[发明专利]MRI图像分类方法、装置、电子设备及存储介质

权利要求书

1.一种MRI图像分类方法，其特征在于，包括：

获取第一MRI图像；对所述第一MRI图像进行预处理；将预处理后的所述第一MRI图像输入分类模型；根据所述分类模型输出的概率信息，确定所述第一MRI图像的类别；

所述分类模型用于提取所述第一MRI图像的特征，并将所述第一MRI图像的特征与存储的多个类别特征进行比较后，输出所述第一MRI图像的特征与每个类别特征之间的概率信息；所述分类模型是根据所述多个类别的MRI训练图像和所述多个类别的辅助分类信息训练得到的，所述辅助分类信息包括所述MRI训练图像经过处理模型处理后的处理结果，所述多个类别对应于所述处理模型对MRI训练图像的多个处理结果；

所述确定所述第一MRI图像的类别之后，还包括：

当接收到第二MRI图像，且所述第二MRI图像满足预设条件时，确定所述第二MRI图像的类别为所述第一MRI图像的类别；

所述预设条件包括：所述第一MRI图像和所述第二MRI图像的生成时间之差小于预设值、所述第一MRI图像和所述第二MRI图像是同一个设备生成的，或者所述第一MRI图像和所述第二MRI图像的标识信息相同；

所述获取第一MRI图像之前，还包括：

获取多个MRI训练图像，以及每个MRI训练图像的类别和处理结果；

将所述多个MRI训练图像的处理结果输入所述分类模型中的辅助分类信息处理模块；

依次将每个所述MRI训练图像进行预处理后，与所述MRI训练图像的类别输入所述分类模型；

对所述分类模型进行迭代训练，使所述分类模型的损失函数满足条件；

对所述分类模型进行迭代训练，使所述分类模型的损失函数满足条件，包括：

在预设数量区间内，调整多个卷积神经网络模块和多个注意力机制模块的数量，使所述分类模型的损失函数满足条件。

2.根据权利要求1所述的方法，其特征在于，

所述分类模型包括：多个卷积神经网络模块、多个注意力机制模块、辅助分类信息处理模块、特征池化模块以及分类模块；

其中，所述多个卷积神经网络模块和所述多个注意力机制模块依次间隔连接，所述多个卷积神经网络模块中的第一个卷积神经网络模块用于接收输入的MRI图像，所述多个注意力机制模块中的最后一个注意力机制模块连接所述分类模块，所述辅助分类信息处理模块通过所述特征池化模块连接所述分类模块；

所述卷积神经网络模块用于提取特征；所述注意力机制模块用于对所述卷积神经网络模块提取的特征进行加权融合处理；所述辅助分类信息处理模块用于提供所述处理模型对所述多个类别的MRI训练图像进行处理后的处理结果；所述特征池化模块用于对所述辅助分类信息处理模块提供的数据进行降维处理；所述分类模块用于确定接收到的特征与每个类别特征之间的概率信息。

3.根据权利要求1-2任一项所述的方法，其特征在于，对MRI图像进行的预处理，包括以下的一项或多项：

使用SPM12方法对所述MRI图像进行处理；

使用水平集分割算法将所述MRI图像划分为不同的区域；

根据预设的模板，对所述MRI图像进行配准。

4.根据权利要求3所述的方法，其特征在于，所述确定所述第一MRI图像的类别之后，还包括：

将所述第一MRI图像，与所述类别对应的MRI训练图像进行相似度分析，当得到的相似度大于预设值，确定所述第一MRI图像分类准确。

5.一种MRI图像分类装置，其特征在于，用于执行如权利要求1-4任一项所述的方法。

6.一种电子设备，其特征在于，包括：处理器及存储器；其中，存储器中存储有计算机程序，当处理器执行计算机程序时，处理器可用于执行如权利要求1-4任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时可用于执行如权利要求1-4任一项所述的方法。