[发明专利]基于模糊综合评价法的数据标注方法、装置及存储介质

说明书

本申请公开了一种基于模糊综合评价法的数据标注方法、装置及存储介质。其中，该方法包括：获取N个用户针对待标注图像的M个因素的评价结果，每个因素对应Y个评价类型；分别统计各个因素的评价结果的分布情况；根据各个因素的评价结果的分布情况确定所述待标注图像的模糊综合评价矩阵；所述模糊综合评价矩阵为M×N的矩阵；获取所述M个因素各自对应的权重；结合所述M个因素各自对应的权重以及所述模糊综合评价矩阵确定所述待标注图像评价集的权向量；所述评价集的权向量为1×N的矩阵；根据所述评价集的权向量中包含的Y个值确定所述待标注图像的评价结果。采用该方法可以提高结节标记结果的准确性。

技术领域

本申请涉及医学领域，尤其涉及一种基于模糊综合评价法的数据标注方法、装置及存储介质。

背景技术

随着深度学习技术的兴起，该技术在医学影像分析领域得到了越来越广泛的应用。例如，在肺癌早期筛查和预防方面，利用深度学习算法可以从胸部CT图像中检测、分割出肺结节，并对肺结节的良恶性进行识别分类。采用深度学习技术识别肺结节分类的准确率甚至可以媲美专业医师。但是深度学习算法需要大量的、精确标注数据进行训练，通常采用众包的方式由多个机构或个人对大量的数据进行标注。

但是医学影像不同于普通的自然图像，需要由专业的影像科医师进行标注，导致标注效率较低。另外由于病灶的复杂性，很多病灶并没有十分清晰的、可量化的定义，通常需要影像科医师结合自己的经验进行判断，导致标注的一致率较低。同一个病灶由一个医师多次标注，或由多名医师同时标注时，标注结果往往会出现歧义。

发明内容

本申请实施例提供了一种基于模糊综合评价法的数据标注方法、装置及存储介质，可以提高医学影像标记结果的准确性。

第一方面，本申请实施例提供了一种基于模糊综合评价法的数据标注方法，包括：

获取N个用户针对待标注图像的M个因素的评价结果，每个因素对应Y个评价类型；

分别统计各个因素的评价结果的分布情况；

根据各个因素的评价结果的分布情况确定所述待标注图像的模糊综合评价矩阵；所述模糊综合评价矩阵为M×Y的矩阵；

获取所述M个因素各自对应的权重；

结合所述M个因素各自对应的权重以及所述模糊综合评价矩阵确定所述待标注图像评价集的权向量；所述评价集的权向量为1×Y的矩阵；

根据所述评价集的权向量中包含的Y个值确定所述待标注图像的评价结果。

在一种可能的实现方式中，所述获取N个用户针对待标注图像的M个因素的评价结果之前，所述方法还包括：

确定待标注数据集；所述待标注数据集包括X个待标注图像；

将待标注数据集分别发送至N个终端；所述N个终端对应N个用户；

接收每个终端针对所述待标注数据集中的X个待标注图像每个因素的评价结果v_j＝δ(k,x,u_i)，得到评价结果集；其中k表示终端的编号，k取值范围为1到N的正整数，x表示待标注图像的编号，x取值范围为1到X的正整数，u_i表示因素的编号，i的取值范围为1到M的正整数，v_j表示评价结果，j的取值范围为1到Y的正整数；

所述获取N个用户针对待标注图像的M个因素的评价结果，包括：

根据所述待标注图像的编号从所述评价结果集中获取N个用户针对所述待标注图像的M个因素的评价结果。

在一种可能的实现方式中，所述分别统计各个因素的评价结果的分布情况，包括：