医学显微图像的标注信息处理方法、系统及图像分析设备技术方案

本发明专利技术属于医学图像分析领域，并公开了一种医学显微图像的标注信息处理方法与系统以及图像分析设备，医学显微图像的标注信息处理方法包括：步骤S1：获取用户浏览医学显微图像时的多个标注信息；步骤S2：提取每一标注信息的特征，并将特征与其所对应的标注信息进行关联；步骤S3：根据特征将至少两个标注信息整合为事件；本发明专利技术为医生和研究者提供一种更便捷的医学显微图像的标注信息处理方法与系统以及图像分析设备。

【技术实现步骤摘要】
医学显微图像的标注信息处理方法、系统及图像分析设备
本专利技术涉及医学图像分析领域，具体地说，尤其涉及一种用医学显微图像的标注信息处理方法、系统及图像分析设备。
技术介绍
医学中常使用显微镜对病变组织或细胞进行识别、分析和诊断疾病。病理诊断是临床诊断的金标准，但病理特征复杂，形态学近似的病变经常不易辨识，需要医生在显微镜下反复切换倍率及视野，造成阅片效率和准确率低下。随着人工智能领域发展迅猛，神经网络算法逐渐能够模拟人类的视觉系统自动学习经验特征，对图像进行智能识别。智能病理诊断将医生的镜下阅片过程替代为对图像的自动采样、查找、识别，分类等操作，快速对大量病例做出预判，提高医生的诊疗效率。神经网络算法是需要大量标注后的数字化医学显微图像作为输入进行训练的，然而经过标注的数字化医学显微图像资源非常稀缺，其原因在于：首先，数字化医学显微图像是将传统玻片通过光学放大和扫描系统进行数字化采集与拼接而获得原始玻片的高清数字影像。其清晰度高、尺寸大、不利于传输的特点增加了人工标注的时间成本。其次，病理图像的标注是具有专业判断经验的病理医师才能够完成的，目前我国仅有近1万名病理医师，其中经验不足的医师较多，按照《病理科建设与管理指南（试行）》的标准，缺口达2万余名，因此繁重的接诊任务使得病理医师难以完成大量的标注任务。在现有技术中，通常利用软件以医生手动添加标注线和标签的方式来标注样本。然而，对医学图像的判读往往基于医生的主观经验，出于谨慎的考虑，医生通常会选择对确定的病变区域添加标注，而对于不确定的区域其往往会担心误读而选择不添加标注。此外，医生在浏览大尺寸的高清数字显微图像时，其视野注意力是变化的。视野注意力的变化蕴含了医生在标注时的前后逻辑信息。因此现有标注方法仅仅保留医生添加标注线和标签的方法忽略了大量医生在判读医学显微图像无意识留下的宝贵信息，导致无法完整还原医生对医学显微图像的判读过程。添加标注线和标签的方法与医生进行日常的病理诊断不同，在标注图像时，医生在浏览图像的同时需要手动地添加标注线和标签。繁琐的操作不仅加大了医生的工作量，还打断了医生对病理图像的诊断过程，大大降低了标注效率。另一种基于录像的标注方法，可以完全在不打扰医生浏览图像的情况下，完整保留医生对图像的判读过程。但其保留的视频数据是非结构化的标注数据，不可直接用于查询与编辑，因此无法用于神经网络的输入。这使得获得数据的研究者需要花费大量的时间进行后期处理。因此急需开发一种克服上述缺陷的医学显微图像的标注信息处理方法、系统及图像分析设备。
技术实现思路
本专利技术所要解决的技术问题在于提供一种用于医学显微图像的标注信息处理方法，其中，包括：步骤S1：获取用户浏览医学显微图像时的多个不同类型的标注信息；步骤S2：提取每一所述标注信息的特征，并将所述特征与其所对应的所述标注信息进行关联；步骤S3：根据所述特征将不同类型的所述标注信息整合为事件。上述的标注信息处理方法，其中，所述步骤S1中包括：步骤S11：获取并识别当前用户的身份信息；步骤S12：获取当前用户浏览操作的标注信息；步骤S13：获取当前用户标注操作的标注信息。上述的标注信息处理方法，其中，当前用户浏览操作的标注信息包括：图像姿态信息；当前用户标注操作的标注信息包括：圈选信息、标签信息、距离信息、录音信息及轨迹信息中的至少一者。上述的标注信息处理方法，其中，所述特征包括：用户名、位置、距离值、时间、文字、音频中的至少一者。上述的标注信息处理方法，其中，所述步骤S3中包括：步骤S31：根据用户名对所述标注信息进行整理；步骤S32：将同一用户名的全部所述标注信息根据时间进行排列；步骤S33：判断相邻的所述标注信息的相关性；步骤S34：将相关的所述标注信息整合为事件。上述的标注信息处理方法，其中，还包括步骤S4：将在连续时间内发生的至少两个连续的事件整合形成逻辑关联事件。上述的标注信息处理方法，其中，所述步骤S4中包括：步骤S41：将在连续时间内的事件进行排列；步骤S42：判断相邻的所述事件的相关性；步骤S43：将相关的所述事件整合形成所述逻辑关联事件。本专利技术还提供一种用于医学显微图像的标注信息处理系统，其中，包括：采集单元，获取用户浏览医学显微图像时的多个标注信息；提取单元，提取每一所述标注信息的特征，并将所述特征与其所对应的所述标注信息进行关联存储；整合单元，根据所述特征将所述标注信息整合为事件。上述的标注信息处理系统，其中，所述采集单元包括：识别模块，识别当前用户的身份信息；第一采集模块，获取当前用户浏览操作的标注信息；第二采集模块，获取当前用户标注操作的标注信息。上述的标注信息处理系统，其中，当前用户浏览操作的标注信息包括：图像姿态信息；当前用户标注操作的标注信息包括：圈选信息、距离信息、标签信息、录音信息及轨迹信息中的至少一者。上述的标注信息处理系统，其中，所述特征包括：用户名、位置、距离值、时间、文字以及音频中的至少一者。上述的标注信息处理系统，其中，所述整合单元包括：信息整理模块，根据用户名对所述标注信息进行整理；第一信息排列模块，将同一用户名的全部所述标注信息根据时间进行排列；第一判断模块，判断相邻的所述标注信息相关性；第一整合模块，将相关的所述标注信息整合为事件。上述的标注信息处理系统，其中，还包括关联单元，将在连续时间内发生的至少两个连续的事件整合形成逻辑关联事件。上述的标注信息处理系统，其中，所述关联单元包括：第二信息排列模块，将在连续时间内的事件进行排列；第二判断模块，判断相邻的所述事件的相关性；第二整合模块，将相关的所述事件整合形成所述逻辑关联事件。上述的标注信息处理系统，其中，还包括人机交互单元，所述人机交互单元根据不同查询策略查询并呈现标注信息及其特征、事件及逻辑关联事件中的至少一者。本专利技术还提供一种图像分析设备，其中，包括：图像标注装置，用于对医学显微图像进行标注获得多个标注信息；上述中任一项所述的标注信息处理系统，所述标注信息处理系统对多个所述标注信息进行处理。本专利技术针对于现有技术其功效在于：为医生和研究者提供一种更便捷的医学显微图像标注信息的处理方法和系统。在医生浏览和标注医学显微图像的过程中，在提高医生标注效率的同时，获取更多医生无意识留下的结构化标注信息，还原医生对医学显微图像的判读过程，分析并呈现医生的诊断思路，从而满足不同神经网络算法的训练任务对图像样本的需求。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。附图说明为了更清楚本文档来自技高网...

