CN107491660A - 病变图像预处理方法和*** - Google Patents
病变图像预处理方法和*** Download PDFInfo
- Publication number
- CN107491660A CN107491660A CN201710906290.XA CN201710906290A CN107491660A CN 107491660 A CN107491660 A CN 107491660A CN 201710906290 A CN201710906290 A CN 201710906290A CN 107491660 A CN107491660 A CN 107491660A
- Authority
- CN
- China
- Prior art keywords
- lesion
- information
- coordinate
- user
- lesion image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种病变图像预处理方法,包括如下步骤:S1:获取病变位置框选操作的起始位置坐标和终止位置坐标;S2:获取用户确认的病变类型信息;以及S3:根据所述坐标和病变类型信息自动生成标记语言文件。该方法能够让用户通过框选选取病变位置,并自动获取病变位置的有关坐标信息,并且最后能够根据坐标信息和病变类型信息自动生成标记语言文件,整个过程不需要人工在标记语言文件填写坐标信息,提高了数据的预处理效率。本发明还提供了与上述方法对应的***。
Description
技术领域
本发明涉及医疗图像处理技术,特别是一种人工智能病变识别模型训练前对病变图像进行预处理方法和***。
背景技术
目前人工电子内窥镜下诊断各类消化道病变的主观性强、操作者专业技术要求较高、多种内镜技术诊断准确性欠佳。
为此,本公开的发明人发明了一种人工智能病变识别***,该***是基于深度学习技术,利用采集到的病变数据样本训练Faster RCNN网络,得到病变识别模型。
在采集病变数据的过程中,需要对数据进行预处理,通常的做法是利用通用的图片软件,逐个打开收集到病变图像,人工判断病变的左上角和右下角的坐标位置,在xml文件中填写相应信息。这种方法不仅效率低,而且很容易出现填写错误,导致计算机无法识别的现象,此外所需要处理的数据又很多,人工填写的效率很低。
因此,在人工智能病变识别模型训练前,需要提供一种高效的对病变图像进行预处理的方法。
发明内容内容
本发明的一个目的是提供一种病变图像进行预处理方法,提高在人工智能病变识别模型训练前预处理病变图像数据的效率。
本发明的另一个目的是提供一种适用于执行上述预处理方法的***。
为了实现上述目的,第一方面,本发明提供一种病变图像预处理方法,包括如下步骤:
S1:获取病变位置框选操作的起始位置坐标和终止位置坐标;
S2:获取用户确认的病变类型信息;以及
S3:根据所述坐标和病变类型信息自动生成标记语言文件。
可选地或优选地,在步骤S2之前,所述方法还包括:
提供病变类型选择菜单,所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。
可选地或优选地,在步骤S1之前,所述方法还包括:
批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
可选地或优选地,在步骤S3后,所述方法还包括:
自动转跳到下一幅病变图像文件。
可选地或优选地,在步骤S1之前,所述方法还包括:
获取所述框选操作的确认操作信息。
可选地或优选地,在步骤S2后,所述方法还包括:
向用户发送是否需要框选其他病变位置提示信息,若是,则循环执行步骤S1-S2。
可选地或优选地,所述标记语言文件为XML文件。
第二方面,本发明提供一种病变图像预处理***,包括:
第一获取模块,用于获取病变位置框选操作的起始位置坐标和终止位置坐标;
第二获取模块,用于获取用户确认的病变类型信息;以及
第三自动生成模块,用于根据所述坐标信息和病变类型信息自动生成标记语言文件。
可选地或优选地,还包括:
菜单选择模块,用于在所述获取用户确认的病变类型信息之前,提供病变类型选择菜单,所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。
可选地或优选地,还包括:
批量导入模块,用于在所述获取病变位置框选操作的起始位置坐标和终止位置坐标之前,批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
本发明提供的病变图像进行预处理方法和***,能够让用户通过框选选取病变位置,并自动获取病变位置的有关坐标信息,并且最后能够根据坐标信息和病变类型信息自动生成标记语言文件,整个过程不需要人工在标记语言文件填写坐标信息,提高了数据的预处理效率以及处理数据的准确性。
附图说明
图1为本发明实施例提供的一种病变图像预处理方法的流程图;
图2为框选操作的情景示意图;
图3为病变类型信息选择的情景示意图;
图4为本发明实施例提供的病变图像预处理方法和***在用户侧的操作流程图。
具体实施方式
下面将参考附图中示出的若干示例性实施方式来描述本发明的原理和精神。应当理解,描述这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
