[发明专利]一种数字病理分析标注方法、移动终端及计算机可读介质在审
| 申请号: | 202110150073.9 | 申请日: | 2021-02-03 |
| 公开(公告)号: | CN114864057A | 公开(公告)日: | 2022-08-05 |
| 发明(设计)人: | 罗琳;王睿乔 | 申请(专利权)人: | 南方科技大学 |
| 主分类号: | G16H30/40 | 分类号: | G16H30/40;G06F3/04883;G06F3/0482;G06N3/04;G06N3/08 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 518055 广东*** | 国省代码: | 广东;44 |
| 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 数字 病理 分析 标注 方法 移动 终端 计算机 可读 介质 | ||
1.一种数字病理分析标注方法,其特征在于,包括:
通过移动终端获取病理图像;
通过所述移动终端对病理图像进行分析,输出分析结果;
通过所述移动终端采集用户交互动作信息,根据用户交互动作信息对所述病理图像进行标注;
所述采集用户交互动作信息包括:采集用户针对所述移动终端的触摸动作。
2.根据权利要求1所述的数字病理分析标注方法,其特征在于,
通过所述移动终端对病理图像进行分析包括:通过设置在移动终端的深度学习分类模型对病理图像进行分析;
所述深度学习分类模型为采用全卷积网络的语义分割方法,基于病变良恶性分类的训练数据集在与移动终端不同的外部设备上训练得到的模型。
3.根据权利要求2所述的数字病理分析标注方法,其特征在于,
在与移动终端不同的外部设备上训练得到深度学习分类模型后,对所述深度学习分类模型进行模型格式转换和模型压缩后,嵌入到所述移动终端。
4.根据权利要求1所述的数字病理分析标注方法,其特征在于,根据用户交互动作信息对所述病理图像进行标注包括:
获取用户触摸屏幕的动作状态,所述动作状态包括:开始触碰、正在移动和结束触碰;
根据所述动作状态调用绘制动作,绘制连贯曲线。
5.根据权利要求4所述的数字病理分析标注方法,其特征在于,所述绘制连贯曲线包括:
记录绘制连贯曲线的画笔工具的属性,所述属性包括开始点位置、结束点位置和上一次移动点位置。
6.根据权利要求1所述的数字病理分析标注方法,其特征在于,对所述病理图像进行标注包括:对标注记录进行前进或后退;
将每次独立绘制后的图片都保存在一个图像列表中;
执行所述前进或后退时,通过操作图像列表中的相应图像实现。
7.根据权利要求6所述的数字病理分析标注方法,其特征在于,
当用户开始绘制时,先判断是不是没有做任何操作的图像,如果是就将数组清空,否则,把当前绘制的图像加入到图像列表中。
8.根据权利要求1-7中任一项所述的数字病理分析标注方法,其特征在于,
通过所述移动终端对所述标注过程进行屏幕录制和/或声音录制。
9.一种数字病理分析标注移动终端,其特征在于,包括:
图像获取模块,用于获取病理图像;
分类预测模块,用于对病理图像进行分析,输出分析结果;
标注记录模块,用于根据用户交互动作信息对所述病理图像进行标注;
所述用户交互动作信息包括:用户针对所述移动终端的触摸动作。
10.一种计算机可读介质,所述计算机可读介质存储有计算机程序,其特征在于,所述计算机程序可被处理器执行以实现以下步骤:
通过移动终端获取病理图像;
通过所述移动终端对病理图像进行分析,输出分析结果;
通过所述移动终端采集用户交互动作信息,根据用户交互动作信息对所述病理图像进行标注;
所述采集用户交互动作信息包括:采集用户针对所述移动终端的触摸动作。
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南方科技大学,未经南方科技大学许可,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/202110150073.9/1.html,转载请声明来源钻瓜专利网。





