[发明专利]图像分类方法、装置、设备、存储介质和医疗电子设备

说明书

公开了一种图像分类方法、装置、设备以及存储介质。所述方法包括：一种图像分类方法，包括：接收目标图像以及关于所述目标图像的参考图像，其中所述目标图像是医学图像；采用相同的方式确定所述目标图像的第一图像特征和所述参考图像的第二图像特征；融合所述第一图像特征和所述第二图像特征确定待分类图像特征；以及利用所述待分类图像特征确定所述目标图像属于预设类别的概率。

技术领域

本申请涉及图像处理领域，具体涉及一种图像分类方法、装置、设备、存储介质和医疗电子设备以及图像处理方法。

背景技术

图像分类是指根据一定的分类规则将输入图像自动分到一组预定义类别中。例如，根据图像中包含的语义信息，可以对输入图像进行对象分类、场景分类等。例如，可以识别输入图像中包含的预设的目标对象，并根据识别的对象进行分类。又例如，也可以根据输入图像中的语义信息将具有相似内容的图像划分成相同的类别。

发明内容

本申请的目的是提供一种图像分类方法、装置、设备、存储介质和医疗电子设备以及图像处理方法。

根据本申请的一个方面，提供了一种图像分类方法，包括：接收目标图像以及关于所述目标图像的参考图像，其中所述目标图像是医学图像；采用相同的方式确定所述目标图像的第一图像特征和所述参考图像的第二图像特征；融合所述第一图像特征和所述第二图像特征确定待分类图像特征；以及利用所述待分类图像特征确定所述目标图像属于预设类别的概率。

在一些实施例中，确定所述目标图像的第一图像特征和所述参考图像的第二图像特征包括：利用包括至少一个卷积层的第一神经网络对所述目标图像进行卷积处理以得到第一图像特征；以及利用所述第一神经网络对所述参考图像进行卷积处理以得到第二图像特征。

在一些实施例中，融合所述第一图像特征和所述第二图像特征确定待分类图像特征包括：拼接所述第一图像特征和所述第二图像特征，以确定所述待分类图像特征。

在一些实施例中，利用所述待分类图像特征确定所述目标图像属于预设类别的概率包括：利用第一全连接网络对所述待分类图像特征进行处理，以得到所述目标图像属于预设类别的概率。

在一些实施例中，所述第一图像特征包括第一目标图像特征和第二目标图像特征，所述第一目标图像特征是利用包括至少一个卷积层的第一神经网络对所述目标图像进行卷积处理得到的，所述第二目标图像特征是利用第二神经网络对所述目标图像进行卷积处理得到的。

所述第二图像特征包括第一目标参考图像特征以及第二目标参考图像特征，其中所述第一目标参考图像特征是利用包括至少一个卷积层的第一神经网络对所述参考图像进行卷积处理得到的，所述第二目标参考图像特征是利用所述第二神经网络对所述参考图像进行卷积处理得到的，所述第一神经网络与所述第二神经网络是采用相同训练方法训练的不同网络，其中所述第一神经网络是利用第一训练集训练得到的，所述第二神经网络是利用第二训练集训练得到的，第一训练集和第二训练集的包括的训练图像中的正负样本比例是不同的。

在一些实施例中，所述待分类图像特征包括第一待分类图像特征和第二待分类图像特征，其中所述第一待分类图像特征是通过拼接所述第一目标图像特征和所述第一目标参考图像特征确定的，所述第二待分类图像特征是通过拼接所述第二目标图像特征和所述第二目标参考图像特征确定的。

在一些实施例中，利用所述待分类图像特征确定所述目标图像的图像分类结果包括：利用第一全连接网络对所述第一待分类图像特征进行处理，以得到所述目标图像属于预设类别的第一概率；利用第二全连接网络对所述第二待分类图像特征进行处理，以得到所述目标图像属于预设类别的第二概率；以及根据所述第一概率和所述第二概率的加权平均值确定所述目标图像属于预设类别的概率，其中，所述第一全连接网络与所述第二全连接网络是采用相同训练方法训练的不同网络，其中所述第一全连接网络是利用第一训练集训练得到的，所述第二全连接网络是利用第二训练集训练得到的，第一训练集和第二训练集的包括的训练图像中的正负样本比例是不同的。