[发明专利]一种自动化在线学习智能辅助标注医学影像的方法和系统

权利要求书

1.一种自动化在线学习智能辅助标注医学影像的方法，其特征在于，包括如下步骤：

（1）将智能标注系统接入医院PACS系统中；

（2）数据筛选：根据数据和标注需求选择筛选条件；

（3）数据清洗和导出：根据筛选条件自动扫描dicom文件、诊断报告与病理报告，将满足筛选条件的dicom序列进行脱敏后和诊断报告、病理报告自动导出到智能标注系统中；

（4）手动标注：医生根据诊断报告与病理报告开始进行标注；

（5）数据划分：当数据标注数量达到某一指定阈值时，将数据划入为深度学习模型测试集中，并将之后标注的数据划入到训练集；

（6）模型训练：当数据集规模达到另一指定阈值时，启动深度学习模型训练程序；

（7）生成辅助推荐标注：提取其中一部分数据作为模型调优集，当模型训练损失函数不再持续下降时，保存模型参数，并且启动智能辅助推荐标注程序，生成辅助推荐标注；

（8）医生将能根据诊断报告、病理报告在辅助推荐标注上进行增删改查；

（9）测试模型并计算指标：启动模型测试程序，在测试集中测试保存下来的模型参数，并且计算所关注的测试集指标；

（10）数据集完善：若测试集指标不稳定，医生继续标注数据，将医生接下来的标注数据划分到训练集、调优集、测试集继续进行迁移训练，直到测试集指标稳定，则标注结束，数据集建立完成。

2.如权利要求1所述的一种自动化在线学习智能辅助标注医学影像的方法，其特征在于：所述步骤（7）中，调优集的数据量占数据集的四分之一。

3.如权利要求1所述的一种自动化在线学习智能辅助标注医学影像的方法，其特征在于：所述步骤（10）中，训练集，调优集和测试集的数据比例为3：1：1。

4.如权利要求1所述的一种自动化在线学习智能辅助标注医学影像的方法，其特征在于：所述步骤（2）中的筛选条件包括图像类型、图像扫描部位、图像扫描协议和病灶类型。

5.一种自动化在线学习智能辅助标注医学影像的系统，其特征在于，包括

数据筛选模块：用于根据数据和标注需求选择筛选条件；

数据清洗和导出模块：用于根据筛选条件自动扫描dicom文件、诊断报告与病理报告，将满足筛选条件的dicom序列进行脱敏后和诊断报告、病理报告自动导出到智能标注系统中；

数据划分模块：用于将数据划入为深度学习模型测试集中，并将之后标注的数据划入到训练集；

模型训练模块：用于启动深度学习模型训练程序；

生成辅助推荐标注模块：用于提取其中一部分数据作为模型调优集，当模型训练损失函数不再持续下降时，保存模型参数，并且启动智能辅助推荐标注程序，生成辅助推荐标注；

测试模型并计算指标模块：用于启动模型测试程序，在测试集中测试保存下来的模型参数，并且计算所关注的测试集指标；

数据集完善模块：用于将医生接下来的标注数据划分到训练集、调优集、测试集继续进行迁移训练，直到测试集指标稳定，则标注结束，数据集建立完成。