[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

说明书

本申请实施例提供了一种医学图像识别方法、装置、计算机设备及存储介质，该方法先获取原始内镜图像及内镜报告信息，并从内镜报告信息中提取病理信息，然后，对原始内镜图像进行分类识别，得到白光图像及NBI图像，接着，将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，并将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，最后根据病理信息、第一特征集、第二特征，采用训练好的机器学习分类器中进行识别，得到内镜图像的识别结果，实现了对病理信息、原始内镜图像的多个特征融合，提高了识别准确性，同时通过机器学习分类器进行识别，使得识别结果更加客观，大大提高了医学图像的识别效率。

技术领域

本申请涉及医学图像处理技术领域，具体涉及一种医学图像识别方法、装置、计算机设备及存储介质。

背景技术

内镜图像是指通过电子内窥镜（endoscopy）即一种可插入人体体腔和脏器内腔进行直接观察、诊断、治疗的集光、机、电等高精尖技术于一体的医用电子光学仪器的输出处理后的图像，从而方便医生根据电子内窥镜的内镜图像进行识别诊断，然而，人工识别对内镜医师的要求很高，存在主观性强、效率低，且需要专业医师才能进行识别的问题。

发明内容

本申请实施例提供一种医学图像识别方法、装置、计算机设备及存储介质，以解决人工识别存在的识别效率低的技术问题。

一方面，本申请提供一种医学图像识别方法，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；

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。

一方面，本申请提供一种医学图像识别装置，包括：

获取模块，用于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；

分类模块，用于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；

第一提取模块，用于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；

第二提取模块，用于将所述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；

识别模块，用于根据所述病理信息、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。

一方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

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；