zoukankan      html  css  js  c++  java
  • 推荐 | Pair,医学图像标注神器

    推荐 | Pair,医学图像标注神器

    OpenCV学堂 昨天
    图片

    点击上方蓝字关注我们


    微信公众号:OpenCV学堂

    关注获取更多计算机视觉与深度学习知识

    图片

    在AI新基建时代,智能化医疗成为一种潮流趋势,其中医学影像标注为智能化医疗研究提供了基础金标准。但现有软件无法满足标注项目的复杂需求。因此,本文为大家推荐一款一站式医学图像标注软件Pair,解决所有“不可以”。
    Pair致力于成为最优秀、最专业、最懂医生的国产医学影像标注软件。

    繁琐枯燥的图像标注工作常常让人倍感压力,尤其是医学影像标注领域,标注需求差异巨大、标注场景复杂多变,而标注者却面临着没有一款可以通用的标注软件的尴尬情形。

    临床诊断往往涉及多种数据模态,如MRI、X光、超声等;多种数据格式,如图像、视频、三维数据等,对标注软件的兼容性有着极高的要求;多样的标注类型,点、线、面、体的交叉组合,使得标注工作繁琐耗时且错误频出。除此之外,差异化的用户需求,又对软件功能的多样性发出更高挑战。

    图片

    数据格式和标注类型的各种组合会产生复杂的标注场景

    多数现有的标注软件支持的数据模态有限,且功能单一,缺乏灵活性,培训成本高。

    图片

    常见的标注软件

    图片

    Pair与现有标注软件的横向对比,Pair的优势显著

    面对现有标注软件固有的痛点,大多数人只能将就,通过切换多种软件来适应不同的需求。设想,当我们有2D、3D和视频数据并且要进行不同类型的标注时,从各个软件的安装配置,到学习操作流程,都会耗费我们大量的时间和精力,而后续标注信息的整合和处理,也令人疲于应对。同时,漫长的标注过程往往面临如下问题:

    • 若标注所需的标签繁多,同时又欠缺层次化组织和管理,则标注者容易发生误操作;

    • 不同医生的标注习惯可能存在差异,标注流程和规范难以统一;

    • 完全依赖手动标注时,难以应对大规模、复杂的标注需求,既会造成医生的负担,也会严重制约研究项目的进度。

    图片

    那么是否有一款全家桶式的标注软件,来解决上述所有烦恼?

    图片

    Pair:“全家桶”式标注软件

    是的,Pair!作为一款一站式医学图像标注软件,Pair关注标注过程本身,遵从以下设计理念:

    • 操作逻辑简单易上手,提升交互体验,减轻标注负担。

    • 功能丰富,覆盖所有标注任务。

    • 可视化管理便捷,读取保存一步到位。

    • 自定义的工作流满足个性化需求。

    • 集成深度学习,半自动标注,提升效率。

    • 可加密的数据流通为项目安全提供保障。

    我们的pair作为一款一站式医学图像标注软件,与其他标注软件相比,有以下八大亮点:

    • 多项目通用。

    • 兼容全部数据模态和格式。

    • 支持多种标注类型。

    • AI智能标注。

    • 支持大规模的标注任务。

    • 标注流程规范化。

    • 安全的数据流通。

    • 完善的教程。

    接下来,让我们一起来深入了解Pair,感受Pair独到之处。

    图片

    多项目通用

    你还在为2D图像需要用LabelMe,3D图像需要使用itk-SNAP、3D Slicer频繁切换软件而烦恼吗?

    你还在为nii文件只能被itk-SNAP、3D Slicer标注,病理图像svs只能被ImageScope等软件标注,而医学视频数据没有专用软件标注而烦恼吗?

    这些烦恼,Pair通通帮您扫除!

    Pair支持多种影像AI项目的标注数据,支持2D、视频和3D数据等格式,支持CT、X-Ray、MRI、PET、超声、病理切片、扫描电镜、血管造影等数据模态。用户只需一款Pair,便可以加载并标注各种医学影像数据,摆脱负担,加速前行。

    (下表为Pair支持的数据格式和文件格式)

    数据格式文件格式
    2D bmp, png, jpg, tiff, svs…
    3D nii, nii.gz, mrc, rec, mhd, mha, dcm, nrrd, hd…
    视频 mp4, avi, wmv, flv…

    图片

    Pair支持多种医学影像模态和格式(左上到右下依次为:病理图像、视频数据、3D、2D)

