[发明专利]一种图像分类系统及终端设备

说明书

本发明公开了一种图像分类系统及终端设备，其中，所述图像分类系统包括：图像获取模块，用于获取第一序列图像和第二序列图像，第一序列图像和第二序列图像为采用不同模态获取到的磁共振序列图像；图像融合模块，用于将第一序列图像和第二序列图像进行融合，得到第三序列图像；预测分类模块，用于基于训练完成的预测分类模型对第三序列图像进行分类识别，确定与第三序列图像对应的分类结果。本发明只需要采集两次不同模态的序列图像，再将不同模态的序列图像进行融合，就能够改善病灶的可视化效果，并通过预测分类模型进行特征提取和分类预测，就可以实现对结节性硬化症的诊断，有效地提高结节性硬化症的诊断效率，还可以提高分类的准确度。

技术领域

本发明属于人工智能技术领域，尤其涉及一种图像分类系统及终端设备。

背景技术

结节性硬化症(tuberous sclerosis complex，TSC)是一种常染色体显性遗传性疾病。结节性硬化症可以导致细胞增殖和分化失控，几乎累及所有器官和系统，尤其以脑、皮肤、肾脏、心脏表现突出，其病理改变是错构瘤，通过脑部的影像通常可以观察出神经系统异常表现。

磁共振成像(MRI)具有丰富的软组织对比度，是用于临床诊断TSC的先进的成像工具。然而由于结节性硬化症的脑内病灶是多发病灶，位于皮层及皮层下以及室管膜下，因此对一个患者进行诊断是，需要扫描多个(上百个)序列影像，这需要花费大量的时间才能完成，且对于医生而言，也需要花费大量的时间才能看完这些序列影像进行诊断。因此，目前对结节性硬化症的诊断存在诊断效率低的问题。

发明内容

有鉴于此，本发明实施例提供了一种图像分类系统及终端设备，以对结节性硬化症的诊断存在诊断效率低的问题。

第一方面，本发明实施例提供一种图像分类系统，包括：

图像获取模块，用于获取第一序列图像和第二序列图像，所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；

图像融合模块，用于将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；

预测分类模块，用于基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。

可选地，所述图像融合模块通过所述第一序列图像和所述第二序列图像的物理关联性将所述第一序列图像和所述第二序列图像进行融合。

可选地，所述预测分类模型包括第一三维卷积层、移动翻转残差颈三维卷积块、第二三维卷积层、全局平均池化层和全连接层。

可选地，所述预测分类模块包括：

模型构建单元，用于构建预测分类模型。

模型训练单元，用于基于训练数据对构建的预测分类模型进行训练，得到训练完成的预测分类模型。

可选地，所述模型训练单元具体用于：基于可视化数据库对构建的预测分类模型进行预训练，得到预训练后的预测分类模型，再基于训练数据集对预训练后的预测分类模型的参数进行调整，得到完成训练的预测分类模型。

可选地，所述模型训练单元还用于获取训练数据集，所述训练数据集包括患者的序列图像和正常者的序列图像。

可选地，所述第一序列图像和所述第二序列图像均为三维图像。

第二方面，本发明实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取第一序列图像和第二序列图像；所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；

将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；