[发明专利]图像识别方法、装置、计算机设备和计算机可读存储介质

权利要求书

1.一种图像识别方法，所述方法包括：

获取待识别的甲状腺滤泡性肿瘤超声图像；

将所述甲状腺滤泡性肿瘤超声图像输入到预先训练好的肿瘤识别网络中，得到所述甲状腺滤泡性肿瘤超声图像对应的识别结果；

根据所述识别结果判断所述甲状腺滤泡性肿瘤超声图像显示的甲状腺滤泡性肿瘤是否为良性。

2.根据权利要求1所述的方法，其特征在于，所述肿瘤识别网络的生成方式包括：

获取多个样本图像以及对应的样本类别；

通过待训练的肿瘤识别网络对所述多个样本图像进行特征提取，得到所述肿瘤识别网络对应的样本图像的参考特征；

确定所述参考特征与对应的样本类别之间的损失值；

按照所述损失值调整相应的肿瘤识别网络中的模型参数，直至所确定的损失值达到训练停止条件。

3.根据权利要求1所述的方法，其特征在于，所述样本类别包括良性和恶性；所述多个样本图像中样本类别为良性的图像与样本类别为恶性的图像的数目相同；所述获取多个样本图像以及对应的样本类别包括：

获取多个样本甲状腺滤泡性肿瘤超声图像和对应的样本类别；所述良性的样本甲状腺滤泡性肿瘤超声图像多于所述恶性的样本甲状腺滤泡性肿瘤超声图像；

识别每个样本甲状腺滤泡性肿瘤超声图像的肿瘤区域，得到对应的肿瘤区域图像；

将所述样本类别为恶性的肿瘤区域图像作为初始图像进行图像增广，得到对应的多个增广肿瘤区域图像；

将所述初始图像的样本类别作为所述多个增广肿瘤图像的样本类别；

将每个所述样本甲状腺滤泡性肿瘤超声图像的肿瘤区域图像，以及对应的所述多个增广肿瘤区域图像作为样本图像。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述肿瘤识别网络包括第一神经网络、第二神经网络和第三神经网络；所述将所述甲状腺滤泡性肿瘤超声图像输入到预先训练好的肿瘤识别网络中，得到所述甲状腺滤泡性肿瘤超声图像对应的识别结果包括：

对所述甲状腺滤泡性肿瘤超声图像进行灰度处理，得到对应的灰度甲状腺滤泡性肿瘤超声图像；

将所述灰度甲状腺滤泡性肿瘤超声图像输入至第一神经网络中进行特征提取，通过所述第一神经网络对所述灰度甲状腺滤泡性肿瘤超声图像进行卷积处理得到对应的肿瘤特征图；

将得到的所述肿瘤特征图输入至第二神经网络中进行特征分类，得到对应的全局分类概率；

将得到的所述肿瘤特征图的输入至第三神经网络中进行特征分类，得到对应的边缘分类概率；

基于所述全局分类概率和所述边缘分类概率确定所述甲状腺滤泡性肿瘤超声图像对应的识别结果。

5.根据权利要求4所述的方法，其特征在于，所述第三神经网络包括全连接层网络；所述将得到的所述肿瘤特征图的输入至第三神经网络中进行特征分类，得到对应的边缘分类概率包括：

通过裁剪窗将所述肿瘤特征图按照预设方向和预设尺寸进行边缘裁剪，得到对应的多个边缘肿瘤特征图；

将所述多个边缘肿瘤特征图进行上采样后输入至所述全连接层网络中进行特征分类，得到每个边缘肿瘤特征图对应的分类概率；

将每个边缘肿瘤特征图的分类概率求平均，得到所述肿瘤特征图对应的边缘分类概率。

6.根据权利要求5所述的方法，其特征在于，所述预设方向包括左上角方向、右上角方向、左下角方向、右下角方向以及中心方向；所述预设尺寸为裁剪窗的宽和高，其中，所述裁剪窗的宽为所述肿瘤特征图的宽与预设窗口阈值的乘积；所述裁剪窗的高为所述肿瘤特征图的高与预设窗口阈值的乘积。

7.根据权利要求4所述的方法，其特征在于，所述基于所述全局分类概率和所述边缘分类概率确定所述甲状腺滤泡性肿瘤超声图像对应的识别结果包括：

基于特征图与权重的映射关系，确定所述肿瘤特征图对应的全局权重和所述边缘肿瘤特征图对应的边缘权重；所述全局权重和所述边缘权重的和为一；

根据所述全局权重、所述边缘权重、所述全局分类概率以及所述边缘分类概率确定所述甲状腺滤泡性肿瘤超声图像对应的识别结果。