[发明专利]特征信息的获取方法、装置和存储介质

说明书

本公开涉及一种特征信息的获取方法、装置以及计算机可读介质。该特征信息的获取方法，包括：获取包括关注对象的第一图像；获取所述第一图像的关联图像；根据关注对象的特征值将第一图像及其关联图像输入与其对应的分类模型，以对应地得到至少一组所述关注对象的特征信息。本公开的特征信息的获取方法、装置以及计算机可读介质，根据关注对象的特征值将包含关注对象的第一图像及其关联图像输入与其对应的分类模型中进行分类，能够获得更加准确的关注对象的特征信息，提高获取的特征信息的准确度。

技术领域

本公开涉及计算机图像处理技术领域。更具体地，本公开涉及一种特征信息的获取方法、装置和计算机存储介质。

背景技术

乳腺钼靶是利用低剂量的X光检查人类的乳腺，其具有普查、诊断、活检等多种功能。乳腺钼靶影像对乳腺癌的诊断敏感性和特异性较高，不受患者年龄以及体形的限制，已成为医院的常规检查手段。利用乳腺钼靶影像，医生可以较好地判别出乳腺肿块以及对肿块性质进行判断。但是，医生人工判别存在着依赖主观经验，且不同医生之间的判断结果可能不同，难以获取准确度高的乳腺肿块信息。

提出了本公开的技术方案以解决以上问题。

公开内容

本公开意图提供一种特征信息的获取方法、装置以及计算机可读介质，其能够根据关注对象的特征值将包含关注对象的第一图像及其关联图像输入与其对应的分类模型中进行分类，获得更加准确的关注对象的特征信息，提高获取的特征信息的准确度。

根据本公开的第一方案，提供一种特征信息的获取方法，包括：

获取包括关注对象的第一图像；

获取所述第一图像的关联图像；

根据关注对象的特征值将第一图像及其关联图像输入与其对应的分类模型，以对应地得到至少一组所述关注对象的特征信息。

在一些实施例中，所述根据关注对象的特征值将第一图像及其关联图像输入与其对应的分类模型包括：将关注对象的特征值与特征值阈值进行比较，并根据比较结果将第一图像及其关联图像输入与其对应的分类模型。

在一些实施例中，所述特征值阈值包括第一阈值，

若关注对象的特征值小于所述第一阈值，所述分类模型包括至少一个分类神经网络模型；

若关注对象的特征值大于所述第一阈值，所述分类模型包括至少两个神经网络模型和与所述至少两个神经网络模型的输出相连的至少一个分类器，其中，各个神经网络模型的分辨率均不同。

在一些实施例中，所述关注对象的特征信息包括第一分类维度的特征信息，

若关注对象的特征值大于所述第一阈值，所述分类模型包括两个神经网络模型和与所述两个神经网络模型的输出相连的一个分类器。

在一些实施例中，所述关注对象的特征信息包括第一分类维度至第n分类维度的特征信息，

若关注对象的特征值大于所述第一阈值，所述分类模型包括两个神经网络模型和与所述两个神经网络模型各分类维度信息的输出对应相连的n个分类器。

在一些实施例中，所述特征值阈值包括第一阈值和第二阈值，

若所述关注对象的特征值小于所述第一阈值，所述分类模型包括至少一个分类神经网络模型；

若所述关注对象的特征值大于所述第一阈值、小于所述第二阈值，所述分类模型包括至少两个神经网络模型和与所述至少两个神经网络模型的输出相连的至少一个分类器，其中各个神经网络模型的分辨率均不同；

若所述关注对象的特征值大于所述第二阈值，所述分类模型包括至少三个神经网络模型和与所述至少三个神经网络模型的输出相连的至少一个分类器，其中各个神经网络模型的分辨率均不同。