(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 (43)申请公布日 (21)申请 号 202111682708.6 (22)申请日 2021.12.31 (71)申请人 厦门影诺医疗科技有限公司 地址 361021 福建省厦门市集美区软件园 三期诚毅北 大街63号704单 元 (72)发明人 姚先进　 (51)Int.Cl. G16H 30/40(2018.01) G06K 9/62(2022.01) (54)发明名称 一种基于人工智能的医疗影像数据标注系 统和方法 (57)摘要 本发明提供一种基于人工智能的医疗影像 数据标注的方法， 依次包括以下步骤： 步骤101a： 待标注数据导入系统后， 检索当前系统中是否已 存在相应模型， 如果不存在， 则执行步骤102， 如 果存在， 则执行步骤103a； 步骤102， 将初始待标 注数据分割出一定比例的数据标注， 并建立基础 模型； 步骤103a： 系统根据当前模型的准确率， 分 割出适当比例的待标注数据， 并用模 型识别出中 间结果， 用模型代替人工提前 “标注”； 步骤104a： 将103a中模型 “标注”的中间结果， 导入系 统， 并 建立审核标注任务； 步骤105a： 标注人员登录系 统， 审核模型“标注”的结果； 步骤106a： 系统将步 骤105a的审核标注结果加入模型的训练集； 步骤 107a： 系统触发模型训练， 并在训练结束时， 验证 模型指标。 权利要求书1页 说明书3页 附图1页 CN 114334100 A 2022.04.12 CN 114334100 A 1.一种基于人工智能的医疗影 像数据标注的方法， 其特 征在于， 依次包括以下步骤： 步骤101a： 待标注数据导入系统后， 检索当前系统中是否已存在相应模型， 如果不存 在， 则执行步骤102， 如果存在， 则执 行步骤10 3a； 步骤102， 将初始待标注数据分割出一定比例的数据进行人工标注， 并将标注结果用来 训练出一个有一定目标任务 准确率的基础模型； 步骤103a： 系统根据当前模型的准确率， 分割出适当比例的待标注数据， 并用模型识别 出中间结果， 用模型代替人工提前 “标注”； 步骤104a： 将10 3a中模型“标注”的中间结果， 导入系统， 并建立审核标注任务； 步骤105a： 标注人员登录系统， 审核模型 “标注”的结果； 步骤106a： 系统将步骤10 5a的审核标注结果加入 模型的训练集； 步骤107a： 系统触发模型训练， 并在训练结束时， 验证模型指标。 2.根据权利要求1所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤102包括以下步骤： 步骤102a： 系统将待标注数据分割出一部分， 并建立常规数据标注任务； 步骤102b： 标注人员登录标注系统， 逐张标注； 步骤102c： 系统将步骤102b中的标注数据按照一定的比例， 分成训练集和测试集， 并训 练出一个有一定准确率的基础模型。 3.根据权利要求2所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤102c中的比例为9:1。 4.根据权利要求1所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤103a中， 分割适当比例的算法时， 当前模型准确率越高， 分割比例适当增大。 5.根据权利要求1所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤105a， 标注人员只修正错误的部 分， 对于正确的部 分， 系统提供快捷操作方式直接 跳过。 6.根据权利要求5所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述快捷操作方式采用系统中设置的快捷 按键。 7.根据权利要求1所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤107a中， 如果模型指标达标， 则结束整个流程； 如果指标未达标， 且存在未标注的 数据， 则回到步骤10 3a进行迭代。 8.根据权利要求1所述的一种基于人工智能的医疗影像数据标注的方法， 其特征在于， 所述步骤103a中， 数据分割比例， 由算法分割替换成等比例分割。 9.根据权利要求1至8中任意一项所述的一种基于人工智能的医疗影像数据标注的方 法， 其特征在于， 采用使用web系统做为标注载体。权　利　要　求　书 1/1 页 2 CN 114334100 A 2一种基于人工智能的医疗影像数据标注系统和方 法 技术领域 [0001]本发明涉及人工智能的技术领域， 具体涉及一种基于人工智能的医疗影像数据标 注的方法。 背景技术 [0002]在数据信息化时代， 各地方医院的大量医疗影像数据被保存下来。 如果这些数据 能转化成为有效的人工智能模型的训练数据， 将极大推进人工智能在辅助医疗领域的发 展。 [0003]然而， 目前这些影像数据被转化成人工智能模型训练数据的比例并不多， 医疗影 像标注工作， 大多由医生逐张标注， 漫长耗时， 且医生的资历越高， 模 型的效果往往越好， 然 而资历较高的医生相对而言能用来标注的空 闲时间也较少。 [0004]有鉴于此， 本发明人专门设计了一种基于人工智能的医疗影像数据标注系统和方 法， 本案由此产生。 发明内容 [0005]为了解决上述问题， 本发明提供一种基于人工智能的医疗影像数据标注的方法， 在保证模型训练质量的前提下， 提高标注效率， 减少标注时间成本； 具体的技 术方案如下： [0006]一种基于人工智能的医疗影 像数据标注的方法， 依次包括以下步骤： [0007]步骤101a： 待标注数据导入系统后， 检索当前系统中是否已存在相应模型， 如果不 存在， 则执 行步骤102， 如果存在， 则执 行步骤10 3a； [0008]步骤102， 将初始待标注数据分割出一定比例的数据进行人工标注， 并将标注结果 用来训练出一个有一定目标任务 准确率的基础模型； [0009]步骤103a： 系统根据当前模型的准确率， 分割出适当比例的待标注数据， 并用模型 识别出中间结果， 用模型代替人工提前 “标注”； [0010]步骤104a： 将10 3a中模型“标注”的中间结果， 导入系统， 并建立审核标注任务； [0011]步骤105a： 标注人员登录系统， 审核模型 “标注”的结果； [0012]步骤106a： 系统将步骤10 5a的审核标注结果加入 模型的训练集； [0013]步骤107a： 系统触发模型训练， 并在训练结束时， 验证模型指标。 [0014]进一步的， 所述 步骤102包括以下步骤： [0015]步骤102a： 系统将待标注数据分割出一部分， 并建立常规数据标注任务； [0016]步骤102b： 标注人员登录标注系统， 逐张标注； [0017]步骤102c： 系统将 步骤102b中的标注 数据按照一定的比例， 分成训练集和测试集， 并训练出一个有一定准确率的基础模型。 [0018]进一步的， 所述 步骤102c中的比例为9:1。 [0019]进一步的， 所述步骤103a中， 分割适当比例的算法时， 当前模型准确率越高， 分割 比例适当增大。说　明　书 1/3 页 3 CN 114334100 A 3