将第一待标注医学图像输入前景图像预测模型，获得所述前景图像预测模型输出的针

　　对所述第一待标注医学图像中各像素点的第一预测结果，其中，所述第一预测结果用于指

　　根据所述第一预测结果，为所述第一待标注医学图像中属于前景图像的像素点设置第

　　将所述第二待标注医学图像输入各目标对象预测模型，分别获得各所述目标对象预测

　　模型输出的第二预测结果，其中，所述第二预测结果用于指示像素点属于各目标对象的概

　　针对各所述第二预测结果，分别根据各所述第二预测结果，为所述第二待标注医学图

　　像中属于所述第二预测结果对应的目标对象的像素点设置第二标签，并根据设置了第二标

　　2.根据权利要求1所述的方法，其特征在于，所述第一预测结果为与所述第一待标注医

　　将验证图像集输入所述第一预测模型，并根据所述第一预测模型输出的验证图像预测

　　4.根据权利要求3所述的方法，其特征在于，所述将验证图像集输入所述第一预测模

　　型，并根据所述第一预测模型输出的验证图像预测结果对所述第一预测模型进行优化，包

　　5.根据权利要求3所述的方法，其特征在于，所述通过预先进行标注的标注图像集对骨

　　对所述标注图像集中的各图像的尺寸进行标准化操作，将各图像调整为相同尺寸的图

　　根据所述第一预测结果，为所述第一待标注医学图像中属于背景图像的像素点设置第

　　根据确定出的各所述目标对象分割图像和所述背景图像，进行三维重建，获得包含各

　　第一预测模块，用于将第一待标注医学图像输入前景图像预测模型，获得所述前景图

　　像预测模型输出的针对所述第一待标注医学图像中各像素点的第一预测结果，其中，所述

　　第一标注模块，用于根据所述第一预测结果，为所述第一待标注医学图像中属于前景

　　第二预测模块，用于将所述第二待标注医学图像输入各目标对象预测模型，分别获得

　　各所述目标对象预测模型输出的第二预测结果，其中，所述第二预测结果用于指示像素点

　　第二标注模块，用于针对各所述第二预测结果，分别根据各所述第二预测结果，为所述

　　第二待标注医学图像中属于所述第二预测结果对应的目标对象的像素点设置第二标签，并

　　8.一种电子设备，包括：处理器、通信接口、存储器和通信总线，处理器、存储器和通信

　　存储器用于存放至少一可执行指令，可执行指令使处理器执行如权利要求1‑6中任一

　　9.一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利

　　10.一种计算机程序产品，包括计算机指令，所述计算机指令指示计算设备执行如权利

　　本申请实施例涉及图像处理技术领域，尤其涉及一种医学图像标注方法、装置、电

　　智能应用以及相关算法模型背后，需要不断地提供足够多的标注数据，才能有源源不断的

　　目前，在基于医学图像标注的传统方法中，标注员需要对图像进行阅读、识别，并

　　然而，通过人工进行图像标注的方式非常低效，且个体差异大，标注员凭个人的经

　　本发明实施例提供一种医学图像标注方法、装置、电子设备和存储介质，以解决或

　　的针对所述第一待标注医学图像中各像素点的第一预测结果，其中，所述第一预测结果用

　　于指示像素点属于前景图像或属于背景图像；根据所述第一预测结果，为所述第一待标注

　　医学图像中属于前景图像的像素点设置第一标签；根据设置了第一标签的像素点，确定第

　　二待标注医学图像；将所述第二待标注医学图像输入各目标对象预测模型，分别获得各所

　　述目标对象预测模型输出的第二预测结果，其中，所述第二预测结果用于指示像素点属于

　　各目标对象的概率；针对各所述第二预测结果，分别根据各所述第二预测结果，为所述第二

　　待标注医学图像中属于所述第二预测结果对应的目标对象的像素点设置第二标签，并根据

　　可选地，在一种实施例中，所述医学图像标注方法还包括：通过预先进行标注的标

　　注图像集对骨干网络进行训练，获得第一预测模型；将验证图像集输入所述第一预测模型，

　　并根据所述第一预测模型输出的验证图像预测结果对所述第一预测模型进行优化；将优化

　　可选地，在一种实施例中，所述将验证图像集输入所述第一预测模型，并根据所述

　　第一预测模型输出的验证图像预测结果对所述第一预测模型进行优化，包括：计算所述验

　　证图像预测结果与所述验证图像集的差异信息；根据所述差异信息，构建损失函数；根据所

　　训练，包括：对所述标注图像集中的各图像的尺寸进行标准化操作，将各图像调整为相同尺