【技术保护点】
1.一种医学显微图像的标注信息处理方法，其特征在于，包括：/n步骤S1：获取用户浏览医学显微图像时的多个标注信息；/n步骤S2：提取每一所述标注信息的特征，并将所述特征与其所对应的所述标注信息进行关联；/n步骤S3：根据所述特征将至少两个所述标注信息整合为事件。/n

【技术特征摘要】
1.一种医学显微图像的标注信息处理方法，其特征在于，包括：
步骤S1：获取用户浏览医学显微图像时的多个标注信息；
步骤S2：提取每一所述标注信息的特征，并将所述特征与其所对应的所述标注信息进行关联；
步骤S3：根据所述特征将至少两个所述标注信息整合为事件。


2.如权利要求1所述的标注信息处理方法，其特征在于，所述步骤S1中包括：
步骤S11：获取并识别当前用户的身份信息；
步骤S12：获取当前用户浏览操作的标注信息；
步骤S13：获取当前用户标注操作的标注信息。


3.如权利要求2所述的标注信息处理方法，其特征在于，当前用户浏览操作的标注信息包括：图像姿态信息；当前用户标注操作的标注信息包括：圈选信息、标签信息、距离信息、录音信息及轨迹信息中的至少一者。


4.如权利要求1-3中任一项所述的标注信息处理方法，其特征在于，所述特征包括：用户名、位置、距离值、时间、文字以及音频中的至少一者。


5.如权利要求4所述的标注信息处理方法，其特征在于，所述步骤S3中包括：
步骤S31：根据用户名对所述标注信息进行整理；
步骤S32：将同一用户名的全部所述标注信息根据时间进行排列；
步骤S33：判断相邻的所述标注信息的相关性；
步骤S34：将相关的所述标注信息整合为事件。


6.如权利要求1所述的标注信息处理方法，其特征在于，还包括步骤S4：将在连续时间内发生的至少两个连续的事件整合形成逻辑关联事件。


7.如权利要求6所述的标注信息处理方法，其特征在于，所述步骤S4中包括：
步骤S41：将所述事件根据时间进行排列；
步骤S42：判断相邻的所述事件的相关性；
步骤S43：将相关的所述事件整合形成所述逻辑关联事件。


8.一种医学显微图像的标注信息处理系统，其特征在于，包括：
采集单元，获取用户浏览医学显微图像时的多个标注信息；
提取单元，提取每一所述标注信息的特征，并将所述特征与其所对应的所述标注信息进行关联存储；...

【专利技术属性】
技术研发人员：罗琳，石雪迎，郭丽梅，倪庆雯，
申请(专利权)人：北京协同创新研究院，北京大学，
类型：发明
国别省市：北京;11