CN111275122B - 标签标注方法、装置、设备及可读存储介质 - Google Patents

标签标注方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN111275122B
CN111275122B CN202010078843.9A CN202010078843A CN111275122B CN 111275122 B CN111275122 B CN 111275122B CN 202010078843 A CN202010078843 A CN 202010078843A CN 111275122 B CN111275122 B CN 111275122B
Authority
CN
China
Prior art keywords
target image
image data
target
label
account
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.)
Active
Application number
CN202010078843.9A
Other languages
English (en)
Other versions
CN111275122A (zh
Inventor
高征
朱艳春
阮航
伍健荣
常佳
周旋
刘妍
韩晓辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Healthcare Shenzhen Co Ltd
Original Assignee
Tencent Healthcare Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Healthcare Shenzhen Co Ltd filed Critical Tencent Healthcare Shenzhen Co Ltd
Priority to CN202010078843.9A priority Critical patent/CN111275122B/zh
Publication of CN111275122A publication Critical patent/CN111275122A/zh
Priority to PCT/CN2020/124518 priority patent/WO2021155678A1/zh
Priority to US17/724,954 priority patent/US12047513B2/en
Application granted granted Critical
Publication of CN111275122B publication Critical patent/CN111275122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3247—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving digital signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0819—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s)
    • H04L9/0825—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s) using asymmetric-key encryption or public key infrastructure [PKI], e.g. key signature or public key certificates
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3297—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving time stamps, e.g. generation of time stamps
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/88—Medical equipments
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了一种标签标注方法、装置、设备及可读存储介质，涉及人工智能领域。该方法包括：从线下存储设备中获取目标影像数据，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密；运行标注客户端，对目标影像数据进行验证；响应于目标帐号与目标影像数据匹配，加载目标影像；接收标签标注操作，得到标签标注结果；将标签标注结果发送至服务器，服务器用于生成影像识别模型的训练样本数据。以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率。

Description

标签标注方法、装置、设备及可读存储介质
技术领域
本申请实施例涉及人工智能领域，特别涉及一种标签标注方法、装置、设备及可读存储介质。
背景技术
随着人工智能技术的发展，在根据医学影像识别诊断结果的过程中，可以将医学影像输入训练得到的识别模型中，从而输出得到诊断结果，而该识别模型是通过标注有诊断结果的样本医学影像训练得到的，由医生对医学影像进行标注后，通过标注后的医学影像对识别模型进行训练，而待标注的医学影像需要首先发送至医生所应用的终端。
相关技术中，通过线上标注的方式对医学影像进行标注，将待标注的医学影像上传至标注平台后，医生能够对标注平台上待标注的医学影像进行加载或者下载，从而进行标注并将标注结果上传至服务器中与被标注的医学影像对应存储。
然而，由于医学影像的数据量通常较大，而即使在正常网速下也需要花费大量的时间完成下载或者完成加载，如：100G的医学影像需要花费十几甚至几十小时进行下载或加载，标注所耗费的时间较长，标注效率较低。
发明内容
本申请实施例提供了一种标签标注方法、装置、设备及可读存储介质，可以提高医学影像在标签标注过程中的标注效率。所述技术方案如下：
一方面，提供了一种标签标注方法，所述方法包括：
从线下存储设备中获取目标影像数据，所述目标影像数据为待标注的目标影像对应的数据，所述目标影像数据通过与目标帐号对应的目标验证方式进行签名加密，所述目标影像数据为通过预处理后得到的影像数据，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种；
运行标注客户端，通过所述标注客户端中登录的所述目标帐号对所述目标影像数据进行验证；
响应于所述标注客户端中登录的所述目标帐号与所述目标影像数据匹配，在所述标注客户端中加载所述目标影像；
接收对所述目标影像的标签标注操作，得到所述目标影像的标签标注结果；
将所述标签标注结果发送至服务器，所述服务器用于结合所述标签标注结果与所述目标影像生成影像识别模型的训练样本数据。
另一方面，提供了一种标签标注装置，所述装置包括：
获取模块，用于从线下存储设备中获取目标影像数据，所述目标影像数据为待标注的目标影像对应的数据，所述目标影像数据通过与目标帐号对应的目标验证方式进行签名加密，所述目标影像数据为通过预处理后得到的影像数据，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种；