本发明实施例提供一种病变图像预处理方法,该方法用于在人工智能病变模型的训练之前,预处理汇集的病变图像大数据。该方法可以由计算机设备执行,因此,下文以计算设备侧描述该方法的执行流程。请参考图1-3,在该方法中,具体包括如下步骤:
S1:获取病变位置框选操作的起始位置坐标和终止位置坐标。
在步骤S1中,作为用户一侧,可以在病变图像文件打开状态下,用诸如鼠标等计算机输入设备执行框选操作,框选操作会在界面上留下框选区域(如图2所示的方框)。区域的左上角为框选操作的起始位置,右下角为终止位置。在计算机一侧,在用户执行了上述框选操作后,自动获取起始位置和终止位置的坐标,进一步地,可以将坐标信息显示给用户,以供用户确认。这一步骤中,***可以自动记录下坐标信息,不需要人工记录,避免了人工识别产生坐标的误读。
作为一种优选的改进,在步骤S1之前,所述方法还包括:获取所述框选操作的确认操作信息。
用户在框选病变位置时,可能操作不准确,需要进行多次的调整。为了避免多次操作产生多组数据造成坐标信息的混乱,在获取坐标信息之前,先向用户提供一个确认操作的请求,待用户通过鼠标等输入设备确认该请求后,在计算机设备侧获取所述框选操作的确认操作信息,判断为用户确认了该框选操作。在用户侧,这一步骤的流程可以为:鼠标左键单击病变左上角区域,移动鼠标至病变右下角区域,此时选框边线呈第一颜色(如灰色),确定框选区域后再次单击鼠标左键确认框选,此时选框边线呈第二颜色(如红色)并弹出“确认选框的坐标”对话框。
在另一些实施例中,在步骤S1之前,该方法还包括:批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
由于本方法预处理的数据是为了进行深度学习的模型训练,而深度学习需要基于大数据来完成,因此采集到的病变图像文件数量庞大,为此,批量导入多幅病变图像文件,有利于降低海量数据的输入时间,整体上提高了数据处理效率。具体的批量导入方式可以是获取用户的批量选择信息,根据选择信息中包括的病变图像文件地址将批量的图像文件导入用于执行本方法的软件***中。
接下来,方法进行到步骤S2:获取用户确认的病变类型信息;
在后续的病变识别模型的训练过程中,除了需要病变位置的坐标数据,还需要与之对应的病变类型数据,因此,步骤S2的目的在于获取病变类型信息。
作为一种优选的改进方式,在步骤S2之前,方法还包括:
提供病变类型选择菜单(具体情景如图3所示),所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。这样,用户可以不必手动输入病变类型信息,直接在预设的菜单中进行选择就可以完成病变信息的输入,这一过程只需要点击菜单,操作快捷。
在一些实施例中,在步骤S2后,方法还包括:
向用户发送是否需要框选其他病变位置提示信息,若是,则循环执行步骤S1-S2。
在一些情况下,一幅病变图像中可能有多个病变位置和病变信息,为此,向用户发送是否需要框选其他病变位置提示信息,例如可以是一个提示选择框,当接收到用户的确认选择操作信息后,重新执行步骤S1-S2以获取其他病变位置的坐标信息和病变类型信息。
接下来,方法进行到步骤S3:根据所述坐标和病变类型信息自动生成标记语言文件。
标记语言,是一种将文本以及文本相关的其他信息结合起来,展现出关于文档结构和数据处理细节的电脑文字编码。在本实施例中,计算机程序可以被编写为按照标记语言文件的文档结构,根据对应的图片信息、获取的病变坐标信息和病变类型信息自动生成标记语言文件,这些标记语言文件用于后续的模型训练时导入使用。这样,坐标信息和病变类型信息不再需要人工打开标记语言文件并输入,既能够避免人为输入造成的错误,又显著提高了文件的生成效率。在本实施例中,标记语言文件为XML文件。
当在本方法开始时批量导入了多幅病变图像文件的情况下,作为进一步改进,在步骤S3后,方法还包括:自动转跳到下一幅病变图像文件。自动转跳文件的优点在于不需要人工切换选择图像文件,使得各个图像病变位置框选操作和病变类型信息选择操作能够无缝衔接,提高数据预处理的效率。
下面,本发明实施例还提供了一种用于执行上述方法的病变图像预处理***,该***由以下的程序模块构成:
第一获取模块,用于获取病变位置框选操作的起始位置坐标和终止位置坐标;
第二获取模块,用于获取用户确认的病变类型信息;以及
第三自动生成模块,用于根据所述坐标和病变类型信息自动生成标记语言文件。
可选地或优选地,该***还包括:
菜单选择模块,用于在所述获取用户确认的病变类型信息之前,提供病变类型选择菜单,所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。
可选地或优选地,该***还包括:
批量导入模块,用于在所述获取病变位置框选操作的起始位置坐标和终止位置坐标之前,批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
可选地或优选地,该***还包括:
转跳模块,用于在自动生成标记语言文件后,自动转跳到下一幅病变图像文件。
可选地或优选地,该***还包括,
确认模块,用于在获取病变位置框选操作的起始位置坐标和终止位置坐标之前,获取所述框选操作的确认操作信息。
可选地或优选地,该***还包括:
提示模块,用于在获取用户确认的病变类型信息后,向用户发送是否需要框选其他病变位置提示信息,若是,则循环执行获取病变位置框选操作的起始位置坐标和终止位置坐标和获取病变类型信息的流程。
应当理解的是,上述各程序模块分别用于执行上述实施例中所述方法的各步骤,具体的实现流程可以参考方法实施例中的描述,在此不再赘述。
