【技术实现步骤摘要】
基于图像比对的医学图像数据众包标注方法、系统及终端
[0001]本专利技术涉及数据处理的
，具体涉及基于图像比对的医学图像数据众包标注方法、系统及终端。
技术介绍
[0002]数据标注是人工智能领域的最为基础工作，高质量的已标注数据可有效的提升人工智能算法的表现，医学图像领域也不例外。
[0003]对于医学图像领域的数据标注，现有的标注方法通常是需专业人员手动的从医院信息系统中导出所需要的数据，然后将出具进行初步的整理与分发，并告知标注人员所需要的标注规则，最终标注完成后，再进行数据整合与汇总，该种方式进行标注效率较低，无法实现较大规模的医学图像标注，一定程度上阻碍了医学人工智能的发展。
技术实现思路
[0004]针对相关技术中存在的不足，本专利技术所要解决的技术问题在于：提供一种有效提升标注效率和标志质量的基于图像比对的医学图像数据众包标注方法、系统及终端。
[0005]为解决上述技术问题，本专利技术采用的技术方案为：
[0006]基于图像比对的医学图像数据众包标注方法，包括：...
【技术保护点】
【技术特征摘要】
1.基于图像比对的医学图像数据众包标注方法，其特征在于：包括：S10，制定标注任务；S20，根据标注任务的需求，采集医学图像并校验；以及对符合校验标准的医学图像进行统计，得到采集到的图像数据量；S30，将符合校验标准的医学图像归档，形成医学图像数据库；S40，设置标注规则，并根据标注任务的需求以及标注规则，生成标注方案和标注样例；S50，将医学图像数据库中的医学图像进行分配至多个众包标注端，以使每个医学图像被多个众包标注端标注；S60，众包标注端标注根据标注方案和标注样例，对分配的医学图像进行标注，形成标注图像；S70，对同一医学图像对应的多个标注图像进行融合，获取标注的最终结果并归档。2.根据权利要求1所述的基于图像比对的医学图像数据众包标注方法，其特征在于：还包括：在众包标注端上设置有培训模块，以对标注者进行标注前培训。3.根据权利要求1所述的基于图像比对的医学图像数据众包标注方法，其特征在于：所述标注任务包括：本次标注的疾病诊断、图像类型、参数集；参数集的表达式为：para_set＝{grid_size，coincidence_rate，threshold_value}；其中，grid_size为网格大小，coincidence_rate为重合率，threshold_value为阈值。4.根据权利要求3所述的基于图像比对的医学图像数据众包标注方法，其特征在于：所述步骤S70，对同一医学图像对应的多个标注图像进行融合，获取标注的最终结果并归档；具体包括：S701，接收同一医学图像的k个标注图像，对每个标注图像均按照参数集表达式中的网格大小，将其切割为网格状的单元格矩阵P
c
(m，n)，c＝1，2...，k；P
c
(m，n)表示第c个标注图像对应的单元格矩阵；其中，被标注单元格的值为1；S702，将k个标注图像进行叠加处理，得到重复矩阵；S703，基于阈值对重复矩阵进行压缩处理，得到最终重复矩阵，以删除重复率不高的区域；S704，计算每个标注结果对应的单元格矩阵与最终重复矩阵的重叠率，按重叠率从高向低进行排名；S705，获取重叠率排名前两个的单元格矩阵，并将其进行矩阵相加处理，计算出最终重叠区域；S706，将最终重叠区域存入数据库，待任务复验无误后，形成金标准。5.根据权利要求3所述的基于图像比对的医学图像数据众包标注方法，其特征在于：所述步骤S704中，计算每个标注结果对应的单元格矩阵与最终重复矩阵的重叠率，具体包括：S7041，重叠率计算过程中，设：标注结果对应的单元格矩阵为：P1(m，n)，最终重复矩阵为：P2(m，n)；S7042，对单元格矩阵P1(m，n)、P2(m，n)进行像素标记；具体为：按像素为单位，将被标注的单元格值设为1，其他未标记单元格值设为0；S7043，对像素标记后的单元格矩阵P1(m，n)、P2(m，n)进行抽样；具体为：
对于标记后的像素矩阵P1(m，n)与P2(m，n)，依次在m和n方向进行x：1抽样，即每x个像素格中均抽取最后一个，采样后的矩阵记为New_P1(m/x，n/x)...
【专利技术属性】
技术研发人员：赵杰，何贤英，石金铭，崔芳芳，叶明，卢耀恩，王琳，高景宏，石小兵，刘冬清，张绪，
申请(专利权)人：郑州大学第一附属医院，
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。