医学图像分类方法、系统和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114282594A(43)申请公布日2022.04.05(21)申请号202111389245.4G06V10/774(2022.01)(22)申请日2021.11.19G06V10/82(2022.01)(71)申请人广东省人民医院地址510000广东省广州市越秀区中山二路106号(72)发明人李丹彤胡联亭(74)专利代理机构广州嘉权专利商标事务所有限公司44205代理人余凯欢(51)Int.Cl.G06K9/62(2022.01)G06T7/11(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)G06V10/764(2022.01)权利要求书2页说明书7页附图3页(54)发明名称医学图像分类方法、系统和存储介质(57)摘要本发明公开了一种医学图像分类方法、系统和存储介质，可应用于图像分类技术领域。本发明方法包括：对序列图像分别进行分割后，构建分割得到的目标区域图像对应的目标区域三维图像；将目标区域三维图像输入到全卷积神经网络模型，得到图像疾病概率图；将图像疾病概率图输入到贝叶斯神经网络模型，得到医学图像对应的分类结果和不确定性；根据所有医学图像对应的分类结果和不确定性生成可信度与不确定性区间的拟合曲线；当拟合曲线满足预设要求，确定不确定性目标区间；确定医学图像对应的不确定性属于不确定性目标区间，将医学图像对应的分类结果作为目标分类结果。本发明能使当前分类算法给出的医学图像的分类结果更符合实际情况。CN114282594ACN114282594A权利要求书1/2页1.一种医学图像分类方法，其特征在于，包括以下步骤：对预设数据集内的序列图像分别进行分割后，构建分割得到的目标区域图像对应的目标区域三维图像；将所述目标区域三维图像输入到全卷积神经网络模型，得到图像疾病概率图；将所述图像疾病概率图输入到贝叶斯神经网络模型，得到所述序列图像对应医学图像的分类结果和不确定性；根据所述预设数据集内所有所述医学图像对应的分类结果和不确定性生成可信度与不确定性区间的拟合曲线；当所述拟合曲线满足预设要求，确定不确定性目标区间；判断所述医学图像对应的不确定性是否属于所述不确定性目标区间，若是，则将所述医学图像对应的分类结果作为目标分类结果；反之，则生成风险提示信息。2.根据权利要求1所述的一种医学图像分类方法，其特征在于，所述对预设数据集内的序列图像分别进行分割，包括：采用U‑net模型对预设数据集内的序列图像分别进行分割。3.根据权利要求1所述的一种医学图像分类方法，其特征在于，在执行所述将所述目标区域三维图像输入到全卷积神经网络模型这一步骤前，所述方法还包括以下步骤：对所述目标区域三维图像进行固定尺寸的随机取样，得到若干个三维小块图像；采用所述若干个三维小块图像对所述全卷积神经网络模型进行训练。4.根据权利要求3所述的一种医学图像分类方法，其特征在于，所述全卷积神经网络模型包括七个卷积块和三个最大池化层，每个所述卷积块包括卷积层、批处理归一化层和激活层，将所述七个卷积块中的第一个卷积块内的滤波器个数作为超参数。5.根据权利要求1所述的一种医学图像分类方法，其特征在于，所述将所述目标区域三维图像输入到全卷积神经网络模型，得到图像疾病概率图，包括：将所述目标区域三维图像输入到全卷积神经网络模型，确定所述目标区域三维图像内各个区域的语义特征；根据所述语义特征生成所述目标区域三维图像对应的图像疾病概率图。6.根据权利要求1所述的一种医学图像分类方法，其特征在于，所述将所述图像疾病概率图输入到贝叶斯神经网络模型，得到所述序列图像对应医学图像的分类结果和不确定性，包括：将所述图像疾病概率图输入到贝叶斯神经网络模型；当迭代预测次数大于预设次数，将所有迭代预测结果的平均预测结果作为所述医学图像对应的分类结果；根据预测分布的熵确定所述医学图像对应分类结果的不确定性。7.根据权利要求1所述的一种医学图像分类方法，其特征在于，在执行所述当所述拟合曲线满足预设要求，确定不确定性目标区间这一步骤时，所述方法还包括以下步骤：当所述可信度曲线不满足预设要求，对所述全卷积神经网络模型进行再次训练。8.一种医学图像分类系统，其特征在于，包括：分割模块，用于对预设数据集内的序列图像分别进行分割后，构建分割得到的目标区域图像对应的目标区域三维图像；2CN114282594A权利要求书2/2页卷积处理模块，用于将所述目标区域三维图像输入到全卷积神经网络模型，得到图像疾病概率图；分类处理模块，用于将所述图像疾病概率图输入到贝叶斯神经网络模型，得到所述序列图像对应医学图像的分类结果和不确定性；计算模块，用于根据所述预设数据集内所有所述医学图像对应的分类结果和不确定性生成可