运行模块，用于运行标注客户端，通过所述标注客户端中登录的所述目标帐号对所述目标影像数据进行验证；响应于所述标注客户端中登录的所述目标帐号与所述目标影像数据匹配，在所述标注客户端中加载所述目标影像；
接收模块，用于接收对所述目标影像的标签标注操作，得到所述目标影像的标签标注结果；
发送模块，用于将所述标签标注结果发送至服务器，所述服务器用于结合所述标签标注结果与所述目标影像生成影像识别模型的训练样本数据。
另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如如上述本申请实施例中任一所述的标签标注方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述的标签标注方法。
另一方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行如上述本申请实施例中任一所述的标签标注方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输耗时过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个示例性的实施例提供的通过线上标注方式对影像数据进行标签标注的过程示意图；
图2是本申请一个示例性的实施例提供的通过线下标注方式对影像数据进行标签标注的过程示意图；
图3是本申请一个示例性实施例提供的实施环境示意图；
图4是本申请一个示例性实施例提供的标签标注方法的流程图；
图5是本申请一个示例性实施例提供的医学影像数据流转过程的示意图；
图6是本申请另一个示例性实施例提供的标签标注方法的流程图；
图7是本申请一个示例性实施例提供的影像数据处理过程示意图；
图8是本申请另一个示例性实施例提供的标签标注方法的流程图；
图9是基于图8示出的实施例提供的将标签与哈夫曼编码树进行匹配的示意图；
图10是本申请一个示例性实施例提供的医学影像数据的标签标注过程整体示意图；
图11是本申请一个示例性实施例提供的标签标注装置的结构框图；
图12是本申请另一个示例性实施例提供的标签标注装置的结构框图；
图13是本申请一个示例性的实施例提供的终端的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对本申请实施例中涉及的名词进行简单介绍：
人工智能(Artificial Intelligence，AI)：是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
机器学习(Machine Learning，ML)：是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
数字签名：是一种使用公钥加密技术实现的签名，一套数字签名中通常定义有两种互补的运算方式，其中一种用于签名，另一种用于验证，数字签名为非对称密钥加密技术与数字摘要技术的应用。
可选地，本申请实施例中，以对医学影像进行标注为例进行说明。相关技术中，可以通过线上标注的方式或线下标注的方式对医学影像进行标注，对线上标注的方式和线下标注的方式分别进行说明：
第一，线上标注方式：
示意性的，请参考图1，将需要医生标注的医学影像数据100上传至标注平台后，标注医生从标注平台上下载医学影像数据100，或标注医生在标注平台上加载医学影像数据100，对医学影像数据100进行标注后，生成标注结果110并存储至标注平台中，根据标注结果110和医学影像数据100即生成医学影像识别模型的训练样本。
然而，由于医学影像数据的数据量通常较大，当医学影像数据的数据量得到几百吉字节(Gigabyte，GB)或者几个太字节(Terabyte，TB)时，对医学影像数据的下载时长较长，标签标注的效率较低。
第二，线下标注方式：
示意性的，请参考图2，将需要医生标注的医学影像数据200通过线下传递的方式传递至标注医生处，由标注医生线下对医学影像数据200进行标注，得到标注结果210，将标注结果210再有线下流转的方式存储至服务器中，从而得到医学影像数据200及其对应的标注结果210，得到医学影像识别模型的训练样本。
然而，由于线下标注方式通过硬盘进行数据传递，线下记录标注结果，数据流转的安全性较低，数据丢失风险较大，降低的标签标注的安全性。
值得注意的是，上述说明中，以影像数据实现为医学影像数据为例进行说明，实际操作中，影像数据还可以实现为其他类型的数据，如：车牌影像数据等，本申请实施例对此不加以限定。
示意性的，请参考图3，其示出了本申请一个示例性实施例提供的实施环境示意图，如图3所示，该实施环境中包括服务器310、终端设备320和线下存储设备330；
服务器310用于生成影像数据，并对影像数据进行预处理，如：过滤处理、脱敏处理等，将预处理后的影像数据输入至线下存储设备330后，由终端设备320对线下存储设备330中的影像数据进行读取，可选地，服务器310输入线下存储设备330中的影像数据通过与目标帐号对应的加密方式进行加密。
可选地，终端设备320中安装有标注客户端321，该标注客户端321中登录有目标帐号，终端设备320获取被加密的影像数据后，由于标注客户端321中登录有目标帐号，故通过标注客户端321以目标帐号对应的解密方式读取影像数据，从而对影像数据进行标注。
可选地，终端设备320与服务器310之间还能够通过通信网络340连接。
可选地，终端设备320在标注客户端321中对影像数据进行标注后，将标注结果上传至服务器310中，并由服务器310对影像数据和标注结果进行对应存储，得到模型的训练样本数据。
可选地，上述线下存储设备330可以实现为移动硬盘、U盘(Universal Serial Bus闪存盘，USB闪存盘)等形式的存储设备。
示意性的，图4是本申请一个示例性实施例提供的标签标注方法的流程图，以该方法应用于终端中为例进行说明，如图4所示，该方法包括：
步骤401，从线下存储设备中获取目标影像数据，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。
可选地，目标影像数据为待标注的目标影像对应的数据，对目标影像数据结合与目标帐号对应的加密方式进行加密后，通过线下存储设备流转至当前终端。
可选地，线下存储设备可以实现为移动硬盘、U盘、磁带等形式的移动存储设备。可选地，目标影像数据为由影像获取终端输入至线下存储设备的数据，用于取代线上流转方式，以线下流转方式将目标影像数据传递至当前终端。
可选地，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。可选地，目标影像数据通过加密函数进行签名加密，该加密函数对应有验证参数，且验证参数与目标影像和目标帐号相关，将验证参数输入加密函数，从而对目标影像数据进行签名加密。可选地，对目标影像数据进行签名加密后，得到目标影像数据对应的数字签名。从线下存储设备中获取目标影像数据以及与其对应的数字签名。
可选地，目标影像数据为经过预处理的影像数据，其中，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种，可选地，经过预处理后，将预处理后的目标影像数据进行加密打包，并通过线下存储设备传递至当前终端。
步骤402，通过标注客户端中登录的目标帐号对目标影像数据进行验证。
