一种图像分类方法、装置和存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像分类方法、装置和存储介质；本发明专利技术实施例可以采集生命体组织的多张生命体组织图像；然后，根据生命组织样本图像中标注靶向区域的区域信息，从生命体组织图像中检测靶向区域图像，该区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对待识别图像进行分类，得到生命体组织图像对应的分类结果；当得到采集到的所有生命体组织图像对应的分类结果时，对生命体组织图像的分类结果进行融合，得到最终分类结果；该方案可以减少漏检的概率，提高图像分类的准确率和有效性。

An Image Classification Method, Device and Storage Media

The embodiment of the present invention discloses an image classification method, device and storage medium; the embodiment of the present invention can collect multiple images of living tissue; then, according to the region information of the target area labeled in the sample image of living tissue, the target area image is detected from the image of living tissue, and the region information includes the location information of the region; and the target is detected. Preprocessing the regional image to get the image to be recognized; classifying the image to be recognized by using the preset pathological classification model to get the corresponding classification results of the tissue image of the living body; fusing the classification results of the tissue image of the living body to get the final classification results when the corresponding classification results of all the collected tissue images are obtained; this scheme can reduce the number of classification results. The probability of missing detection can improve the accuracy and effectiveness of image classification.

【技术实现步骤摘要】
一种图像分类方法、装置和存储介质
本专利技术涉及通信
，具体涉及一种图像分类方法、装置和存储介质。
技术介绍
随着人工智能(ArtificialIntelligence，AI)技术的发展，AI在医学领域的应用越来越广泛。比如，可以通过AI来实现宫颈癌的病变诊断或检测等。目前传统的基于AI的宫颈癌病变诊断方法是获取电子内窥镜设备采集到的宫颈图像，利用深度学习技术对采集到的宫颈图像进行分类，并输出病变概率。但是，在对现有技术的研究和实践过程中，本专利技术的专利技术人发现，由于对整个宫颈图像进行分类，当某些病变区域较小时，现有方案在对宫颈图像进行检测(分类)时，容易出现漏检的情况，导致图像分类的准确率和有效性较低。
技术实现思路
本专利技术实施例提供一种图像分类方法、装置和存储介质，可以降低漏检的概率，提高图像分类的准确性和有效性。本专利技术实施例提供一种图像分类方法，包括：采集生命体组织的多张生命体组织图像；根据生命组织样本图像中标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，所述区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对所述待识别图像进行分类，得到所述生命体组织图像对应的分类结果，所述预设病变分类模型由多个标注了病理分析结果的区域样本图像训练而成；当得到采集到的所有生命体组织图像对应的分类结果时，对所述生命体组织图像的分类结果进行融合，得到最终分类结果。本专利技术实施例还提供另一种图像分类方法，包括：采集生命体组织的多张生命体组织图像；采用预设特征提取网络模型分别对每张生命体组织图像进行特征提取，得到每张生命体组织图像的图像特征；采用预设时序特征提取网络模型对所述每张生命体组织图像的图像特征进行时序特征提取，得到目标时序特征；采用预设分类网络模型对所述目标时序特征进行分类处理，得到分类结果。