    标注类型多样

    Pair涵盖了分割、分类、目标检测、关键点定位等常见任务的所有标注类型,提供了椭圆、多边形、矩形框、关键点、分类标签、测量项等通用标注功能。同时,画刷、魔术棒、曲线勾勒、轮廓实例管理和视频跟踪标注等高级功能可有效提高标注效率。此外,Pair支持多种标注种类混合使用,使您不再受频繁切换软件的困扰。

    图片

    Pair支持的标注功能

    图片

    Pair提供的高级标注功能展示(左上到右下依次为:轮廓实例管理、可旋转三维框、画刷、魔术棒)

    图片

    Pair支持视频追踪功能,用户只需在某一帧图像上进行标注,点击Start Tracking,软件会在后续帧自动跟踪目标,并将结果标注在图像上

    AI智能标注

    在面临大规模、复杂的标注需求时,如视频帧标注或多任务密集标注,若完全依赖手动标注,既会给医生带来沉重的负担,也会严重制约AI研究项目的进度。Pair配备独有的AI辅助标注功能,旨在缓解医生的标注压力,为影像的标注提供加速度。

    若使用该模块,首先需要算法团队提供AI模型,根据软件内置的《AI模块使用说明》,生成加密的aia格式文件,并将该文件提供给标注者;标注者只需载入aia文件,即可一键推理。Pair会自动生成初始标注,只需微调标注结果即可完成标注工作,节省标注时间,加快工作流程。

    图片

    Pair AI功能设计架构

    Pair的AI模块支持丰富的任务和模型,多任务组合带来更多灵活性。

    支持的任务支持模型
    分类 AlexNet, VGG, DenseNet, Inception, GoogLeNet, ShuffleNet, Resnet, Wide Resnet, Resnext, Mobilnet, MNASNet …
    分割 Fcn, U-net, Deeplab, ENet, ICNet, DFANet, Bisenet …
    点定位 Faster Rcnn, Retinanet, Yolo v5 …
    目标检测 Heatmap Based Unet, Fcn, Deeplab …
    多任务 上述任务任意组合

    Pair独有AI一键推理功能,无论是分类、分割、点定位还是目标检测,标注者只需要点击AI按钮,即可“一键”得到标注结果,快捷方便。

    图片

    丰富的AI功能,包括分割、点定位、实例分割和检测

    大规模数据的标注

    Pair具备优异的工作流,支持上千张图像和视频的同时导入。轻松处理超大视频[>1.2G]、超大病理切片[>2.2G],不卡顿,不闪退。优化了对CPU、内存的管理,使得软件具有很强的兼容性,在无GPU独显,性能较差的电脑仍可流畅使用。

    图片

    100000000像素个数级别的SVS病理图片标注

    图片

    1000帧数的视频标注

    规范的标注流程

    Pair提供了自定义配置文件功能,实现标注流程规范化。用户可高度自定义标签命名、标注层级、标注附属功能(连接线、测量角等)、目标属性等,标注者只需一键拖入配置文件,即可应用到软件,并遵从该规则进行标注。配置文件可以有效避免标注人员因误操作或个人习惯不同而引发的混乱,如不同医生可能会对同一器官有不同的标签命名等。此外,同一项目统一配置文件,有利于科研人员对标注信息的高效读取。

    • Pair支持完全自定义的标签命名,并提供了父子两级的标签层次管理,便于对标注内容的结构化管理。例如:父级标签可用于定义标注任务:“分割”、“目标检测”、“关键点”等;每个父级标签下的众多子级标签,可以用于定义具体的标注内容,例如“关键点”下可以有“点1”、“点2”子标签。

    图片

    高度自定义的配置文件,绑定标签和标注功能,具有父子两级标签
    • 用户可通过配置文件将标签和标注功能关联绑定,例如:将“目标检测”与“Rectangle”功能绑定、将“分割”与“Polygon”绑定、将“关键点”与“Landmark”绑定,当用鼠标选中标签栏里的标签时,标注功能会自动跳转到对应的功能项,有效提高混合标注时的提高效率,减少误操作。

    图片

    标签和标注功能自动绑定
    • 配置文件还提供目标属性模块,用户可在该模块自定义一个目标属性的模板,例如患者姓名、性别、年龄、诊断描述等内容,在标注时可使用该模板记录标注目标对应的文本信息。

