一种用于医学影像的多类型标注流程集成系统技术方案

本发明专利技术公开了一种用于医学影像的多类型标注流程集成系统，所述系统由预训练模型标注子系统

【技术实现步骤摘要】
一种用于医学影像的多类型标注流程集成系统


[0001]本专利技术涉及医学影像处理
，特别是涉及一种用于医学影像的多类型标注流程集成系统
。

技术介绍

[0002]随着现代科技的快速发展，医学影像处理技术越来越受到关注
。
医生通过医学影像的调阅和分析，能够快速
、
准确地确定病变位置和诊断结果，为患者提供更好的治疗方案和医疗保障
。
医学影像处理作为医学信息化的关键流程，对医学行业的质量和效率有着至关重要的影响，医学影像的标注作为医学影像处理的前端处理步骤，影响着后续医学图像处理质结果的好坏，因此，医学影像的标注流程可谓是医学信息化流程的重中之重
。
[0003]然而，在现有的影像标注方案中，对于大批量
、
重复性高的图像数据，一般需要人工完成对所有数据的标注，人工标注时，需要用户手动拖拽拉框，并且，现有的标注流程过于繁琐，多为人工选择标注工具
、
勾画
、
打上标签
、
对单个影像文件进行标注
。
[0004]综上所述，我们需要一种多类型标注流程集成系统，为医疗系统信息化的发展提供更优秀的技术支持和服务，满足医疗系统医学影像的处理需求
。

技术实现思路

[0005]针对上述现有技术的不足，本申请提供一种用于医学影像的多类型标注流程集成系统
。
[0006]第一方面本申请提出了一种用于医学影像的多类型标注流程集成系统，所述系统由预训练模型标注子系统
、2D
标注子系统和
3D
标注子系统共同集成，所述系统内置多种影像分割模型和决策模型；所述影像分割模型，用于通过不同的影像分割模型对用户选择的批量图像数据进行对应的图像分割，得到对应类型的图像分割结果；所述决策模型，用于对图像分割结果中的图像数据进行分类识别，得到第一类图像数据
、
第二类图像数据和第三类图像数据；所述预训练模型标注子系统，用于获取所述图像分割结果中符合预训练模型标注流程的所述第一类图像数据，对所述第一类图像数据执行预训练模型标注，得到预训练模型标注结果；所述
2D
标注子系统，用于获取所述图像分割结果中符合
2D
标注流程的所述第二类图像数据，对所述第二类图像数据执行基于
MEDSAM
模型的
2D
标注，得到
2D
标注结果；所述
3D
标注子系统，用于获取所述图像分割结果中符合
3D
标注流程的所述第三类图像数据，对所述第三类图像数据执行基于
MEDSAM
模型的
3D
标注，得到
3D
标注结果
。
[0007]在一些实施例中，所述预训练模型标注子系统包括医学图像模型选择模块
、
算法数据集插入模块
、
模型训练迭代模块
、
影像集成模块和标注处理模块；所述疾病模型选择模块，用于对一种或多种疾病类型对应的医学图像模型进行选
择；所述算法数据集插入模块，用于根据一种或多种疾病类型插入对应的算法以及数据集；所述模型训练迭代模块，用于根据算法数据集插入模块中插入的数据集对医学图像模型选择模块中的医学图像模型进行训练，同时获取合作医院数据对所述医学图像模型进行迭代；所述影像集成模块，用于对训练迭代后的疾病模型进行格式标准化，同时将其封装为统一的模型推理接口；所述标注处理模块，用于通过模型推理接口调用对应的医学图像模型，获得对应任务的预测输出，根据预测输出执行自动标注得到预训练模型标注结果
。
[0008]在一些实施例中，所述
2D
标注子系统包括特征文件构建模块
、2D
标注方式选择模块
、
目标区域确定模块和修正标注模块；所述特征文件构建模块，用于选择第二类图像数据进行预加载，调用
MEDSAM
模型对加载结果处理后输出图像向量并存入数据库，将数据库中的图像向量作为特征文件；所述
2D
标注方式选择模块，用于在特征文件加载后提供点和
/
或框的标注模式供客户选择；所述目标区域确定模块，用于利用所述特征文件获取对应的掩码，调用
mask
解码器将掩码转化为图片，通过
2D
标注方式选择模块中的标注模式在所述图片中划定目标区域；所述
2D
修正标注模块，用于通过
2D
标注方式选择模块中的标注模式对目标区域的边界进行修正，完成
2D
标注操作
。
[0009]在一些实施例中，所述
3D
标注子系统包括图像加载模块
、3D
标注方式选择模块
、
输入信息构建模块
、
语义信息转化模块和
3D
修正标注模块；所述图像加载模块，用于选择第三类图像数据进行预加载，在对应的标注界面中显示所述图像加载结果；所述
3D
标注方式选择模块，用于在图像加载后提供多边形和
/
或矩形的标注模式供客户选择；所述输入信息构建模块，用于在对应的标注界面中通过
3D
标注方式选择模块中的标注模式对图像加载结果进行标注，将标注的线条信息转化为体素掩码，所述体素掩码作为
MEDSAM
模型的输入；所述语义信息转化模块，用于调用
prompt
编码器将标注的区域信息转化为语义信息；所述
3D
修正标注模块，用于调用轻量级解码器结合所述语义信息对标注的区域信息进行预测，得到病灶区域的完整分割结果，将所述体素掩码转化为所述完整分割结果中对应的
3D
标注结果，自动对
3D
标注结果进行校验，修正
3D
标注错误，完成
3D
标注操作
。
[0010]在一些实施例中，所述
MEDSAM
模型包括图像解码器
、prompt
编码器和
mask
解码器；所述图像解码器，用于将输入各类的图像数据处理为图像向量；所述
prompt
编码器，用于根据不同的操作执行对应的编码方式；所述
mask
解码器，用于将所述掩码和体素掩码转化为图像数据
。
[0011]在一些实施例中，所述轻量级解码器包括语义特征接收单元
、
采样分割单元和输出单元；所述语义特征接收单元，用于接收来自所述
MEDSAM
模型的语义特征图；所述采样分割单元，用于通过卷积网络对语义特征图进行上采样并进行图像分割；所述输出单元，用于输出与输入图像相同大小的完整分割结果
。
[0012]在一些实施例中，所述...

