[发明专利]医学图像分类方法、图像分类网络处理方法、装置和设备

说明书

本申请涉及人工智能技术，特别涉及一种医学图像分类方法、装置、计算机设备和存储介质。所述方法包括：对医学图像进行切片处理，得到图像切片序列；从所述图像切片序列内的各图像切片中，提取目标物在所述图像切片中的图像特征；依据从各所述图像切片中分别提取的所述图像特征，依次确定所述目标物在各所述图像切片中的连续概率；基于所述图像切片序列中各相邻图像切片所对应连续概率间差异值的累加和，以及所述图像切片序列中图像切片的切片总量，确定所述目标物在所述图像切片序列中的连通率；根据所述连通率判定所述医学图像所属的分类类别。采用本方法能够免因目标物较小而影响医学图像分类的准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种医学图像分类方法、图像分类网络处理方法、装置和设备。

背景技术

医学图像是指为了医疗或医学研究，对人体或人体某部分以非侵入方式取得的内部组织影像。对医学图像进行分类处理以得到该医学图像分类类别可以为医学工作者提供有效地医学辅助。

传统医学图像分类方案中，通常是采用卷积神经网络对医学图像中的目标物进行分割，然后根据分割出来的目标物对该医学图像进行分类。然而，当医学图像中的目标物较小时，可能会导致医学图像分割失败或不准确的问题，从而影响医学图像分类的准确性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够避免因目标物较小而影响医学图像分类的准确性的医学图像分类方法、图像分类网络处理方法、装置和设备。

一种医学图像分类方法，所述方法包括：

对医学图像进行切片处理，得到图像切片序列；

从所述图像切片序列内的各图像切片中，提取目标物在所述图像切片中的图像特征；

依据从各所述图像切片中分别提取的所述图像特征，依次确定所述目标物在各所述图像切片中的连续概率；

基于所述图像切片序列中各相邻图像切片所对应连续概率间差异值的累加和，以及所述图像切片序列中图像切片的切片总量，确定所述目标物在所述图像切片序列中的连通率；

根据所述连通率判定所述医学图像所属的分类类别。

在其中的一个实施例中，所述对医学图像样本进行切片处理之前，所述方法还包括：

在获得医学图像样本时，基于所述医学图像样本的均值和方差对所述医学图像样本进行标准化处理；

对处理后的医学图像样本进行图像翻转，得到翻转后的医学图像样本；

所述对医学图像样本进行切片处理，得到样本切片序列包括：

对所述翻转后的医学图像样本进行切片处理，得到样本切片序列。

在其中的一个实施例中，所述通过第一图像分类网络中的第一特征提取器，提取目标物在每个组别的各样本切片中的第一训练图像特征之前，所述方法还包括：

将所述样本切片序列中的样本切片依次输入所述第二图像分类网络中；

通过所述第二图像分类网络中的第二特征提取器，提取所述目标物在输入的所述样本切片中的第二训练图像特征；

通过所述第二图像分类网络中的第二分类器，对提取的所述第二训练图像特征进行目标物连续性计算，得到第二目标连续概率；

计算所述第二目标连续概率与参考连续率之间的第二损失值；

根据所述第二损失值对所述第二特征提取器的参数和所述第二分类器的参数进行调整；

将调整后的所述第二特征提取器作为所述第一图像分类网络中的第一特征提取器。

一种医学图像分类装置，所述装置包括：