一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法技术

本发明专利技术提供一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，该方法包括步骤：利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，数据上传至信息中心，从信息中心获取数据的第一时间隐去病人的所有隐私信息；从信息中心获取超声造影视频数据，对超声造影视频进行视频抽帧，选取病灶区域明显的二维超声影像保存，同时保存原始超声造影视频数据；基于疾病诊断，对于二维超声影像和抽帧后的超声造影单帧影像进行代表肿瘤类别的全局标签标注；使用LabelImg开源标注软件对二维超声影像和超声造影单帧影像进行分割区域的语义标签标注；根据肿瘤类别(全局标签)，对采集的多模态超声影像数据及对应标注进行分类存储。通过以上步骤，实现了卵巢肿瘤多模态超声影像人工智能数据库的构建。该发明专利技术提供的数据库推动了AI影像学结合卵巢肿瘤早诊早治的发展，填补了国内外在卵巢肿瘤多模态超声影像人工智能数据库方面的空白。该发明专利技术提供的“数据采集

【技术实现步骤摘要】
一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法


[0001]本专利技术提供一种人工智能数据库及其构建方法，具体涉及一种卵巢肿瘤多模态超声影像人工智能数据库，属于医学影像智能大数据领域。

技术介绍

[0002]卵巢癌是常见的女性生殖系统恶性肿瘤，发病例数及死亡例数均居女性癌症第八位，其死亡率在所有妇科恶性肿瘤中位居首位，已成为严重威胁女性生命健康安全的重大疾病之一。因此卵巢癌早期筛查，早诊断、早治疗，可提高卵巢癌的生存率。超声影像作为卵巢肿瘤影像学检查的首选方法，具有便捷、高效、经济、安全等优势，是疾病早诊早治的重要医学依据。近年来，人工智能(AI)在医学影像处理领域中取得了巨大的成效。AI处理卵巢肿瘤影像的效果依赖于大规模的人工智能数据库。然而，目前尚未有公开的高质量多模态卵巢肿瘤超声影像数据库，成为人工智能应用在卵巢肿瘤超声影像中的主要瓶颈。
[0003]目前，AI处理超声影像辅助早期诊断的人工智能数据库往往针对单一模态的数据，大多未涉及针对多模态数据库构建的研究。同时，相比于构建普通数据库，构建人工智能数据库的重要特点是需要针对任务类型对数据提供合理有效的标注。高质量，精细化的标注方法也是人工智能数据库能否有效服务与算法的关键一环。目前，针对卵巢肿瘤超声影像数据，国内外尚未形成规范的标注流程。
[0004]本专利所提出的一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法是针对当前的AI结合卵巢肿瘤早诊早治的需求，填补了国内外在卵巢肿瘤多模态超声影像人工智能数据库方面的空白。
专利技术内容
[0005]专利技术目的
[0006]本专利技术的目的是提供一种卵巢肿瘤多模态超声影像人工智能数据库，它针对当前的AI结合卵巢肿瘤早诊早治的需求，同时填补了国内外在卵巢肿瘤多模态超声影像人工智能数据库方面的空白。同时该专利技术提供了针对该数据库完整的“数据采集
‑
数据规范化标注
‑
数据分类管理”的构建方法。
[0007]技术方案
[0008]本专利技术涉及一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，其步骤如下:
[0009]步骤一、利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，数据上传至信息中心，从信息中心获取数据的第一时间隐去病人的所有隐私信息
[0010]步骤二、从信息中心获取超声造影视频数据，对超声造影视频进行视频抽帧，选取病灶区域明显的二维超声影像保存，同时保存原始超声造影视频数据
[0011]步骤三、基于疾病诊断，对于二维超声影像和抽帧后的超声造影单帧影像进行代表肿瘤类别的全局标签标注
[0012]步骤四、使用LabelImg开源标注软件对二维超声影像和超声造影单帧影像进行分割区域的语义标签标注
[0013]步骤五、根据肿瘤类别(全局标签)，对采集的多模态超声影像数据及对应标注进行分类存储。
[0014]通过以上步骤，建立结合多模态超声影像数据(二维超声影像、超声造影视频及抽帧后超声造影二维超声影像)和对应数据标注的卵巢肿瘤多模态超声影像人工智能数据库。针对此类数据库，设计“数据采集
‑
数据规范化标注
‑
数据分类管理”的规范化构建方法。
[0015]其中，在“步骤一”中所述的“利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，并隐去病人的所有隐私信息”，其做法如下：在病人检查过程中，使用医院超声设备收集病人的超声二维影像和超声造影视频数据，经疾病诊断后，数据上传至信息中心，经疾病诊断后，数据处于可获取状态。在信息中心获取数据的第一时间，隐去病人的所有隐私信息，只保留多模态影像数据和疾病诊断信息。
[0016]其中，在“步骤二”中所述的“从信息中心获取超声造影视频数据，对超声造影视频进行视频抽帧，选取病灶区域明显的二维超声影像保存，同时保存原始超声造影视频数据”，其做法如下：由于超声造影为视频数据，在智能超声影像处理的过程中，需要首先把视频数据处理为单帧数据。因此，使用python VideoCapture()函数进行抽帧操作，然后通过人工操作，将病灶区域明显的二维超声影像保存下来，抽帧数与视频总帧数为1：50。