可选地，标注客户端中登录有目标帐号，且标注客户端中存储有上述目标影像数据对应的目标验证方式，可选地，对目标影像数据进行签名加密的目标验证方式和标注客户端中存储的验证方式可以是相同的验证方式，也可以是呈互补关系的验证方式，本申请实施例中，以标注客户端中存储的验证方式为目标验证方式为例进行说明。
可选地，以目标验证方式包括上述加密函数为例进行说明，标注客户端根据已登录的目标帐号，将目标帐号和目标影像数据对应的输入参数输入加密函数，得到标注客户端侧的验证密文，将验证密文与目标影像数据所对应的数字签名进行比对后，确定目标帐号是否与目标影像数据匹配。
可选地，针对传递目标影像数据的发起设备，由于目标影像数据为指定目标帐号读取的数据，故在对目标影像数据进行签名加密时，通过与目标帐号和目标影像相关的验证参数生成数字签名，而针对读取目标影像数据的当前终端，由于标注客户端中登陆的帐号为目标帐号，故在对目标影像数据进行签名验证时，通过与目标帐号和目标影像相关的输入参数输入加密函数，生成验证密文，对数字签名进行验证。
示意性的，以上述目标影像数据实现为医学影像数据为例，则标注客户端中所登录的目标帐号为标注医生的帐号，可选地，由于对医学影像数据进行标注的标注医生需要对应有标注资质，故在对标注医生的目标帐号进行注册时，需要向具有标注资质的医生分配注册码，并将注册码作为对医学影像数据进行加密的其中一个输入参数，可选地，注册码可以实现为注册医生的登录帐号，也可以实现为与登录帐号绑定的另一个验证码。可选地，将医生的通讯联络号与登录帐号进行绑定，如：将医生的手机号与登录帐号进行绑定，并将通过通讯联络号接收到的验证码作为对医学影像数据进行加密的其中一个输入参数。
步骤403，响应于标注客户端中登录的目标帐号与目标影像数据匹配，在标注客户端中加载目标影像。
可选地，当通过标注客户端中登录的目标帐号对目标影像数据验证成功时，自动在标注客户端中加载目标影像。
可选地，该目标影像的自动加载过程包括如下方式中的任意一种：
第一，在对目标影像数据进行获取时，将目标影像数据读取至终端的预设存储位置，并在加载目标影像时，从预设存储位置对目标影像数据进行读取并加载目标影像；
第二，在对目标影像数据进行获取时，将目标影像数据读取至终端的指定存储位置，并在加载目标影像时，设置读取路径，从指定存储位置上读取目标影像数据并加载目标影像。
步骤404，接收对目标影像的标签标注操作，得到目标影像的标签标注结果。
可选地，标签标注操作用于对目标影像进行标签标注，也即，向目标影像标注标签作为标签标注结果。
示意性的，以医学影像数据为例进行说明，标注医生在对目标影像进行识别观察后，执行标签标注操作，如：针对胃部医学影像，标注医生在对胃部医学影像进行观察后，标注标签“胃炎”作为胃部医学影像的标签标注结果。
步骤405，将标签标注结果发送至服务器，服务器用于结合标签标注结果与目标影像生成影像识别模型的训练样本数据。
可选地，将标签标注结果发送至服务器后，服务器用于将标签标注结果与目标影像进行对应匹配，并生成影像识别模型的训练样本数据对影像识别模型进行训练。可选地，在对影像识别模型进行训练时，首先将目标影像输入影像识别模型，得到样本识别结果，将样本识别结果与目标帐号标注的标签标注结果进行比对，并通过比对结果对影像识别模型的模型参数进行调整，从而实现对影像识别模型的训练。
综上所述，本实施例提供的标签标注方法，以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输时间过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
示意性的，请参考图5，以上述目标影像数据实现为医学影像是数据为例进行说明，其示出了本申请一个示例性实施例提供的医学影像数据流转过程的示意图，如图5所示，将医学影像数据500通过线下流转方式传递标注医生时，医学影像数据500通过签名加密方式进行加密，标注医生对加密的医学影像数据500进行解密后，将医学影像数据500导入标注客户端进行标注，并得到标注结果510，将标注结果510发送至服务器中进行存储，并生成影像识别模型的训练样本数据。
在一个可选的实施例中，上述目标影像数据通过加密函数进行签名加密，目标影像数据通过加密函数签名加密后对应有数字签名。图6是本申请另一个示例性实施例提供的标签标注方法的流程图，以该方法应用于终端中为例进行说明，如图6所示，该方法包括：
步骤601，从线下存储设备中获取目标影像数据，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。
可选地，目标影像数据为待标注的目标影像对应的数据，对目标影像数据结合与目标帐号对应的加密方式进行加密后，通过线下存储设备流转至当前终端。
可选地，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。可选地，目标影像数据通过加密函数进行签名加密，该加密函数对应有验证参数，根据目标影像数据指定的读取帐号为目标帐号，该验证参数与目标影像和目标帐号相关，将验证参数输入加密函数，从而对目标影像数据进行签名加密。可选地，对目标影像数据进行签名加密后，得到目标影像数据对应的数字签名。从线下存储设备中获取目标影像数据以及与其对应的数字签名。
可选地，目标影像数据为经过预处理的影像数据，其中，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种，可选地，经过预处理后，将预处理后的目标影像数据进行加密打包，并通过线下存储设备传递至当前终端。
可选地，数据过滤是指通过数据清洗过滤掉不合格的数据或不满足标注目标的数据，可选地，基于传统机器学习算法对影像数据通过主成分分析(Principal ComponentsAnalysis，PCA)技术降维，以向量空间余弦相似度进行聚类，设置阈值过滤边缘异常的影像，完成数据过滤，根据数据的标签标注条件筛选满足条件的影像数据，如：根据电子计算机断层扫描(Computed Tomography，CT)影像的层厚挑选层厚小于5毫米的影像。
数据脱敏是指对敏感信息进行脱敏操作，针对医学影像数据，常保留有如：患者姓名、社保***等敏感信息，可选地，通过数据脱敏，仅包括对标签标注过程有价值的信息，如：标识、层厚等，可选地，针对其他敏感信息，基于非对称加密算法进行加密脱敏，密文覆盖写回，私钥保留在服务器内，确保数据可追溯，并且防止数据被截获。
数据结构化处理是指根据预设的数据结构对处理后的目标影像数据进行结构化存储。
步骤602，将输入参数输入加密函数生成验证密文。
可选地，上述目标验证方式包括加密函数，该加密函数为在加密端和验证端一致的函数，也即在目标影像数据的加密终端，和标注客户端内存储的相同的函数。在目标影像数据的加密终端内，该加密函数对应有验证参数，该验证参数与指定读取目标影像数据的目标帐号以及该目标影像数据本身相关；在标注客户端内，加密函数对应有输入参数，该输入参数与标注客户端内登录的目标帐号以及目标影像数据本身相关，仅当目标影像数据的指定读取帐号与标注客户端内登录的帐号一致时，标注客户端内能够加载目标影像。
可选地，输入参数中包括目标帐号对应的帐号参数以及目标影像数据对应的影像从参数中的至少一种，其中，帐号参数中包括目标帐号的注册码、目标帐号绑定通讯联络号的验证码中的至少一种，目标帐号的注册码为预先分配至目标帐号的字符码，且注册码可以直接实现为目标帐号的帐号标识，也可以实现为与帐号标识绑定的字符码。目标帐号绑定通讯联络号，可以是目标帐号绑定的手机号，也可以随时目标帐号绑定的邮箱号，还可以是目标帐号绑定的其他应用程序的帐号，本申请实施例对此不加以限定。
