[发明专利]一种医学图像的分类方法、装置、设备及存储介质

权利要求书

1.一种医学图像的分类方法，其特征在于，包括：

将获取到的待测医学图像以及与所述待测医学图像对应的临床特征数据输入到预先训练完成的目标图像分类模型中；其中，所述目标图像分类模型包括主干网络、类别分支网络和分类网络；

通过所述主干网络，基于输入的待测医学图像，确定待测特征图；

通过所述类别分支网络，基于所述临床特征数据和所述主干网络输出的待测特征图，确定融合特征图；

通过所述分类网络，基于所述类别分支网络输出的所述融合特征图，输出所述待测医学图像对应的目标分类结果。

2.根据权利要求1所述的方法，其特征在于，所述类别分支网络包括类别感知模块和临床信息融合模块，所述类别感知模块用于基于所述主干网络输出的待测特征图，输出类别特征图；所述临床信息融合模块用于基于所述临床特征数据和所述类别感知模块输出的类别特征图，输出融合特征图。

3.根据权利要求2所述的方法，其特征在于，所述临床信息融合模块包括第一神经网络层、融合层和第二神经网络层，所述第一神经网络层用于将基于输入的临床特征数据确定的第一网络特征图输出给所述融合层；所述融合层用于对输入的所述第一网络特征图和类别特征图执行融合操作，输出参考特征图；所述第二神经网络层用于基于所述融合层输出的所述参考特征图，输出融合特征图。

4.根据权利要求2或3所述的方法，其特征在于，所述类别感知模块包括池化单元和输出层，其中，所述池化单元包括全局池化层、第一平均池化层和特征处理层，所述全局池化层用于对输入的所述待测特征图执行全局池化操作，得到全局池化特征图；所述第一平均池化层用于对所述主干网络输出的所述待测特征图执行平均池化操作，得到第一平均池化特征图；所述特征处理层用于基于所述全局池化层输出的全局池化特征图和所述第一平均池化层输出的第一平均池化特征图，确定中间特征图；所述输出层用于基于所述特征处理层输出的中间特征图，输出类别特征图。

5.根据权利要求4所述的方法，其特征在于，所述全局池化层包括全局最大池化层和第二平均池化层，其中，所述全局最大池化层用于对所述主干网络输出的所述待测特征图执行全局最大池化操作，得到最大池化特征图；所述第二平均池化层用于对所述全局最大池化层输出的最大池化特征图执行平均池化操作，得到全局池化特征图。

6.根据权利要求4所述的方法，其特征在于，所述类别感知模块还包括通道注意力单元，所述通道注意力单元用于基于所述主干网络输出的待测特征图，输出注意力特征图，相应的，所述输出层具体用于：基于所述特征处理层输出的中间特征图和所述通道注意力单元输出的注意力特征图，输出类别特征图。

7.根据权利要求6所述的方法，其特征在于，所述通道注意力单元包括全局平均池化层、卷积层、激活层和融合层，所述全局平均池化层用于对所述主干网络输出的待测特征图执行全局平均池化操作，得到全局平均特征图；所述卷积层用于对所述全局平均池化层输出的全局平均特征图执行卷积操作，得到卷积特征图；所述激活层用于对所述卷积层输出的卷积特征图执行激活操作，得到激活特征图；所述融合层用于基于所述主干网络输出的待测特征图和所述激活层输出的激活特征图，输出注意力特征图。

8.一种医学图像的分类装置，其特征在于，包括：

临床特征数据输入模块，用于将获取到的待测医学图像以及与所述待测医学图像对应的临床特征数据输入到预先训练完成的目标图像分类模型中；其中，所述目标图像分类模型包括主干网络、类别分支网络和分类网络；

待测特征图确定模块，用于通过所述主干网络，基于输入的待测医学图像，确定待测特征图；

融合特征图确定模块，用于通过所述类别分支网络，基于所述临床特征数据和所述主干网络输出的待测特征图，确定融合特征图；

目标分类结果输出模块，用于通过所述分类网络，基于所述类别分支网络输出的所述融合特征图，输出所述待测医学图像对应的目标分类结果。