【技术实现步骤摘要】
本专利技术涉及医学影像标注领域，尤其涉及一种医学影像质控标注模型的形成方法及医学影像标注方法。
技术介绍
1、随着各种影像技术和设备在医院的广泛使用，每天都会产生大量的医学图像数据，形成了医学图像大数据。当前医疗资源分布不均，一些地区的医疗资源相对匮乏，医疗设备和医疗人员也不足，难以满足患者的需求。
2、在医学影像中，标注是指对图像中的特定区域或特征进行标记或注释的过程。这些标注可以用于帮助诊断医生实现更准确的诊断，同时也可以用于进行影像分析和研究。质控标注是指对医学影像中的关键结构和特征进行标注和检查，以确保影像在质量上符合一定的标准和要求。对质控标注的评估可以帮助医疗机构和影像医生发现影像中可能存在的缺陷和错误，从而采取相应的措施进行纠正和改进。
3、然而，目前的质控标注还需要进一步的改进。
技术实现思路
1、本专利技术解决的技术问题是提供一种医学影像质控标注方法，以提升医学影像质控标注效率以及准确度。
2、为解决上述技术问题，本专利技术实施例提供一种医学影像质控标注模型的形成方法，包括：创建质控知识图谱，所述质控知识图谱包含若干图谱参数；提供待标注医学影像和标注算法模型；依据所述图谱参数对所述待标注医学影像进行目标检出与图像分类，在所述待标注医学影像中获取待标注区；基于标注算法模型对所述待标注区进行标注处理，获取各待标注区中的初始标注；对所述初始标注进行检测，当所述初始标注错误时，将所述初始标注更正为正确标注；将所述正确标注反馈回所述标注算
3、可选的，所述创建质控知识图谱的方法包括：提供若干初始检查报告，所述初始检查报告包括医学影像；获取所述医学影像的医学影像参数；以所述医学影像参数获取初始质控知识图谱，所述初始质控知识图谱包括若干项实体参数；获取所述初始质控知识图谱的信息参数，包括：所述初始质控知识图谱的若干项实体参数、所述初始质控知识图谱各项实体参数的属性、以及所述初始质控知识图谱各项实体参数之间的关系；对所述初始质控知识图谱的信息参数进行融合处理；获取所述初始质控知识图谱的本体；对所述初始质控知识图谱的本体进行质量评估；对所述初始质控知识图谱进行隐性信息推理；获取质控知识图谱，所述质控知识图谱包含若干图谱参数。
4、可选的，所述融合处理的方法包括：实体参数的统一、指代消解、实体参数的消歧。
5、可选的，优化所述质控知识图谱的方法包括：提升初始检查报告的数据质量和定期更新医学影像。
6、可选的，所述医学影像参数包括：图像类型、采集设备、采集参数、图像大小和分辨率、图像数量以及采集时间。
7、可选的，所述图谱参数包括：受试者工作特征曲线以及敏感度。
8、可选的，所述目标检出的方法包括：获取所述受试者工作特征曲线以及敏感度的指标；以所述受试者工作特征曲线以及敏感度的指标为评价标准，在所述待标注医学影像中定位待标注区。
9、可选的，所述受试者工作特征曲线以及敏感度的评价标准分别为：受试者工作特征曲线下的面积为99.94％；敏感度为98.05％±5.68％。
10、可选的，所述图像分类的方法包括：提取待标注医学影像的医学影像参数；采用深度学习算法对待标注医学影像进行分类；获取标注算法模型；所述深度学习算法采用卷积神经网络，包括alexnet架构、vgg架构、resnet架构或inception架构。
11、可选的，还包括：当所述初始标注正确时，将所述初始标注确认为正确标注。
12、相应的，本专利技术实施例还提供一种医学影像标注方法，包括：获取待标注医学影像；对所述医学影像进行预处理，包括制定标注标准；采用医学影像质控标注模型，按照标注标准，对所述待标注医学影像进行标注处理。
13、可选的，所述预处理还包括：影像去噪、影像平滑和影像增强。
14、可选的，所述标注标准包括标注内容标准和标注格式标准。
15、与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：
16、本专利技术技术方案的医学影像质控标注模型的形成方法中，通过对待标注医学影像进行目标检出与图像分类，在所述待标注医学影像中获取待标注区，并基于标注算法模型，对待标注区进行标注处理。随后，对所述初始标注进行检测，当所述初始标注错误时，将所述初始标注更正为正确标注；将所述正确标注反馈回所述标注算法模型，对所述标注算法模型进行更新。一方面，初始标注错误时，将所述初始标注更正为正确标注，初始标注正确时，将所述初始标注确认为正确标注，减少了人工标注的工作量；另一方面，所述标注处理提高了标注的标准化程度，减少了误诊的发生，提升了质控标注的效率与准确性。
17、本专利技术技术方案的医学影像标注方法中，依据医学影像质控标注模型对待标注医学影像进行标注处理。一方面，初始标注错误时，将所述初始标注更正为正确标注，初始标注正确时，将所述初始标注确认为正确标注，减少了人工标注的工作量；另一方面，所述标注处理提高了标注的标准化程度，减少了误诊的发生，提升了质控标注的效率与准确性。
