[发明专利]在线协同的医学影像标注方法、装置及存储介质

说明书

本发明涉及一种在线协同的医学影像标注方法、装置及存储介质，其中方法包括从第一数据模块中的DICOM文件中读取患者ID和数据ID，并根据患者ID和数据ID在第二数据模块中查询标注状态，其中，所有影像数据存储于第一数据模块中，非影像数据存储于第二数据模块中；若标注状态为已标注，则调用标注结果，反之，则调用标注模块对当前影像进行标注。与现有技术相比，本发明通过集中化的数据仓储的存储方式，并利用患者ID和数据ID作为查询条件，可以有效避免同一影响被重复标注，从而便于直接导出作为机器学习的训练集数据，提高医学影响分析的训练集数据的构建效率，从而促进医疗影像信息的智能化发展。

技术领域

本发明涉及医学信息系统，尤其是涉及一种在线协同的医学影像标注方法、装置及存储介质。

背景技术

人工智能医学影像的发展离不开影像大数据，基于深度学习技术的神经网络模型需要医生标注的金标准数据进行训练、验证和测试，以及模型的迭代优化和更新。而现有的第三方标注工具，如ITK-SNAP是单机版的软件，只支持医生单独在本机勾画影像病灶，临床科研实践中经常发生同一批数据被多位医生重复标注的现象，浪费了医生大量的科研时间和精力。医生在浏览影像数据的同时需要参考影像报告、病理报告和其他临床数据，而这些数据分散在医院的多个独立运行的信息化系统中，导致医生在标注金标准数据时常常面临频繁访问多个独立信息系统，标注工作费时费力，效率不高。

医院在临床工作中常用的信息化软件有PACS系统，主要用于存档和管理患者的影像数据；HIS系统，主要用于管理患者的检查和缴费；EMR系统，存储患者的医嘱和病历；LIS系统，存储患者的血检等实验室检查指标。现有技术中，各个科室的医生会对一些内容进行标注。标注工作需要参考患者的多项数据和指标，医生手动在上述各个独立的信息化系统中收集所需数据，过程繁琐且数据存储分散、易缺失，且无法直接导出作为机器学习的训练集数据。

发明内容

本发明的目的就是为了提供一种在线协同的医学影像标注方法、装置及存储介质，通过集中化的数据仓储的存储方式，并利用患者ID和数据ID作为查询条件，可以有效避免同一影响被重复标注，从而便于直接导出作为机器学习的训练集数据，提高医学影响分析的训练集数据的构建效率，从而促进医疗影像信息的智能化发展。

本发明的目的可以通过以下技术方案来实现：

一种在线协同的医学影像标注方法，包括：

从第一数据模块中的DICOM文件中读取患者ID和数据ID，并根据患者ID和数据ID在第二数据模块中查询标注状态，其中，所有影像数据存储于第一数据模块中，非影像数据存储于第二数据模块中；

若标注状态为已标注，则调用标注结果，反之，则调用标注模块对当前影像进行标注。

所述调用标注结果具体包括：调取标注结果进行显示，接收反馈信息，并根据反馈信息更新对应于该标注结果的属性信息或调用标注模块对标注结果进行更新。

所述调取标注结果进行显示具体包括：判断当前用户是否具有该标注结果的访问权限，若为是，则展示显示标注结果。

所述调用标注模块对当前影像进行标注，具体包括：

利用自动分割模型在影像中分割出目标区域；

接收输入信号，并根据输入信号创建对应于任一区域的描述信息，或根据输入信号利用标注工具分割出一个区域并创建对应于该区域的描述信息；

将创建的标注信息连同读取的患者ID和数据ID存入第二数据模块中。

所述标注工具包括2D绘图工具和3D绘图工具。

所述将创建的标注信息连同读取的患者ID和数据ID存入第二数据模块中，具体包括：