CN108829815B

CN108829815B - 一种医学影像图像筛选方法

Info

Publication number: CN108829815B
Application number: CN201810597945.4A
Authority: CN
Inventors: 宋捷; 郝晓亮; 李斌铨; 吴鉴蘅; 周莙焱; 陈春海
Original assignee: Sichuan Novuseeeds Medtech Co ltd
Current assignee: Sichuan Novuseeeds Medtech Co ltd
Priority date: 2018-06-12
Filing date: 2018-06-12
Publication date: 2022-06-07
Anticipated expiration: 2038-06-12
Also published as: CN108829815A

Abstract

本发明提供了一种医学影像图像筛选方法，从影像扫描终端获取医学扫描影像，并进行图像分组；所述图像分组包括期相分组；调用对应分组中图像内容所对应的标签项，根据标签对分组中的所有图像进行标记；标签和图像为一一对应关系，每张图像对应有代表其特征标识的一个标签；根据标识的标签生成图像索引目录。与现有技术相比，工作人员只需要关系图像样本是否满足业务条件，而不必将大量的精力放在图像拷贝、文件目录建立等繁琐的工作中，技师标记图像的平均时间为2‑3秒，速度成倍增长。

Description

一种医学影像图像筛选方法

技术领域

本发明涉及一种医学影像图像筛选方法，涉及医学影像图像筛选领域。

背景技术

医学影像人工智能模型训练所用的图像样本筛选、归纳和整理通常采用人工整理的方式，即依靠技师在电脑文件夹中逐个打开查看医学图像，将符合条件的图像再拷贝到其它文件中已达到甄别、分类、整理的目的。但是这种方式的效率极低、错误率很高，图像的归类不统一（手动输入错误的概率很高），甚至发现错误后改正也很困难，对于技师来说甚至是一种折磨。用这样筛选出来的图像进行模型训练，其结果很难达到预期，又需要重新清理已筛选的图像重新训练，而且反复的图像筛选使加长了模型训练周期，也使技术团队疲惫不堪。

本发明就是研究一种技术方案，技师只需快速、准确、轻松的完成模型训练图像样本的标记，系统将自动完成被标记图像的归类、整理、存储。首先使图像筛选速度成倍增长，其次后续的图像归档完全是系统自动完成这样完全避免了人为操作造成的错误，图像归档后人工智能即可直接读取进行训练，最后负责图像筛选的技师轻松愉快。

发明内容

本发明要解决的技术问题是提供一种医学影像图像筛选方法，具有能够快速筛选医院影响图像，并生成图像索引目录的特点。

本发明采用的技术方案如下：

一种医学影像图像筛选方法，具体方法包括，

从影像扫描终端获取医学扫描影像，并进行图像分组；所述图像分组包括期相分组；

调用对应分组中图像内容所对应的标签项，根据标签对分组中的所有图像进行标记；标签和图像为一一对应关系，每张图像对应有代表其特征标识的一个标签；

根据标识的标签生成图像索引目录。

所述图像分组还包括扫描部位分组，先进行扫描部位分组后，再进行期相分组。

所述图像分组还包括扫描人员姓名分组，先进行人员姓名分组后，再进行扫描部位分组，再进行期相分组。

所述方法还包括，根据图像命名进行图像分组。

所述方法还包括，生成图像索引目录之前检查是否有标签未被使用标识、被重复使用标识以及图像未被标识中的任意几种情况的出现，如果有则提示错误。

所述方法还包括，生成图像索引目录之前检查是否有标签未被使用标识、标签被重复使用标识以及图像未被标识中的任意几种情况的出现，如果有则提示错误并给出出错原因。

所述出错原因包括错误项，所述错误项包括有标签未被使用标识、有标签被重复使用标识以及有图像未被标识的任意几种。

所述出错原因还包括提取并呈现未被使用标识的标签、被重复使用标识的标签、被重复标识标签对应的图像以及未被标识的图像中的任意几种。

所述方法还包括，读取标签标识成功的图像数据信息，作为样本进行模型训练。

所述方法还包括，记录筛选图像的全部过程，在统计分析中读取图像筛选记录，统计图像筛选量和筛选效率。

与现有技术相比，工作人员只需要关系图像样本是否满足业务条件，而不必将大量的精力放在图像拷贝、文件目录建立等繁琐的工作中，技师标记图像的平均时间为2-3秒，速度成倍增长。

附图说明

图1为本发明其中一实施例的医学影像图像筛选系统结构示意图。

图2为本发明其中一实施例的原始数据读取流程示意图。

图3为本发明其中一实施例的图像筛选自动归档给人工智能中心的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