下面,结合一个具体的应用例,介绍本发明提供的方法和***在用户侧的操作流程。如图4所示,该流程包括以下的步骤:
1、运行集成有上述程序模块的软件,选择所要处理的图片。本实施例中图片为内窥镜图片。
2、按顺序逐个打开图片。
3、等待获取鼠标起始位置和终止位置。
4、判断位置的坐标是否符合要求,若是,执行步骤5,若否则返回步骤3。
5、确认病变类型和坐标系。
6、判断是否继续框选病变位置,若是,则返回步骤3,若否,则执行步骤7。
7、确认提交。
8、生成XML图片,直接进入下一张图片。
9、获取所有图片和XML文件。
本文中应用了具体个例对发明构思进行了详细阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离该发明构思的前提下,所做的任何显而易见的修改、等同替换或其他改进,均应包含在本发明的保护范围之内。
Claims (10)
1.病变图像预处理方法,其特征在于,包括如下步骤:
S1:获取病变位置框选操作的起始位置坐标和终止位置坐标;
S2:获取用户确认的病变类型信息;以及
S3:根据所述坐标和病变类型信息自动生成标记语言文件。
2.根据权利要求1所述的病变图像预处理方法,其特征在于,在步骤S2之前,所述方法还包括:
提供病变类型选择菜单,所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。
3.根据权利要求1所述的病变图像预处理方法,其特征在于,在步骤S1之前,所述方法还包括:
批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
4.根据权利要求3所述的病变图像预处理方法,其特征在于,在步骤S3后,所述方法还包括:
自动转跳到下一幅病变图像文件。
5.根据权利要求1所述的病变图像预处理方法,其特征在于,在步骤S1之前,所述方法还包括:
获取所述框选操作的确认操作信息。
6.根据权利要求1所述的病变图像预处理方法,其特征在于,在步骤S2后,所述方法还包括:
向用户发送是否需要框选其他病变位置提示信息,若是,则循环执行步骤S1-S2。
7.根据权利要求1-6任一所述的病变图像预处理方法,其特征在于,所述标记语言文件为XML文件。
8.一种病变图像预处理***,其特征在于,包括:
第一获取模块,用于获取病变位置框选操作的起始位置坐标和终止位置坐标;
第二获取模块,用于获取用户确认的病变类型信息;以及
第三自动生成模块,用于根据所述坐标和病变类型信息自动生成标记语言文件。
9.根据权利要求8所述的***,其特征在于,所述***还包括:
菜单选择模块,用于在所述获取用户确认的病变类型信息之前,提供病变类型选择菜单,所述菜单内存储有预设的多种病变类型信息,以便所述用户从所述菜单中选择并确认所述病变类型信息。
10.根据权利要求8所述的***,其特征在于,所述***还包括:
批量导入模块,用于在所述获取病变位置框选操作的起始位置坐标和终止位置坐标之前,批量导入多幅用户选择的病变图像文件,以便多个病变图像文件被逐个打开。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710906290.XA CN107491660A (zh) | 2017-09-29 | 2017-09-29 | 病变图像预处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710906290.XA CN107491660A (zh) | 2017-09-29 | 2017-09-29 | 病变图像预处理方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107491660A true CN107491660A (zh) | 2017-12-19 |
Family
ID=60653916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710906290.XA Pending CN107491660A (zh) | 2017-09-29 | 2017-09-29 | 病变图像预处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491660A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354445A (zh) * | 2020-02-27 | 2020-06-30 | 复旦大学 | 用矩形框标注ct影像并生成深度学习训练样本的*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727674A (zh) * | 2008-10-30 | 2010-06-09 | 北大方正集团有限公司 | 一种文档中图片标注及再现标注的方法 |
CN102959579A (zh) * | 2011-05-26 | 2013-03-06 | 富士胶片株式会社 | 医疗信息显示装置、操作方法及程序 |
CN105608319A (zh) * | 2015-12-21 | 2016-05-25 | 江苏康克移软软件有限公司 | 一种数字病理切片的标注方法及标注装置 |
