CN109473160A - 医学图像的标注资格确定方法及装置 - Google Patents
医学图像的标注资格确定方法及装置 Download PDFInfo
- Publication number
- CN109473160A CN109473160A CN201811260183.5A CN201811260183A CN109473160A CN 109473160 A CN109473160 A CN 109473160A CN 201811260183 A CN201811260183 A CN 201811260183A CN 109473160 A CN109473160 A CN 109473160A
- Authority
- CN
- China
- Prior art keywords
- mark
- user
- medical image
- qualification
- accuracy
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开的医学图像的标注资格确定方法,通过当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格,则可通过统一的测试筛选标注资格,能够保证标注工作者的水平,保证后续标注质量的一致性和稳定性。
Description
技术领域
本发明涉及智能医疗领域,尤其涉及一种医学图像的标注资格确定方法及装置、计算机可读存储介质。
背景技术
人工智能应用于医学图像场景的分析前,需要带有高质量标注信息的医学图像大数据资源。海量的医学自然图像,例如影像学、学等图像。医疗数据质量参差不齐,而自然图像需要医学专业人员的人工清洗、整理及标注。目前在医学自然图像识别上,不同地区、不同医院的不同医生之间医疗水平不均等。对于偏远地区、小医院、低年资的医生来说,在同一医学自然图像上的差异性较大。即便是大型三甲医院中,许多医生对同一医学自然图像上的共识也有一定的差距。标注质量的不一致性,对于医学数据的整理及机器学习训练的前期数据库是极其的不稳定。标注数据的高质量保证了后期机器学习训练后的结果。目前现有的模式,多为一家数据公司联合一家或几家大型医院。大型医院中筛选出一个或几个的中高年资医生作为训练机器学习模型的标注医生。在选择上存在一定的主观性及偏倚性。对于训练数据模型的结果,可靠性较差。
发明内容
本发明实施例提供一种医学图像的标注资格确定方法及装置,能有效解决现有的标注水平参差不齐而使得机器学习模型的训练数据质量不稳定的问题,使得训练数据通过统一标准的工作人员获得,提高机器学习模型可靠性。
本发明一实施例提供一种医学图像的标注资格确定方法,包括步骤:
当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
与现有技术相比,本发明实施例公开的医学图像的标注资格确定方法,通过当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格,则可通过统一的测试筛选标注资格,能够保证标注工作者的水平,保证后续标注质量的一致性和稳定性。
作为上述方案的改进,所述方法还包括:
所述获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率:
将所述用户对所述医学图像的标注结果与所述正确标注结果相一致的个数与n相除,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率。
作为上述方案的改进,所述方法还包括:
所述方法还包括步骤:
当判断所述标注正确率小于预设的第一阈值时,判断所述标注正确率是否大于预设的第二阈值;
当判断所述标注正确率大于预设的第二阈值时,若接收到所述用户的训练请求,显示训练界面,调用m张用于训练所述用户的医学图像;其中,所述m张用于训练所述用户的医学图像均具有正确标注结果;其中,n≥5。
作为上述方案的改进,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,显示学习界面,在所述学习界面上显示关于标注的***知识。
作为上述方案的改进,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,在预设的时间段内拒绝所述用户的训练请求和标注资格请求。
作为上述方案的改进,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,在预设的时间段后,重新接受所述用户的训练请求和标注资格请求。
作为上述方案的改进,所述第一阈值为0.95,所述第二阈值为0.5。
本发明另一实施例对应提供了一种医学图像的标注资格确定装置,包括:
测试模块,用于当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
标注正确率获取模块,用于将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
病例标注资格确定模块,用于当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
本发明另一实施例提供了一种医学图像的标注资格确定装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述任一发明实施例所述的医学图像的标注资格确定方法。
本发明另一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一发明实施例所述的医学图像的标注资格确定方法。
附图说明
图1是本发明一实施例提供的一种医学图像的标注资格确定方法的流程示意图。
图2是本发明一实施例提供的切片的原始扫描图像的切割示意图。
图3(a)是宫颈细胞学单细胞切割小图片,图3(b)是宫颈细胞学细胞团切割小图片。
图4是本发明一实施例提供的一种医学图像的标注资格确定装置的结构示意图。
图5是本发明一实施例提供的医学图像的标注资格确定装置的结构示意图
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明一实施例提供的一种医学图像的标注资格确定方法的流程示意图,包括:
S1、当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
优选的,医学图像为病理图像,则用户可对病理图像进行病理标注。
