图像分类方法、计算机设备和存储介质技术

本发明专利技术涉及一种图像分类方法、计算机设备和存储介质。该方法包括：获取包括待分类的目标结构的原始图像，并将原始图像输入至预设的分割网络，得到包括目标结构的分割图像，再根据分割图像对原始图像中的目标特征进行增强，得到中间图像，最后将中间图像输入至预设的分类网络，得到分类结果。本申请提出的分类方法实现了对原始图像中的目标特征进行加强，极大的提高了原始图像中目标特征对应图像的清晰度，使得基于增强目标特征后的原始图像在进行分类时，可以极大的提高对目标结构疾病类别分类的准确性。

【技术实现步骤摘要】
图像分类方法、计算机设备和存储介质
本申请涉及图像识别
，尤其涉及一种图像分类方法、计算机设备和存储介质。
技术介绍
肺积液医学上通常叫“肋膜积水”，水是堆积在肺脏的外面，它可以是感染发炎引起(如：肺炎、肺结核)，也可以是一些自体免疫疾病引起(如：红斑性狼疮)，还有很多肺部疾病都会合并肋膜积水。X光(X-Rays)胸片由于其比较低廉的价格以及相对较好的效果，在肺部疾病、心脏疾病、腹部疾病以及骨折的早期发现以及诊断当中占有重要的地位。目前主要使用X光的肺片图像来进行肺叶疾病类型的诊断，即，医生依靠自身丰富经验通过对肺片的目测分析，正确地诊断并且区分不同程度的肺积液；或者，采用相应的肺叶分割的算法先对X光的肺片图像上的肺叶进行分割，然后医生通过对分割后的图像进行分析，正确地诊断并且区分不同程度的肺积液；或者，直接采用相应的肺叶疾病分类算法对X光的肺片图像进行分类，得到分类结果，然后医生基于分类结果正确地诊断并且区分不同程度的肺积液。但是，上述的肺叶疾病的诊断方法对于微量积液均难以进行准确的诊断。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高分类准确性的图像分类方法、计算机设备和存储介质。第一方面，一种图像分类方法，所述方法包括：获取原始图像；原始图像包括待分类的目标结构；将原始图像输入至预设的分割网络，得到包括目标结构的分割图像；根据分割图像对所述原始图像中的目标特征进行增强，得到中间图像；将中间图像输入至预设的分类网络，得到分类结果。在其中一个实施例中，根据分割图像对原始图像中的目标特征进行增强，得到中间图像，包括：从分割图像的目标结构中提取目标特征，得到部分图像；将部分图像与原始图像进行融合，得到中间图像。在其中一个实施例中，将部分图像与所述原始图像进行融合，得到中间图像之前，方法还包括：对部分图像进行重采样，得到与原始图像尺寸相同的部分图像。在其中一个实施例中，目标结构为肺叶结构，目标特征为肺叶结构中包含的部分区域的特征。在其中一个实施例中，部分区域的特征包括肋膈角区域的特征，根据分割图像对原始图像中的目标特征进行增强，得到中间图像，包括：从肺叶结构中提取肋膈角区域的特征，得到肋膈角区域图像；将肋膈角区域图像与原始图像进行融合，得到中间图像。在其中一个实施例中，将肋膈角区域图像与原始图像进行融合，得到中间图像之前，所述方法包括：对肋膈角区域图像进行重采样，得到与原始图像尺寸相同的肋膈角区域图像。在其中一个实施例中，训练分割网络的方法包括：获取第一样本图像；第一样本图像中标记出目标结构；将第一样本图像输入至待训练的分割网络，训练待训练的分割网络，得到分割网络。在其中一个实施例中，训练分类网络的方法包括：获取第二样本图像；第二样本图像中包含目标结构的分类标签；将第二样本图像输入至待训练的分类网络，训练待训练的分类网络，得到分类网络。第二方面，一种图像分类装置，所述装置包括：获取模块，用于获取原始图像；原始图像包括待分类的目标结构；分割模块，用于将原始图像输入至预设的分割网络，得到包括目标结构的分割图像；增强模块，用于根据分割图像对原始图像中的目标特征进行增强，得到中间图像；分类模块，用于将中间图像输入至预设的分类网络，得到分类结果。第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面任一实施例所述的图像分类方法。