一种医学影像图像筛选方法，具体方法包括，

从影像扫描终端获取医学扫描影像，并进行图像分组；所述图像分组包括期相（扫描的阶段，如CT扫描的扫描阶段）分组；

根据标识的标签生成图像索引目录。

作为一个具体实施例，在医学影像扫描中（例如：CT增强扫描）技师首先根据患者检查的部位在设备中选择扫描的序列，然后开始扫描。整个扫描会经历4个阶段（4个期相，不是所有的扫描都会经历4个期相，这里的四个期相只是一种举例），分别为定位像、平扫期、动脉期和静脉期。同时生成的图像会记录患者的姓名、ID号、扫描序列名称、部位、各期像名称和扫描层厚。系统将按照图像的存储路径和各期像命名规则分组显示。

作为图像分组规则，并不是一成不变的，在本发明方案中，最基本的分组规则会根据扫描期相进行分组，根据文件名完成图像分组并存储到数据库中，作为筛选的基础选定数据库。

如果包括扫描部位分组，如腹部、胸部和头部等，先进行扫描部位分组后，再进行期相分组。

如果包括扫描人员姓名分组，如张三、李四和王五等，先进行人员姓名分组后，再进行扫描部位分组，再进行期相分组。

在对图像进行标签标识之前，需要先选定标签项，标签项的选择可以由技师人工选择，也可以根据明显分组特征进行自动选择。标签项从预先生成的供调取选择的标签库中调用。

例如：患者小明（XIAOMING）需要进行腹部CT增强扫描，他的ID为00001。

那么小明的CT图像保存的路径：

一级文件夹名称为：CT_XIAO_MING_00001；

二级文件夹名称为：ABDOMEN_HX_ABDOMEN_C_WJ_(ADULT)；

三级文件夹中有4文件夹个名称分别为：Topogram（表示定位像）、Abdomen-7-0（表示腹部平扫期，扫描层厚7毫米）、Abdomen-A-7-0（表示腹部动脉期，扫描层厚7毫米）、Abdomen-V-7-0（表示腹部静脉期，扫描层厚7毫米）其中Abdomen表示“腹部”、A表示“动脉”、V表示“静脉”、7-0表示“扫描的层厚为7.0毫米”。

CT图像数量分别为：

Topogram文件夹下有2张图像；

Abdomen-7-0文件夹下有200张图像；

Abdomen-A-7-0文件夹下有200张图像；

Abdomen-V-7-0文件夹下有200张图像。

根据上述命名规则将小明的CT图像分为4组图像分别显示，同时标明该图像的扫描部位为腹部、层厚为7.0毫米，技师将小明的4组CT图像筛选完成后，系统加载下一位患者的4组图像。

通过导入的图像文件夹名称，得到患者检查的部位比如腹部。系统根据检查部位在不同期相的每一张图像旁显示对应的标签。

例如：腹部的标签在不同的期相中分别为：

Topogram（定位像）：定位像异物、定位像未举手、未喝水、患者不在扫描野正中心定位像；

Abdomen-7-0（平扫期）：肝上缘临界层、脾脏上缘临界层、胃下缘临界层、脾脏下缘临界层、胆囊下缘临界层、左肾下缘临界层、右肾下缘临界层、运动伪影、放射状伪影、原发肝癌、肝转移癌、肝其他病变、胆囊病变、胰腺病变、胃病变、脾脏病变、腹腔病变、肾脏病变、其他病变；

Abdomen-A-7-0（动脉期）：肝上缘临界层、脾脏上缘临界层、胃下缘临界层、脾脏下缘临界层、胆囊下缘临界层、左肾下缘临界层、右肾下缘临界层、动脉期过早、动脉期过晚、运动伪影、放射状伪影、原发肝癌、肝转移癌、肝其他病变、胆囊病变、胰腺病变、胃病变、脾脏病变、腹腔病变、肾脏病变、其他病变；

Abdomen-V-7-0（静脉期）：肝上缘临界层、脾脏上缘临界层、胃下缘临界层、脾脏下缘临界层、胆囊下缘临界层、左肾下缘临界层、右肾下缘临界层、静脉期过早、静脉期过晚、运动伪影、放射状伪影、原发肝癌、肝转移癌、肝其他病变、胆囊病变、胰腺病变、胃病变、脾脏病变、腹腔病变、肾脏病变、其他病变；

技师根据每一张图像的特征，选择对应的标签。每一张图像对应一个标签，不能出现一张图像对应多个标签的情况。作为本发明的一种实施方式，技师选择一个标签后该标签变为蓝色，其余标签会自动变为灰色。如果要改变标签则直接点击新的标签，那么之前选择的标签将会变为灰色，新的标签变为蓝色。

例如：技师现在对Abdomen-V-7-0（静脉期）中的一张图像选择为“肝上缘临界层”，那么该图像对应的其他标签将会变为灰色，而“肝上缘临界层”这个标签将变为蓝色表示该图像被标记为“肝上缘临界层”。

