[发明专利]图像分类方法、计算机设备和存储介质

说明书

本发明涉及一种图像分类方法、计算机设备和存储介质。该方法包括：获取包括待分类的目标结构的原始图像，并将原始图像输入至预设的分割网络，得到包括目标结构的分割图像，再根据分割图像对原始图像中的目标特征进行增强，得到中间图像，最后将中间图像输入至预设的分类网络，得到分类结果。本申请提出的分类方法实现了对原始图像中的目标特征进行加强，极大的提高了原始图像中目标特征对应图像的清晰度，使得基于增强目标特征后的原始图像在进行分类时，可以极大的提高对目标结构疾病类别分类的准确性。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种图像分类方法、计算机设备和存储介质。

背景技术

肺积液医学上通常叫“肋膜积水”，水是堆积在肺脏的外面，它可以是感染发炎引起(如：肺炎、肺结核)，也可以是一些自体免疫疾病引起(如：红斑性狼疮)，还有很多肺部疾病都会合并肋膜积水。X光(X-Rays)胸片由于其比较低廉的价格以及相对较好的效果，在肺部疾病、心脏疾病、腹部疾病以及骨折的早期发现以及诊断当中占有重要的地位。

目前主要使用X光的肺片图像来进行肺叶疾病类型的诊断，即，医生依靠自身丰富经验通过对肺片的目测分析，正确地诊断并且区分不同程度的肺积液；或者，采用相应的肺叶分割的算法先对X光的肺片图像上的肺叶进行分割，然后医生通过对分割后的图像进行分析，正确地诊断并且区分不同程度的肺积液；或者，直接采用相应的肺叶疾病分类算法对X光的肺片图像进行分类，得到分类结果，然后医生基于分类结果正确地诊断并且区分不同程度的肺积液。

但是，上述的肺叶疾病的诊断方法对于微量积液均难以进行准确的诊断。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高分类准确性的图像分类方法、计算机设备和存储介质。

第一方面，一种图像分类方法，所述方法包括：

获取原始图像；原始图像包括待分类的目标结构；

将原始图像输入至预设的分割网络，得到包括目标结构的分割图像；

根据分割图像对所述原始图像中的目标特征进行增强，得到中间图像；

将中间图像输入至预设的分类网络，得到分类结果。

在其中一个实施例中，根据分割图像对原始图像中的目标特征进行增强，得到中间图像，包括：

从分割图像的目标结构中提取目标特征，得到部分图像；

将部分图像与原始图像进行融合，得到中间图像。

在其中一个实施例中，将部分图像与所述原始图像进行融合，得到中间图像之前，方法还包括：

对部分图像进行重采样，得到与原始图像尺寸相同的部分图像。

在其中一个实施例中，目标结构为肺叶结构，目标特征为肺叶结构中包含的部分区域的特征。

在其中一个实施例中，部分区域的特征包括肋膈角区域的特征，根据分割图像对原始图像中的目标特征进行增强，得到中间图像，包括：

从肺叶结构中提取肋膈角区域的特征，得到肋膈角区域图像；

将肋膈角区域图像与原始图像进行融合，得到中间图像。

在其中一个实施例中，将肋膈角区域图像与原始图像进行融合，得到中间图像之前，所述方法包括：

对肋膈角区域图像进行重采样，得到与原始图像尺寸相同的肋膈角区域图像。

在其中一个实施例中，训练分割网络的方法包括：

获取第一样本图像；第一样本图像中标记出目标结构；