可选地，影像参数中包括目标影像数据对应的数字签名的生成时间戳、目标影像的摘要值中的至少一种，该摘要值为目标影像数据的MD5信息摘要算法(MD5 Message-Digest Algorithm)值。
可选地，本申请实施例中，以输入参数中包括帐号参数和影像参数为例进行说明，且帐号参数中包括目标帐号的注册码和目标帐号绑定通讯联络号的验证码，影像参数中包括数字签名的生成时间戳和目标影像数据的摘要值；将目标帐号的注册码、目标帐号绑定通讯联络号的验证码、目标影像数据的摘要值以及数字签名的生成时间戳输入加密函数，得到验证密文。
示意性的，以目标影像数据实现为医学影像数据为例，通过加密函数Y＝F(X，DRSA，T，MD5)得到验证密文，其中，Y为生成的验证密文，F用于表示该加密函数，X用于表示医生手机的验证码，DRSA用于表示医生的注册码，T表示验证时间戳，MD5表示目标影像数据的摘要值。
步骤603，响应于数字签名与验证密文匹配，确定目标帐号与目标影像数据匹配。
可选地，当数字签名与验证密文一致时，确定目标帐号与目标影像数据匹配，也即，通过登录有目标帐号的标注客户端能够对目标影像数据进行读取。
步骤604，在标注客户端中加载目标影像。
可选地，当通过标注客户端中登录的目标帐号对目标影像数据验证成功时，自动在标注客户端中加载目标影像。
步骤605，接收对目标影像的标签标注操作，得到目标影像的标签标注结果。
可选地，标签标注操作用于对目标影像进行标签标注，也即，向目标影像标注标签作为标签标注结果。
步骤606，将标签标注结果发送至服务器，服务器用于结合标签标注结果与目标影像生成影像识别模型的训练样本数据。
可选地，该标签标注结果可以通过线上发送方式发送至服务器，也可以通过线下传递方式传递至服务器，其中，当通过线上发送方式发送至服务器时，将标签标注结果与目标影像数据的标识对应关系发送至服务器，由服务器根据对应关系将标签标注结果与已存储的目标影像数据进行对应匹配；将标签标注结果通过线下发送方式发送至服务器时，将目标影像数据以及对应的标签标注结果匹配后，通过上述线下存储设备传递至服务器。
综上所述，本实施例提供的标签标注方法，以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输时间过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
本实施例提供的方法，通过加密函数对目标影像数据进行签名加密，且加密函数的输入参数中包括与目标帐号对应的帐号参数，从而确保仅当标注客户端中登录的帐号与目标影像数据的指定读取帐号一致时，标注客户端能够对目标影像进行加载，提高了目标影像数据的传输安全性。
示意性的，请参考图7，以上述目标影像数据实现为医学影像是数据为例进行说明，图7示出了本申请一个示例性实施例提供的影像数据处理过程示意图，如图7所示，获取全部影像数据700后，通过PCA降维、聚类对全部影像数据700进行数据清洗，得到合格数据710，对合格数据710进行非对称加密，从而对合格数据710进行数据脱敏，得到数据包721，将数据包721、医生注册码722、医生手机验证码723以及时间戳724通过密文函数进行签名加密，得到数字签名730，该数字签名730用于在标注客户端中对目标影像数据进行验证。
在一个可选地实施例中，上述标签标注结果以编码的形式进行表达，图8是本申请另一个示例性实施例提供的标签标注方法的流程图，以该方法应用于终端中为例进行说明，如图8所示，该方法包括：
步骤801，从线下存储设备中获取目标影像数据，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。
可选地，目标影像数据为待标注的目标影像对应的数据，对目标影像数据结合与目标帐号对应的加密方式进行加密后，通过线下存储设备流转至当前终端。
可选地，目标影像数据通过与目标帐号对应的目标验证方式进行签名加密。可选地，目标影像数据通过加密函数进行签名加密，该加密函数对应有验证参数，根据目标影像数据指定的读取帐号为目标帐号，该验证参数与目标影像和目标帐号相关，将验证参数输入加密函数，从而对目标影像数据进行签名加密。可选地，对目标影像数据进行签名加密后，得到目标影像数据对应的数字签名。从线下存储设备中获取目标影像数据以及与其对应的数字签名。
步骤802，通过标注客户端中登录的目标帐号对目标影像数据进行验证。
可选地，以目标验证方式包括上述加密函数为例进行说明，标注客户端根据已登录的目标帐号，将目标帐号和目标影像数据对应的输入参数输入加密函数，得到标注客户端侧的验证密文，将验证密文与目标影像数据所对应的数字签名进行比对后，确定目标帐号是否与目标影像数据匹配。
步骤803，响应于标注客户端中登录的目标帐号与目标影像数据匹配，在标注客户端中加载目标影像。
可选地，当通过标注客户端中登录的目标帐号对目标影像数据验证成功时，自动在标注客户端中加载目标影像。
步骤804，接收对目标影像的标签标注操作，并将标签标注操作与预设标签编码树进行匹配，得到标签编码作为标签标注结果。
可选地，该标签标注操作可以实现为在预设候选标签中对目标标签的选择操作，也可以实现为根据预设输入规则对目标标签的输入操作，本申请实施例对此不加以限定。
可选地，根据标签标注操作确定对目标影像进行标注的目标标签后，将目标标签与预设标签编码树进行匹配，得到目标标签所对应的标签编码。
可选地，该目标影像包括医学影像，确定与医学影像对应的目标医学领域，并获取与目标医学领域对应的预设标签编码树，将目标标签与预设标签编码树进行匹配后，得到标签编码。
可选地，医学影像的标签存在依赖关系，如：标签胃癌对应“胃部，癌症”将标签与哈夫曼树结合，得到如图9所示的哈夫曼编码树，针对胃部910，存在分支正常，当正常分支取值为0时，表示胃部910正常，当正常分支取值为1时，表示胃部910不正常，当癌症920分支取值为0时，表示为标签胃癌，当癌症920分支取值为1时，表示不是胃癌，故，胃癌对应的编码为010，胃部正常对应的编码为00。
可选地，将标签标注操作与预设标签编码树进行匹配，得到标签编码，以目标影像数据和目标帐号作为联合主键，以标签编码作为内容值，生成标签标注结果。
步骤805，将标签标注结果发送至服务器，服务器用于结合标签标注结果与目标影像生成影像识别模型的训练样本数据。
可选地，以目标影像数据的MD5、医生的注册码作为联合主key，医生标注的标签以及疾病病灶组成标签编码，进行序列化处理后，得到标签标注结果，基于安全外壳协议(Secure Shell，SSH)信道，将标注有标签的目标影像数据发送至服务器。
综上所述，本实施例提供的标签标注方法，以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输时间过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
本实施例提供的方法，将预设标签编码树与标签标注操作进行匹配，得到标签编码作为便签标注结果，从而对目标影像数据接收到的目标标签进行表示，提高了标签标注效率。
示意性的，图10是本申请一个示例性实施例提供的医学影像数据的标签标注过程整体示意图，如图10所示，该标签标注过程中包括数据预处理***1010、用户验证***1020、数据解密***1030以及标注***1040该四个部分，对医学影像数据1000进行标签标注。
