[发明专利]一种交互式医疗图像分割平台在审

专利信息
申请号: 202111329369.3 申请日: 2021-11-10
公开(公告)号: CN116153469A 公开(公告)日: 2023-05-23
发明(设计)人: 金博;李志谦;王祥丰;李郁欣;胡斌 申请(专利权)人: 华东师范大学;复旦大学附属华山医院
主分类号: G16H30/20 分类号: G16H30/20;G06T7/00;G06T7/11;G06V10/98;G06N3/08
代理公司: 上海市锦天城律师事务所 31273 代理人: 唐雯
地址: 200061 上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 交互式 医疗 图像 分割 平台
【说明书】:

本实施例公开了一种交互式医疗图像分割平台。平台医疗图像展示子系统以及交互分割子系统;其中:医疗图像展示子系统包括显示模块,用于接收并显示医疗图像,以及医疗图像的医疗信息;交互分割子系统,包括操作指令响应模块,用于响应于用户的操作指令,并将操作指令反馈至医疗图像展示子系统进行显示调整;还包括算法分割模块,用于基于分割算法确定医疗图像的初始分割结果;还包括算法交互模块,用于若检测到纠错交互信息,则根据纠错交互信息对初始分割结果进行调整,得到图像分割结果。采用本发明实施例的技术方案,可以利用交互式分割算法将医生从手工标注中解放出来,只需要对深度学习算法模型的分割结果进行纠错,可以快速得到分割结果。

技术领域

本申请实施例涉及医疗图像处理技术领域,尤其涉及一种交互式医疗图像分割平台。

背景技术

随着人工智能的高速发展,人工智能+医疗已经成为了人工智能落地的重要场景之一。其中,计算机辅助诊疗是医疗与智能技术相结合最为常见的方式。在计算机辅助诊疗过程中,对医疗图像病灶区域的分割是至为关键的一步。

现有技术中,对图像的分割通常采用基于阈值和基于图论的方式实现,但是这种方式通常都是浅层的,对临床没有指导意义。随着深度学习的高速发展,医学图像动分割向全自动分割发展,基于神经网络的分割已经成为了重要的方式,它提高了医疗图像的分割的精度,对临床有着一定的指导作用。一般来说,基于深度学习的分割方式是需要大量人工标注信息作为训练数据的,如果数据不足就会导致模型过拟合,从而导致模型的鲁棒性下降。人工标注对标注者的专业性要求非常高,且对于一些3D医疗图像的标注是非常耗费时间与精力的。

发明内容

本发明实施例提供一种交互式医疗图像分割平台,可以利用交互式分割算法将医生从纯手工标注中解放出来,医生只需要对深度学习算法模型的分割结果进行少量的纠错,就可以快速得到最终的分割结果。

本发明实施例提供了一种交互式医疗图像分割平台,所述平台包括:医疗图像展示子系统以及交互分割子系统;其中:

所述医疗图像展示子系统与所述交互分割子系统连接;

所述医疗图像展示子系统包括显示模块,用于接收并显示医疗图像,以及所述医疗图像的医疗信息;

所述交互分割子系统,包括操作指令响应模块,用于响应于用户的操作指令,并将所述操作指令反馈至所述医疗图像展示子系统,供所述医疗图像展示子系统根据所述操作指令进行显示调整;

所述交互分割子系统,还包括算法分割模块,用于基于分割算法确定所述医疗图像的初始分割结果;

所述交互分割子系统,还包括算法交互模块,用于若检测到纠错交互信息,则根据所述纠错交互信息对所述初始分割结果进行调整,得到图像分割结果。

进一步的,所述交互分割子系统,还包括算法离线训练模块;

所述算法离线训练模块,用于结合原有的存放在文件系统的训练集,以及存放在数据库中预设时间内用户进行交互分割所提供的纠错交互信息,进行分割算法更新训练。

进一步的,所述交互分割子系统,还包括图像标记模块;

所述图像标记模块,用于提供尺子功能、打点、矩形的绘制以及自由画笔中的至少一种标记方式,供用户进行图像标记。

进一步的,所述图像标记采用数据转换得到可序列化的标记数据,以进行纠错交互信息的构建。

进一步的,所述医疗图像展示子系统还包括操作模块;

所述操作模块,用于切换医疗图像切片,调节窗位、窗宽,以及对医疗图像进行放大、缩小以及平移中的至少一种操作。

进一步的,所述医疗图像展示子系统还包括三视图模块;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东师范大学;复旦大学附属华山医院,未经华东师范大学;复旦大学附属华山医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111329369.3/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top