在步骤S1中,优选地,所述医学图像通过以下方式生成:
首先,如图2所示,对切片的原始扫描图像分割成f个小图片后,计算所述f个小图片中每一所述小图片的指数;其中,10^10≥f≥10;
然后,所述f个小图片中每一所述小图片的指数,获取所述f个小图片中指数最高的前t个小图片作为所述医学图像通;其中,50≥t≥5。
一般来说,原始扫描图像通过将细胞玻片,通过数字切片扫描仪,转化为X400倍的数字图像,其大小可达到几个G到几十个G。如果标注工作者通过对全片进行标注,工作量非常大,而且只能在大容量的计算机上工作,地点受限,因此,原有的标注工作存在漏标注、标注步骤繁琐和工作量巨大等问题。因此,通过对原始数字图像进行切割后,可使标注工作者能随时随地进行标注,切割后的图像无需在大容量的计算机才能加载,降低标注工作者的工作量。如图3(a)所示,为宫颈细胞学单细胞切割小图片,如图3(b)所示,为宫颈细胞学细胞团切割小图片。
另外,小图片可以方便在互联网上下载至不同的接收平台下,可便于在云端快速响应到移动端设备中,实现快速的操作,从而完成测试标注的过程。因此,标注工作者可在闲暇的空余时间(例如,在坐车、等车过程)使用移动终端(例如,手机等)进行测试标注,也可在家或办公室使用一般的PC进行测试标注,可在不同设备上同步性操作,大大增加了便捷性,最大程度利用用户的零碎时间操作。
S2、将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
在实际操作过程中,测试数量n可不做具体的限制,当超过一定数量时,可以理解的,用户在越小的测试数量下正确个数越多越好。
在步骤S2中,所述获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率:
将所述用户对所述医学图像的标注结果与所述正确标注结果相一致的个数与n相除,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率。
S3、当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
例如,当所述标注正确率大于0.95,可认为标注医生的医疗水平较高,一致性较为稳定,确定该用户具有标注资格,可成功作为训练机器学习的标注工作者入会成功。
因此,在本实施例中,通过统一的测试对标注工作者进行筛选,可保证了较高的医疗水平,标注质量的一致性和稳定性。另外,通过实施本方案,使得标注工作者的筛选,以质量为优先,而非以资历为优先原则,避免根据高资历医生作为标注工作者筛选标准存在的主观偏差,例如高年资的标注医生往往专注于一类亚专科,对于其他亚专科可能存在一定的盲区。因此,本发明能够保证标注质量,能获得客观性的科学评价指标,利于后续的机器学习模型构建。
在另一优选实施例中,当判断所述标注正确率小于预设的第一阈值时,判断所述标注正确率是否大于预设的第二阈值;
当判断所述标注正确率大于预设的第二阈值时,若接收到所述用户的训练请求,显示训练界面,调用m张用于训练所述用户的医学图像;其中,所述m张用于训练所述用户的医学图像均具有正确标注结果;其中,m≥5。
例如,当用户测试的标注正确率小于0.95,大于0.50,可能因为操作上的失误、对个别病变存在认识上的误区等原因,可先申请在线测试题学习,然后可申请再次初步筛选的入门测试。如果正确率大于0.95,则可确定该用户具有标注资格,如果仍然小于0.95,大于0.50则仍需进入训练模式进行训练后方能重新发起标注资格请求。
另外,当判断所述标注正确率小于所述第二阈值时,在预设的时间段内拒绝所述用户的训练请求和标注资格请求,即封禁该用户的账号,并显示学习界面,在所述学习界面上显示关于标注的***知识,以供该用户进行全面的理论知识培训。而在预设的时间段后,重新接受所述用户的训练请求和标注资格请求。
例如,当所述标注正确率小于0.50,可能是由于诊断水平上不足等原因所致,建议进行该亚专科的***性学习后。账号禁止后一段时间(例如,24-48h)后,用户可再次申请在线测试题学习及初步筛选的入门测试。
参见图4,为本发明实施例提供的一种医学图像的标注资格确定装置的结构示意图,包括:
测试模块101,用于当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
标注正确率获取模块102,用于将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
病例标注资格确定模块103,用于当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
本发明实施例的医学图像的标注资格确定装置的实施过程和工作原理可参考上述任一项对医学图像的标注资格确定方法的描述,在此不再赘述。
本发明另一实施例提供了一种医学图像的标注资格确定装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述任一发明实施例所述的医学图像的标注资格确定方法。
本发明另一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一发明实施例所述的医学图像的标注资格确定方法。
参见图5,是本发明实施例提供的医学图像的标注资格确定装置的示意图。所述医学图像的标注资格确定装置包括:至少一个处理器11,例如CPU,至少一个网络接口14或者其他用户接口13,存储器15,至少一个通信总线12,通信总线12用于实现这些组件之间的连接通信。其中,用户接口13可选的可以包括USB接口以及其他标准接口、有线接口。网络接口14可选的可以包括Wi-Fi接口以及其他无线接口。存储器15可能包含高速RAM存储器,也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器15可选的可以包含至少一个位于远离前述处理器11的存储装置。
在一些实施方式中,存储器15存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作***151,包含各种***程序,如电池管理***等等,用于实现各种基础业务以及处理基于硬件的任务;
程序152。
