[发明专利]器官的建模方法、图像分类装置和存储介质

权利要求书

1.一种器官的建模方法，其特征在于，所述建模方法包括：

获得所述器官所在部位的第一方位的2D图像序列、第二方位的2D图像序列和第三方位的2D图像序列，所述第一方位、第二方位和第三方位彼此之间的夹角相对于彼此正交的角度偏差范围在0度与45度之间；

构造三路分类支路，每路分类支路被配置为：分别接收第一方位的2D图像序列、第二方位的2D图像序列和第三方位的2D图像序列的相应方位的2D图像序列作为输入，基于所述输入利用卷积神经网络提取第一图像特征，将所述第一图像特征进行分段，并以段间有至少部分图像特征重叠的方式合并而得到合并后的图像特征子集，将合并后的图像特征子集内的图像特征取代表值，将该代表值输入到LSTM网络的各个LSTM单元，并将LSTM网络的最后一个LSTM单元的输出作为第二图像特征，将所述第二图像特征馈送到相应的分类器以获得该路分类支路的分类信息，其中，各路分类支路的网络结构是相同的，各路分类支路中的卷积神经网络的网络参数是不同的，并且各路分类支路中的LSTM网络的网络参数是不同的；

构造融合部，以融合各路分类支路的分类信息。

2.根据权利要求1所述的建模方法，其特征在于，所述器官包括肺，所述第一方位、第二方位和第三方位彼此之间的夹角为90度。

3.根据权利要求2所述的建模方法，其特征在于，所述第一方位的2D图像序列为肺部的横断位图像序列，第二方位的2D图像序列和第三方位的2D图像序列分别为肺部的冠状位图像序列和矢状位图像序列，且基于肺部的横断位图像序列利用预处理来得到。

4.根据权利要求1所述的建模方法，其特征在于，还包括：在获得所述器官所在部位的第一方位的2D图像序列、第二方位的2D图像序列和第三方位的2D图像序列之前对原始2D图像进行重采样。

5.一种图像分类装置，包括：

接口，被配置为获取器官所在部位的医学图像，其中所述医学图像是通过图像成像装置采集的，

处理器，被配置为：

基于所获取的医学图像获得第一方位的2D图像序列、第二方位的2D图像序列和第三方位的2D图像序列，所述第一方位、第二方位和第三方位彼此之间的夹角相对于彼此正交的角度偏差范围在0度与45度之间；

对于第一路分类支路，接收第一方位的2D图像序列作为输入，基于该输入利用卷积神经网络提取第一图像特征，将所述第一图像特征进行分段，并以段间有至少部分图像特征重叠的方式合并而得到合并后的图像特征子集，将合并后的图像特征子集内的图像特征取代表值，将该代表值输入到LSTM网络的各个LSTM单元，并将LSTM网络的最后一个LSTM单元的输出作为第二图像特征，将所述第二图像特征馈送到第一分类器以获得第一路分类支路的第一分类信息；

对于第二路分类支路，接收第二方位的2D图像序列作为输入，基于该输入利用卷积神经网络提取第一图像特征，将所述第一图像特征进行分段，并以段间有至少部分图像特征重叠的方式合并而得到合并后的图像特征子集，将合并后的图像特征子集内的图像特征取代表值，将该代表值输入到LSTM网络的各个LSTM单元，并将LSTM网络的最后一个LSTM单元的输出作为第二图像特征，将所述第二图像特征馈送到第二分类器以获得第二路分类支路的第二分类信息；

对于第三路分类支路，接收第三方位的2D图像序列作为输入，基于该输入利用卷积神经网络提取第一图像特征，将所述第一图像特征进行分段，并以段间有至少部分图像特征重叠的方式合并而得到合并后的图像特征子集，将合并后的图像特征子集内的图像特征取代表值，将该代表值输入到LSTM网络的各个LSTM单元，并将LSTM网络的最后一个LSTM单元的输出作为第二图像特征，将所述第二图像特征馈送到第三分类器以获得第三路分类支路的第三分类信息；

其中，各路分类支路的网络结构是相同的，各路分类支路中的卷积神经网络的网络参数是不同的，并且各路分类支路中的LSTM网络的网络参数是不同的；

融合各路分类支路的分类信息，以确定器官的诊断信息。