层神经网络为代表的医学图像处理技术研究和应用提供了数据基础。但是目前医学图像领域缺少大规模且可靠的基准数据集,以至于影响针对医学图像数据的深度学习的发展。
[0003]而造成目前医学图像领域缺少准确可靠的基准数据集的原因是,由于医学图像的专业性和复杂性,不同专家对医学图像进行手工标注时存在较大分歧,标注结果往往存在差异,因此,手动标注医学图像变得越来越困难和昂贵。可见,现有的针对医学图像数据的信息标注方法主要是通过专家手工标注,降低了信息标注的效率和质量。
技术实现思路
[0004]针对于上述问题,本专利技术提供一种医学图像数据的信息标注方法、装置及系统,提高了医学图像的信息标注效率和质量。
[0005]为了实现上述目的,本专 ...
【技术保护点】
【技术特征摘要】
1.一种医学图像数据的信息标注方法,其特征在于,所述方法包括:获取待标注的医学图像数据,所述医学图像数据包括医学图像以及与所述医学图像对应的文本信息;将所述待标注的医学图像数据输入至图像预标注模型,获得预标注信息,所述图像预标注模型用于对医学图像数据进行特征提取以获得预标注信息的神经网络模型;响应于将包含所述预标注信息的医学图像数据展示在目标平台,获取所述目标平台针对所述预标注信息的调整信息;对所述调整信息和所述预标注信息进行处理,获得所述待标注的医学图像数据的目标标注信息。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取医学图像数据;对所述医学图像数据进行预处理,获得待标注的医学图像数据,所述预处理包括图像压缩、图像增强和图像文本提取处理中的一种或多种。3.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取训练样本,所述训练样本包括具有标注信息的医学图像数据;对所述训练样本进行神经网络训练,获得图像预标注模型,所述图像预标注模型用于对待标注的医学图像进行模态分类、特征识别和生成标注信息。4.根据权利要求1所述的方法,其特征在于,所述将所述待标注的医学图像数据输入至图像预标注模型,获得预标注信息,包括:基于所述图像预标注模型对所述待标注的医学图像数据进行模态分类,确定所述待标注的医学图像数据的影像类型;基于所述图像预标注模型对所述待标注的医学图像数据进行区域识别,生成与待识别区域对应的包围框;基于所述图像预标注模型对所述待标注的医学图像数据进行目标特征检测,获得与所述目标特征对应的标签信息。5.根据权利要求1所述的方法,其特征在于,所述获取所述目标平台针对所述预标注信息的调整信息,包括:接收针对所述预标注信息的调整指令;...
【专利技术属性】
技术研发人员:李姣,王序文,郭臻,徐晓巍,
申请(专利权)人:中国医学科学院医学信息研究所,
类型:发明
国别省市:
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。