如图10所示，数据预处理***1010中包括数据清洗1011、是数据脱敏1012以及数据打包1013三个部分，首先，将医学影像数据1000输入数据清洗1011中进行数据过滤，过滤掉不合格的数据或不满足标注条件的数据，可选地，基于传统机器学习算法对影像数据通过PCA降维，以向量空间余弦相似度进行聚类，设置阈值过滤边缘异常的影像，完成数据过滤，根据数据的标签标注条件筛选满足条件的影像数据，如：根据CT影像的层厚挑选层厚小于5毫米的影像。
进行数据清洗1011后，将数据进行数据脱敏1012，将医学影像数据1000的敏感信息基于非对称加密算法进行加密脱敏。然后对数据进行数据打包1013，可选地，在数据打包过程中，对医学影像数据1000的MD5基于指定医生的注册码、手机验证码以及时间戳进行签名加密。
可选地，在用户验证***1020中包括验证用户信息1021和登录***1022两个部分，当医生登录***1022后，根据医生的登录信息进行验证用户信息1021。
在数据解密***1030中，包括解密数据1031和加载数据1032两个部分，其中，结合用户验证***1020中登录的医生信息对打包的医学影像数据进行解密，由于用户验证***1020中登录的医生信息所对应的标注医生，为医学影像数据的读取指定的医生，故能够对该医学影像数据进行解密并加载数据。
在标注***1040中，包括医生标注1041和得到标注结果1042两个部分，即医生结合加载的医学影像数据进行标签标注操作，得到标注结果。
综上所述，本实施例提供的标签标注方法，以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输时间过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
图11是本申请一个示例性实施例提供的标签标注装置的结构框图，如图11所示，该装置包括：获取模块1110、运行模块1120、接收模块1130和发送模块1140；
获取模块1110，用于从线下存储设备中获取目标影像数据，所述目标影像数据为待标注的目标影像对应的数据，所述目标影像数据通过与目标帐号对应的目标验证方式进行签名加密，所述目标影像数据为通过预处理后得到的影像数据，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种；
运行模块1120，用于通过所述标注客户端中登录的所述目标帐号对所述目标影像数据进行验证；响应于所述标注客户端中登录的所述目标帐号与所述目标影像数据匹配，在所述标注客户端中加载所述目标影像；
接收模块1130，用于接收对所述目标影像的标签标注操作，得到所述目标影像的标签标注结果；
发送模块1140，用于将所述标签标注结果发送至服务器，所述服务器用于结合所述标签标注结果与所述目标影像生成影像识别模型的训练样本数据。
在一个可选的实施例中，所述目标影像数据还对应有数字签名，所述目标验证方式包括加密函数，所述加密函数对应有输入参数；
如图12所示，所述运行模块1120，包括：
生成单元1121，用于将所述输入参数输入所述加密函数生成验证密文；
确定单元1122，用于响应于所述数字签名与所述验证密文匹配，确定所述目标帐号与所述目标影像数据匹配。
在一个可选的实施例中，所述输入参数中包括所述目标帐号对应的帐号参数与所述目标影像数据对应的影像参数中的至少一种；
其中，所述帐号参数中包括所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码中的至少一种；
所述影像参数中包括所述目标影像数据对应的所述数字签名的生成时间戳、所述目标影像数据的摘要值中的至少一种。
在一个可选的实施例中，所述输入参数中包括所述帐号参数和所述影像参数，所述帐号参数中包括所述目标帐号的注册码和所述目标帐号绑定通讯联络号的验证码，所述影像参数中包括所述数字签名的生成时间戳和所述目标影像数据的摘要值；
所述生成单元1121，还用于将所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码、所述目标影像数据的摘要值以及所述数字签名的生成时间戳输入所述加密函数，得到所述验证密文。
在一个可选的实施例中，所述装置，还包括：
匹配模块1150，用于将所述标签标注操作与预设标签编码树进行匹配，得到标签编码作为所述标签标注结果。
在一个可选的实施例中，所述目标影像包括医学影像；
所述装置，还包括：
确定模块1160，用于确定与所述医学影像对应的目标医学领域；
所述获取模块1110，还用于获取与所述目标医学领域对应的所述预设标签编码树。
在一个可选的实施例中，所述匹配模块1150，还用于将所述标签标注操作与预设标签编码树进行匹配，得到所述标签编码；以所述目标影像数据和所述目标帐号作为联合主键值，以所述标签编码作为内容值，生成所述标签标注结果。
综上所述，本实施例提供的标签标注装置，以线下流转的方式将目标影像数据传递至终端，并结合终端中标注客户端登录的目标帐号对目标影像数据进行签名加密，从而仅当标注客户端中登录的帐号为目标帐号时，能够对目标影像数据进行验证读取，线下流转方式提高了目标影像数据的传递效率，避免线上流转过程中受网速限制而导致的传输时间过长的问题，而签名加密过程提高了目标影像数据的传递安全性。
需要说明的是：上述实施例提供的标签标注装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的标签标注装置与标签标注方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图13示出了本发明一个示例性实施例提供的终端1300的结构框图。该终端1300可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1300还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端1300包括有：处理器1301和存储器1302。
处理器1301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器1302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1301所执行以实现本申请中方法实施例提供的标签标注方法。
在一些实施例中，终端1300还可选包括有：***设备接口1303和至少一个***设备。处理器1301、存储器1302和***设备接口1303之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口1303相连。具体地，***设备包括：射频电路1304、触摸显示屏1305、摄像头1306、音频电路1307和电源1309中的至少一种。