图像筛选完成后，数据库将完成归档并形成索引。人工智能训练可直接使用，同样也可应用到其它系统中。

在本发明方案中，工作人员只需要关系图像样本是否满足业务条件，而不必将大量的精力放在图像拷贝、文件目录建立等繁琐的工作中，技师标记图像的平均时间为2-3秒，速度成倍增长。系统将完成被标记图像的归类、整理、存储，完全避免了人为操作造成的错误，最后使负责图像筛选的技师轻松愉快。另外，筛选出来的图像可直接用于人工智能训练，且能够帮助医院规范图像存储。

作为本发明的一种实施方式，当技师选筛选完一组图像后，系统将根据该组图像所在的期相判断筛选的图像是否有错误。如果没有则提交成功，系统自动加载下一组图像。如果有错误，技师可以及时修正。这样技师就只需要关注图像本身是否符合挑选标准，不需要把大量精力浪费在图像拷贝、文件目录建立等繁琐的工作中。一名熟练的技师每2-3秒就可以完成一张图像的标记。

例如：腹部CT增强扫描中，平扫期、动脉期、静脉期的三组图像中每一组图像肝上缘临界层、脾脏上缘临界层、胃下缘临界层、脾脏下缘临界层、胆囊下缘临界层、左肾下缘临界层、右肾下缘临界层7个标签中每一个标签只能被标记一次（每一组图像中以上7个标签只能是7张不同的图像对应），如果图片数量不够7张，系统就会提示技师有标签未被使用（例如：现在只有6张图像被标记，而“肝上缘临界层”未被使用，那么系统将提示技师“肝上缘临界层”没有对应的图像）技师会及时补充，这样避免漏掉。如果一个标签被标记到多个图像上，那么系统将提示技师标签被重复使用，只能保留一个（例如：有3张图像都被标记为“肝上缘临界层”，那么系统将提示技师有3张图像都被标记为“肝上缘临界层”，请保留一张即可，同时会将这3张图像一起显示出来，技师直接在这3张图像上取消两张即可）。

作为本发明的一种实施方式，所述方法还包括，生成图像索引目录之前检查是否有标签未被使用标识、标签被重复使用标识以及图像未被标识中的任意几种情况的出现，如果有则提示错误并给出出错原因。

作为本发明的一种实施方式，标记得到的图像数据信息保存为本次筛选的结果，同时本次筛选结果成为已完成筛选图像数据库之一。

作为本发明的一种实施方式，所述出错原因包括错误项，所述错误项包括有标签未被使用标识、有标签被重复使用标识以及有图像未被标识的任意几种。

作为本发明的一种实施方式，在提交服务器端时程序将标记后的图像数据与每组标签进行比对，如果存在标签未使的情况。程序将这部分图像数据筛选形成未标记的图像数据库；如果存在同一个标签同时所属于多张图像数据时，程序将会把该部分图像数据筛选形成重复标记的图像数据库。作为一种实施方式，将未标记图像数据库和重复标记数据库中的图像信息提取出来，并呈现给用户。用户分步完成特征标识，并将新产生的图像数据更新到图形数据库中，并将筛选得到的数据项文件通过HTTP方式提交到服务器端，所述服务器端对所述筛选的图像数据进行评估，并将结果反馈给用户。

所述方法还包括，记录筛选图像的全部过程，在统计分析中读取图像筛选记录，统计图像筛选量和筛选效率。作为本发明的一种实施方式，在统计分析中系统将读取每个技师的图像筛选记录，统计出技师的图像筛选量和筛选效率。

本发明所采用的医学影像图像筛选系统，如图1所示，包括展示层、业务层和数据处理层。

展示层包括用户交互界面，用于接收用户输的特征标识和指定的标签标记，将每步筛选的图像数据和对应的标签信息显示在用户端。

业务层包括筛选数据生成模块、标签生成模块、关联信息组合模块、数据校验模块和图像筛选流程控制模块。

筛选数据生成模块：将待选数据分组作为本次筛选的基础选定数据库；

作为一种实施例：系统现在同时读取到10个患者的CT检查图像，那么系统将会将10个患者的图像分为10个大组，每一个大组下面分为定位像、平扫期、动脉期、静脉期，4组图像，那么总共为40组图像。技师为图像打标签完成图像筛选将会在这40组图像的基础上进行，那么这40组图像就是本次筛选的基础选定数据库。

标签生成模块：用于用户筛选图像数据的特征标识。系统通过图像命名会得到当前患者检查的身体部位，然后再根据不同的期相，生成不同的标签。

作为一种实施例：系统通过小明CT检查的图像的命名得到，检查的部位是腹部。那么在小明的每组图像中将显示与腹部符合的标签，如：肝上缘临界层、脾脏上缘临界层、胃下缘临界层、脾脏下缘临界层、胆囊下缘临界层、左肾下缘临界层、右肾下缘临界层等。

