[发明专利]图像检测方法、装置、计算机设备和存储介质

权利要求书

1.一种图像检测方法，其特征在于，所述方法包括：

获取待检测对象的至少两个医学图像，对所述至少两个医学图像进行分割处理，得到各目标分割图像；所述各目标分割图像均包括感兴趣区域；

将所述各目标分割图像输入至神经网络模型中进行特征提取，得到所述感兴趣区域的特征；

将所述感兴趣区域的特征和临床信息数据中的特征进行组合，对组合后的特征进行特征选择处理，得到目标特征；所述临床信息数据中的特征为对所述待检测对象进行临床检测后得到的特征；

将所述目标特征输入至分类器中进行分类，确定所述感兴趣区域的类别。

2.根据权利要求1所述的方法，其特征在于，所述对组合后的特征进行特征选择处理，得到目标特征，包括：

对组合后的特征进行至少两级特征选择处理，得到目标特征。

3.根据权利要求2所述的方法，其特征在于，所述对组合后的特征进行至少两级特征选择处理，得到目标特征，包括：

采用预设的单变量特征选择方法对组合后的特征进行一级选择处理，得到一级特征；所述一级特征的数量小于所述组合后的特征的数量；

采用预设的最小绝对收缩与选择算子LASSO算法对所述一级特征进行二级选择处理，得到所述目标特征；所述目标特征的数量小于所述一级特征的数量。

4.根据权利要求1所述的方法，其特征在于，所述至少两个医学图像包括以下至少一种：至少两个不同模态的医学图像、至少两个不同序列的医学图像、至少两个不同期相的医学图像。

5.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程包括：

获取样本医学图像；所述样本医学图像已标注感兴趣区域的类别；

对所述样本医学图像进行预处理，得到预处理后的样本医学图像；

基于所述预处理后的样本医学图像和所述已标注感兴趣区域的类别，对初始的神经网络模型进行训练，得到所述神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述对所述样本医学图像进行预处理，得到预处理后的样本医学图像，包括：

对所述样本医学图像进行分割处理，得到各目标分割图像；所述各目标分割图像均包括感兴趣区域；

在所述各目标分割图像上分别提取所述感兴趣区域的边界信息，得到所述各目标分割图像对应的边界框；

根据所述各目标分割图像对应的边界框，分别在对应的所述样本医学图像上进行切块，得到各样本图像块；

对所述各样本图像块进行尺寸归一化处理，得到预处理后的样本医学图像。

7.根据权利要求1所述的方法，其特征在于，所述将所述目标特征输入至分类器中进行分类，确定所述感兴趣区域的类别，包括：

将所述目标特征输入至分类器中对所述目标特征进行分类，得到所述感兴趣区域属于各个类别的概率；

将所述各个类别的概率分别和概率阈值进行对比，根据对比结果确定感兴趣区域的类别。

8.一种图像检测装置，其特征在于，所述装置包括：

分割模块，用于获取待检测对象的至少两个医学图像，对所述至少两个医学图像进行分割处理，得到各目标分割图像；所述各目标分割图像均包括感兴趣区域；

提取模块，用于将所述各目标分割图像输入至神经网络模型中进行特征提取，得到所述感兴趣区域的特征；

选择模块，用于将所述感兴趣区域的特征和临床信息数据中的特征进行组合，对组合后的特征进行特征选择处理，得到目标特征；所述临床信息数据中的特征为对所述待检测对象进行临床检测后得到的特征；

分类模块，用于将所述目标特征输入至分类器中进行分类，确定所述感兴趣区域的类别。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。