[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

说明书

本发明提供一种数字病理分析标注方法、移动终端及计算机可读介质，其中数字病理分析标注方法，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。在移动终端运行病理图像的分类预测过程，灵活便捷。通过移动终端实现病理分析标注和分析，使用屏幕对手指移动的感知代替鼠标的标注操作，提供方便的病理图像标注和分析功能。

技术领域

本发明属于计算机辅助分析病理技术领域，特别涉及一种数字病理分析标注方法、移动终端及计算机可读介质。

背景技术

医学数据是计算机辅助分析病理的研究领域的重要环节。病理图像数据的获取和特征的标注往往需要具备医学知识的专业人士进行，这导致在训练数据的收集方面有很大的难度，一定程度上限制了基于深度学习的病理图像上的改进和实践。现有技术中，医生等专业人士通常使用电脑软件，配合使用鼠标在图像中勾画出有病变特征的区域，并在对应位置使用键盘打字输入特征区域的文字描述，如此反复进行对全图标注。在使用中发现，鼠标的操作不够灵活，键盘的文字键入过程也相对更耗费时间，为提高标注效率，需要提供一种操作更灵活的数字病理分析方案。

发明内容

针对上述问题，本发明提供一种数字病理分析标注方法、移动终端及计算机可读介质，将基于卷积神经网络学习得到的分类模型嵌入移动端，并完成了基本的图像标注和信息记录功能。

一种数字病理分析标注方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

一种数字病理分析标注移动终端，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；