一种医学影像的分类方法、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医学影像的分类方法、装置和存储介质；本发明专利技术实施例先获取多个医学影像样本，对该医学影像样本中的病变特征进行分类，根据分类结果构建出该医学影像样本的提升树模型，得到第一分类器组，再采用该第一分类器组从该病变特征中筛选出满足第一预设条件的病变特征，得到目标病变特征集，接着，利用该目标病变特征集对预设的第二分类器进行训练，得到训练后第二分类器，然后，基于该训练后第二分类器对待分类的医学影像进行目标病变特征检测，得到分类结果；该方案可以有效地提高医学影像的分类的准确性。

A Classification Method, Device and Storage Medium for Medical Images

The embodiment of the present invention discloses a classification method, device and storage medium for medical images; the embodiment of the present invention first obtains a plurality of medical image samples, classifies the pathological features of the medical image samples, constructs the lifting tree model of the medical image samples according to the classification results, obtains the first classifier group, and then uses the first classifier group to screen the pathological features. The lesion features satisfying the first presupposition condition are selected and the target lesion feature set is obtained. Then, the presupposed second classifier is trained by using the target lesion feature set, and the trained second classifier is obtained. Then, based on the trained second classifier, the target lesion feature is detected for the classified medical images and the classification results are obtained. This scheme can effectively improve the medical service. Accuracy of image classification.

【技术实现步骤摘要】
一种医学影像的分类方法、装置和存储介质
本专利技术涉及通信
，具体涉及一种医学影像的分类方法、装置和存储介质。
技术介绍
肝癌微血管侵犯(MicrovascularInvasion，MVI)是影响肝癌术后生存的重要独立危险因素，但是目前，MVI判定依赖外科手术获得标本之后，进行组织病理学检查才能确定，很大的限制了MVI在临床实践应用中对早期外科治疗方式、肝切除的术式选择以及术中辅助治疗的指导等等。病理检查方法检测是否发生MVI依赖于外科手术获得的肿瘤标本，处理过程需要专业人员经过较长时间对标本进行处理，效率较低，且观察过程会有人为主观判断，判断的准确率较低。
技术实现思路
本专利技术实施例提供一种医学影像的分类方法、装置和存储介质，可以有效地提高医学影像的分类的准确性。本专利技术实施例提供一种医学影像的分类方法，包括：获取多个医学影像样本；对所述医学影像样本中的病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组；采用所述第一分类器组从所述病变特征中筛选出满足第一预设条件的病变特征，得到目标病变特征集；利用所述目标病变特征集对预设的第二分类器进行训练，本文档来自技高网...

【技术保护点】
1.一种医学影像的分类方法，其特征在于，包括：获取多个医学影像样本；对所述医学影像样本中的病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组；采用所述第一分类器组从所述病变特征中筛选出满足第一预设条件的病变特征，得到目标病变特征集；利用所述目标病变特征集对预设的第二分类器进行训练，得到训练后第二分类器；基于所述训练后第二分类器对待分类的医学影像进行目标病变特征检测，得到分类结果。

【技术特征摘要】
1.一种医学影像的分类方法，其特征在于，包括：获取多个医学影像样本；对所述医学影像样本中的病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组；采用所述第一分类器组从所述病变特征中筛选出满足第一预设条件的病变特征，得到目标病变特征集；利用所述目标病变特征集对预设的第二分类器进行训练，得到训练后第二分类器；基于所述训练后第二分类器对待分类的医学影像进行目标病变特征检测，得到分类结果。2.根据权利要求1所述的方法，其特征在于，所述对所述医学影像样本中的病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组，包括：在所述医学影像样本中分割出病变区域样本，对所述病变区域样本提取多维病变特征；对所述多维病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组。3.根据权利要求2所述的方法，其特征在于，所述第一分类器组包括多个基分类器，所述对所述多维病变特征进行分类，根据分类结果构建出所述医学影像样本的提升树模型，得到第一分类器组，包括：利用每个基分类器从所述多维病变特征中随机选择多个病变特征；将所述多个病变特征进行分类，以构建出多个所述医学影像样本的分类与回归树模型；组合多个分类与回归树模型，构建所述医学影像样本的提升树模型，得到第一分类器组。4.根据权利要求3所述的方法，其特征在于，所述采用所述第一分类器组从所述病变特征中筛选出满足第一预设条件的病变特征，得到目标病变特征集，包括：对所述第一分类器组中的多个基分类器进行交叉验证，得到每个基分类器的准确率；选择所述准确率大于预设阈值的多个基分类器进行组合，得到目标分类器；基于所述目标分类器筛选出目标病变特征集。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标分类器筛选出目标病变特征集，包括：统计所述交叉验证中基分类器准确率大于预设阈值时所使用的病变特征，得到病变特征的使用频率；根据统计结果筛选出使用频率最高的多个病变特征，得到目标病变特征集。6.根据权利要求2所述的方法，其特征在于，所述在所述医学影像样本中分割出病变区域样本，对所述病变区域样本提取多维病变特征，包括：在所述医学影像样本中筛选出病变区域和近病变旁的组织区域；将所述病变区域和近病变旁的组织区域进行扩展，得到扩展后区域；对所述扩展后区域进行分割，得到病变区域样本；利用医学影像特征提取包对所述病变区域样本提取多维病变特征。7.根据权利要求1至6任一项所述的方法，其特征在于，将所述多个医学影像样本分为医学影像训练样本和医学影像验证样本，所述利用所述目标病变特征集对预设的第二分类器进行训练，得到训练后第二分类器，包括：利用所述目标病变特征集构建预设第二分类器，采用所述医学影像训练样本对所述预设第二分类器进行训练，得到第二分类器；采用医学影像验证样本对所述第二分类器的准确性进行验证，若验证结果满足第二预设条件，则得到训练后...

【专利技术属性】
技术研发人员：高殿宇，曹世磊，马锴，郑冶枫，
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