[发明专利]一种医学影像标注方法及系统

说明书

本发明公开了一种医学影像标注方法及系统，属于医学影像标注技术领域。首先获取医学影像数据；然后根据医学影像知识图谱，进行文字标注；然后利用Mask R‑CNN网络模型对图像数据进行语义分割，将肋骨和锁骨从图像中分割并隐藏；然后利用马尔科夫随机场模型对病灶位置和非病灶位置进行识别，进行图像标注，在图像中标注出病灶位置及病灶的属性信息、非病灶位置及非病灶的属性信息，并将相应的图像标注与文字标注建立关联；最后将文字标注及图像标注进行可视化，通过人机交互，对文字标注和图像标注进行确认。本发明能够对医学影像数据进行文字标注和图像标注，标注速度快，准确性高，有效地提高了医生的阅片效率，从而快速地进行疾病诊断。

技术领域

本发明属于医学影像标注技术领域，具体涉及一种医学影像标注方法及系统。

背景技术

随着各种影像技术和设备在医院的广泛使用，每天都会产生大量的医学影像数据，形成了医学影像大数据。这些影像大数据包含了病人的基本信息以及病变的相关检查诊断信息，是诊断疾病的必要依据。而如何提取影像中的有用信息，辅助临床医师提高诊断精度和工作效率是现在急需解决的问题。为了解决该问题，现有技术中设计了一些医学影像标注方法，并开发相应的医学影像标注系统，用以辅助医师进行医学影像标注。

医学影像数据包括文字数据和图像数据，或者通俗的讲，是指在医疗检查时产生的文字报告和图像报告，例如医学诊断报告属于文字报告，X光胸片属于图像报告。然而目前多数的医学影像标注方法及系统都只是单纯的对图像进行标注，而且传统的图像标注是采用人工标注方法，但是人工标注工作量巨大，容易受到主观经验的影响，这样就会导致标注的时间长，而且效率低。为了提高标注效率，现有技术中提出了采用深度学习的方法对医学影像进行标注，例如申请号为：201710916007.1的中国专利公开了一种用于分析医学影像的方法和装置，该专利中，基于数据分类神经网络模型，将医学影像数据分类为健康影像和疾病影像；采用病灶区域识别算法识别疾病影像中的疑似病灶区域，得到附标记的疾病像；将健康影像和附标记的疾病影像发送至显示终端。

然而，现有的医学影像的标注系统中，是直接利用神经网络对病灶位置进行识别，并且忽略了文字数据，导致速度慢；同时，因为医学影像数据中，胸腔中的很多器官和组织由于骨骼的遮挡，无法进行准确地进行识别，导致无法准确地对隐藏的部位进行标注，进而导致了标注的不准确，还需要医生进行手工标注，从而增加了医生的工作量，降低了医学诊断的效率。

发明内容

技术问题：针对现有技术中进行医学影像标注时不准确和效率低的问题，本发明提供一种医学影像标注方法及系统，能够对医学影像进行文字标注和图像标注，标注准确性高，同时具有较高的标注效率。

技术方案：本发明的医学影像标注方法，包括：

S1：获取医学影像数据，所述医学影像数据包括文字数据和图像数据；

S2：根据医学影像知识图谱，对文字数据进行结构化处理，得到病灶位置及病灶的属性信息、非病灶位置及非病灶的属性信息，并生成对应的文字标注；

S3：利用Mask R-CNN网络模型对图像数据进行语义分割，将肋骨和锁骨从图像中分割并隐藏，使位于胸部的器官和其他组织完全显示；

S4：根据病灶位置和非病灶位置，利用马尔科夫随机场模型对病灶位置和非病灶位置进行识别，进行图像标注，在图像中标注出病灶位置及病灶的属性信息、非病灶位置及非病灶的属性信息，并将相应的图像标注与文字标注建立关联；

S5：将文字标注及图像标注进行可视化，通过人机交互，对文字标注和图像标注进行确认。

进一步地，所述步骤S2中，对文字数据进行结构化处理前，需构建医学影像知识图谱，构建医学影像知识图谱的方法为：

知识表示：采用框架理论表示法，通过结构化的形式对知识进行表示；