　　果，为所述第一待标注医学图像中属于背景图像的像素点设置第三标签；根据设置了第三

　　标签的像素点，确定背景图像；根据确定出的各所述目标对象分割图像和所述背景图像，进

　　第二方面，本申请实施例提供了一种医学图像标注装置，其包括：第一预测模块，

　　用于将第一待标注医学图像输入前景图像预测模型，获得所述前景图像预测模型输出的针

　　对所述第一待标注医学图像中各像素点的第一预测结果，其中，所述第一预测结果用于指

　　示像素点属于前景图像或属于背景图像；第一标注模块，用于根据所述第一预测结果，为所

　　述第一待标注医学图像中属于前景图像的像素点设置第一标签；确定模块，用于根据设置

　　了第一标签的像素点，确定第二待标注医学图像。第二预测模块，用于将所述第二待标注医

　　学图像输入各目标对象预测模型，分别获得各所述目标对象预测模型输出的第二预测结

　　果，其中，所述第二预测结果用于指示像素点属于各目标对象的概率；第二标注模块，用于

　　针对各所述第二预测结果，分别根据各所述第二预测结果，为所述第二待标注医学图像中

　　属于所述第二预测结果对应的目标对象的像素点设置第二标签，并根据设置了第二标签的

　　第三方面，本申请实施例提供了一种电子设备，其上存储有计算机程序，该程序被

　　处理器、通信接口、存储器和通信总线，处理器、存储器和通信接口通过通信总线

　　完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行如实施

　　第四方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，该

　　第五方面，本申请实施例提供了一种计算机程序产品，其包括计算机指令，所述计

　　算机指令指示计算设备执行如实施例第一方面中任一项所述的医学图像标注方法对应的

　　前景图像作为第二待标注医学图像，舍弃无用的背景图像，进而提高图片标注的效率。通过

　　将第二标注医学图像分别输入各目标对象预测模型，能够将像素点标注为对应于各目标对

　　图1为本申请一个实施例的医学图像标注方法的流程图，如图1所示，该医学图像

　　步骤101、将第一待标注医学图像输入前景图像预测模型，获得前景图像预测模型

　　图像预测模型，获得前景图像预测模型输出的第一预测结果。第一预测结果用于指示第一

　　例如，输入的第一待标注医学图像为2x4大小的图像，第一预测结果指示了该图像

　　步骤102、根据第一预测结果，为第一待标注医学图像中属于前景图像的像素点设

　　步骤104、将第二待标注医学图像输入各目标对象预测模型，分别获得各目标对象

　　型，目标对象预测模型可以是上颌窦预测模型或神经管预测模型，第二预测结果用于指示

　　像素点属于各目标对象的概率，例如，第二预测结果可以用于指示像素点属于上颌窦图像

　　步骤105、针对各第二预测结果，分别根据各第二预测结果，为第二待标注医学图

　　像中属于第二预测结果对应的目标对象的像素点设置第二标签，并根据设置了第二标签的

　　例如，可以根据第二预测结果指示的属于上颌窦图像的像素点，设置上颌窦标签，

　　之后根据设置了上颌窦标签的像素点，确定上颌窦分割图像，确定出的上颌窦分割图像的

　　示意图如图3所示。也可以根据第二预测结果指示的属于神经管图像的像素点，设置神经管

　　标签，之后根据设置了神经管标签的像素点，确定神经管分割图像，确定出的神经管分割图

　　出前景图像作为第二待标注医学图像，舍弃无用的背景图像，进而提高图片标注的效率。通

　　过将第二标注医学图像分别输入各目标对象预测模型，能够将像素点标注为对应于各目标

　　的二值图像，二值图像中赋值为0的像素点为黑色，赋值为1的像素点为白色，二值图像中的

　　注医学图像尺寸相同，能够减少图像损失。同时由于第一预测结果为二值图像，能够明显区

　　图4为本申请一个实施例的模型优化方法的流程图。如图4所示，该模型优化方法

　　步骤201、通过预先进行标注的标注图像集对骨干网络进行训练，获得第一预测模

　　例如，骨干网络可以是3D  U‑Net3+网络，通过编码器实现下采样，编码器可以由五

　　层编码层，每层编码层有U‑Net  3D卷积块(每层输出通道大小为：64、128、256、512、1024)，

　　每层包含2次3D卷积(卷积参数：卷积核3*3*3，步进1*1*1，填充1*1*1)，每次3D卷积后面跟

　　之后通过跳跃连接解码器实现上采样。之后通过特征聚合机制将浅层空间信息与深层语义

