[发明专利]应用于移动终端的FOV图片的病理标注方法及装置

说明书

本发明实施例公开的应用于移动终端的FOV图片的病理标注方法，通过响应于用户在移动终端输入的病理标注指令，调用任一FOV图片并显示于所述移动终端的显示界面上；其中，所述FOV图片通过对病理切片的原始扫描图像进行分割后得到，且所述FOV图片所占用的存储空间小于预设的阈值；响应于所述用户对所述FOV图片的标注指令，保存所述用户对所述FOV图片的标注结果，标注工作者无需面对全片整体性标注，仅需对分割后的小图片进行标注，减少标注工作者的工作量，降低其疲劳感，提高标注准确率，且在移动终端上操作，可随时随地进行标注，不受地点的限制，有利于提高标注工作的效率。

技术领域

本发明涉及智能医疗领域，尤其涉及一种应用于移动终端的FOV图片的病理标注方法及装置。

背景技术

人工智能在医疗领域中的应用正处在高速发展的过程中，人工智能辅助病理诊断也是未来即将面临和待解决的难题。机器学习病理诊断，首先需要大量的标注数据和深度学习训练，作为机器学习前期的“老师”。只有经过了对大量病理学图像(自然图像)的学习和归类，后续才有可能成为辅助病理诊断的助手。但目前一般的病理数字切片大小均在几个G到几十个G，通过一定的手段切割呈中等大小的FOV图片。人工智能在前期标注时，一般选择全片整体性标注、大至中等FOV图片的标注。以上两个方式，均存在漏标注、标注步骤繁琐和工作量巨大等问题。造成病理医师在标注时的不适和疲劳。目前一般的标注工具多在PC端呈现，标注上多数会受工作地域的限制。大图片的数据，由于安全性和网速的问题，多数在非连网状态下完成。在工作单位标注和家中标注往往不能同步。病理医师目前人员短缺，据官方统计我国注册病理医生大概在一万人左右，而国内病理医生的缺口在10万左右。现在职的病理医生已属于超负荷工作量了，无法达到利用在家或者单位工作时间完成大量的标注任务。

发明内容

本发明实施例提供一种应用于移动终端的FOV图片的病理标注方法及装置，能有效解决现有的病理图像标注工作繁琐，标注地点受限，无法完成短期内大量病理图像机器学习标注的工作技术问题，有利于标注工作者随时随地进行标注工作，提高标注效率，且能降低标注工作者的工作量，方便快捷。

本发明一实施例提供一种应用于移动终端的FOV图片的病理标注方法，包括步骤：

响应于用户在移动终端输入的病理标注指令，调用任一FOV图片并显示于所述移动终端的显示界面上；其中，所述FOV图片通过对病理切片的原始扫描图像进行分割后得到，且所述FOV图片所占用的存储空间小于预设的阈值；

响应于所述用户对所述FOV图片的标注指令，保存所述用户对所述FOV图片的标注结果。

与现有技术相比，本发明实施例公开的应用于移动终端的FOV图片的病理标注方法，通过响应于用户在移动终端输入的病理标注指令，调用任一FOV图片并显示于所述移动终端的显示界面上；其中，所述FOV图片通过对病理切片的原始扫描图像进行分割后得到，且所述FOV图片所占用的存储空间小于预设的阈值；响应于所述用户对所述FOV图片的标注指令，保存所述用户对所述FOV图片的标注结果，标注工作者无需面对全片整体性标注，仅需对分割后的小图片进行标注，减少标注工作者的工作量，降低其疲劳感，提高标注准确率，且在移动终端上操作，可随时随地进行标注，不受地点的限制，有利于提高标注工作的效率。

作为上述方案的改进，所述FOV图片存储于本地或云端；

当所述FOV图片存储于本地时，通过查找本地的存储器调用任一所述FOV图片；

当所述FOV图片存储与云端时，通过向云端发送请求指令获取任一所述FOV图片。

作为上述方案的改进，所述方法还包括：

所述FOV图片通过以下步骤生成：

对所述病理切片的原始扫描图像分割成n个小图片后，计算所述n个小图片中每一所述小图片的病理指数；其中，10^10≥n≥10；