[发明专利]一种基于医学图像的智能辅助诊断方法及终端

权利要求书

1.一种基于医学图像的智能辅助诊断方法，其特征在于，包括：

获取待分类医学图像；

对所述待分类医学图像进行预处理，得到预处理图像；所述对所述待分类医学图像进行预处理，得到预处理图像，包括：将所述待分类医学图像处理为单颜色通道图像，对所述单颜色通道图像进行拼接得到所述预处理图像；

将所述预处理图像输入已训练的分类模型进行分类处理，得到所述预处理图像对应的分类类别；其中，所述分类模型包含经过张量化后的网络层以及二阶池化模块；所述分类模型是基于预设生成器模型、预设判别器模型以及预设分类器模型，对样本图像以及样本图像对应的分类类别进行训练得到的三元生成对抗网络；所述分类模型对所述预处理图像处理时，保留所述预处理图像的内部结构信息和内部相关性；所述二阶池化模块通过所述待分类医学图像不同区域的依赖关系和高阶特征不同通道间的相关性信息，基于自注意力机制调整特征通道权重的大小，提取与病变相关的具有判别性的特征。

2.如权利要求1所述的智能辅助诊断方法，其特征在于，所述已训练的分类模型包含已训练的分类器模型，所述将所述预处理图像输入已训练的分类模型进行分类处理，得到所述预处理图像对应的分类类别包括：

采用所述分类器模型对所述预处理图像进行归一化处理，得到目标图像；

采用所述分类器模型提取所述目标图像中的关键特征，得到全局高阶特征图；

采用所述分类器模型获取所述全局高阶特征图对应的所述分类类别。

3.如权利要求2所述的智能辅助诊断方法，其特征在于，所述采用所述分类器模型提取所述目标图像中的关键特征，得到全局高阶特征图包括：

通过所述分类器模型中的所述张量化后的网络层提取所述目标图像中的特征，得到第一特征图；

通过所述分类器模型中的所述二阶池化模块对所述第一特征图进行通道降维，得到降维后的第二特征图；

计算所述第二特征图对应的权重向量；

基于所述权重向量对所述第一特征图进行加权，得到所述全局高阶特征图。

4.如权利要求1至3任一项所述的智能辅助诊断方法，其特征在于，所述获取待分类医学图像之前，还包括：

基于预设生成器模型、预设判别器模型以及预设分类器模型，对样本图像以及样本图像对应的分类类别进行训练得到三元生成对抗网络；

从所述三元生成对抗网络中获取所述已训练的分类器模型。

5.如权利要求4所述的智能辅助诊断方法，其特征在于，所述基于预设生成器模型、预设判别器模型以及预设分类器模型，对样本图像以及样本图像对应的分类类别进行训练得到三元生成对抗网络包括：

基于预设分类标注、一维高斯随机向量以及所述预设生成器模型，生成合成图像标注对；

基于所述样本图像以及所述预设分类器模型，预测所述样本图像对应的样本图像标注对；

将所述样本图像标注对、预设真实图像标注对以及所述合成图像标注对输入所述预设判别器模型进行判别处理，得到所述样本图像标注对所对应的第一判别结果、所述预设真实图像标注对所对应的第二判别结果以及所述合成图像标注对所对应的第三判别结果；

基于所述第一判别结果、所述第二判别结果以及所述第三判别结果，计算所述预设生成器模型对应的第一损失函数、所述预设判别器模型对应的第二损失函数以及所述预设分类器模型对应的第三损失函数；

基于所述第一损失函数、所述第二损失函数以及所述第三损失函数分别通过反向传播算法梯度下降更新所述预设生成器模型、所述预设判别器模型以及所述预设分类器模型各自对应的网络参数；

当所述第一损失函数、所述第二损失函数以及所述第三损失函数均收敛时，停止训练，得到所述三元生成对抗网络。