本发明涉及图像识别领域，尤其涉及一种基于影像报告的异常疾病标签标注系统和方法。
背景技术：
1、随着医疗水平的提升，以及医学影像技术的不断发展，医学影像数据已作为患者电子档案的重要组成部分，撰写一份合格的医学影像报告需要医生具有医学影像知识，对病灶随着时间变化具有一定评估能力，必不可少的临床医学知识和临床经验，对患者病史及其他检查结果有着综合判断能力。然而现如今医学影像数据呈指数级增长，医疗单位积累了大量经过专业医生诊断审核过的图像-文本数据对，面对医疗数据集难获得，标注成本过高的现状，如何以更低成本将现有数据利用起来，构建出高效可靠的数据集，助力人工智能辅助医疗不断完善，是当下迫切需要解决的问题。
2、但是医学影像数据也存在很多问题。首先医生在编写影像报告时，需要对当前阅片影像进行仔细观察，识别其中异常病变区域和特征，并根据一定的临床诊疗流程和医学描述习惯撰写影像报告。这些文本信息中天然含有影像异常信息，但是并不是所有异常描述都是直接对应到明确具体的异常标签上，如“肺不张”，在影像报告中可能会被描述为：“肺叶体积缩小”，“肺膨胀不全”，“肺受压”等描述。其次很多不同医生存在不同的书写习惯以及术语上不统一的问题，因此无法采用固定的规范进行标签抽取。这些问题都给机器学习标注标签带来困难。
技术实现思路
1、本发明的目的在于提供一种基于影像报告的异常疾病标签标注系统和方法，以解决上述背景技术中提出的问题。
2、为实现上述发明目的，本发明提供一种基于影像报告的异常疾病标签标注系统,包括llm报告拆解模块，标签规则迭代模块，标签抽取模块，和神经网络模块，其中：
3、llm报告拆解模块，利用大语言模型语义理解能力进行影像报告文本分句；
4、标签抽取模块，基于llm报告拆解模块中拆分的影像报告构建正则表达式规则，抽取异常标签；
5、神经网络分类模块，利用抽取的标签与对应医学影像报告构建的异常疾病数据集，进行神经网络分类模型预测；
6、标签规则迭代模块，根据神经网络分类模型预测结果多轮迭代修正完善正则表达式规则，直到没有新规则加入或修改为止，结束迭代。
7、进一步的，所述llm报告拆解模块中，每个分句只保留特定解剖位置或单一异常描述。
8、进一步的，所述标签规则迭代模块中，将神经网络分类模型预测结果与异常疾病标签比较，不一致则修正正则表达式，再进入标签抽取模块抽取异常标签。
9、进一步的，所述标签规则迭代模块由具有医学背景知识的人员做人工检查，修正正则表达式规则。
10、本发明的另一个方面提供一种基于影像报告的异常疾病标签标注方法,包括以下步骤：
11、步骤s1，利用大语言模型语义理解能力进行影像报告文本分句；
12、步骤s2，构建正则表达式规则，基于分句结果完成初步的标签抽取；
13、步骤s3，建立神经网络分类模型，利用抽取的标签与对应医学影像报告构建的异常疾病数据集，进行神经网络分类模型训练和预测；
14、步骤s4，根据神经网络分类模型预测结果多轮迭代修正完善正则表达式规则，直到没有新规则加入或修改为止，结束迭代。
15、进一步的，步骤s1中，每个分句只保留特定解剖位置或单一异常描述。
16、进一步的，步骤s4中，将所述神经网络分类模型预测结果与标签比较，不一致则修正正则表达式，重复步骤s2,步骤s3。
17、进一步的，所述步骤s4，由具有医学背景知识的人员做人工检查，修正正则表达式规则。
18、由于采用本系统和方法，与现有技术相比，具有以下优点：
19、1.因采用了基于大语言模型的的文本报告分句方案，可以实现复杂文本描述根据语义拆解分句，保证了每个子句描述的信息完整性和独立性，解决正则表达式覆盖精准性的问题；
20、2.采用正则表达式进行标签抽取，相比较于关键词匹配方法而言，准确率更高，面对异常值，可以针对性编写忽略条件进行排除，保证了抽取标签的正确性；
21、3.因采用了神经网络模型多轮迭代方法，可以实现模型训练与数据集迭代交替进行，以模型预测结果来推动数据更新，针对性更强，参与更新的数据量极大减少，标注人员需求量大大降低，一定程度解决医学数据集标注成本过高的问题；
22、综上，本发明因为采用了上述技术的结合，利用大语言模型语义理解能力，神经网络模型主动挑选数据，构建数据集标注流水线，自动化多轮迭代，可以实现更为精准的基于影像报告自动标注医学异常疾病标签的问题，克服了现有医学数据集标注困难，成本过高，耗时过长的问题。
1.一种基于影像报告的异常疾病标签标注系统,其特征在于，包括llm报告拆解模块，标签规则迭代模块，标签抽取模块，和神经网络模块，其中：
2.根据权利要求1所述的一种基于影像报告的异常疾病标签标注系统,其特征在于，所述llm报告拆解模块中，每个分句只保留特定解剖位置或单一异常描述。
3.根据权利要求1所述的一种基于影像报告的异常疾病标签标注系统,其特征在于，所述标签规则迭代模块中，将神经网络分类模型预测结果与异常疾病标签比较，不一致则修正正则表达式，再进入标签抽取模块抽取异常标签。
4.根据权利要求1所述的一种基于影像报告的异常疾病标签标注系统,其特征在于，所述标签规则迭代模块由具有医学背景知识的人员做人工检查，修正正则表达式规则。
5.一种基于影像报告的异常疾病标签标注方法,其特征在于，包括以下步骤：
6.根据权利要求5所述的一种基于影像报告的异常疾病标签标注方法,其特征在于，步骤s1中，每个分句只保留特定解剖位置或单一异常描述。
7.根据权利要求5所述的一种基于影像报告的异常疾病标签标注方法,其特征在于，步骤s4中，将所述神经网络分类模型预测结果与标签比较，不一致则修正正则表达式，重复步骤s2,步骤s3。
8.根据权利要求5所述的一种基于影像报告的异常疾病标签标注方法,其特征在于，所述步骤s4，由具有医学背景知识的人员做人工检查，修正正则表达式规则。
