The present invention is about an image recognition method. The method comprises: acquiring 3D imaging model of the branch; 3D image processing through feature extraction, image feature of the 3D imaging and heat map, the image features are used to indicate the source region characteristics of 3D imaging in the graph; based on the image features and the heat map recognition model of branch processing, disease attributes obtain the 3D image corresponding to the attribute, including benign or malignant diseases; because the global characteristics of construction heat map to indicate the 3D image, to bring more information with pathology, therefore based on heat map recognition can improve the accuracy of image recognition.
【技术实现步骤摘要】
图像识别方法及装置
本专利技术实施例涉及机器学习
,特别涉及一种图像识别方法及装置。
技术介绍
随着机器学习算法的不断发展,机器学习算法在医疗领域的应用也越来越广泛,自动识别疾病的良恶性就是机器学习算法在医疗领域的一种具体应用。以肺癌为例,肺结节是一种病因未明的多系统多器官的肉芽肿性疾病,在相关技术中,通常通过肺结节的良恶性来识别肺癌的良恶性。具体的,在相关技术中,预先训练两个独立的机器学习模型,其中,第一个机器学习模型通过预先人工标注好肺结节的肺癌病灶区域的CT(ComputedTomography,电子计算机断层扫描)图样本进行学习获得,第二个机器学习模型通过预先人工标注好良恶性的肺结节的CT图样本进行学习获得。在识别肺癌的良恶性时,通过将患者的肺癌病灶区域的CT图输入第一个机器学习模型,以确定该CT图中的各个肺结节的位置,并根据肺结节的位置,从肺癌病灶区域的CT图中分割出各个肺结节的CT图,并将每个肺结节的CT图分别输入到第二个机器学习模型中,以确定各个肺结节的良恶性,最后根据各个肺结节的良恶性来判断肺癌的良恶性。由于肺结节并不包含患者肺部全部区域的病理信息,且人工标注肺结节的良恶性的误差较大,从而导致相关技术中训练出的模型的准确度不高,肺癌良恶性判断的准确性较低。
技术实现思路
本专利技术实施例提供了一种图像识别方法及装置,可以用于解决相关技术中训练出的模型的准确度不高,疾病良恶性判断的准确性较低的问题,技术方案如下:第一方面,提供了一种图像识别方法,所述方法包括:获取待识别的三维成像图;通过特征提取模型分支对所述三维成像图进行处理,获得所述三维 ...
【技术保护点】
一种图像识别方法,其特征在于,所述方法包括:获取待识别的三维成像图;通过特征提取模型分支对所述三维成像图进行处理,获得所述三维成像图的图像特征以及热度图,所述图像特征是用于指示所述三维成像图中的病源区域的特征,所述热度图由所述特征提取模型分支根据所述图像特征构建生成,所述病源区域为引起疾病的病源所在的区域;通过识别模型分支对所述图像特征以及所述热度图进行识别处理,获得所述三维成像图对应的识别结果,所述识别结果中包含所述疾病的疾病属性,所述疾病属性包括良性或者恶性。
【技术特征摘要】
1.一种图像识别方法,其特征在于,所述方法包括:获取待识别的三维成像图;通过特征提取模型分支对所述三维成像图进行处理,获得所述三维成像图的图像特征以及热度图,所述图像特征是用于指示所述三维成像图中的病源区域的特征,所述热度图由所述特征提取模型分支根据所述图像特征构建生成,所述病源区域为引起疾病的病源所在的区域;通过识别模型分支对所述图像特征以及所述热度图进行识别处理,获得所述三维成像图对应的识别结果,所述识别结果中包含所述疾病的疾病属性,所述疾病属性包括良性或者恶性。2.根据权利要求1所述的方法,其特征在于,所述通过特征提取模型分支对所述三维成像图进行处理,获得所述三维成像图的图像特征以及根据所述图像特征构建的热度图,包括:通过所述特征提取模型分支对所述三维成像图进行处理,获得所述三维成像图的图像特征以及所述三维成像图与至少两个分辨率分别对应的热度图。3.根据权利要求1或2所述的方法,其特征在于,所述通过特征提取模型分支对所述三维成像图进行处理,获得所述三维成像图的图像特征以及根据所述图像特征构建的热度图,包括:将所述三维成像图分割为至少两个三维图像块;对于所述至少两个三维图像块中的每一个三维图像块,将所述三维图像块输入所述特征提取模型分支,获得所述三维图像块对应的子图像特征以及根据所述子图像特征构建的子热度图;将所述至少两个三维图像块各自对应的子图像特征组合成所述图像特征;将所述至少两个三维图像块各自对应的子热度图组合成所述热度图。4.根据权利要求2所述的方法,其特征在于,所述至少两个分辨率对应各自的权重,所述通过识别模型分支对所述图像特征以及所述热度图进行处理,获得所述三维成像图对应的识别结果,包括:对于所述三维成像图与至少两个分辨率分别对应的热度图中的每一个热度图,通过所述识别模型分支,将所述图像特征和所述热度图进行点乘,根据所述至少两个分辨率对应的各自的权重,对所述三维成像图与至少两个分辨率分别对应的热度图的点乘结果进行加权求和,并根据加权求和的结果获得所述三维成像图对应的识别结果。5.根据权利要求1至4任一所述的方法,其特征在于,所述方法还包括:在获取所述三维成像图之前,获取已标注有疾病属性和病源区域属性的三维成像图样本,所述病源区域属性包括所述三维成像图样本中的病源区域的坐标和尺寸;根据所述病源区域属性构建热度图样本;根据所述三维成像图样本和所述热度图样本进行模型训练,获得所述特征提取模型分支以及图像特征样本,所述图像特征样本是通过所述特征提取模型分支对所述三维成像图样本进行处理获得的图像特征;根据所述热度图样本、所述图像特征样本以及所述三维成像图样本对应的疾病属性进行模型训练,获得所述识别模型分支。6.根据权利要求5所述的方法,其特征在于,所述根据所述三维成像图样本和所述热度图样本进行模型训练,获得所述特征提取模型分支以及图像特征样本之前,还包括:对所述热度图样本进行正则化处理,获得正则化处理后的热度图样本;所述根据所述三维成像图样本和所述热度图样本进行模型训练,获得所述特征提取模型分支以及图像特征样本,包括:根据所述三维成像图样本和所述正则化处理后的热度图样本...
【专利技术属性】
技术研发人员:孙星,刘诗昆,郭晓威,
申请(专利权)人:腾讯科技深圳有限公司,腾讯云计算北京有限责任公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。