[发明专利]分类模型、网络模型的训练方法及装置、识别方法及装置

权利要求书

1.一种分类模型的训练方法，其特征在于，包括：

获取包含脑部的血肿区域的样本图像；

将所述包含脑部的血肿区域的样本图像进行第一形态学处理，获得分割后的血肿区域的样本图像；

将所述分割后的血肿区域的样本图像进行连通域提取，获得所述血肿区域的样本连通域；

对所述血肿区域的样本连通域进行第二形态学处理，获得所述血肿区域的样本孔洞填充连通域；

根据所述血肿区域的样本连通域和所述血肿区域的样本孔洞填充连通域，训练预设分类模型，以生成所述分类模型，所述分类模型用于确定所述血肿区域的征象类别。

2.根据权利要求1所述的训练方法，其特征在于，所述根据所述血肿区域的样本连通域和所述血肿区域的样本孔洞填充连通域，训练预设分类模型，以生成所述分类模型，包括：

根据所述所述血肿区域的样本连通域、所述血肿区域的样本孔洞填充连通域和脑部的样本图像，训练所述预设分类模型，以生成所述分类模型，所述包含脑部的血肿区域的样本图像为对所述脑部的样本图像分割得到的。

3.根据权利要求2所述的训练方法，其特征在于，还包括：

确定对所述包含脑部的血肿区域的样本图像进行标记后获得的所述血肿区域的第一征象类别数据，

其中，所述根据所述血肿区域的样本连通域、所述血肿区域的样本孔洞填充连通域和所述脑部的样本图像，训练预设分类模型，以生成所述分类模型，包括：

将所述血肿区域的样本连通域、所述脑部的样本图像和所述血肿区域的样本孔洞填充连通域输入至所述预设分类模型，得到与所述第一征象类别数据对应的所述血肿区域的第二征象类别数据；

基于所述第一征象类别数据和所述第二征象类别数据，调整所述预设分类模型；

迭代执行上述步骤，获得训练完成后的所述分类模型。

4.一种网络模型的训练方法，其特征在于，包括：

根据包含脑部的血肿区域的样本图像，通过分类模型，确定所述血肿区域的征象类别的第一分类结果，所述分类模型为通过权利要求1-3中任一项所述的分类模型的训练方法训练获得；

根据所述第一分类结果和所述包含脑部的血肿区域的样本图像，训练预设网络模型，以生成所述网络模型，所述网络模型用于识别所述血肿区域的易扩张性。

5.根据权利要求4所述的训练方法，其特征在于，所述根据所述第一分类结果和所述包含脑部的血肿区域的样本图像，训练预设网络模型，以生成所述网络模型，包括：

根据所述第一分类结果、所述包含脑部的血肿区域的样本图像和脑部的样本图像，训练所述预设网络模型，以生成所述网络模型，所述包含脑部的血肿区域的样本图像为对所述脑部的样本图像分割得到的。

6.根据权利要求5所述的训练方法，其特征在于，还包括：

确定对所述包含脑部的血肿区域的样本图像进行标记后获得的所述血肿区域的第一征象类别数据，

其中，所述根据所述第一分类结果和所述包含脑部的血肿区域的样本图像，训练预设网络模型，以生成所述网络模型，包括：

将所述第一分类结果、所述包含脑部的血肿区域的样本图像和所述脑部的样本图像输入至所述预设网络模型，得到与所述第一征象类别数据对应的所述血肿区域的第三征象类别数据；

基于所述第一征象类别数据和所述第三征象类别数据，调整所述预设网络模型；

迭代执行上述步骤，获得训练完成后的所述网络模型。

7.一种识别方法，其特征在于，包括：

根据包含脑部的血肿区域的图像，通过分类模型，确定所述血肿区域的征象类别的第二分类结果，所述分类模型为通过权利要求1-3中任一项所述的分类模型的训练方法训练获得；

根据所述第二分类结果，通过网络模型，识别所述血肿区域的易扩张性。