[发明专利]一种医学图像分类方法、系统、终端以及存储介质

说明书

本申请涉及一种医学图像分类方法、系统、终端以及存储介质。方法包括：获取医学图像数据集；对医学图像数据集进行上采样，使得所述医学图像数据集中各个类别的图像样本达到均衡；将上采样后的医学图像数据集输入卷积神经网络模型中进行训练，得到训练好的卷积神经网络模型，根据训练好的卷积神经网络模型进行医学图像分类；卷积神经网络模型包括InceptionV3、InceptionResNet以及Xception三个网络模型，将三个网络模型的输出结果进行汇总，输出图像分类结果。本申请能够在尽量保证图像类别信息的基础上使各个类别之间的图像均衡化，降低由于数据集不平衡带来的误差影响，并提高网络模型分类的准确率与召回率。

技术领域

本申请属于医学图像处理技术领域，特别涉及一种医学图像分类方法、系统、终端以及存储介质。

背景技术

目前皮肤癌已被公认为全世界最常见的致命癌症之一。而黑色素瘤作为皮肤癌中最危险的一种，由于其晚期的存活率比较低，且随着时间的推移，它可以扩散到附近皮肤组织。如果早期发现此类患者并进行对应治疗，与晚期治疗相比，生存率非常高，因此在初级阶段识别病变非常重要。目前皮肤科医生多数是通过皮肤镜检测患者的病变类型，但是会存在较大的主观性，耗时较长且不够准确。

基于卷积神经网络模型的皮肤癌分类算法的自动化决策系统可以被用来帮助皮肤科医生判别皮肤镜像图像所属癌症类别。目前基于卷积神经网络模型的皮肤癌分类算法为基于图像特征的机器学习分类算法。基于图像特征的机器学习分类算法通过提取皮肤镜图像的纹理特征、形状特征以及颜色特征等特征信息作为该图像的特征，随后将此特征信息输入到常用的机器学习模型进行图像分类，而常用的图像特征会丢失图像的大部分信息，从而导致分类结果不精确。

另外，目前基于卷积神经网络模型的皮肤癌分类算法还存在以下不足:

(1)目前针对皮肤镜像图像数据集分布不平衡没有进行合理的处置。

(2)模型分类算法存在一定的局限性。

发明内容

本申请提供了一种医学图像分类方法、系统、终端以及存储介质，旨在解决现有技术中的基于卷积神经网络模型的皮肤癌分类算法存在的分类结果不精确、针对皮肤镜像图像数据集分布不平衡没有进行合理的处置，以及模型分类算法存在局限性的技术问题。

为了解决上述问题，本申请提供了如下技术方案：

一种医学图像分类方法，包括：

获取医学图像数据集；

对所述医学图像数据集进行上采样，使得所述医学图像数据集中各个类别的图像样本达到均衡；

将所述上采样后的医学图像数据集输入卷积神经网络模型中进行训练，得到训练好的卷积神经网络模型，根据所述训练好的卷积神经网络模型进行医学图像分类；所述卷积神经网络模型包括InceptionV3、InceptionResNet以及Xception三个网络模型，将所述三个网络模型的输出结果进行汇总，输出图像分类结果。

本申请实施例采取的技术方案还包括：所述对所述医学图像数据集进行上采样包括：

采用图像增强算法对所述医学图像数据集中除样本量最多的类别之外的其他类别的每张原始图像样本分别执行左右镜像翻转、上下镜像翻转、先左右镜像翻转随后上下镜像翻转以及不做任何翻转四种增强操作，得到每张原始图像样本在四种增强操作后的图像；

所述左右镜像翻转为按照设定概率将原始图像以图像垂直中心线进行镜像翻转；所述垂直翻转为按照设定概率将原始图像以图像水平中心线进行镜像翻转。

本申请实施例采取的技术方案还包括：所述对所述医学图像数据集进行上采样还包括：