具体地,处理器11用于调用存储器15中存储的程序152,执行上述实施例所述医学图像的标注资格确定方法,例如图1所示的步骤S11。或者,所述处理器11执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如测试模块101。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述医学图像的标注资格确定装置中的执行过程。
所述医学图像的标注资格确定装置可包括,但不仅限于,处理器11、存储器15。本领域技术人员可以理解,所述示意图仅仅是医学图像的标注资格确定装置的示例,并不构成对医学图像的标注资格确定装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述医学图像的标注资格确定装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器11是所述医学图像的标注资格确定装置的控制中心,利用各种接口和线路连接整个医学图像的标注资格确定装置的各个部分。
所述存储器15可用于存储所述计算机程序和/或模块,所述处理器11通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述医学图像的标注资格确定装置的各种功能。所述存储器15可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器15可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述医学图像的标注资格确定装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种医学图像的标注资格确定方法,其特征在于,包括步骤:
当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
2.如权利要求1所述的医学图像的标注资格确定方法,其特征在于,所述获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率:
将所述用户对所述医学图像的标注结果与所述正确标注结果相一致的个数与n相除,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率。
3.如权利要求1所述的医学图像的标注资格确定方法,其特征在于,所述方法还包括步骤:
当判断所述标注正确率小于预设的第一阈值时,判断所述标注正确率是否大于预设的第二阈值;
当判断所述标注正确率大于预设的第二阈值时,若接收到所述用户的训练请求,显示训练界面,调用m张用于训练所述用户的医学图像;其中,所述m张用于训练所述用户的医学图像均具有正确标注结果;其中,m≥5。
4.如权利要求3所述的医学图像的标注资格确定方法,其特征在于,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,显示学习界面,在所述学习界面上显示关于标注的***知识。
5.如权利要求3所述的医学图像的标注资格确定方法,其特征在于,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,在预设的时间段内拒绝所述用户的训练请求和标注资格请求。
6.如权利要求5所述的医学图像的标注资格确定方法,其特征在于,所述方法还包括步骤:
当判断所述标注正确率小于所述第二阈值时,在预设的时间段后,重新接受所述用户的训练请求和标注资格请求。
7.如权利要求6所述的医学图像的标注资格确定方法,其特征在于,所述第一阈值为0.95,所述第二阈值为0.5。
8.一种医学图像的标注资格确定装置,其特征在于,包括:
测试模块,用于当接收到任一用户输入的标注资格请求时,显示测试界面,随机调用n张用于测试所述用户的医学图像,获取所述用户对每一所述医学图像的标注结果;其中,所述n张用于测试所述用户的医学图像均具有正确标注结果;其中,n≥5;
标注正确率获取模块,用于将所述用户对每一所述医学图像的标注结果与所述正确标注结果进行比对,获取所述用户对所述n张具有正确标记结果的医学图像的标注正确率;
病例标注资格确定模块,用于当判断所述标注正确率大于预设的第一阈值时,则确定所述用户具有标注资格。
9.一种医学图像的标注资格确定装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的医学图像的标注资格确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的医学图像的标注资格确定方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811260183.5A CN109473160A (zh) | 2018-10-26 | 2018-10-26 | 医学图像的标注资格确定方法及装置 |
PCT/CN2019/073339 WO2020082638A1 (zh) | 2018-10-26 | 2019-01-28 | 医学图像的病理标注方法及装置、基于医学图像的报告签发方法及装置、计算机可读存储介质 |
US16/628,683 US11094411B2 (en) | 2018-10-26 | 2019-01-28 | Methods and devices for pathologically labeling medical images, methods and devices for issuing reports based on medical images, and computer-readable storage media |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811260183.5A CN109473160A (zh) | 2018-10-26 | 2018-10-26 | 医学图像的标注资格确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109473160A true CN109473160A (zh) | 2019-03-15 |
Family
