[发明专利]一种图像标注装置、方法及可读存储介质

权利要求书

1.一种图像标注装置，用于分割并标注病例图像上的牙齿信息，所述病例图像为病例的牙齿曲断X光片图像，其特征在于，包括：

训练集确定单元，被配置为基于多个训练用原始图像，确定训练数据集，所述训练用原始图像为用于训练的病例的牙齿曲断X光片图像；

训练单元，被配置为通过所述训练数据集对图像分类模型进行训练，得到训练后图像分类模型；

分割标注单元，被配置为利用所述训练后图像分类模型分割并标注所述病例图像，生成辅助诊断图像，所述辅助诊断图像为包含标注及着色信息的所述病例的牙齿曲断X光片图像；以及，

显示单元，被配置为显示所述多个训练用原始图像、所述训练数据集、所述病例图像及所述辅助诊断图像；

所述训练单元包括：

图像预处理模块，被配置为根据所述训练数据集确定多个批次的训练用标准图像集，每批所述训练用标准图像集包括K个M×M像素的训练用标准图像，其中K为每个批次的训练用标准图像集的图像数量，M×M为每个训练用标准图像的像素数量；

分类蒙版确定模块，被配置为基于所述训练数据集确定每个训练用标准图像对应的分类蒙版C_ij,i＝1…M,j＝1…M,其中，C_ij为所述每个训练用标准图像第(i,j)个像素的分类标号；

损失函数权重蒙版确定模块，被配置为根据所述分类蒙版确定每个训练用标准图像对应的损失函数蒙版w_ij,i＝1…M,j＝1…M,其中，w_ij为每个所述训练用标准图像第(i,j)个像素的损失函数权重，所述w_ij根据所述第(i,j)个像素属于的图像类别所包括的面积与背景所包括的面积比值的倒数确定；

模型训练模块，被配置为：将所述多个批次的训练用标准图像集依次输入所述图像分类模型进行迭代训练，当平均加权损失函数小于预设值或所述多个批次的训练用标准图像集全部完成训练后停止训练，得到训练后图像分类模型。

2.根据权利要求1所述的一种图像标注装置，其特征在于，所述训练集确定单元包括：

图像分割模块，被配置为对所述多个训练用原始图像进行人工描迹，确定所述多个训练用原始图像的牙齿轮廓信息；

类别标定模块，被配置为根据所述多个训练用原始图像的牙齿轮廓信息，生成所述多个训练用原始图像的分类标号数据文件，所述分类标号数据文件包括N个图像类别对应的轮廓信息及病变信息，其中N为预先确定的图像类别的数量，所述图像类别的数量根据牙齿、组织结构的位置、病变情况以及背景和前景的位置信息确定；

训练集输出模块，被配置为输出训练数据集，所述训练数据集包括所述多个训练用原始图像及所述多个训练用原始图像的分类标号数据文件。

3.根据权利要求1所述的一种图像标注装置，其特征在于：

所述图像分类模型为基于卷积网络的多层深度学习模型；

所述图像分类模型的输出结果为N个分类概率矩阵，所述分类概率矩阵为M×M×N的矩阵，代表所述训练用标准图像每个像素分别属于所述N个分类的概率。

4.根据权利要求1所述的一种图像标注装置，其特征在于：

所述平均加权损失函数由以下公式确定：

其中，E_wright为平均加权损失函数，E_ij为每个所述训练用标准图像的第(i,j)个像素的标准损失函数，通过所述图像分类模型的输出结果和所述分类蒙版C_ij计算得到，为每个所述训练用标准图像的输出结果的加权损失函数。