相应的，本专利技术实施例还提供一种图像分类装置，包括：采集单元，用于采集生命体组织的多张生命体组织图像；检测单元，用于根据生命组织样本图像中标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，所述区域信息包括区域位置信息；预处理单元，用于对检测到的靶向区域图像进行预处理，得到待识别图像；分类单元，用于采用预设病变分类模型对所述待识别图像进行分类，得到所述生命体组织图像对应的分类结果，所述预设病变分类模型由多个标注了病理分析结果的区域样本图像训练而成；融合单元，用于当得到采集到的所有生命体组织图像对应的分类结果时，对所述生命体组织图像的分类结果进行融合，得到最终分类结果。相应的，本专利技术实施例还提供另一种图像分类装置，包括：采集单元，用于采集生命体组织的多张生命体组织图像；图像特征提取单元，用于采用预设特征提取网络模型分别对每张生命体组织图像进行特征提取，得到每张生命体组织图像的图像特征；时序特征提取单元，用于采用预设时序特征提取网络模型对所述每张生命体组织图像的图像特征进行时序特征提取，得到目标时序特征；分类单元，用于采用预设分类网络模型对所述目标时序特征进行分类处理，得到分类结果。此外，本专利技术实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本专利技术实施例提供的任一种图像分类方法中的步骤。本专利技术实施例可以采集生命体组织的多张生命体组织图像；根据生命组织样本图像中标注靶向区域的区域信息，从生命体组织图像中检测靶向区域图像，该区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对待识别图像进行分类，得到生命体组织图像对应的分类结果；当得到采集到的所有生命体组织图像对应的分类结果时，对生命体组织图像的分类结果进行融合，得到最终分类结果；由于该方案可以从整张图像中检测出靶向区域图像，对检测出的靶向区域图像进行分类，并且对每张图像的分类结果进行融合得到最终分类结果从而实现病变诊断；可以避免漏掉靶向区域较小的图像，因此，相对于现有只对整张图像来进行直接分类的方案而言，可以大大减少漏检的概率，提高图像分类的准确率和有效性；进而提升了病变诊断的准确性和有效性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1a是本专利技术实施例提供的图像分类系统的场景示意图；图1b是本专利技术实施例提供的图像分类方法的流程图；图2a是本专利技术实施例提供的图像分类方法的另一流程图；图2b是本专利技术实施例提供的阴道镜图像(宫颈癌前诊断)的图像分类的架构示例图；图2c是本专利技术实施例提供的阴道镜图像(宫颈癌前诊断)的图像分类的另一架构示例图；图3是本专利技术实施例提供的辨别区域识别的流程示意图；图4a是本专利技术实施例提供的辨别区域识别的另一流程示意图；图4b是本专利技术实施例提供的关于宫颈转化区类型的图像识别的架构示意图；图5是本专利技术实施例提供的活检区域预测的流程图；图6a是本专利技术实施例提供的活检区域预测的另一流程图；图6b是本专利技术实施例提供的阴道镜图像(宫颈癌前诊断)的活检区域预测的架构示例图；图7a是本专利技术实施例提供的图像分类方法的另一流程示意图；图7b是本专利技术实施例提供的阴道镜图像(宫颈癌前诊断)分类的架构示意图；图8a是本专利技术实施例提供的图像分类装置的结构示意图；图8b是本专利技术实施例提供的图像分类装置的另一结构示意图；图8c是本专利技术实施例提供的图像分类装置的另一结构示意图；图8d是本专利技术实施例提供的图像分类装置的另一结构示意图；图9a是本专利技术实施例提供的图像分类装置的另一结构示意图；图9b是本专利技术实施例提供的图像分类装置的另一结构示意图；图9c是本专利技术实施例提供的图像分类装置的另一结构示意图；图9d是本专利技术实施例提供的图像分类装置的另一结构示意图；图10是本专利技术实施例提供的网络设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种图像分类方法、装置和存储介质。本专利技术实施例提供一种图像分类系统，该系统包括本专利技术实施例任一提供的图像分类理装置，该图像分类装置可以集成在网络设备中，该终端可以为，该网络设备可以是终端或服务器等设备，其中，该终端可以包括平板电脑、笔记本电脑或个人计算机(PC，PersonalComputer)等。此外，该系统还可以包括其他设备，比如，图像采集设备，该图像采集设备可以为电子内窥镜设备，如阴道镜、胃镜等等。参考图1a，本专利技术实施例提供了一种图像分类系统，包括：电子内窥镜设备10以及网络设备20，网络设备20通过网络与电子内窥镜设备10连接。其中，电子内窥镜设备10可以采集生命体的生命体组织图像，并向网络设备20发送采集到的生命体组织图像。该电子内窥设备10可以是一种可插入生命体如人体体腔和人体脏器内腔进行直接观察、诊断、治疗的电子光学仪器。将电子内窥镜设备的探头插本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：采集生命体组织的多张生命体组织图像；根据生命组织样本图像中标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，所述区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对所述待识别图像进行分类，得到所述生命体组织图像对应的分类结果，所述预设病变分类模型由多个标注了病理分析结果的区域样本图像训练而成；当得到采集到的所有生命体组织图像对应的分类结果时，对所述生命体组织图像的分类结果进行融合，得到最终分类结果。

