[发明专利]X光片的分类方法、装置、终端及存储介质

权利要求书

1.一种X光片的分类方法，其特征在于，包括：

获取X光片样本集，对所述X光片样本集中的X光片进行降噪处理，通过定位方式从降噪处理后的所述X光片的关键信息区域中提取出多个标签信息；

计算所述X光片中两两标签信息之间的关联度，将大于设定阈值的关联度及所述关联度对应的两个标签信息形成标签样本，多个标签样本形成标签样本集；

构建X光片的神经网络模型，根据所述标签样本集对所述神经网络模型进行训练，获得X光片分类模型；

获取待分类的目标X光片，提取所述目标X光片中的所有标签信息，将所述标签信息输入所述X光片分类模型进行分类识别，获得分类结果。

2.根据权利要求1所述的X光片的分类方法，其特征在于，所述构建X光片的神经网络模型，根据所述标签样本集对所述神经网络模型进行训练，获得X光片分类模型的步骤，包括：

构建第一分类器和第二分类器；其中，所述第二分类器采用MSML损失函数；

将所述标签样本集的标签信息输入第一分类器中，得到第一分类结果；

将第一分类结果及标签样本集的关联度输入第二分类器中，得到目标训练结果；

当目标训练结果满足预设要求时，得到X光片分类模型。

3.根据权利要求2所述的X光片的分类方法，其特征在于，所述将第一分类结果及标签样本集的关联度输入第二分类器中，得到目标训练结果的步骤，包括：

利用标签样本集的关联度对所述第一分类结果进行调整，得到第二分类结果；

将第一分类结果和第二分类器分类得到的第二分类结果进行双线性池化处理，得到双线性池化处理结果；

将双线性池化处理结果进行卷积处理，得到目标训练结果。

4.根据权利要求3所述的X光片的分类方法，其特征在于，所述双线性池化处理的步骤中，包括如下公式：

其中，是第一分类器中池化层的局部特征，是第二分类器中池化层的局部特征，P_i，j是对局部特征进行向量化的结果，Vec是向量化操作处理。

5.根据权利要求2所述的X光片的分类方法，其特征在于，所述MSML损失函数为：

其中，l和k表示标签样本，Y_i表示标签样本集中的正样本，表示标签样本集的负样本，|Y_i|为归一化的基数，为标签样本集的特征。

6.根据权利要求1所述的X光片的分类方法，其特征在于，所述获得X光片分类模型之后，还包括：

获取X光片验证集；

将所述X光片验证集输入所述X光片分类模型中，得到验证结果；

当验证结果满足预设条件时，生成验证成功的X光片分类模型。

7.根据权利要求6所述的X光片的分类方法，其特征在于，所述生成验证成功的X光片分类模型之后，还包括：

获取X光片测试集；

利用所述X光片测试集对所述验证成功的X光片分类模型进行测试，当测试结果合格时，得到测试合格的X光片分类模型。

8.一种X光片的分类装置，其特征在于，包括：

获取模块，用于获取X光片样本集，对所述X光片样本集中的X光片进行降噪处理，通过定位方式从降噪处理后的所述X光片的关键信息区域中提取出多个标签信息；

计算模块，用于计算所述X光片中两两标签信息之间的关联度，将大于设定阈值的关联度及所述关联度对应的两个标签信息形成标签样本，多个标签样本形成标签样本集；

构建模块，用于构建X光片的神经网络模型，根据所述标签样本集对所述神经网络模型进行训练，获得X光片分类模型；

分类识别模块，用于获取待分类的目标X光片，提取所述目标X光片中的所有标签信息，将所述标签信息输入所述X光片分类模型进行分类识别，获得分类结果。