[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

说明书

本发明提供了一种自动化在线学习智能辅助标注医学影像的方法，涉及技术领域，包括将智能标注系统接入医院PACS系统中、数据筛选、数据清洗和导出；手动标注、数据划分、模型训练、生成辅助推荐标注、测试模型并计算指标、数据集完善等。本发明系统直接接入医院系统中，能够根据条件自动筛选需要标注的病人病例；可以实现自动清洗病例图像，弥补现有技术中需要手动采集需要的数据，清洗数据的缺陷。本发明能自动扫描检查报告和病理报告，生成辅助标注信息。同时能在医生标注过程中智能提示推荐性标注，并且在医生标注的过程中不断的优化训练模型，实现模型在线训练，不同于现有技术中采用数据集标注完成之后进行模型的训练。

技术领域

本发明涉及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，属于医学影像技术领域。

背景技术

2002年中国65岁以上老龄人口占比超过了7％，标志着中国进入老龄化社会，2010年进入深度老龄化阶段。在此以后老年人口抚养比不断增加，而医疗资源供给方面，我国每万人拥有医生数量相比与发达国家还存在巨大的差距，这直接意味着医疗健康需求的增加，所以，供需失衡的矛盾需要依靠技术手段提高医生诊断效率，也正如此AI(人工智能)医疗得以大力发展。

人工智能(AI)的概念由来已久，但是曾经碍于数据资源的缺乏，算力的不足，算法的不成熟导致其技术难以大规模应用。然而如今随着GPU算力的大幅提升，大数据资源的有效整合，算法的大幅提升，人工智能开始在各行各业落地。

在医疗领域中，近十年，医疗数据总量呈现出爆发式的增长。围绕数据存储，数据安全，数据标注等展开的医疗大数据平台建设也在有序开展。目前超过90％的医疗数据来自于医学影像，包括CT，PET，MR，DR等，由于图片数据结构简单、图像识别技术较为成熟，促进了AI医学影像的快速发展。

人工智能算法在图像识别领域中通常为监督式学习，算法需要训练海量的带有人工标记的数据，然而，医学图像数据相比自然图像，往往存在于医疗机构中，获取困难，数据标注需要专业医生，不同的医生对同一个医学图像可能存在不同的看法。种种原因导致AI医疗领域虽然前景广阔，但发展现状却不容乐观，仅仅在数据这一关，整个行业都面临医疗数据稀缺与标注艰难的巨大挑战。

目前，对于图像标注，检索到以下相关专利，《图像半自动标注的交互方法及系统》，《一种人工智能数据标注方法和装置》，《一种基于YOLOv3深度学习网络的图像智能标注方法》等，其都使用了人工智能的方法辅助进行数据的标注，但是却都没有在数据采集和数据集的制作上实现智能化，且不涉及到数据集规模的问题。

基于此，做出本申请。

发明内容

为了解决现有技术中存在的上述缺陷，本发明提供了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，从医学数据采集开始，到数据集建立完成，包括模型的训练，数据集规模的确定，实现全流程自动化标注。

为了实现上述目的，本发明采取的技术方案如下：

一种自动化在线学习智能辅助标注医学影像的方法，包括如下步骤：

(1)将智能标注系统接入医院PACS系统中；

(2)根据数据和标注需求选择筛选条件；

(3)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)医生根据诊断报告与病理报告开始进行标注；

(5)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)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；