[发明专利]一种基于医学图像的智能辅助诊断方法及终端

说明书

本申请适用于计算机技术领域，提供了一种基于医学图像的智能辅助诊断方法及终端，包括：获取待分类医学图像；对待分类医学图像进行预处理，得到预处理图像；将预处理图像输入已训练的分类模型进行分类处理，得到预处理图像对应的分类类别；其中，该分类模型包含经过张量化后的网络层以及二阶池化模块。上述方式，终端获取待分类医学图像；对待分类医学图像进行预处理，得到预处理图像；基于已训练的分类模型对预处理图像进行分类处理，得到对应的分类诊断结果。由于已训练的分类模型中包含经过张量分解后的网络层以及二阶池化模块，基于该分类模型对图像处理时，能提取与病变相关的更有判别性的特征，进而提升医学图像分类的准确率。

技术领域

本申请属于计算机技术领域，尤其涉及一种基于医学图像的智能辅助诊断方法及终端。

背景技术

目前，随着社会的发展，基于深度网络模型对医学图像分类进行智能辅助诊断的应用越来越广泛。然而，传统的深度网络模型对医学图像处理时，丢失了组织结构的内部信息和不同区域之间的相关性信息，这种空间结构信息的丢失最终将导致分类结果不准确，严重影响疾病智能辅助诊断模型的性能。

发明内容

有鉴于此，本申请实施例提供了一种基于医学图像的智能辅助诊断方法及终端，以解决传统的深度网络模型对医学图像处理时，丢失了大量图像的内部结构信息和内部相关性信息，导致分类结果不准确的问题。

本申请实施例的第一方面提供了一种基于医学图像的智能辅助诊断方法，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；

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。

进一步地，为了使提取到的全局高阶特征图保留更多的重要特征信息，进而提高分类模型分类的准确率，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。

进一步地，为了提取到包含更多特征信息的全局高阶特征图，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。

进一步地，为了提高图像分类的准确率，本申请还包括：

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。

进一步地，为了提高图像分类的准确率以及分类的速度，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；