CN106201255A (zh) * | 2016-06-30 | 2016-12-07 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106845090A (zh) * | 2016-12-30 | 2017-06-13 | 海纳医信(北京)软件科技有限责任公司 | 医学影像标记方法和装置 |
-
2017
- 2017-09-29 CN CN201710906290.XA patent/CN107491660A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727674A (zh) * | 2008-10-30 | 2010-06-09 | 北大方正集团有限公司 | 一种文档中图片标注及再现标注的方法 |
CN102959579A (zh) * | 2011-05-26 | 2013-03-06 | 富士胶片株式会社 | 医疗信息显示装置、操作方法及程序 |
CN105608319A (zh) * | 2015-12-21 | 2016-05-25 | 江苏康克移软软件有限公司 | 一种数字病理切片的标注方法及标注装置 |
CN106201255A (zh) * | 2016-06-30 | 2016-12-07 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106845090A (zh) * | 2016-12-30 | 2017-06-13 | 海纳医信(北京)软件科技有限责任公司 | 医学影像标记方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354445A (zh) * | 2020-02-27 | 2020-06-30 | 复旦大学 | 用矩形框标注ct影像并生成深度学习训练样本的*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107608652B (zh) | 一种语音控制图形界面的方法和装置 | |
US10284705B2 (en) | Method and apparatus for controlling smart device, and computer storage medium | |
CN108292231A (zh) | 从数据生成应用 | |
CN108108162A (zh) | 应用程序编程接口生成方法及装置 | |
US10649618B2 (en) | System and method for creating visual representation of data based on generated glyphs | |
US20220139075A1 (en) | Deep learning guide device and method | |
CN111240669B (zh) | 界面生成方法、装置、电子设备及计算机存储介质 | |
US20120034583A1 (en) | Veterinary exam preparation on mobile devices | |
DE102018008377A1 (de) | Interaktive Integration von Tutorials | |
CN108196742A (zh) | 作业批注方法、设备及计算机可读存储介质 | |
US9135234B1 (en) | Collaborative generation of digital content with interactive reports | |
US20200134260A1 (en) | System and method for implementing a proficiency-driven feedback and improvement platform | |
CN116561277A (zh) | 知识问答方法、装置、设备及存储介质 | |
CN106126080A (zh) | 语音管理方法及装置 | |
KR20170071553A (ko) | 수학공식 처리방법, 장치, 설비 및 컴퓨터 저장 매체 | |
CN106933811A (zh) | 一种词条自动生成方法和装置 | |
CN107133631A (zh) | 一种识别电视台图标的方法及装置 | |
CN110471727A (zh) | 基于web端创建交互热区的方法、装置、***及存储介质 | |
EP3103081B1 (en) | Collaborative group video production system | |
CN107491660A (zh) | 病变图像预处理方法和*** | |
KR20230065339A (ko) | 모델 데이터 처리 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 매체 | |
JPWO2021157705A5 (zh) | ||
CN109710221B (zh) | 通用仿真实训*** | |
US20210012060A1 (en) | Structured document conversion and display system and method | |
CN107135402A (zh) | 一种识别电视台图标的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |