[发明专利]一种医学图像识别方法、装置、计算机设备及存储介质

权利要求书

1.一种医学图像识别方法，其特征在于，包括：

获取原始内镜图像及内镜报告信息，并从所述内镜报告信息中提取病理信息；

对所述原始内镜图像进行分类识别，得到白光图像及NBI图像；

将所述白光图像输入训练好的第一神经网络模型进行特征提取，得到第一特征集，所述第一特征集包括多个第一特征，所述第一神经网络模型包括多个第一神经网络子模型，一个所述第一神经网络子模型对应一个所述第一特征，所述第一特征为所述白光图像中的形状特征、颜色特征、亮度特征、对比度特征中的一种，所述第一神经网络子模型为第一ResNet神经网络模型、第二ResNet神经网络模型、第三ResNet神经网络模型、UNet++神经网络模型中的一种，分别将所述白光图像作为各个所述第一神经网络子模型的输入，获取各个所述第一神经网络子模型的输出，作为对应的所述第一特征，包括：利用所述第一ResNet神经网络模型对所述白光图像进行特征提取，得到所述形状特征，利用所述第二ResNet神经网络模型对所述白光图像进行特征提取，得到所述颜色特征，利用所述第三ResNet神经网络模型对所述白光图像进行特征提取，得到所述亮度特征，利用所述UNet++神经网络模型对所述白光图像进行特征提取，得到所述对比度特征；

将所述NBI图像输入训练好的第二神经网络模型进行特征提取，得到第二特征；

根据所述病理信息、所述第一特征集、所述第二特征，采用训练好的机器学习分类器中进行识别，得到所述原始内镜图像的识别结果。

2.如权利要求1所述的医学图像识别方法，其特征在于，在将所述病理信息、所述第一特征集及所述第二特征输入训练好的机器学习分类器中进行识别，得到所述原始内镜图像的识别结果的步骤之前，还包括：

获取训练样本集，所述训练样本集包括内镜图像的病理信息、所述第一特征集、所述第二特征及内镜图像对应的异常等级；

将所述内镜图像的病理信息、所述第一特征集、所述第二特征作为GBDT机器学习分类器的输入，将所述内镜图像的异常级别作为期望的输出，对所述GBDT机器学习分类器进行训练，得到训练完成的所述训练好的机器学习分类器。

3.如权利要求2所述的医学图像识别方法，其特征在于，所述根据所述病理信息、所述第一特征集、所述第二特征，采用训练好的机器学习分类器中进行识别，得到所述原始内镜图像的识别结果的步骤，包括：

将所述病理信息、所述第一特征集中的各个第一特征和所述第二特征进行融合，得到异常特征；

将所述异常特征输入至所述训练好的机器学习模型中进行识别，得到所述内镜图像的异常等级。

4.如权利要求1所述的医学图像识别方法，其特征在于，所述第二特征为纹理特征，所述训练好的第二神经网络模型中包括ResNet网络；所述将所述NBI图像输入训练好的第二神经网络模型进行特征提取，得到第二特征，包括：

利用所述ResNet网络对所述NBI图像进行特征提取，得到所述纹理特征。

5.如权利要求1所述的医学图像识别方法，其特征在于，所述对所述原始内镜图像进行分类识别，得到白光图像及NBI图像的步骤，包括：

将各个所述原始内镜图像转换为RGB图像；

提取所述RGB图像对应的G分量像素值；

将G分量像素值大于预设像素阈值的所述原始内镜图像确定为所述NBI图像；

将G分量像素值小于或者等于预设像素阈值的所述原始内镜图像确定为所述白光图像。