一种用于医学影像的多类型标注流程集成系统的制作方法

本发明涉及医学影像处理，特别是涉及一种用于医学影像的多类型标注流程集成系统。

背景技术：

1、随着现代科技的快速发展，医学影像处理技术越来越受到关注。医生通过医学影像的调阅和分析，能够快速、准确地确定病变位置和诊断结果，为患者提供更好的治疗方案和医疗保障。医学影像处理作为医学信息化的关键流程，对医学行业的质量和效率有着至关重要的影响，医学影像的标注作为医学影像处理的前端处理步骤，影响着后续医学图像处理质结果的好坏，因此，医学影像的标注流程可谓是医学信息化流程的重中之重。

2、然而，在现有的影像标注方案中，对于大批量、重复性高的图像数据，一般需要人工完成对所有数据的标注，人工标注时，需要用户手动拖拽拉框，并且，现有的标注流程过于繁琐，多为人工选择标注工具、勾画、打上标签、对单个影像文件进行标注。

3、综上所述，我们需要一种多类型标注流程集成系统，为医疗系统信息化的发展提供更优秀的技术支持和服务，满足医疗系统医学影像的处理需求。

技术实现思路

1、针对上述现有技术的不足，本技术提供一种用于医学影像的多类型标注流程集成系统。

2、第一方面本技术提出了一种用于医学影像的多类型标注流程集成系统，所述系统由预训练模型标注子系统、2d标注子系统和3d标注子系统共同集成，所述系统内置多种影像分割模型和决策模型；

3、所述影像分割模型，用于通过不同的影像分割模型对用户选择的批量图像数据进行对应的图像分割，得到对应类型的图像分割结果；

4、所述决策模型，用于对图像分割结果中的图像数据进行分类识别，得到第一类图像数据、第二类图像数据和第三类图像数据；

5、所述预训练模型标注子系统，用于获取所述图像分割结果中符合预训练模型标注流程的所述第一类图像数据，对所述第一类图像数据执行预训练模型标注，得到预训练模型标注结果；

6、所述2d标注子系统，用于获取所述图像分割结果中符合2d标注流程的所述第二类图像数据，对所述第二类图像数据执行基于medsam模型的2d标注，得到2d标注结果；

7、所述3d标注子系统，用于获取所述图像分割结果中符合3d标注流程的所述第三类图像数据，对所述第三类图像数据执行基于medsam模型的3d标注，得到3d标注结果。

8、在一些实施例中，所述预训练模型标注子系统包括医学图像模型选择模块、算法数据集插入模块、模型训练迭代模块、影像集成模块和标注处理模块；

9、所述疾病模型选择模块，用于对一种或多种疾病类型对应的医学图像模型进行选择；

10、所述算法数据集插入模块，用于根据一种或多种疾病类型插入对应的算法以及数据集；

11、所述模型训练迭代模块，用于根据算法数据集插入模块中插入的数据集对医学图像模型选择模块中的医学图像模型进行训练，同时获取合作医院数据对所述医学图像模型进行迭代；

12、所述影像集成模块，用于对训练迭代后的疾病模型进行格式标准化，同时将其封装为统一的模型推理接口；

13、所述标注处理模块，用于通过模型推理接口调用对应的医学图像模型，获得对应任务的预测输出，根据预测输出执行自动标注得到预训练模型标注结果。

14、在一些实施例中，所述2d标注子系统包括特征文件构建模块、2d标注方式选择模块、目标区域确定模块和修正标注模块；

15、所述特征文件构建模块，用于选择第二类图像数据进行预加载，调用medsam模型对加载结果处理后输出图像向量并存入数据库，将数据库中的图像向量作为特征文件；

16、所述2d标注方式选择模块，用于在特征文件加载后提供点和/或框的标注模式供客户选择；

17、所述目标区域确定模块，用于利用所述特征文件获取对应的掩码，调用mask解码器将掩码转化为图片，通过2d标注方式选择模块中的标注模式在所述图片中划定目标区域；

