[發(fā)明專利]一種醫(yī)學圖像的識別與分類的方法及終端

在審

• 申請?zhí)枺?/td>: 202110375116.3
• 申請日: 2021-04-08
• 公開（公告）號: CN112949770A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計）人: 邢力剛;于金明;尹勇;鞏貫忠;黃雪芳;謝寶文;雷國勝
• 申請（專利權(quán)）人: 深圳市醫(yī)諾智能科技發(fā)展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市博銳專利事務(wù)所 44275
• 代理人: 歐陽燕明

1.一種醫(yī)學圖像的識別與分類的方法，其特征在于，包括步驟：

根據(jù)獲取的醫(yī)學圖像確定樣本集；

對所述樣本集進行特征提取，得到深層特征與淺層特征；

根據(jù)所述深層特征與淺層特征建立醫(yī)學圖像識別分類模型，基于所述樣本集對所述醫(yī)學圖像識別分類模型進行訓練并封裝，得到封裝后的醫(yī)學圖像識別分類模型；

根據(jù)所述封裝后的醫(yī)學圖像識別分類模型對待處理的醫(yī)學圖像進行識別與分類。

2.根據(jù)權(quán)利要求1所述的一種醫(yī)學圖像的識別與分類的方法，其特征在于，所述根據(jù)獲取的醫(yī)學圖像確定樣本集包括：

根據(jù)獲取的醫(yī)學圖像得到數(shù)據(jù)集，將所述數(shù)據(jù)集進行文件轉(zhuǎn)換，得到轉(zhuǎn)換后的數(shù)據(jù)集；

將所述轉(zhuǎn)換后的數(shù)據(jù)集進行劃分，得到子訓練樣本；

根據(jù)所述轉(zhuǎn)換后的數(shù)據(jù)集的位置信息對所述子訓練樣本進行裁剪，并對裁剪后的子訓練樣本的數(shù)據(jù)順序進行隨機排序，得到樣本集。

3.根據(jù)權(quán)利要求1所述的一種醫(yī)學圖像的識別與分類的方法，其特征在于，所述對所述樣本集進行特征提取，得到深層特征與淺層特征包括：

對所述樣本集進行卷積，得到第一特征圖集合；

基于所述第一特征圖集合進行線性運算，得到第二特征圖集合；

根據(jù)所述第一特征圖集合與所述第二特征圖集合生成第三特征圖集合；

將所述第三特征圖集合通過插值轉(zhuǎn)換至連續(xù)空間域，得到卷積特征；

對所述卷積特征進行全局平均池化，得到深層特征與淺層特征。

4.根據(jù)權(quán)利要求3所述的一種醫(yī)學圖像的識別與分類的方法，其特征在于，所述對所述樣本集進行卷積，得到第一特征圖集合包括：

將所述樣本集與卷積過濾器進行卷積，得到所述第一特征圖集合；

所述第一特征圖集合Y’為：

Y′＝X*f′；

式中，f′表示所述卷積過濾器，X表示所述樣本集，*表示卷積；

所述基于所述第一特征圖集合進行線性運算，得到第二特征圖集合包括：

將所述第一特征圖集合中的每一第一特征圖進行線性運算，得到所述第二特征圖集合；

所述第二特征圖集合中y_ij為：

式中，y′_i表示所述第一特征圖集合中的第i個第一特征圖，Φ_i,j()表示線性運算，y_ij表示根據(jù)第i個第一特征圖生成的第j個第二特征圖，m表示所述第一特征圖集合中的第一特征圖個數(shù)，s表示所述第二特征圖集合中的第二特征圖個數(shù)；

所述將所述第三特征圖集合通過插值轉(zhuǎn)換至連續(xù)空間域，得到卷積特征包括：

將所述第三特征圖集合中的每一層的特征通過插值轉(zhuǎn)換至所述連續(xù)空間域中，得到所述卷積特征；

所述卷積特征A_d{x^d}(t)為：

式中，x^d[n]表示所述第三特征圖集合中的第n層的特征，T表示周期，t表示變換時間，b_d表示T的插值核，N_d表示預設(shè)更新次數(shù)，表示插值函數(shù)。

5.根據(jù)權(quán)利要求1所述的一種醫(yī)學圖像的識別與分類的方法，其特征在于，所述基于所述樣本集對所述醫(yī)學圖像識別分類模型進行訓練并封裝，得到封裝后的醫(yī)學圖像識別分類模型包括：

根據(jù)當前CPU版本創(chuàng)建線程管理器；

將所述樣本集輸入至所述醫(yī)學圖像識別分類模型，使用激活函數(shù)對所述醫(yī)學圖像識別分類模型進行訓練，得到訓練后的醫(yī)學圖像識別分類模型；

使用預設(shè)優(yōu)化器對所述訓練后的醫(yī)學圖像識別分類模型進行模型優(yōu)化，得到優(yōu)化后的醫(yī)學圖像識別分類模型；

將所述優(yōu)化后的醫(yī)學圖像識別分類模型進行封裝，得到封裝后的醫(yī)學圖像識別分類模型。