【技术保护点】

【技术特征摘要】
1.
一种用于医学影像的多类型标注流程集成系统，其特征在于：所述系统由预训练模型标注子系统
、2D
标注子系统和
3D
标注子系统共同集成，所述系统内置多种影像分割模型和决策模型；所述影像分割模型，用于通过不同的影像分割模型对用户选择的批量图像数据进行对应的图像分割，得到对应类型的图像分割结果；所述决策模型，用于对图像分割结果中的图像数据进行分类识别，得到第一类图像数据
、
第二类图像数据和第三类图像数据；所述预训练模型标注子系统，用于获取所述图像分割结果中符合预训练模型标注流程的所述第一类图像数据，对所述第一类图像数据执行预训练模型标注，得到预训练模型标注结果；所述
2D
标注子系统，用于获取所述图像分割结果中符合
2D
标注流程的所述第二类图像数据，对所述第二类图像数据执行基于
MEDSAM
模型的
2D
标注，得到
2D
标注结果；所述
3D
标注子系统，用于获取所述图像分割结果中符合
3D
标注流程的所述第三类图像数据，对所述第三类图像数据执行基于
MEDSAM
模型的
3D
标注，得到
3D
标注结果
。2.
根据权利要求1所述的系统，其特征在于：所述预训练模型标注子系统包括医学图像模型选择模块
、
算法数据集插入模块
、
模型训练迭代模块
、
影像集成模块和标注处理模块；所述疾病模型选择模块，用于对一种或多种疾病类型对应的医学图像模型进行选择；所述算法数据集插入模块，用于根据一种或多种疾病类型插入对应的算法以及数据集；所述模型训练迭代模块，用于根据算法数据集插入模块中插入的数据集对医学图像模型选择模块中的医学图像模型进行训练，同时获取合作医院数据对所述医学图像模型进行迭代；所述影像集成模块，用于对训练迭代后的疾病模型进行格式标准化，同时将其封装为统一的模型推理接口；所述标注处理模块，用于通过模型推理接口调用对应的医学图像模型，获得对应任务的预测输出，根据预测输出执行自动标注得到预训练模型标注结果
。3.
根据权利要求2所述的系统，其特征在于：所述
2D
标注子系统包括特征文件构建模块
、2D
标注方式选择模块
、
目标区域确定模块和修正标注模块；所述特征文件构建模块，用于选择第二类图像数据进行预加载，调用
MEDSAM
模型对加载结果处理后输出图像向量并存入数据库，将数据库中的图像向量作为特征文件；所述
2D
标注方式选择模块，用于在特征文件加载后提供点和
/
或框的标注模式供客户选择；所述目标区域确定模块，用于利用所述特征文件获取对应的掩码，调用
mask
解码器将掩码转化为图片，通过
2D
标注方式选择模块中的标注模式在所述图片中划定目标区域；所述
2D
修正标注模块，用于通过
2D
标注方式选择模块中的标注模式对目标区域的边界进行修正，完成
2D
标注操作
。4.
根据权利要求3所述的系统，其特征在于：所述
3D
标注子系统包括图像加载模块
、3D
标注方式选择模块
、
输入信息构建模块
、
语义信息转化模块和
3D
修正标注模块；所述图像加载模块，用于选择第三类图像数据进行预加载，在对应的标注界面中显示
所述图像加载结果；所述
3D
标注方式选择模块，用于在图像加载后提供多边形和
/
或矩形的标注模式供客户选择；所述输入信息构建模块，用于在对应的标注界面中通过
3D
标注方式选择模块中的标注模式对图像加载结果进行标注，将标注的线条信息转化为体素掩码，所述体素掩码作为
MEDSAM
模型的输入；所述...

【专利技术属性】
技术研发人员：王剑仲，梁大柱，许娟，史文钊，
申请(专利权)人：神州医疗科技股份有限公司，
类型：发明
国别省市：