[發明專利]一種圖像分類方法、裝置和存儲介質

有效

• 申請號: 201810973916.3
• 申請日: 2018-08-24
• 公開（公告）號: CN109117890B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 伍健榮;賈瓊;孫星;郭曉威;周旋;常佳
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

1.一種圖像分類裝置，其特征在于，

采集單元，用于采集生命體組織的多張生命體組織圖像；

檢測單元，用于根據生命組織樣本圖像中標注靶向區域的區域信息，從所述生命體組織圖像中檢測靶向區域圖像，所述區域信息包括區域位置信息；

預處理單元，用于對檢測到的靶向區域圖像進行預處理，得到待識別圖像；

分類單元，用于采用預設病變分類模型對所述待識別圖像進行分類，得到所述生命體組織圖像對應的分類結果，所述預設病變分類模型由多個標注了病理分析結果的區域樣本圖像訓練而成；

融合單元，用于當得到采集到的所有生命體組織圖像對應的分類結果時，獲取所述生命體組織圖像的分類結果為病變的病變預測概率、以及分類結果為正常的正常預測概率；從所述病變預測概率中確定概率最大的目標病變預測概率，并從所述正常預測概率中確定概率最大的目標正常預測概率；根據所述最大的目標病變預測概率和所述最大的目標正常預測概率，從病變和正常中確定最終分類結果；

特征檢測單元，用于當所述最終分類結果為正常時，根據生命體組織圖像的采集時間，從所述多張生命體組織圖像中選擇待檢測的目標生命體組織圖像；采用預設區域檢測模型對所述目標生命體組織圖像進行關鍵特征檢測，得到至少一個辨別區域，所述預設區域檢測模型由多個標注了關鍵特征的生命體組織樣本圖像訓練而成；

識別單元，用于采用預設區域分類模型對所述辨別區域的類型進行識別，所述預設區域分類模型由多個標注了區域類型特征的區域樣本圖像訓練而成；

標注單元，用于根據識別結果確定辨別區域中預設范圍內各個識別框的類型、以及類型的置信度；通過非極大值抑制算法對所述預設范圍內各個識別框的類型的置信度進行計算，得到所述預設范圍的置信度；選擇置信度最大的預設范圍的類型作為辨別區域的類型，并獲取辨別區域的坐標；根據所述坐標在所述生命體組織圖像上標注辨別區域的位置，并在所述位置上標注辨別區域的類型；

區域檢測單元，用于當所述最終分類結果為病變時，采用預設病變區域檢測模型對所述生命體組織圖像進行病變區域檢測，所述病變區域檢測模型由多個標注了病變區域的生命體組織樣本圖像訓練而成；

預處理單元，用于若檢測到病變區域，則采用預設算法對病變區域進行預處理，得到待識別區域；

區域分類單元，用于采用所述預設病變分類模型對所述待識別區域進行分類；

概率獲取單元，用于從所述預設病變分類模型輸出的分類結果中獲取分類結果為病變的待識別區域所對應的病變預測概率；

區域確定單元，用于將所述待識別區域所對應的病變預測概率高于預設閾值的待識別區域確定為活檢區域。

2.如權利要求1所述的圖像分類裝置，其特征在于，所述檢測單元，包括：

采集子單元，用于采集多張標注了靶向區域的生命體組織樣本圖像；

信息獲取子單元，用于獲取所述生命組織樣本圖像中標注靶向區域的區域信息，得到多個標注靶向區域的區域信息；

檢測子單元，用于根據所述多個標注靶向區域的區域信息，從所述生命體組織圖像中檢測靶向區域圖像。

3.如權利要求2所述的圖像分類裝置，其特征在于，所述區域信息還包括區域尺寸信息；檢測子單元，用于：獲取標注病變區域的平均位置信息和平均尺寸信息；根據所述平均位置信息和所述平均尺寸信息，從所述生命體組織圖像中檢測病變區域圖像。

4.如權利要求1所述的圖像分類裝置，其特征在于，所述預處理單元，用于：

采用非極大值抑制算法對病變區域進行篩選，得到候選區域；

從所述候選區域中確定病變對象，并對病變對象進行提取，得到重置對象；

將重置對象縮放為預設尺寸，得到待識別區域。

5.如權利要求4所述的圖像分類裝置，其特征在于，所述預處理單元，用于：采用非極大值抑制算法對病變區域進行篩選，得到候選區域；獲取候選區域所對應的病變預測概率和位置信息；根據所述病變預測概率和位置信息確定病變對象；從所述病變區域中提取所述病變對象的最小外接矩形區域作為重置對象。