[发明专利]用于标注医学图像的方法和装置

说明书

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于标注医学图像的方法和装置。

背景技术

现有技术中，由于医学图像的特殊性，通常只有经过专业培养的医生才能够精确且可靠的对医学图像进行标注。在医学图像的标注的过程中，通常需要医生手动确定疾病类型、筛查病变区域、勾画病灶区域等，这一标注过程需要投入医生的大量的时间和精力。

进一步地，为了实现医学在深度学习、计算机辅助诊断等领域的发展，收集大规模的带标注医学图像成为人们的迫切需求。但是，获取大规模带标注的医学图像通常需要花费大量的人力和时间成本。

发明内容

本申请实施例的目的在于提出一种改进的用于标注医学图像的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于标注医学图像的方法，该方法包括：获取至少一个待标注医学图像；为待标注医学图像标注分类信息，其中，分类信息包括医学图像对应的诊断结果的类别和诊断结果的等级；利用预先训练的病灶区域检测模型处理待标注医学图像，在待标注医学图像中框选出病灶区域、且标注出病灶区域的病灶类型，以使待标注医学图像标注出病灶区域和病灶区域的病灶类型，其中，病灶区域检测模型用于根据在医学图像中识别出的病灶区域的位置和大小框选出病灶区域、且标注出病灶区域的病灶类型；从已框选出病灶区域的待标注医学图像中分割出被框选出的病灶区域，形成待标注医学图像分割图像，以使待标注医学图像标注出分割图像。

在一些实施例中，为待标注医学图像标注分类信息，包括：利用预先训练的图像分类模型对待标注医学图像进行处理，以输出待标注医学图像的分类信息，其中，图像分类模型用于对医学图像标注分类信息。

在一些实施例中，从已框选出病灶区域的待标注医学图像中分割出被框选出的病灶区域，形成待标注医学图像分割图像，包括：利用预先训练的病灶区域分割模型对已框选出病灶区域的待标注医学图像进行处理，以输出待标注医学图像中被框选出的病灶区域的分割图像，其中，病灶区域分割模型用于从已框选出病区域的医学图像中分割出病灶区域的分割图像。

在一些实施例中，方法还包括训练图像分类模型的步骤；训练图像分类模型的步骤包括：获取第一医学图像训练集，其中，第一医学图像训练集包括多个医学图像和每个医学图像标注的分类信息；利用卷积神经网络，根据第一医学图像训练集，训练得到图像分类模型。

在一些实施例中，方法还包括训练病灶区域检测模型的步骤；训练病灶区域检测模型的步骤包括：获取第二医学图像训练集，其中，第二医学图像训练集包括多个医学图像和每个医学图像标注出的病灶区域和病灶区域的病灶类型；利用卷积神经网络，根据第二医学图像训练集，训练得到病灶区域检测模型。

在一些实施例中，方法还包括训练病灶区域分割模型的步骤；训练病灶区域分割模型的步骤包括：获取第三医学图像训练集，其中，第三医学图像训练集包括多个已框选出病灶区域的医学图像和各被框选出病灶区域的医学图像的病灶区域的分割图像；利用卷积神经网络，根据第三医学图像训练集，训练得到病灶区域分割模型。

在一些实施例中，在利用预先训练的病灶区域检测模型处理待标注医学图像，在待标注医学图像中框选出病灶区域、且标注出病灶区域的病灶类型之后，还包括：将待标注医学图像和该待标注医学图像标注的病灶区域、病灶区域的病灶类型输出到客户端，以使用户判断待标注医学图像标注的病灶区域、病灶区域的病灶类型是否正确；若是，则保存待标注医学图像标注的病灶区域和病灶区域的病灶类型；若否，则接收并保存经用户重新标注的待标注医学图像的病灶区域和病灶区域的病灶类型。

在一些实施例中，在输出待标注医学图像中被框选出的病灶区域的分割图像之前，还包括：利用病灶区域分割模型在待标注医学图像的病灶区域形成预分割区域，并输出到客户端，以使用户对预分割区域进行微调；接收并保存经用户微调后的预分割区域。

在一些实施例中，上述方法还包括：将待标注医学图片和待标注医学图片的分类信息添加到第一医学图像训练集，重新训练图像分类模型。

在一些实施例中，上述方法还包括：将待标注医学图片和待标注医学图片标注出的病灶区域、病灶区域的病灶类型添加到第二医学图像训练集，重新训练病灶区域检测模型。

在一些实施例中，上述方法还包括：将已框选出病灶区域的待标注医学图片和待标注医学图片的分割图像添加到第三医学图像训练集，重新训练病灶区域分割模型。