[发明专利]用于标注医学图像的方法和装置

权利要求书

1.一种用于标注医学图像的方法，其特征在于，包括：

获取至少一个待标注医学图像；

为所述待标注医学图像标注分类信息，其中，所述分类信息包括医学图像对应的诊断结果的类别和诊断结果的等级；

利用预先训练的病灶区域检测模型处理所述待标注医学图像，在所述待标注医学图像中框选出病灶区域、且标注出所述病灶区域的病灶类型，以使所述待标注医学图像标注出所述病灶区域和所述病灶区域的病灶类型，其中，所述病灶区域检测模型用于根据在医学图像中识别出的所述病灶区域的位置和大小框选出所述病灶区域、且标注出所述病灶区域的病灶类型；

从已框选出所述病灶区域的所述待标注医学图像中分割出被框选出的所述病灶区域，形成所述待标注医学图像分割图像，以使所述待标注医学图像标注出所述分割图像。

2.根据权利要求1所述的方法，其特征在于，所述为所述待标注医学图像标注分类信息，包括：

利用预先训练的图像分类模型对所述待标注医学图像进行处理，以输出所述待标注医学图像的分类信息，其中，所述图像分类模型用于对医学图像标注所述分类信息。

3.根据权利要求1所述的方法，其特征在于，所述从已框选出所述病灶区域的所述待标注医学图像中分割出被框选出的所述病灶区域，形成所述待标注医学图像分割图像，包括：

利用预先训练的病灶区域分割模型对已框选出所述病灶区域的所述待标注医学图像进行处理，以输出所述待标注医学图像中被框选出的所述病灶区域的分割图像，其中，所述病灶区域分割模型用于从已框选出所述病区域的医学图像中分割出所述病灶区域的分割图像。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括训练所述图像分类模型的步骤；

所述训练所述图像分类模型的步骤包括：

获取第一医学图像训练集，其中，所述第一医学图像训练集包括多个医学图像和每个所述医学图像标注的分类信息；

利用卷积神经网络，根据所述第一医学图像训练集，训练得到所述图像分类模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括训练所述病灶区域检测模型的步骤；

所述训练所述病灶区域检测模型的步骤包括：

获取第二医学图像训练集，其中，所述第二医学图像训练集包括多个医学图像和每个所述医学图像标注出的所述病灶区域和所述病灶区域的病灶类型；

利用卷积神经网络，根据所述第二医学图像训练集，训练得到所述病灶区域检测模型。

6.根据权利要求3所述的方法，其特征在于，所述方法还包括训练所述病灶区域分割模型的步骤；

所述训练所述病灶区域分割模型的步骤包括：

获取第三医学图像训练集，其中，所述第三医学图像训练集包括多个已框选出病灶区域的医学图像和各被框选出病灶区域的所述医学图像的病灶区域的分割图像；

利用卷积神经网络，根据所述第三医学图像训练集，训练得到所述病灶区域分割模型。

7.根据权利要求1所述的方法，其特征在于，在利用预先训练的病灶区域检测模型处理所述待标注医学图像，在所述待标注医学图像中框选出病灶区域、且标注出所述病灶区域的病灶类型之后，还包括：

将所述待标注医学图像和该待标注医学图像标注的病灶区域、所述病灶区域的病灶类型输出到客户端，以使用户判断所述待标注医学图像标注的病灶区域、所述病灶区域的病灶类型是否正确；

若是，则保存所述待标注医学图像标注的病灶区域和所述病灶区域的病灶类型；

若否，则接收并保存经所述用户重新标注的待标注医学图像的病灶区域和所述病灶区域的病灶类型。

8.根据权利要求3所述的方法，其特征在于，在输出所述待标注医学图像中被框选出的所述病灶区域的分割图像之前，还包括：

利用所述病灶区域分割模型在所述待标注医学图像的病灶区域形成预分割区域，并输出到客户端，以使用户对所述预分割区域进行微调；

接收并保存经所述用户微调后的所述预分割区域。

9.根据权利要求4所述的方法，其特征在于，还包括：

将所述待标注医学图片和所述待标注医学图片的分类信息添加到所述第一医学图像训练集，重新训练所述图像分类模型。