　　信息精密合并，该机制是将跳跃连接组成的320(64*5)通道的特征图进一步聚合。具体操作

　　是：将跳跃连接后的320个通道的特征图进行3D卷积(参数：卷积核3*3*3) 操作，

　　BatchNorm3d和ReLU激活函数。最后进行深度监督，以获得第一预测模型。

　　步骤202、将验证图像集输入第一预测模型，并根据第一预测模型输出的验证图像

　　型输出的验证图像预测结果，根据获得的验证图像预测结果评估第一预测模型，进而对第

　　度较高的第一预测模型。通过验证图像预测结果对第一预测模型进行优化，能够进一步提

　　型输出的验证图像预测结果对第一预测模型进行优化的过程还可以包括：首先计算验证图

　　像预测结果与验证图像集的差异信息。之后根据差异信息，构建损失函数。最后根据损失函

　　不同的结果，具体可以分为验证图像预测结果和验证图像集结果一致为背景或前景、验证

　　图像预测结果和验证图像集结果中前景和背景的预测相反的四种情况。通过上述四种情况

　　的出现情况，构建损失函数，并通过对损失函数进行调整，使损失函数的值尽可能地小，对

　　的过程还可以包括：首先对标注图像集中的各图像的尺寸进行标准化操作，将各图像调整

　　图5为本申请一个实施例的三维图像重建方法的流程图。如图5所示，该三维图像

　　步骤301、根据第一预测结果，为第一待标注医学图像中属于背景图像的像素点设

　　步骤303、根据确定出的各目标对象分割图像和背景图像，进行三维重建，获得包

　　能够确定背景图片。此外，通过背景图片和各目标对象分割图像进行三维重建，能够将图片

　　展示场景重建至类似真实场景的环境，能够提高各目标对象的辨识度，提高了用户的体验

　　图6为本申请一个实施例的医学图像标注装置的示意图，如图6所示，该医学图像

　　标注装置400包括：第一预测模块401、第一标注模块402、确定模块403、第二预测模块404和

　　第一预测模块401，用于将第一待标注医学图像输入前景图像预测模型，获得所述

　　前景图像预测模型输出的针对所述第一待标注医学图像中各像素点的第一预测结果，其

　　为了对第一待标注医学图像进行一次标注，第一预测模块401首先将第一待标注

　　医学图像输入前景图像预测模型，获得前景图像预测模型输出的第一预测结果。第一预测

　　例如，输入的第一待标注医学图像为2x6大小的图像，第一预测结果指示了该图像

　　第一标注模块402，用于根据所述第一预测结果，为所述第一待标注医学图像中属

　　在第一预测模块401获得第一预测结果后，第一标注模块402为预测结果中判断属

　　确定模块403，用于根据设置了第一标签的像素点，确定第二待标注医学图像。

　　确定模块403将所有设置了第一标签的像素点组成的图像确定为第二待标注医学

　　第二预测模块404，用于将所述第二待标注医学图像输入各目标对象预测模型，分

　　别获得各所述目标对象预测模型输出的第二预测结果，其中，所述第二预测结果用于指示

　　在确定模块403确定出第二待标注医学图像后，第二预测模块404将第二待标注医

　　学图像输入各目标对象预测模型，目标对象预测模型可以是上颌窦预测模型或神经管预测

　　模型，第二预测结果用于指示像素点属于各目标对象的概率，例如，第二预测结果可以用于

　　第二标注模块405，用于针对各所述第二预测结果，分别根据各所述第二预测结

　　果，为所述第二待标注医学图像中属于所述第二预测结果对应的目标对象的像素点设置第

　　在第二预测模块404获得各第二预测结果后，第二标注模块405根据各第二预测结

　　果，为第二待标注医学图像中属于第二预测结果对应的目标对象的像素点设置第二标签，

　　例如可以根据第二预测结果指示的属于神经管图像的像素点，设置神经管标签，之后根据

　　在本申请实施例中，通过前景图像预测模型，使确定模块403能够从第一待标注医

　　学图像中提取出前景图像作为第二待标注医学图像，舍弃无用的背景图像，进而提高图片

　　标注的效率。第二预测模块404通过将第二标注医学图像分别输入各目标对象预测模型，能

　　够将像素点标注为对应于各目标对象的像素点，进而使第二标注模块405能够进行二次标

　　Integrated  Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。智能设

　　备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同