第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一实施例所述的图像分类方法。本申请提供的一种图像分类方法、计算机设备和存储介质，包括：获取包括待分类的目标结构的原始图像，并将原始图像输入至预设的分割网络，得到包括目标结构的分割图像，再根据分割图像对原始图像中的目标特征进行增强，得到中间图像，最后将中间图像输入至预设的分类网络，得到分类结果。在上述方法中，由于原始图像中的目标特征一般在实际应用中为目标结构上的狭窄区域或边缘区域包含的结构对应的特征，且该目标特征对应图像的清晰度直接影响后期对目标结构分类的准确性。基于上述应用环境，本申请提出的分类方法实现了对原始图像中的目标特征进行加强，极大的提高了原始图像中目标特征对应图像的清晰度，使得基于增强目标特征后的原始图像在进行分类时，可以极大的提高对目标结构疾病类别分类的准确性。附图说明图1为一个实施例提供的一种计算机设备的内部结构示意图；图2为一个实施例提供的一种图像分类方法的流程图；图3为图2实施例中S103的另一种实现方式的流程图；图4为图3实施例中S202的另一种实现方式的流程图；图5为一个实施例提供的一种检测网络的结构示意图；图6为一个实施例提供的一种训练方法的流程图；图7为一个实施例提供的一种训练方法的流程图；图8为一个实施例提供的一种训练网络的结构示意图；图9为一个实施例提供的一种图像分类装置的结构示意图；图10为一个实施例提供的一种图像分类装置的结构示意图；图11为一个实施例提供的一种图像分类装置的结构示意图；图12为一个实施例提供的一种图像分类装置的结构示意图；图13为一个实施例提供的一种图像分类装置的结构示意图；图14为一个实施例提供的一种训练装置的结构示意图；图15为一个实施例提供的一种训练装置的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。本申请提供的图像分类方法，可以应用于如图1所示的计算机设备中。该计算机设备可以是服务器，也可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像分类方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，所述方法包括：/n获取原始图像；所述原始图像包括待分类的目标结构；/n将所述原始图像输入至预设的分割网络，得到包括所述目标结构的分割图像；/n根据所述分割图像对所述原始图像中的目标特征进行增强，得到中间图像；/n将所述中间图像输入至预设的分类网络，得到分类结果。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：
获取原始图像；所述原始图像包括待分类的目标结构；
将所述原始图像输入至预设的分割网络，得到包括所述目标结构的分割图像；
根据所述分割图像对所述原始图像中的目标特征进行增强，得到中间图像；
将所述中间图像输入至预设的分类网络，得到分类结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述分割图像对所述原始图像中的目标特征进行增强，得到中间图像，包括：
从所述分割图像的目标结构中提取所述目标特征，得到部分图像；
将所述部分图像与所述原始图像进行融合，得到所述中间图像。


3.根据权利要求2所述的方法，其特征在于，所述将所述部分图像与所述原始图像进行融合，得到所述中间图像之前，所述方法还包括：
对所述部分图像进行重采样，得到与所述原始图像尺寸相同的部分图像。


4.根据权利要求3所述的方法，其特征在于，所述目标结构为肺叶结构，所述目标特征为所述肺叶结构中包含的部分区域的特征。


5.根据权利要求4所述的方法，其特征在于，所述部分区域的特征包括肋膈角区域的特征，所述根据所述分割图像对所述原始图像中的目标特征进行增强，得到中间图像，包括：
从所述肺叶结构中提取所述肋膈角区域的特征...

【专利技术属性】
技术研发人员：詹恒泽，郑介志，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31