    图片

    目标属性可以方便医生录入各种临床信息

    流通安全保障

    Pair在标注流程期间,为影像、标注和AI模型提供加密功能,保证数据安全流通。加密过后的数据和标注只能在Pair中打开,保障研究者的数据安全,防止数据外泄;AI模型转换后的加密aia文件,只能用于Pair标注辅助用途,保护模型拥有者的产权。

    完善的教程

    软件内置中英双语使用教程,以各个标注功能为主线展开介绍。另有AI模块使用说明和Pair标注结果读取说明,方便开发者即查即用。B站上有持续更新的教程视频介绍,以每个大模块展开介绍,让标注者快速上手,降低培训成本和时间。

    图片

    完善的内置教程

    图片

    详细的文档手册

    图片

    丰富的在线视频资源

    大家对Pair的反馈

    目前,Pair已具有较多的使用受众,包括海内外超过50所知名院校,也希望能得到大家更多的建议和指点。

    图片

    试用Pair软件的部分院校名单

    图片

    联系方式

    更多详细资料,可关注Pair微信账号和B站官方账号

    图片

    即刻体验与试用

    以下为软件的【下载链接】,欢迎参与超长期试用。我们提供的是坚果云下载链接,下载速度远快于百度云盘小水管~

    下载链接内不仅提供Pair的安装包,还有Pair的AI模型文件和示例测试图像等资源,方便体验者即刻体验AI辅助标注带来的便捷性。

    https://www.jianguoyun.com/p/DUQd8gcQh-n1CBiLvcgD

    以下为Pair往期教学使用视频,欢迎点赞、投币、收藏一键三连。

    https://www.bilibili.com/video/BV1G64y1F79Xhttps://www.bilibili.com/video/BV1sa411A7nHhttps://www.bilibili.com/video/BV1QD4y1Q7jyhttps://www.bilibili.com/video/BV1ez4y1k7as

    团队介绍

    Pair由深圳大学医学部医学超声计算实验室(Medical Ultrasound Image Computing Lab, MUSIC)的倪东教授和杨鑫博士等带队研发。团队成员10余人,历时近2年,目前仍在持续大幅优化中。从研发开始,Pair就定位于解决医学影像标注软件所长期存在的问题,形成行业内的基础、重要软件,推动医学影像AI的基础建设。Pair自2020年7月年于MICS大会亮相以来,收到大量反馈与好评,也得到了很多重要的指导,发现了更多值得解决的问题。Pair会继续保持每月更新优化的进度,追求对标注功能设计的极致专业。

    由衷致谢

    感谢医生们对Pair的信任和支持,感谢医学影像领域内的专家们对Pair的关注和指导。感谢团队成员的齐心付出和坚持,包括但不限于:陈超宇、孙琼载、胡歆迪、史文龙、王键、何双池、林泽辉、林铭容、高睿、俞俊雄、王凯妮、李锐等。

    君子藏器于身,待时而动

     推荐阅读 

    OpenCV4系统化学习路线图-视频版本!

    Tensorflow + OpenCV4 安全帽检测模型训练与推理

    汇总 | OpenCV DNN模块中支持的分类网络

    OpenCV中支持的人脸检测方法整理与汇总

    从3D人脸到自动驾驶,CVPR2020十个顶级开源数据集

    轻松学Pytorch – 构建UNet实现道路裂纹检测

    详解ENet | CPU可以实时的道路分割网络

    从Pytorch 的ONNX到OpenVINO中IR中间层

    OpenVINO中的FCOS人脸检测模型代码演示

    详解OpenVINO 模型库中的人脸检测模型

    效果特好 | OpenVINO手写数字识别

    OpenVINO+OpenCV 文本检测与识别

    OpenVINO + OpenCV实现点头与摇头识别验证

    OpenVINO + OpenCV实现车辆检测与道路分割

    OpenCV二值图像分析之寻找缺失与靶心

    OpenCV 基于Inception模型图像分类

    OpenCV4.4 + YOLOv4 真的可以运行了…..

  • 相关阅读:
    关于Vim的问题s
    突然想来说几句
    直接下载Google Play市场的APK
    编译 ijg JPEG V8 库 GIF 库
    linux下 GUI 数码相册项目 持续更新中
    nes 红白机模拟器 第8篇 USB 手柄支持
    nes 红白机模拟器 第7篇 编译使用方法
    nes 红白机模拟器 第6篇 声音支持
    使用 ALSAlib 播放 wav
    ALSA 声卡 驱动 linux 4.1.36 中变化
  • 原文地址:https://www.cnblogs.com/shuimuqingyang/p/14132094.html
Copyright © 2011-2022 走看看