ID=65666050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811260183.5A Pending CN109473160A (zh) | 2018-10-26 | 2018-10-26 | 医学图像的标注资格确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109473160A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082638A1 (zh) * | 2018-10-26 | 2020-04-30 | 广州金域医学检验中心有限公司 | 医学图像的病理标注方法及装置、基于医学图像的报告签发方法及装置、计算机可读存储介质 |
CN111292839A (zh) * | 2020-05-13 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
JP2020173557A (ja) * | 2019-04-09 | 2020-10-22 | 松島 如戒 | 通信回線を用いた医療情報供給システム |
CN113221999A (zh) * | 2021-05-06 | 2021-08-06 | 北京百度网讯科技有限公司 | 图片标注的正确率获取方法、装置和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926687A (zh) * | 2013-01-16 | 2014-07-16 | 索尼公司 | 图像获取装置、图像获取方法以及信息处理程序 |
CN105975980A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 监控图像标注质量的方法和装置 |
-
2018
- 2018-10-26 CN CN201811260183.5A patent/CN109473160A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926687A (zh) * | 2013-01-16 | 2014-07-16 | 索尼公司 | 图像获取装置、图像获取方法以及信息处理程序 |
CN105975980A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 监控图像标注质量的方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082638A1 (zh) * | 2018-10-26 | 2020-04-30 | 广州金域医学检验中心有限公司 | 医学图像的病理标注方法及装置、基于医学图像的报告签发方法及装置、计算机可读存储介质 |
JP2020173557A (ja) * | 2019-04-09 | 2020-10-22 | 松島 如戒 | 通信回線を用いた医療情報供給システム |
JP7078572B2 (ja) | 2019-04-09 | 2022-05-31 | 如戒 松島 | 通信回線を用いた医療情報供給システム |
CN111292839A (zh) * | 2020-05-13 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113221999A (zh) * | 2021-05-06 | 2021-08-06 | 北京百度网讯科技有限公司 | 图片标注的正确率获取方法、装置和电子设备 |
CN113221999B (zh) * | 2021-05-06 | 2024-01-12 | 北京百度网讯科技有限公司 | 图片标注的正确率获取方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109473160A (zh) | 医学图像的标注资格确定方法及装置 | |
CN110581898B (zh) | 基于5g和边缘计算的物联网数据终端*** | |
CN106527892B (zh) | 一种电子设备的截屏方法及*** | |
CN110399550A (zh) | 一种信息推荐方法及装置 | |
CN109446370A (zh) | 医学图像的病理标注方法及装置、计算机可读存储介质 | |
CN110569298A (zh) | 一种数据对接、可视化方法和*** | |
CN109858441A (zh) | 一种用于施工现场的异常状态监测方法与装置 | |
CN113095434A (zh) | 目标检测方法及装置、电子设备、存储介质 | |
CN110300191A (zh) | 服务***及数据处理方法 | |
CN110263748A (zh) | 用于发送信息的方法和装置 | |
CN105590280A (zh) | 一种应用于移动设备的学习*** | |
CN109788306A (zh) | 信息处理方法、装置、服务器及存储介质 | |
CN112926941A (zh) | 财务稽核规则的管理方法、装置、存储介质及服务器 | |
CN115392332A (zh) | Ai模型部署方法、***及存储介质 | |
CN110321882A (zh) | 一种学习资源获取方法、装置、学习终端和存储介质 | |
CN109509541B (zh) | 基于医学图像的报告签发方法及装置 | |
CN113077147A (zh) | 学员课程智能推送方法、***及终端设备 | |
CN109461147A (zh) | 应用于移动终端的fov图片的病理标注方法及装置 | |
CN113077142A (zh) | 智能学员画像方法、***及终端设备 | |
CN111277724A (zh) | 异常运行应用的检测方法、装置、电子设备及存储介质 | |
CN113409280B (zh) | 医学影像的处理方法、标注方法和电子设备 | |
CN109801394A (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN111784284B (zh) | 一种宫颈图像多人协同标记云服务***及云服务方法 | |
CN114077976A (zh) | 排班处理方法、装置、设备及存储介质 | |
CN112100187B (zh) | 一种基于VueJS的学生学习数据存储方法及装置 |
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 |
Application publication date: 20190315 |
|
RJ01 | Rejection of invention patent application after publication |