[发明专利]3D图像的分类方法、装置、设备及存储介质

权利要求书

1.一种三维3D图像的分类方法，其特征在于，所述方法包括：

获取3D医学图像，所述3D医学图像包括第一维度图像信息、第二维度图像信息和第三维度图像信息；其中，所述3D医学图像是对人体或者人体组织进行逐层扫描得到的，所述第一维度图像信息和所述第二维度图像信息包括对每层扫描得到的2D图像的图像信息，所述第三维度图像信息包括多层所述2D图像的叠加方向的图像信息；

对所述3D医学图像中的所述第三维度图像信息进行压缩处理，得到第一处理结果；对所述第一处理结果进行通道扩充，得到第二处理结果；为所述第二处理结果中的至少一个区域的图像信息设置权重，得到第三处理结果，所述至少一个区域是第一维度和第二维度组成的平面中的区域；对所述第三处理结果进行特征提取，得到所述第一维度图像信息和所述第二维度图像信息组成的平面图像信息对应的第一图像特征；其中，所述区域对应的权重是根据所述区域所包括的像素点的参数确定的，所述参数包括颜色、亮度中的至少之一；

对所述3D医学图像进行通道扩充，得到第四处理结果；为所述第四处理结果中的至少一个通道设置权重，得到第五处理结果；对所述第五处理结果进行特征提取，得到所述第三维度图像信息对应的第二图像特征；

对所述第一图像特征和所述第二图像特征进行融合处理，得到所述3D医学图像对应的融合图像特征；

根据所述3D医学图像对应的融合图像特征，确定所述3D医学图像对应的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述3D医学图像对应的分类结果是由图像分类模型确定的，所述图像分类模型包括第一子网络、第二子网络、特征融合网络和分类器；

所述第一子网络用于从所述3D医学图像中提取所述第一维度图像信息和所述第二维度图像信息组成的平面图像信息对应的所述第一图像特征；

所述第二子网络用于从所述3D医学图像中提取所述第三维度图像信息对应的所述第二图像特征；

所述特征融合网络用于对所述第一图像特征和所述第二图像特征进行融合处理，得到所述3D医学图像对应的融合图像特征；

所述分类器用于根据所述3D医学图像对应的融合图像特征，确定所述3D医学图像对应的分类结果。

3.根据权利要求2所述的方法，其特征在于，所述图像分类模型的训练过程如下：

获取第一训练样本集，所述第一训练样本集包括至少一张样本3D医学图像，所述样本3D医学图像标注有期望分类结果；

将所述样本3D医学图像输入神经网络模型，得到实际分类结果；

根据所述期望分类结果和所述实际分类结果，计算损失函数值；

当所述损失函数值不符合预设条件时，对所述神经网络模型中的各项参数进行调整，并从所述将所述样本3D医学图像输入神经网络模型，得到实际分类结果的步骤重新开始执行；

当所述损失函数值符合所述预设条件时，停止训练过程，得到所述图像分类模型。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取3D医学图像之后，还包括：

在所述3D医学图像中标注出病理区域，得到标注后的3D医学图像；所述标注后的3D医学图像被用于确定所述3D医学图像对应的分类结果。