18、所述2d修正标注模块，用于通过2d标注方式选择模块中的标注模式对目标区域的边界进行修正，完成2d标注操作。

19、在一些实施例中，所述3d标注子系统包括图像加载模块、3d标注方式选择模块、输入信息构建模块、语义信息转化模块和3d修正标注模块；

20、所述图像加载模块，用于选择第三类图像数据进行预加载，在对应的标注界面中显示所述图像加载结果；

21、所述3d标注方式选择模块，用于在图像加载后提供多边形和/或矩形的标注模式供客户选择；

22、所述输入信息构建模块，用于在对应的标注界面中通过3d标注方式选择模块中的标注模式对图像加载结果进行标注，将标注的线条信息转化为体素掩码，所述体素掩码作为medsam模型的输入；

23、所述语义信息转化模块，用于调用prompt编码器将标注的区域信息转化为语义信息；

24、所述3d修正标注模块，用于调用轻量级解码器结合所述语义信息对标注的区域信息进行预测，得到病灶区域的完整分割结果，将所述体素掩码转化为所述完整分割结果中对应的3d标注结果，自动对3d标注结果进行校验，修正3d标注错误，完成3d标注操作。

25、在一些实施例中，所述medsam模型包括图像解码器、prompt编码器和mask解码器；

26、所述图像解码器，用于将输入各类的图像数据处理为图像向量；

27、所述prompt编码器，用于根据不同的操作执行对应的编码方式；

28、所述mask解码器，用于将所述掩码和体素掩码转化为图像数据。

29、在一些实施例中，所述轻量级解码器包括语义特征接收单元、采样分割单元和输出单元；

30、所述语义特征接收单元，用于接收来自所述medsam模型的语义特征图；

31、所述采样分割单元，用于通过卷积网络对语义特征图进行上采样并进行图像分割；

32、所述输出单元，用于输出与输入图像相同大小的完整分割结果。

33、在一些实施例中，所述2d标注子系统还包括2d图像标注界面，所述2d图像标注界面用于装载所述特征文件构建模块、2d标注方式选择模块、目标区域确定模块和修正标注模块，通过装载的模块对上述第二类图像数据进行可视化2d标注操作。

34、在一些实施例中，所述3d标注子系统还包括3d图像标注界面，所述3d图像标注界面用于装载所述图像加载模块、3d标注方式选择模块、输入信息构建模块、语义信息转化模块和3d修正标注模块，通过装载的模块对上述第三类图像数据进行可视化3d标注操作。

35、第二方面本技术提出一种应用于上述系统的操作方法，包括以下步骤：

36、步骤s1：上传/选取待标注的医学图像数据；

37、步骤s2：获取医学图像数据对应的图像分割结果，如果所述图像分割结果为超过预设阈值数量的图像数据，则归类为第一类图像数据，如果所述图像分割结果为小于预设阈值数量的2d图像数据，则归类为第二类图像数据，如果所述图像分割结果为小于预设阈值数量的3d图像数据，则归类为第三类图像数据；

38、步骤s3：根据医学图像数据对应的图像分割结果选取对应的标注子系统，如果为第一类图像数据，则选择预训练模型标注子系统并执行步骤s31，如果为第二类图像数据，则选择2d标注子系统并执行步骤s32，如果为第三类图像数据，则选择2d标注子系统并执行步骤s33；

39、步骤s31：采用预训练模型标注子系统对所述第一类图像数据执行标注流程；

40、步骤s32：采用2d标注子系统对所述第二类图像数据执行标注流程；

41、步骤s33：采用3d标注子系统对所述第三类图像数据执行标注流程。

42、第三方面本技术提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。

43、本发明的有益效果：

44、1、本系统针对不同的医学影像提供了不同类型的标注流程，能够适用于各类医学系统，满足不同医疗系统的需求，有助于医疗工作者做出更加准确的诊断，提高了医疗服务质量。

45、2、通过使用本系统，医疗工作者能够有效地处理医学影像的信息，实现对影像的准确定位和有力的分析，提高了医生和医疗工作者的诊断精度和准确度。