***设备接口1303可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器1301和存储器1302。在一些实施例中，处理器1301、存储器1302和***设备接口1303被集成在同一芯片或电路板上；在一些其他实施例中，处理器1301、存储器1302和***设备接口1303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路1304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1304包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路1304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏1305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1305是触摸显示屏时，显示屏1305还具有采集在显示屏1305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1301进行处理。此时，显示屏1305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1305可以为一个，设置终端1300的前面板；在另一些实施例中，显示屏1305可以为至少两个，分别设置在终端1300的不同表面或呈折叠设计；在再一些实施例中，显示屏1305可以是柔性显示屏，设置在终端1300的弯曲表面上或折叠面上。甚至，显示屏1305还可以设置成非矩形的不规则图形，也即异形屏。显示屏1305可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1306用于采集图像或视频。可选地，摄像头组件1306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路1307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1301进行处理，或者输入至射频电路1304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1301或射频电路1304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1307还可以包括耳机插孔。
电源1309用于为终端1300中的各个组件进行供电。电源1309可以是交流电、直流电、一次性电池或可充电电池。当电源1309包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端1300还包括有一个或多个传感器1310。该一个或多个传感器1310包括但不限于：加速度传感器1311、陀螺仪传感器1312、压力传感器1313、光学传感器1315以及接近传感器1316。
加速度传感器1311可以检测以终端1300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1311可以用于检测重力加速度在三个坐标轴上的分量。处理器1301可以根据加速度传感器1311采集的重力加速度信号，控制触摸显示屏1305以横向视图或纵向视图进行用户界面的显示。加速度传感器1311还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1312可以检测终端1300的机体方向及转动角度，陀螺仪传感器1312可以与加速度传感器1311协同采集用户对终端1300的3D动作。处理器1301根据陀螺仪传感器1312采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1313可以设置在终端1300的侧边框和/或触摸显示屏1305的下层。当压力传感器1313设置在终端1300的侧边框时，可以检测用户对终端1300的握持信号，由处理器1301根据压力传感器1313采集的握持信号进行左右手识别或快捷操作。当压力传感器1313设置在触摸显示屏1305的下层时，由处理器1301根据用户对触摸显示屏1305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
光学传感器1315用于采集环境光强度。在一个实施例中，处理器1301可以根据光学传感器1315采集的环境光强度，控制触摸显示屏1305的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1305的显示亮度；当环境光强度较低时，调低触摸显示屏1305的显示亮度。在另一个实施例中，处理器1301还可以根据光学传感器1315采集的环境光强度，动态调整摄像头组件1306的拍摄参数。
接近传感器1316，也称距离传感器，通常设置在终端1300的前面板。接近传感器1316用于采集用户与终端1300的正面之间的距离。在一个实施例中，当接近传感器1316检测到用户与终端1300的正面之间的距离逐渐变小时，由处理器1301控制触摸显示屏1305从亮屏状态切换为息屏状态；当接近传感器1316检测到用户与终端1300的正面之间的距离逐渐变大时，由处理器1301控制触摸显示屏1305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图13中示出的结构并不构成对终端1300的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种标签标注方法，其特征在于，应用于标注客户端，所述标注客户端登录有目标帐号，所述方法包括：
从线下存储设备中获取目标影像数据，所述目标影像数据为待标注的目标影像对应的数据，所述目标影像数据对应有数字签名，所述目标帐号对应加密函数，所述加密函数对应验证参数，所述验证参数与所述目标影像和所述目标帐号相关，所述数字签名是将所述验证参数输入所述加密函数进行签名加密得到的，所述加密函数对应有输入参数，所述目标影像数据为通过预处理后得到的影像数据，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种，所述输入参数中包括所述目标帐号对应的帐号参数与所述目标影像数据对应的影像参数中的至少一种；其中，所述帐号参数中包括所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码中的至少一种；所述影像参数中包括所述目标影像数据对应的所述数字签名的生成时间戳、所述目标影像数据的摘要值中的至少一种；
将所述输入参数输入所述加密函数生成验证密文；
响应于所述数字签名与所述验证密文匹配，确定所述目标帐号与所述目标影像数据匹配，并在所述标注客户端中加载所述目标影像；
接收对所述目标影像的标签标注操作，得到所述目标影像的标签标注结果；
将所述标签标注结果发送至服务器，所述服务器用于结合所述标签标注结果与所述目标影像生成影像识别模型的训练样本数据。
2.根据权利要求1所述的方法，其特征在于，所述输入参数中包括所述帐号参数和所述影像参数，所述帐号参数中包括所述目标帐号的注册码和所述目标帐号绑定通讯联络号的验证码，所述影像参数中包括所述数字签名的生成时间戳和所述目标影像数据的摘要值；
所述将所述输入参数输入所述加密函数生成验证密文，包括：
将所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码、所述目标影像数据的摘要值以及所述数字签名的生成时间戳输入所述加密函数，得到所述验证密文。
3.根据权利要求1或2所述的方法，其特征在于，所述得到所述目标影像的标签标注结果，包括：
将所述标签标注操作与预设标签编码树进行匹配，得到标签编码作为所述标签标注结果。
4.根据权利要求3所述的方法，其特征在于，所述目标影像包括医学影像；
所述将所述标签标注操作与预设标签编码树进行匹配之前，还包括：
确定与所述医学影像对应的目标医学领域；