关联信息组合模块：将图像与标签建立对应关系，同时按照标签再分组，形成以标签为准的图像组。

数据校验模块：用于验证筛选完成的图像数据与标签之间对应关系。根据患者检查的不同部位，校验图像与标签之间的对应关系是否正确以及标签的使用情况。

作为一种实施例：系统通过小明CT检查的图像的命名得到，检查的部位是腹部，那么系统将校验CT图像中的3组图像是否每一组都有各个脏器边缘的图像（如：肝上缘临界层、脾脏上缘临界层、胃下缘临界层等），每一个脏器边缘的标签是否被多次使用。

图像筛选流程控制模块：用于对业务层所有模块之间的工作进行协调和控制，还负责系统启动时的初始化和退出时的缓存清理工作；

作为一种实施例：控制技师在系统中的业务流程，是由该模块控制。当技师进入系统后，系统根据技师权限显示数据。技师在筛选图像时必须先导入图像、系统完成图像识别和分组、系统根据图像信息展示不同的标签、技师为每一张图像选择标签、完成图像标记后系统校验是否正确、如果不正确系统提示技师修改直到正确为止、加载下一组图像、技师退出时清除缓存。以上步骤由流程控制模块负责，技师只有严格的按照流程完成图像筛选。

人工智能对接模块：筛选完成的数据即具备参与人工智能训练的条件，人工智能程序将通过该模块的接口读取以及完成筛选的图像数据和标签。

数据处理层包括有数据访问与存储，用于访问选定的图像数据库，以及将筛选得到的图像数据信息保存为本次筛选结果的数据库。

作为本发明的一种实施方式如图2和图3所示，首先系统通过设置标签读取路径将EXCEL表中的各种标签解析并存储到系统中。再通过设置图像读取路径将全部待筛选图像解析并存储到系统中。技师进入图像标记页面，完成每一张图像的标记。标记完成后系统自动将图像及对应的标签分组存储，并建立索引，然后进一步直接调用完成筛选的图像进行模型训练。

Claims

1.一种医学影像图像筛选方法，具体方法包括，

从影像扫描终端获取医学扫描影像，并进行图像分组；所述图像分组包括期相分组；通过图像命名得到当前患者检查的身体部位，然后再根据不同的期相，生成不同的标签；

根据标识的标签生成图像索引目录；

所述方法还包括，生成图像索引目录之前检查是否有标签未被使用标识、被重复使用标识以及图像未被标识中的任意几种情况的出现，如果有则提示错误；

将标记后的图像数据与每组标签进行比对，如果存在标签未使的情况，将这部分图像数据筛选形成未标记的图像数据库；如果存在同一个标签同时所属于多张图像数据时，把该部分图像数据筛选形成重复标记的图像数据库；将未标记图像数据库和重复标记数据库中的图像信息提取出来，并呈现给用户；用户分步完成特征标识，并将新产生的图像数据更新到图像数据库中，并将筛选得到的数据项文件通过HTTP方式提交到服务器端，所述服务器端对所述筛选的图像数据进行评估，并将结果反馈给用户。

2.根据权利要求1所述的医学影像图像筛选方法，所述图像分组还包括扫描部位分组，先进行扫描部位分组后，再进行期相分组。

3.根据权利要求2所述的医学影像图像筛选方法，所述图像分组还包括扫描人员姓名分组，先进行人员姓名分组后，再进行扫描部位分组，再进行期相分组。

4.根据权利要求1到3之一所述的医学影像图像筛选方法，所述方法还包括，根据图像命名进行图像分组。

5.根据权利要求1所述的医学影像图像筛选方法，所述方法还包括，生成图像索引目录之前检查是否有标签未被使用标识、标签被重复使用标识以及图像未被标识中的任意几种情况的出现，如果有则提示错误并给出出错原因。

6.根据权利要求5所述的医学影像图像筛选方法，所述出错原因包括错误项，所述错误项包括有标签未被使用标识、有标签被重复使用标识以及有图像未被标识的任意几种。

7.根据权利要求6所述的医学影像图像筛选方法，所述出错原因还包括提取并呈现未被使用标识的标签、被重复使用标识的标签、被重复标识标签对应的图像以及未被标识的图像中的任意几种。

8.根据权利要求1所述的医学影像图像筛选方法，所述方法还包括，读取标签标识成功的图像数据信息，作为样本进行模型训练。

9.根据权利要求1所述的医学影像图像筛选方法，所述方法还包括，记录筛选图像的全部过程，在统计分析中读取图像筛选记录，统计图像筛选量和筛选效率。