[发明专利]用于医学成像的高度集成的注释和分割系统

权利要求书

1.一种用于训练分割校正模型的方法，所述方法包括：

在多次迭代内执行迭代模型训练过程，其中每次迭代包括：

经由注释界面向多个人类注释者提供针对图像的初始分割估计，其中所述初始分割估计标识所述图像内的感兴趣的一个或多个解剖区域；

自动地监视与所述注释界面的交互以记录包括如下各项中的一个或多个的注释信息：（i）所述注释者经由所述注释界面对所述初始分割估计做出的分割校正，以及（ii）所述注释者在做出所述校正的同时执行的与所述注释界面的交互，以及（iii）指示所述注释者在做出所述校正时花费的努力的量的努力度量；

训练基础分割机器学习模型以基于所述图像自动地创建基础分割；以及

训练分割校正机器学习模型以基于所述图像自动地执行所述分割校正，

如果所述努力度量等于收敛值，则终止迭代模型训练过程；以及

如果所述努力度量不等于所述收敛值，则使用所述基础分割机器学习模型和分割校正机器学习模型来确定针对新图像的所述初始分割估计并且继续到所述迭代模型训练过程的下一迭代；

其中所述努力度量是在做出校正时做出的界面运动的数目的度量，以及所述收敛值等于界面运动的预定数目。

2.根据权利要求1所述的方法，其中所述努力度量是基于时间的度量并且所述收敛值等于预定时间值。

3.根据权利要求2所述的方法，其中所述努力度量是所述注释者在做出所述校正时花费的时间以及在做出所述校正时做出的界面运动的数目的度量。

4.根据权利要求2所述的方法，其中所述图像包括多个切片/容积并且所述努力度量包括在滚动所述多个切片/容积时花费的时间的度量。

5.根据权利要求1所述的方法，其中所述努力度量是鼠标运动的数目的度量并且所述收敛值等于鼠标运动的预定数目。

6.根据权利要求1所述的方法，其中所述分割校正机器学习模型是卷积神经网络。

7.根据权利要求6所述的方法，其中所述努力度量被用来设置由所述卷积神经网络使用的一个或多个训练权重。

8.一种用于训练陆标位置校正模型的方法，所述方法包括：

在多次迭代内执行迭代模型训练过程，其中每次迭代包括：

经由注释界面向多个人类注释者提供针对图像的初始陆标位置估计，其中每个初始陆标位置估计标识所述图像内的解剖陆标；

自动地监视与所述注释界面的交互以记录包括如下各项的注释信息：（i）所述注释者经由所述注释界面做出的对所述陆标位置估计的校正，（ii）所述注释者在做出所述校正的同时执行的与所述注释界面的交互，以及（iii）指示所述注释者在做出所述校正时花费的努力的量的努力度量；

训练陆标位置机器学习模型训练以基于所述注释信息自动地标识所述图像中的陆标位置；

训练位置校正机器学习模型训练以自动地执行对初始陆标位置估计的校正；

如果所述努力度量等于收敛值，则终止迭代模型训练过程；以及

如果所述努力度量不等于所述收敛值，则使用所述陆标位置机器学习模型和位置校正机器学习模型来确定针对新图像的所述初始陆标位置估计并且继续到所述迭代模型训练过程的下一迭代，

其中所述努力度量是在做出校正时做出的界面运动的数目的度量，以及所述收敛值等于界面运动的预定数目。

9.根据权利要求8所述的方法，其中所述努力度量是基于时间的度量并且所述收敛值等于预定时间值。

10.根据权利要求9所述的方法，其中所述努力度量是所述注释者在做出所述校正时花费的时间以及在做出所述校正时做出的界面运动的数目的度量。

11.根据权利要求9所述的方法，其中所述图像包括多个切片并且所述努力度量是在滚动所述多个切片时花费的时间的度量。