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：采集生命体组织的多张生命体组织图像；根据生命组织样本图像中标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，所述区域信息包括区域位置信息；对检测到的靶向区域图像进行预处理，得到待识别图像；采用预设病变分类模型对所述待识别图像进行分类，得到所述生命体组织图像对应的分类结果，所述预设病变分类模型由多个标注了病理分析结果的区域样本图像训练而成；当得到采集到的所有生命体组织图像对应的分类结果时，对所述生命体组织图像的分类结果进行融合，得到最终分类结果。2.如权利要求1所述的图像分类方法，其特征在于，对所述生命体组织图像的分类结果进行融合，得到最终分类结果，包括：获取所述生命体组织图像的分类结果所对应的预测概率；根据所述预测概率对所述生命体组织图像的分类结果进行融合，得到最终分类结果。3.如权利要求2所述的图像分类方法，其特征在于，获取所述生命体组织图像的分类结果所对应的预测概率，包括：获取所述生命体组织图像的分类结果为病变的病变预测概率、以及分类结果为正常的正常预测概率；根据所述预测概率对所述生命体组织图像的分类结果进行融合，得到最终分类结果，包括：将每张生命体组织图像的病变预测概率进行累加，得到病变累加概率；将每张生命体组织图像的正常预测概率进行累加，得到正常累加概率；根据所述病变累加概率和所述正常累加概率，从病变和正常中确定最终分类结果。4.如权利要求3所述的图像分类方法，其特征在于，获取所述生命体组织图像的分类结果所对应的预测概率，包括：获取所述生命体组织图像的分类结果为病变的病变预测概率；根据所述预测概率对所述生命体组织图像的分类结果进行融合，得到最终分类结果，包括：从所述病变预测概率中确定概率最大的目标病变预测概率；根据所述目标病变预测概率，从病变和正常中确定最终分类结果。5.如权利要求3所述的图像分类方法，其特征在于，获取所述生命体组织图像的分类结果所对应的预测概率，包括：获取所述生命体组织图像的分类结果为病变的病变预测概率、以及分类结果为正常的正常预测概率；根据所述预测概率对所述生命体组织图像的分类结果进行融合，得到最终分类结果，包括：从所述病变预测概率中确定概率最大的目标病变预测概率，并从所述正常预测概率中确定概率最大的目标正常预测概率；根据所述目标病变预测概率和所述目标正常预测概率，从病变和正常中确定最终分类结果。6.如权利要求1所述的图像分类方法，其特征在于，根据生命组织样本图像中标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，包括：采集多张标注了靶向区域的生命体组织样本图像；获取所述生命组织样本图像中标注靶向区域的区域信息，得到多个标注靶向区域的区域信息；根据所述多个标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像。7.如权利要求6所述的图像分类方法，其特征在于，所述区域信息还包括区域尺寸信息；根据所述多个标注靶向区域的区域信息，从所述生命体组织图像中检测靶向区域图像，包括：获取标注靶向区域的平均位置信息和平均尺寸信息；根据所述平均位置信息和所述平均尺寸信息，从所述生命体组织图像中检测靶向区域图像。8.如权利要求1所述的图像分类方法，其特征在于，还包括：当所述最终分类结果为正常时，采用预设区域检测模型对所述生命体组织图像进行关键特征检测，得到至少一个辨别区域，所述区域检测模型由多个标注了关键特征的生命体组织样本图像训练而成；采用预设区域分类模型对所述辨别区域的类型进行识别，所述预设区域分类模型由多个标注了区域类型特征的区域样本图像训练而成；根据识别结果在所述生命体组织图像上标注辨别区域的位置和类型。9.如权利要求8所述的图像分类方法，其特征在于，所述根据识别结果在所述生命体组织图像上标注辨别区域的位置和类型，包括：根据识别结果确定辨别区域的类型，并获取辨别区域的坐标；根据所述坐标在所述生命体组织图像上标注辨别区域的位置，并在所述位置上标注辨别区域的类型。10.如权利要求9所述的方法，其特征在于，所述根据识别结果确定辨别区域的类型，包括：根据识别结果确定辨别区域中预设范围内各个识别框的类型、以及类型的置信度；通过非极大值抑制算法对所述预设范围内各个识别框的类型的置信度进行计算，得到所述预设范围的置信度；选择置信度最大的预设范围的类型作为辨别区域的类型。11.如权利要求1所述的图像分类方法，其特征在于...

【专利技术属性】
技术研发人员：伍健荣，贾琼，孙星，郭晓威，周旋，常佳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44