图像标注方法、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114169467A(43)申请公布日2022.03.11(21)申请号202111619255.2(22)申请日2021.12.27(71)申请人上海联影智能医疗科技有限公司地址200232上海市徐汇区云锦路701号20、21、22层（名义楼层为23、25、26层）(72)发明人石峰曹泽红贺怿楚詹翊强(74)专利代理机构上海弼兴律师事务所31283代理人金学来罗朗(51)Int.Cl.G06K9/62(2022.01)G06T7/11(2017.01)G06V10/46(2022.01)G06V10/774(2022.01)权利要求书1页说明书7页附图3页(54)发明名称图像标注方法、电子设备及存储介质(57)摘要本发明公开了一种图像标注方法、电子设备及存储介质。其中，图像标注方法包括：获取第一标注图像；调用图像处理模型对所述第一标注图像进行处理，输出处理结果；所述图像处理模型为在预训练模型的基础上基于第二标注图像训练得到，所述预训练模型基于所述第一标注图像和第三标注图像训练得到，第一标注图像为标注规则变化之前进行标注的图像，所述第二标注图像为标注规则变化之后进行标注的图像；根据处理结果中的目标区域利用所述处理结果对所述第一标注图像进行标注。本发明利用图像处理模型对标注规则变化之前标注的第一标注图像进行处理，并根据处理结果中的目标区域利用所述处理结果对第一标注图像重新进行标注，标注效率较高。CN114169467ACN114169467A权利要求书1/1页1.一种图像标注方法，其特征在于，包括以下步骤：获取第一标注图像；调用图像处理模型对所述第一标注图像进行处理，输出处理结果；其中，所述图像处理模型为在预训练模型的基础上基于第二标注图像训练得到，所述预训练模型基于所述第一标注图像训练得到，所述第一标注图像为标注规则变化之前进行标注的图像，所述第二标注图像为标注规则变化之后进行标注的图像；根据所述处理结果中的目标区域利用所述处理结果对所述第一标注图像进行标注；其中，所述目标区域为标注规则变化后对应的区域。2.如权利要求1所述的图像标注方法，其特征在于，所述根据所述处理结果中的目标区域利用所述处理结果对所述第一标注图像进行标注，包括：若所述第一标注图像和所述第二标注图像中目标区域的图像特征相匹配，则利用利用所述处理结果对所述第一标注图像进行标注。3.如权利要求2所述的图像标注方法，其特征在于，所述图像特征包括以下中的至少一种：灰度直方图、形态学特征、纹理特征、空间分布特征以及高维度特征。4.如权利要求1所述的图像标注方法，其特征在于，所述处理结果包括像素点所属的区域以及像素点属于对应区域的概率；所述根据所述处理结果中的目标区域利用所述处理结果对所述第一标注图像进行标注，包括：若属于目标区域的所有像素点对应的平均概率高于预设阈值，则利用利用所述处理结果对所述第一标注图像进行标注。5.如权利要求1所述的图像标注方法，其特征在于，所述图像处理模型为在预训练模型的基础上基于第二标注图像训练得到，包括：基于第二标注图像对预训练模型进行训练，并在训练过程中维持特征提取层的参数不变，得到所述图像处理模型。6.如权利要求1所述的图像标注方法，其特征在于，所述图像处理模型为在预训练模型的基础上基于第二标注图像训练得到，包括：基于第二标注图像对预训练模型进行训练，并在训练过程中利用第一学习率调整特征提取层的参数，以及利用第二学习率调整全连接层的参数，得到所述图像处理模型；其中，所述第一学习率小于所述第二学习率。7.如权利要求1所述的图像标注方法，其特征在于，所述图像处理模型用于对所述第一标注图像进行以下任一处理：分割处理、分类处理、区域检测。8.如权利要求1‑7中任一项所述的图像标注方法，其特征在于，所述根据所述处理结果对所述第一标注图像进行标注之后还包括：利用标注后的第一标注图像重新训练所述图像处理模型。9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑8中任一项所述的图像标注方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑8中任一项所述的图像标注方法。2CN114169467A说明书1/7页图像标注方法、电子设备及存储介质技术领域[0001]本发明涉及计算机技术领域，特别涉及一种图像标注方法、电子设备及存储介质。背景技术[0002]近年来，AI(ArtificialIntelligence，人工智能)与医学的联系越来越紧密，人工智能正在一步一步将医生从繁重重复且低效的阅片困境中解救出来。但是随着医学技术的发