一种数字病理分析标注方法、移动终端及计算机可读介质技术

本发明专利技术提供一种数字病理分析标注方法、移动终端及计算机可读介质，其中数字病理分析标注方法，包括：通过移动终端获取病理图像；通过所述移动终端对病理图像进行分析，输出分析结果；通过所述移动终端采集用户交互动作信息，根据用户交互动作信息对所述病理图像进行标注；所述采集用户交互动作信息包括：采集用户针对所述移动终端的触摸动作。在移动终端运行病理图像的分类预测过程，灵活便捷。通过移动终端实现病理分析标注和分析，使用屏幕对手指移动的感知代替鼠标的标注操作，提供方便的病理图像标注和分析功能。理图像标注和分析功能。理图像标注和分析功能。

【技术实现步骤摘要】
一种数字病理分析标注方法、移动终端及计算机可读介质


[0001]本专利技术属于计算机辅助分析病理
，特别涉及一种数字病理分析标注方法、移动终端及计算机可读介质。

技术介绍

[0002]医学数据是计算机辅助分析病理的研究领域的重要环节。病理图像数据的获取和特征的标注往往需要具备医学知识的专业人士进行，这导致在训练数据的收集方面有很大的难度，一定程度上限制了基于深度学习的病理图像上的改进和实践。现有技术中，医生等专业人士通常使用电脑软件，配合使用鼠标在图像中勾画出有病变特征的区域，并在对应位置使用键盘打字输入特征区域的文字描述，如此反复进行对全图标注。在使用中发现，鼠标的操作不够灵活，键盘的文字键入过程也相对更耗费时间，为提高标注效率，需要提供一种操作更灵活的数字病理分析方案。

技术实现思路

[0003]针对上述问题，本专利技术提供一种数字病理分析标注方法、移动终端及计算机可读介质，将基于卷积神经网络学习得到的分类模型嵌入移动端，并完成了基本的图像标注和信息记录功能。
[0004]一种数字病理分析标注方法，包括：...

【技术保护点】

【技术特征摘要】
1.一种数字病理分析标注方法，其特征在于，包括：通过移动终端获取病理图像；通过所述移动终端对病理图像进行分析，输出分析结果；通过所述移动终端采集用户交互动作信息，根据用户交互动作信息对所述病理图像进行标注；所述采集用户交互动作信息包括：采集用户针对所述移动终端的触摸动作。2.根据权利要求1所述的数字病理分析标注方法，其特征在于，通过所述移动终端对病理图像进行分析包括：通过设置在移动终端的深度学习分类模型对病理图像进行分析；所述深度学习分类模型为采用全卷积网络的语义分割方法，基于病变良恶性分类的训练数据集在与移动终端不同的外部设备上训练得到的模型。3.根据权利要求2所述的数字病理分析标注方法，其特征在于，在与移动终端不同的外部设备上训练得到深度学习分类模型后，对所述深度学习分类模型进行模型格式转换和模型压缩后，嵌入到所述移动终端。4.根据权利要求1所述的数字病理分析标注方法，其特征在于，根据用户交互动作信息对所述病理图像进行标注包括：获取用户触摸屏幕的动作状态，所述动作状态包括：开始触碰、正在移动和结束触碰；根据所述动作状态调用绘制动作，绘制连贯曲线。5.根据权利要求4所述的数字病理分析标注方法，其特征在于，所述绘制连贯曲线包括：记录绘制连贯曲线的画笔工具的属性，所述属性包括开始点位置、结束点位置和上一次移动点位置。6.根据权利要求...

【专利技术属性】
技术研发人员：罗琳，王睿乔，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：