获取与所述目标医学领域对应的所述预设标签编码树。
5.根据权利要求3所述的方法，其特征在于，所述将所述标签标注操作与预设标签编码树进行匹配，得到标签编码作为所述标签标注结果，包括：
将所述标签标注操作与预设标签编码树进行匹配，得到所述标签编码；
以所述目标影像数据和所述目标帐号作为联合主键值，以所述标签编码作为内容值，生成所述标签标注结果。
6.一种标签标注装置，其特征在于，所述装置包括：
获取模块，用于从线下存储设备中获取目标影像数据，所述目标影像数据为待标注的目标影像对应的数据，所述目标影像数据对应有数字签名，标注客户端中登录的目标帐号对应加密函数，所述加密函数对应验证参数，所述验证参数与所述目标影像和所述目标帐号相关，所述数字签名是将所述验证参数输入所述加密函数进行签名加密得到的，所述加密函数对应有输入参数，所述目标影像数据为通过预处理后得到的影像数据，预处理过程包括数据过滤、数据脱敏、数据结构化中的至少一种，所述输入参数中包括所述目标帐号对应的帐号参数与所述目标影像数据对应的影像参数中的至少一种；其中，所述帐号参数中包括所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码中的至少一种；所述影像参数中包括所述目标影像数据对应的所述数字签名的生成时间戳、所述目标影像数据的摘要值中的至少一种；
运行模块，用于将所述输入参数输入所述加密函数生成验证密文；响应于所述数字签名与所述验证密文匹配，确定所述目标帐号与所述目标影像数据匹配，并在所述标注客户端中加载所述目标影像；
接收模块，用于接收对所述目标影像的标签标注操作，得到所述目标影像的标签标注结果；
发送模块，用于将所述标签标注结果发送至服务器，所述服务器用于结合所述标签标注结果与所述目标影像生成影像识别模型的训练样本数据。
7.根据权利要求6所述的装置，其特征在于，所述输入参数中包括所述帐号参数和所述影像参数，所述帐号参数中包括所述目标帐号的注册码和所述目标帐号绑定通讯联络号的验证码，所述影像参数中包括所述数字签名的生成时间戳和所述目标影像数据的摘要值；
生成单元，用于将所述目标帐号的注册码、所述目标帐号绑定通讯联络号的验证码、所述目标影像数据的摘要值以及所述数字签名的生成时间戳输入所述加密函数，得到所述验证密文。
8.根据权利要求6或7所述的装置，其特征在于，所述装置，还包括：
匹配模块，用于将所述标签标注操作与预设标签编码树进行匹配，得到标签编码作为所述标签标注结果。
9.根据权利要求8所述的装置，其特征在于，所述目标影像包括医学影像；
所述装置，还包括：
确定模块，用于确定与所述医学影像对应的目标医学领域；
所述获取模块，还用于获取与所述目标医学领域对应的所述预设标签编码树。
10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如权利要求1至5任一所述的标签标注方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现如权利要求1至5任一所述的标签标注方法。
CN202010078843.9A 2020-02-03 2020-02-03 标签标注方法、装置、设备及可读存储介质 Active CN111275122B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010078843.9A CN111275122B (zh) 2020-02-03 2020-02-03 标签标注方法、装置、设备及可读存储介质
PCT/CN2020/124518 WO2021155678A1 (zh) 2020-02-03 2020-10-28 标签标注方法、装置、设备及可读存储介质
US17/724,954 US12047513B2 (en) 2020-02-03 2022-04-20 Labeling method, apparatus, and device, and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010078843.9A CN111275122B (zh) 2020-02-03 2020-02-03 标签标注方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111275122A CN111275122A (zh) 2020-06-12
CN111275122B true CN111275122B (zh) 2023-08-11

Family

ID=71003574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010078843.9A Active CN111275122B (zh) 2020-02-03 2020-02-03 标签标注方法、装置、设备及可读存储介质

Country Status (2)

Country Link
CN (1) CN111275122B (zh)
WO (1) WO2021155678A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112000982A (zh) * 2020-07-31 2020-11-27 青岛海尔科技有限公司 用于用户应用数据处理的方法及装置
CN112269973A (zh) * 2020-11-08 2021-01-26 浙江中建网络科技股份有限公司 一种安全获取用户信息的方法
CN112800465A (zh) * 2021-02-09 2021-05-14 第四范式（北京）技术有限公司 待标注文本数据的处理方法、装置、电子设备及介质
CN114820456A (zh) * 2022-03-30 2022-07-29 图湃(北京)医疗科技有限公司 一种图像处理方法及装置
CN115033914A (zh) * 2022-05-30 2022-09-09 佳缘科技股份有限公司 一种分布式动态脱敏方法、***及存储介质
CN116305071B (zh) * 2023-03-18 2023-09-26 广州锦拓信息科技有限公司 一种基于人工智能的账号密码安全***
CN117062037B (zh) * 2023-10-11 2023-12-29 长沙盈芯半导体科技有限公司 Rfid标签数据处理方法、装置、基站、计算机设备和介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007274308A (ja) * 2006-03-31 2007-10-18 Fujifilm Corp レーベル画像編集装置、レーベル画像編集描画システム、レーベル画像編集プログラム、およびレーベル画像編集プログラム記憶媒体
CN106302312A (zh) * 2015-05-13 2017-01-04 阿里巴巴集团控股有限公司 获取电子文件的方法及装置
CN107194267A (zh) * 2017-05-22 2017-09-22 京东方科技集团股份有限公司 数据处理方法、数据处理设备以及计算机可读存储介质
CN110135590A (zh) * 2019-04-15 2019-08-16 平安科技（深圳）有限公司 信息处理方法、装置、介质及电子设备
CN110308946A (zh) * 2019-05-21 2019-10-08 深圳壹账通智能科技有限公司 基于人工智能的跑批处理方法、设备、存储介质及装置