本文档来自技高网...【技术保护点】
1.一种医学影像质控标注模型的形成方法，其特征在于，包括：
2.如权利要求1所述的医学影像质控标注模型的形成方法，其特征在于，所述创建质控知识图谱的方法包括：提供若干初始检查报告，所述初始检查报告包括医学影像；获取所述医学影像的医学影像参数；以所述医学影像参数获取初始质控知识图谱，所述初始质控知识图谱包括若干项实体参数；获取所述初始质控知识图谱的信息参数，包括：所述初始质控知识图谱的若干项实体参数、所述初始质控知识图谱各项实体参数的属性、以及所述初始质控知识图谱各项实体参数之间的关系；对所述初始质控知识图谱的信息参数进行融合处理；获取所述初始质控知识图谱的本体；对所述初始质控知识图谱的本体进行质量评估；对所述初始质控知识图谱进行隐性信息推理；获取质控知识图谱，所述质控知识图谱包含若干图谱参数。
3.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，所述融合处理的方法包括：实体参数的统一、指代消解、实体参数的消歧。
4.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，优化所述质控知识图谱的方法包括：提升初始检查报告的数据
5.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，所述医学影像参数包括：图像类型、采集设备、采集参数、图像大小和分辨率、图像数量以及采集时间。
6.如权利要求1所述的医学影像质控标注模型的形成方法，其特征在于，所述图谱参数包括：受试者工作特征曲线以及敏感度。
7.如权利要求6所述的医学影像质控标注模型的形成方法，其特征在于，所述目标检出的方法包括：获取所述受试者工作特征曲线以及敏感度的指标；以所述受试者工作特征曲线以及敏感度的指标为评价标准，在所述待标注医学影像中定位待标注区。
8.如权利要求7所述的医学影像质控标注模型的形成方法，其特征在于，所述受试者工作特征曲线以及敏感度的评价标准分别为：受试者工作特征曲线下的面积为99.94％；敏感度为98.05％±5.68％。
9.如权利要求1所述的医学影像质控标注模型的形成方法，其特征在于，所述图像分类的方法包括：提取待标注医学影像的医学影像参数；采用深度学习算法对待标注医学影像进行分类；获取标注算法模型；所述深度学习算法采用卷积神经网络，包括AlexNet架构、VGG架构、ResNet架构或Inception架构。
10.如权利要求1所述的医学影像质控标注模型的形成方法，其特征在于，还包括：当所述初始标注正确时，将所述初始标注确认为正确标注。
11.一种医学影像标注方法，其特征在于，包括：
12.如权利要求11所述的医学影像标注方法，其特征在于，所述预处理还包括：影像去噪、影像平滑和影像增强。
13.如权利要求11所述的医学影像标注方法，其特征在于，所述标注标准包括标注内容标准和标注格式标准。
...【技术特征摘要】
1.一种医学影像质控标注模型的形成方法，其特征在于，包括：
2.如权利要求1所述的医学影像质控标注模型的形成方法，其特征在于，所述创建质控知识图谱的方法包括：提供若干初始检查报告，所述初始检查报告包括医学影像；获取所述医学影像的医学影像参数；以所述医学影像参数获取初始质控知识图谱，所述初始质控知识图谱包括若干项实体参数；获取所述初始质控知识图谱的信息参数，包括：所述初始质控知识图谱的若干项实体参数、所述初始质控知识图谱各项实体参数的属性、以及所述初始质控知识图谱各项实体参数之间的关系；对所述初始质控知识图谱的信息参数进行融合处理；获取所述初始质控知识图谱的本体；对所述初始质控知识图谱的本体进行质量评估；对所述初始质控知识图谱进行隐性信息推理；获取质控知识图谱，所述质控知识图谱包含若干图谱参数。
3.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，所述融合处理的方法包括：实体参数的统一、指代消解、实体参数的消歧。
4.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，优化所述质控知识图谱的方法包括：提升初始检查报告的数据质量和定期更新医学影像。
5.如权利要求2所述的医学影像质控标注模型的形成方法，其特征在于，所述医学影像参数包括：图像类型、采集设备、采集参数、图像大小和分辨率、图像数量以及采集时间。
6.如权利要求1所述的医学影像质控标注模型的形成...
【专利技术属性】
技术研发人员：廖婷婷，杨保光，汤岚凤，许晓倩，
申请(专利权)人：安徽影联云享医疗科技有限公司，
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。