[发明专利]MRI图像分类方法、装置、电子设备及存储介质

说明书

本申请提供一种MRI图像分类方法、装置、电子设备及存储介质，能够在MRI图像未经过处理模型处理的情况下，根据分类模型按照处理模型对MRI图像可能的处理结果，对实际经过处理模型处理之前的MRI图像进行分类，从而能够更快、更有效率地完成对实际未经过处理模型进行处理的MRI图像进行分类。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种MRI图像分类方法、装置、电子设备及存储介质。

背景技术

磁共振成像（Magnetic Resonance Imaging，简称MRI）图像是一样利用磁共振现象从人体中获得的人体断层图像，常见于医院、体检中心等功能机构，通过非侵入人体的方式，获得人体关键位置处的MRI图像，进而可以由相关人员对MRI图像进行后续的处理。

功能机构在一些情况下需要对MRI图像进行分类管理，例如按照MRI图像经过机器学习模型处理后的处理结果，将MRI图像分为不同的类别。但由于机器学习模型在处理MRI图像时的数据量和计算量也较大。当存在较多数量的MRI图像时，将消耗非常大的时间成本、计算成本，才能够对MRI图像进行分类管理。导致了对MRI图像进行分类时的速度较慢、效率较低。

发明内容

本申请提供一种MRI图像分类方法、装置、电子设备及存储介质，用于解决对MRI图像进行分类时速度较慢、效率较低的问题。

本申请第一方面提供一种MRI图像分类方法，包括：获取第一MRI图像；对所述第一MRI图像进行预处理；将预处理后的所述第一MRI图像输入分类模型；根据所述分类模型输出的概率信息，确定所述第一MRI图像的类别；所述分类模型用于提取所述第一MRI图像的特征，并将所述第一MRI图像的特征与存储的多个类别特征进行比较后，输出所述第一MRI图像的特征与每个类别特征之间的概率信息；所述分类模型是根据所述多个类别的MRI训练图像和所述多个类别的辅助分类信息训练得到的，所述辅助分类信息包括所述MRI训练图像经过处理模型处理后的处理结果，所述多个类别对应于所述处理模型对MRI训练图像的多个处理结果；

在本申请第一方面一实施例中，所述分类模型包括：多个卷积神经网络模块、多个注意力机制模块、辅助分类信息处理模块、特征池化模块以及分类模块；其中，所述多个卷积神经网络模块和所述多个注意力机制模块依次间隔连接，所述多个卷积神经网络模块中的第一个卷积神经网络模块用于接收输入的MRI图像，所述多个注意力机制模块中的最后一个注意力机制模块连接所述分类模块，所述辅助信息处理模块通过所述特征池化模块连接所述分类模块；所述卷积神经网络模块用于提取特征；所述注意力机制模块用于对所述卷积神经网络模块提取的特征进行加权融合处理；所述辅助信息处理模块用于提供所述处理模型对所述多个类别的MRI训练图像进行处理后的处理结果；所述特征池化模块用于对所述辅助信息处理模块提供的数据进行降维处理；所述分类模块用于确定接收到的特征与每个类别特征之间的概率信息。

在本申请第一方面一实施例中，所述获取第一MRI图像之前，还包括：获取多个MRI训练图像，以及每个MRI训练图像的类别和处理结果；将所述多个MRI训练图像的处理结果输入所述分类模型中的辅助分类信息处理模块；依次将每个所述MRI训练图像进行预处理后，与所述MRI训练图像的类别输入所述分类模型；对所述分类模型进行迭代训练，使所述分类模型的损失函数满足条件。

在本申请第一方面一实施例中，对MRI图像进行的预处理，包括以下的一项或多项：使用SPM12方法对所述MRI图像进行处理；使用水平集分割算法将所述MRI图像划分为不同的区域；根据预设的模板，对所述MRI图像进行配准。

在本申请第一方面一实施例中，所述确定所述第一MRI图像的类别之后，还包括：将所述第一MRI图像，与所述类别对应的MRI训练图像进行相似度分析，当得到的相似度大于预设值，确定所述第一MRI图像分类准确。