WO2019215541A1 (en) * 2018-05-08 2019-11-14 Biosense Webster (Israel) Ltd. Medical image transfer system
CN110597800A (zh) * 2018-05-23 2019-12-20 杭州海康威视数字技术股份有限公司 一种注释信息确定、前缀树构建方法及装置
CN110703732A (zh) * 2019-10-21 2020-01-17 北京百度网讯科技有限公司 相关性检测方法、装置、设备及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8321677B2 (en) * 2006-09-21 2012-11-27 Google Inc. Pre-binding and tight binding of an on-line identity to a digital signature
US8553965B2 (en) * 2012-02-14 2013-10-08 TerraRecon, Inc. Cloud-based medical image processing system with anonymous data upload and download
US9113781B2 (en) * 2013-02-07 2015-08-25 Siemens Aktiengesellschaft Method and system for on-site learning of landmark detection models for end user-specific diagnostic medical image reading
CN104462738B (zh) * 2013-09-24 2018-10-30 西门子公司 一种标注医学图像的方法、装置和***
CN106682411B (zh) * 2016-12-22 2019-04-16 浙江大学 一种将体检诊断数据转化为疾病标签的方法
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
CN109686423A (zh) * 2018-11-06 2019-04-26 众安信息技术服务有限公司 一种医疗影像标注方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007274308A (ja) * 2006-03-31 2007-10-18 Fujifilm Corp レーベル画像編集装置、レーベル画像編集描画システム、レーベル画像編集プログラム、およびレーベル画像編集プログラム記憶媒体
CN106302312A (zh) * 2015-05-13 2017-01-04 阿里巴巴集团控股有限公司 获取电子文件的方法及装置
CN107194267A (zh) * 2017-05-22 2017-09-22 京东方科技集团股份有限公司 数据处理方法、数据处理设备以及计算机可读存储介质
WO2019215541A1 (en) * 2018-05-08 2019-11-14 Biosense Webster (Israel) Ltd. Medical image transfer system
CN110597800A (zh) * 2018-05-23 2019-12-20 杭州海康威视数字技术股份有限公司 一种注释信息确定、前缀树构建方法及装置
CN110135590A (zh) * 2019-04-15 2019-08-16 平安科技（深圳）有限公司 信息处理方法、装置、介质及电子设备
CN110308946A (zh) * 2019-05-21 2019-10-08 深圳壹账通智能科技有限公司 基于人工智能的跑批处理方法、设备、存储介质及装置
CN110703732A (zh) * 2019-10-21 2020-01-17 北京百度网讯科技有限公司 相关性检测方法、装置、设备及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于云平台大数据远程会诊软件的研发与测试;于广会 等;中国医学装备(第11期);全文 *

Also Published As

Publication number Publication date
CN111275122A (zh) 2020-06-12
US20220247571A1 (en) 2022-08-04
WO2021155678A1 (zh) 2021-08-12

Similar Documents

Publication Publication Date Title
CN111275122B (zh) 标签标注方法、装置、设备及可读存储介质
CN112257876B (zh) 联邦学习方法、装置、计算机设备及介质
CN111046365B (zh) 人脸图像传输方法、数值转移方法、装置及电子设备
CN111476783B (zh) 基于人工智能的图像处理方法、装置、设备及存储介质
CN111104980B (zh) 确定分类结果的方法、装置、设备及存储介质
CN110598879B (zh) 基于区块链的垃圾回收方法、装置、设备及存储介质
CN110689460A (zh) 基于区块链的交通事故数据处理方法、装置、设备及介质
CN109640125B (zh) 视频内容处理方法、装置、服务器及存储介质
CN110544272A (zh) 脸部跟踪方法、装置、计算机设备及存储介质
CN112989767B (zh) 医学词语标注方法、医学词语映射方法、装置及设备
CN111432245B (zh) 多媒体信息的播放控制方法、装置、设备及存储介质
CN110365501B (zh) 基于图形码进行群组加入处理的方法及装置
CN111241499B (zh) 应用程序登录的方法、装置、终端及存储介质
CN110601827A (zh) 基于区块链的身份识别方法、装置及***、存储介质
CN109522146A (zh) 对客户端进行异常测试的方法、装置及存储介质
CN111062725B (zh) 人脸支付方法、装置及***、计算机可读存储介质
CN110677262B (zh) 基于区块链的信息公证方法、装置及***
CN109842593B (zh) 信息获取方法、装置及计算机可读存储介质
CN113763932B (zh) 语音处理方法、装置、计算机设备及存储介质
CN112988984B (zh) 特征获取方法、装置、计算机设备及存储介质
CN116527266A (zh) 数据归集方法及相关设备
US12047513B2 (en) Labeling method, apparatus, and device, and readable storage medium
CN112163677A (zh) 应用机器学习模型的方法、装置及设备
CN111897709A (zh) 监控用户的方法、装置、电子设备及介质
CN112699906A (zh) 获取训练数据的方法、装置及存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40024759

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant