[发明专利]图像信息的确定方法、装置、电子设备及存储介质

权利要求书

1.一种图像信息的确定方法，其特征在于，包括：

获取待处理的医学图像，提取所述医学图像中对应的时序图像数据；

将所述时序图像数据输入至预先训练的图像识别模型中，确定出所述时序图像数据的时序图像信息；

其中，所述图像识别模型基于卷积神经网络和循环神经网络组合构成。

2.根据权利要求1所述的方法，其特征在于，在所述将所述时序图像数据输入至预先训练的图像识别模型中之前，还包括：

针对各第一时序样本数据，将所述第一时序样本数据输入至待训练卷积神经网络中，基于第一输出结果对所述待训练卷积神经网络中的第一网络参数进行修正，生成目标卷积神经网络；

基于所述第一时序样本数据和所述目标卷积神经网络确定第二时序样本数据；

将所述第二时序样本数据输入至待训练循环神经网络中，基于所述待训练循环神经网络输出的第二输出结果对所述待训练循环神经网络中的第二网络参数进行修正，生成目标循环神经网络；

基于所述目标卷积神经网络和所述目标循环神经网络，生成所述图像识别模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一时序样本数据和所述目标卷积神经网络确定第二时序样本数据，包括：

将所述第一时序样本数据输入至所述目标卷积神经网络中，提取所述第一时序样本数据经过所述目标卷积神经网络的第一个全连接层后得到的输出数据；

将所述输出数据确定为所述第二时序样本数据。

4.根据权利要求2所述的方法，其特征在于，还包括：

获取预先建立的测试集中的各时序测试数据，将各所述时序测试数据输入至训练完成的图像识别模型中，输出测试图像信息；

基于所述测试图像信息和预先存储的所述时序测试数据的图像类型标识，确定所述图像识别模型的识别正确率，并将所述识别正确率反馈至用户终端。

5.根据权利要求2所述的方法，其特征在于，所述基于所述目标卷积神经网络和所述目标循环神经网络，生成所述图像识别模型，包括：

提取所述目标卷积神经网络中的卷积层、五个残差网络单元、平化层及第一个全连接层组成目标卷积神经子网络；

将所述目标卷积神经子网络与所述目标循环神经网络连接，组成所述图像识别模型。

6.根据权利要求2所述的方法，其特征在于，在所述针对各第一时序样本数据，将所述第一时序样本数据输入至待训练卷积神经网络中之前，还包括：

对各第一时序样本数据按照预设长度要求进行数据预处理。

7.根据权利要求6所述的方法，其特征在于，所述对各第一时序样本数据按照预设长度要求进行数据预处理，包括：

当第一时序图像数据的数据长度大于所述预设长度要求中的要求长度时，确定出所述第一时序图像数据超出所述要求长度的第一长度数量，按照等间隔选取的方式在所述第一时序图像数据中选取出与所述第一长度数量相同的第一数据点，对所述第一数据点进行删除操作；或者，

当第一时序图像数据的数据长度小于所述预设长度要求中的要求长度时，确定出所述第一时序图像数据少于所述要求长度的第二长度数量；

在所述时序图像数据中选取出所述第二长度数量的第二数据点，将所述第二数据点插入至所述第一时序图像数中。

8.一种图像信息的确定装置，其特征在于，包括：

获取医学图像模块，用于获取待处理的医学图像，提取所述医学图像中对应的时序图像数据；

确定时序图像信息模块，用于将所述时序图像数据输入至预先训练的图像识别模型中，确定出所述时序图像数据的时序图像信息；

其中，所述图像识别模型基于卷积神经网络和循环神经网络组合构成。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像信息的确定方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的图像信息的确定方法。