[发明专利]一种影像标注诊断质量的评估方法及装置

说明书

本发明提供了一种影像标注诊断质量的评估方法及装置。所述方法包括：随机显示医生选择题目对应病例的影像；提取医生勾画的病灶轮廓，并计算所述病灶轮廓与金标准中相同影像的病灶轮廓的相似度，若所述相似度大于设定的阈值，则判定病灶轮廓勾画正确；提取医生标注的有关病灶类型、性质、随访建议的标签及全局标签，并通过分别与金标准中的对应标签进行匹配判定每个标签是否正确；根据病灶轮廓和每个标签的判定结果分别进行打分，得到每个题目的得分，汇总后得到医生的考评得分。本发明能够对医生勾画病灶轮廓、标注标签的能力进行定量评估，解决了现有技术只侧重理论考核，难以对医生的标注诊断质量进行全方位定量评估的问题。

技术领域

本发明涉及医学影像技术领域，具体涉及一种影像标注诊断质量的评估方法及装置。

背景技术

X射线自发现以来至今已有百余年历史，在这一百多年间，医学影像技术与相关行业飞速发展，医学影像已成为临床诊疗过程中必不可少的工具。在医学影像的辅助下，开展的早期筛查可以尽早发现结节、肿瘤等疾病；在临床诊断中可以协助医生有效定位病灶的位置，判定病灶的类型，有助于患者的治疗。准确、快速地阅片及诊断是影像科医生必不可少的技能之一，经验丰富、资质高的医生往往能根据影像进行更准确的诊断，使患者有更大的机会获得良好的预后。此外，随着人工智能(AI)技术的飞速发展，基于医学影像+深度学习技术开发的众多软件常被用于多种疾病的临床辅助诊断。在训练模型时会需要大量带标注信息的标签数据，标签的标注工作需要有临床诊断经验的医生来参与，这就对他们对影像的诊断能力以及标注出来的数据质量有较高的要求。从某种程度上说，标注数据质量的好坏对模型的预测精度有着重要的影响。因此，考核影像科医生的诊断与标注水平非常重要。

目前，针对影像学医生的考试多采用规培方式，题目侧重理论，难以对医生的诊断水平与标注质量进行全方位的评估。虽然高年资医生可以通过查看低年资医生对一些影像进行标注的结果，从而估算低年资医生的标注与诊断水平，但该方法往往比较耗时，且不能进行量化评估。另外，为了评估AI软件的辅助诊断效果，常常需要人工统计应用AI辅助前、后医生的诊断结果的变化，需要耗费大量时间。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种影像标注诊断质量的评估方法及装置。

为了实现上述目的，本发明采用以下技术方案。

第一方面，本发明提供一种影像标注诊断质量的评估方法，包括：

随机显示医生选择题目对应病例的影像，以便医生在影像上勾画病灶轮廓，标注有关病灶类型、性质、随访建议的标签以及表示诊断结果的全局标签；

提取医生勾画的病灶轮廓，并计算所述病灶轮廓与金标准中相同影像的病灶轮廓的相似度，若所述相似度大于设定的阈值，则判定病灶轮廓勾画正确；所述金标准中保存了资深医生对影像的标注诊断结果；

提取医生标注的有关病灶类型、性质、随访建议的标签及全局标签，并通过分别与金标准中的对应标签进行匹配判定每个标签是否正确；

根据病灶轮廓和每个标签的判定结果分别进行打分，得到每个题目的得分，汇总后得到医生的考评得分。

进一步地，所述相似度用IOU(intersection over Union，交并比)表示，计算公式如下：

式中，A为医生勾画的病灶轮廓包围的像素点集合，B为金标准中对应病灶轮廓包围的像素点集合，分子表示A、B交集的像素点数，分母表示A、B并集的像素点数。

更进一步地，考评得分计算公式如下：