[0017]其中，在“步骤三”中所述的“基于病人的病历，对于二维超声影像和抽帧后的超声造影单帧影像进行代表肿瘤类别的全局标签标注”，其做法如下：在疾病诊断信息中，对于同一位病人的肿瘤类型会有明确的诊断，根据这一判断，对于该病人对应的二维超声二维超声影像和超声造影单帧二维超声影像给出全局标签，如：畸胎瘤、巧克力囊肿等。目前，由于数据库中的数据来源于以往的病例数据，因此疾病诊断为病理诊断。在后续数据库的扩充过程中，第一时间获取的病例诊断信息将采用临床诊断。另外，在该步骤中，所有的病人隐私信息已经被隐去，二维超声影像和标签的通过id号来对应。
[0018]其中，在“步骤四”中所述的“使用LabelImg开源标注软件对二维超声影像和超声造影单帧影像进行分割区域的语义标签标注”，其做法如下：使用LabelImg开源标注软件标注影像的分割区域。该步骤包含初步标注、标签修正、精细化加工三个个主要步骤。其中，初步标注通过专业医生粗略标注病灶边缘，体现为一系列围绕病灶边缘的点集；标签修正主要是整合不同医生的专业判断，对同一张图进行多次标注，标注出现差别的进行讨论修正；精细化加工是将初步标注的点作为“关键点”，手工补充标注点对粗糙的边缘轮廓进行平滑，同时标注出与超声图像无关的辅助识图的人为标识部分。
[0019]其中，在“步骤五”中所述的“根据肿瘤类别(全局标签)，对采集的多模态超声影像数据及对应标注进行分类存储”，其做法如下：将数据根据步骤三标注的肿瘤类别进行实时的数据库统计信息更新，并把影像数据及对应标注进行存储。数据库中同一个id的数据应包括：二维超声影像及其肿瘤类别单标签标注和病灶分割区域标注；一簇抽帧后的超声造影单帧影像及其肿瘤类别单标签标注和病灶分割区域标注；超声造影视频；疾病诊断文字信息。
[0020]专利技术优点
[0021]本专利技术的优点是提供了一种卵巢肿瘤多模态超声影像人工智能数据库，推动了AI
影像学结合卵巢肿瘤早诊早治的发展，填补了国内外在卵巢肿瘤多模态超声影像人工智能数据库方面的空白。该专利技术提供的“数据采集
‑
数据规范化标注
‑
数据分类管理”的构建方法，也为卵巢肿瘤影像学领域的数据库构建提供了标准和规范
附图说明
[0022]图1卵巢肿瘤多模态超声影像人工智能数据库构建流程图。
[0023]图2超声影像规范化标注示意图。
[0024]图3卵巢肿瘤多模态超声影像人工智能数据库统计信息图
具体实施方式
[0025]本专利技术涉及一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，见图1，图2，其步骤如下:
[0026]步骤一、利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，数据上传至信息中心，从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，其特征在于：步骤一、利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，数据上传至信息中心，从信息中心获取数据的第一时间隐去病人的所有隐私信息步骤二、从信息中心获取超声造影视频数据，对超声造影视频进行视频抽帧，选取病灶区域明显的二维超声影像保存，同时保存原始超声造影视频数据步骤三、基于疾病诊断，对于二维超声影像和抽帧后的超声造影单帧影像进行代表肿瘤类别的全局标签标注步骤四、使用LabelImg开源标注软件对二维超声影像和超声造影单帧影像进行分割区域的语义标签标注步骤五、根据肿瘤类别(全局标签)，对采集的多模态超声影像数据及对应标注进行分类存储。通过以上步骤，建立结合多模态超声影像数据(二维超声影像、超声造影视频及抽帧后超声造影二维超声影像)和对应数据标注的卵巢肿瘤多模态超声影像人工智能数据库。针对此类数据库，设计“数据采集
‑
数据规范化标注
‑
数据分类管理”的规范化构建方法。2.根据权利要求1所述的一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，其特征在于：在“步骤一”中“利用超声设备获取病人的卵巢肿瘤二维超声影像和超声造影视频，并隐去病人的所有隐私信息”，其做法如下：在病人检查过程中，使用医院超声设备收集病人的超声二维影像和超声造影视频数据，经疾病诊断后，数据上传至信息中心，经疾病诊断后，数据处于可获取状态。在信息中心获取数据的第一时间，隐去病人的所有隐私信息，只保留多模态影像数据和疾病诊断信息。3.根据权利要求1所述的一种卵巢肿瘤多模态超声影像人工智能数据库及其构建方法，其特征在于：在“步骤二”中所述的“对超声造影视频进行视频抽帧，选取病灶区域明显的二维超声影像保存”，其做法如下：由于超声造影为视频数据，在智能超声影像处理的过程中，需要首先把视频数据处理为单帧数据。因此，使用python VideoCapture()函数进行抽帧操作，然后通过人工操作，将病灶区域明显的二维超声影像保存下来，抽帧数与视频总帧数...

【专利技术属性】
技术研发人员：白文佩，赵琦，杨敏，陈立江，吕书畅，蔡凌翰，吴美静，乔长坤，李孟豪，陈明皇，尹聪，杨慕坤，章静菲，杨东，桑秀波，刘冬梅，顾小宁，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：