[发明专利]X光片的分类方法、装置、终端及存储介质

说明书

本发明涉及神经网络技术领域，提供了一种X光片的分类方法、装置、终端及存储介质。所述X光片的分类方法包括：获取X光片样本集，从降噪处理后的X光片中提取出多个标签信息；计算X光片中两两标签信息之间的关联度，并将大于设定阈值的关联度及该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，根据标签样本集对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，提取目标X光片中的所有标签信息，将标签信息输入X光片分类模型进行分类识别，获得分类结果。本发明充分利用了各标签信息之间的关联信息，提高分类的准确性。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种X光片的分类方法、装置、终端及存储介质。

背景技术

X光片是最常用的医疗影像检查工具，一张X光片可以检测出多种疾病，在对涵盖肺炎在内的疾病进行筛查诊断和管理的过程中占据着至关重要的地位。

随着人工智能和机器学习的发展，深度学习技术可以有效解决对X光片进行分类的问题。但现有的X光片的分类方法，通常采用X光片中一个标签信息得到一个目标结果的方式，各标签信息之间相互独立，分类的准确性较低，分类效果较差。

发明内容

本发明提供一种X光片的分类方法、装置、终端及存储介质，以解决当前X光片的分类方法，无法充分利用X光片的各标签信息的关系，分类的准确性较低，分类效果较差的问题。

为解决上述问题，本发明采用如下技术方案：

本发明提供一种X光片的分类方法，包括如下步骤：

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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，所述MSML损失函数为：