(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 202111186963.1 (22)申请日 2021.10.12 (71)申请人 中山大学中山眼科中心 地址 510060 广东省广州市越秀区先烈南 路54号 申请人 云智道智慧医疗科技 （广州） 有限公 司 (72)发明人 林浩添　云东源　刘力学　吴晓航　 晏丕松　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 郭浩辉　许羽冬 (51)Int.Cl. G06F 16/22(2019.01) G06F 16/27(2019.01)G06F 9/50(2006.01) G06N 20/00(2019.01) (54)发明名称 海量医疗图像的处理系统、 系统训练方法及 图像标注方法 (57)摘要 本发明公开了一种海量医疗图像的处理系 统、 系统训练方法及图像标注方法， 所述系统包 括： 据源层、 数据采集层和数据存储层； 所述数据 源层， 用于与若干架设置在医院的前置机连接， 并分别从每架前置机中采集与存储前端医疗图 像； 所述数据采集层， 采用数据采集组件flume， 并用于将所述前置机中的医疗图像实时采集到 大数据集群中； 所述数据存储层， 为包括基于大 数据的分布式文件系统HDFS或基于Hadoop组件 的MySQL数据库， 并用于对大数据集群中的海量 医疗图像进行标记、 分类、 存储、 查看、 管理。 本发 明可以通过Hadoop的大数据技术对海量医疗图 像进行分类和存储， 可以降低服务器的存储压 力， 也可以增 加服务器的存 储能力。 权利要求书2页 说明书6页 附图3页 CN 114003599 A 2022.02.01 CN 114003599 A 1.一种海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的处理系统包括： 数 据源层、 数据采集层和数据存 储层； 所述数据源层， 用于与若干架设置在医院的前置机连接， 并分别从每架前置机中采集 与存储前端医疗图像； 所述数据采集层， 采用数据采集组件flume， 并用于将所述前置机中的医疗图像实时采 集到大数据集群中； 所述数据存储层， 为包括基于大数据的分布式文件系统HDFS或基于Hadoop组件的 MySQL数据库， 并用于对大 数据集群中的海量医疗图像进行 标记、 分类、 存 储、 查看、 管理。 2.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 数据处 理层； 所述数据处理层包括用于深度学习和训练的深度学习框架TensorFlow、 用于图像计算 的大数据计算引擎Spark组件、 用于资源管理的Yarn服务、 用于任务管理Oozie组件和协调 服务的Zookeeper； 其中， 所述深度学习框架TensorFlow分布式部署于大数据集群， 并在大数据集群的每 个节点均配置GPU。 3.根据权利要求2所述的海量医疗图像的处理系统， 其特征在于， 所述深度学习框架 TensorFl ow包括： Spark Driver， 用于为大数据集群Spark执行进程， 并负责整个集群资源协调与分配， 以控制各个节点 服务器任务的启动； Spark Executor， 用于为Spark每 个节点的管理进程； HDFS图像数据集， 用于为TensorFl ow提供训练数据集。 4.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 服务层； 所述服务层设有API应用服 务接口， 用于为系统后台提供接口服 务。 5.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 应用层； 所述应用层的服务前端采用Web框架： Ant  Design Vue， 所述应用层的服务后端采用 Spring Boot框架； 所述应用层用于图像标注和模型训练。 6.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 运维管理层； 所述运维管理层用于集群监控、 Java虚拟机诊断和主机监控。 7.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 安全管理层； 所述安全管理层采用基于kubernetes的分布式容器； 所述安全管理层用于数据安全管理。 8.根据权利要求1所述的海量医疗图像的处理系统， 其特征在于， 所述海量医疗图像的 处理系统还 包括： 标准 规范管理层； 所述标准 规范管理层用于提供的标注规范 管理。权　利　要　求　书 1/2 页 2 CN 114003599 A 29.一种系统训练方法， 其特征在于， 所述方法适用于如权利要求1 ‑8任意一项所述的海 量医疗图像的处 理系统， 所述方法包括： 在接收模型训练任务时， 获取已完成的标注医疗图像数据集； 在接收与模型训练任务对应的算法模型后， 获取训练所需的资源信 息， 其中， 所述资源 信息包括自定义资源信息和默认资源信息； 基于所述资源信息采用所述医疗图像数据集对所述算法模型进行模型训练生成模型 文件， 并将所述模型文件 存储与基于 Hadoop分布式文件系统。 10.一种图像标注方法， 其特征在于， 所述方法适用于如权利要求1 ‑8任意一项所述的 海量医疗图像的处 理系统， 所述方法包括： 从前置机实时采集待标注图像数据集； 按照与预设的科室分类目录对所述待标注图像数据集进行整理和归集处理， 将所述待 标注图像数据集分成若干个 类别， 类别包 含多张待标注图像； 当接收管理人员创建的标注任务后， 将所述标注任务对应的类别所包含多 张待标注图 像发送至标注人员， 以供 标注人员对每张待标注图像进行 标注。权　利　要　求　书 2/2 页 3 CN 114003599 A 3