[发明专利]用于图像分类的模型处理方法、装置及存储介质

权利要求书

1.一种用于图像分类的模型处理方法，其特征在于，所述方法包括：

获取样本数据集，所述样本数据集中包含样本医学图像，以及所述样本医学图像对应的分类标签；

获取所述样本医学图像的真实影像组学特征；

通过图像处理模型对所述样本医学图像进行处理，获得所述样本医学图像的预测分类结果，以及所述样本医学图像的预测影像组学特征；所述图像处理模型中用于提取所述预测分类结果对应的机器学习特征的部分，与用于提取所述预测影像组学特征对应的机器学习特征的部分是相同的；

基于所述预测分类结果、所述分类标签、所述预测影像组学特征、以及所述真实影像组学特征，对所述图像处理模型进行参数更新，以对所述图像处理模型进行训练；

基于训练完成后的所述图像处理模型，生成图像分类模型；所述图像分类模型用于对目标医学图像进行处理，并输出所述目标医学图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述通过图像处理模型对所述样本医学图像进行处理，获得所述样本医学图像的预测分类结果，以及所述样本医学图像的预测影像组学特征，包括：

通过所述图像处理模型中的特征提取部分对所述样本医学图像进行处理，获得所述样本医学图像的机器学习特征；

通过所述图像处理模型中的分类部分对所述样本医学图像的机器学习特征进行处理，获得所述预测分类结果；

通过所述图像处理模型中的影像组学预测部分对所述样本医学图像的机器学习特征进行处理，获得所述预测影像组学特征。

3.根据权利要求2任一所述的方法，其特征在于，所述基于所述预测分类结果、所述分类标签、所述预测影像组学特征、以及所述真实影像组学特征，对所述图像处理模型进行参数更新，以对所述图像处理模型进行训练，包括：

基于所述预测分类结果，以及所述分类标签，计算第一损失函数；

基于所述预测影像组学特征，以及所述真实影像组学特征，计算第二损失函数；

基于所述第一损失函数以及所述第二损失函数，对所述图像处理模型进行参数更新，以对所述图像处理模型进行训练。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失函数以及所述第二损失函数，对所述图像处理模型进行参数更新，以对所述图像处理模型进行训练，包括：

基于所述第一损失函数，对所述图像处理模型中的特征提取部分，以及所述图像处理模型中的分类部分进行参数更新；

基于所述第二损失函数，对所述图像处理模型中的特征提取部分，以及通过所述图像处理模型中的影像组学预测部分进行参数更新。

5.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失函数以及所述第二损失函数，对所述图像处理模型进行参数更新，以对所述图像处理模型进行训练，包括：

基于所述第一损失函数以及所述第二损失函数，对所述图像处理模型的参数进行交替迭代更新，以对所述图像处理模型进行训练。

6.根据权利要求3所述的方法，其特征在于，所述第一损失函数为分类损失函数，所述第二损失函数为回归损失函数。

7.根据权利要求2所述的方法，其特征在于，所述基于训练完成后的所述图像处理模型，生成图像分类模型，包括：

基于训练完成后的所述图像处理模型中的机器学习特征的部分，以及训练完成后的所述图像处理模型中的所述分类部分，生成所述图像分类模型。