【技术实现步骤摘要】
医学图像的处理方法、装置、设备及存储介质
本申请涉及图像处理
，具体而言，本申请涉及一种医学图像的处理方法、装置、设备及存储介质。
技术介绍
医生在进行诊疗时，通常需要以医疗影像(X射线图像、超声图像等)为参考进行疾病诊断，目前多以医生的人工诊断为主，诊断效率较低。存在一些为医疗影像为基础的辅助诊断，但通常是给出具体指标或者对医疗影像进行粗略的检测和疾病识别，检测准确率不高且执行效率较低，对诊断的辅助效果较差。
技术实现思路
本申请针对现有方式的缺点，提出一种医学图像的处理方法、装置、设备及存储介质，用以解决现有技术存在的对图像进行检测和疾病识别的准确度较低的技术问题。第一方面，本申请实施例提供了一种医学图像的处理方法，包括：获取待分类的医学图像；根据图像分类模型中的特征提取网络对医学图像进行特征提取，得到特征图像；根据图像分类模型中的分类网络对特征图像进行分类，得到特征图像的类别信息。第二方面，本申请实施例提供了一种医学图像的处理装置，包括：图像获取...
【技术保护点】
1.一种医学图像的处理方法，其特征在于，包括：/n获取待分类的医学图像；/n根据图像分类模型中的特征提取网络对所述医学图像进行特征提取，得到特征图像；/n根据所述图像分类模型中的分类网络对所述特征图像进行分类，得到所述特征图像的类别信息。/n
【技术特征摘要】
1.一种医学图像的处理方法，其特征在于，包括：
获取待分类的医学图像；
根据图像分类模型中的特征提取网络对所述医学图像进行特征提取，得到特征图像；
根据所述图像分类模型中的分类网络对所述特征图像进行分类，得到所述特征图像的类别信息。
2.根据权利要求1所述的处理方法，其特征在于，所述图像分类模型由以下方式训练得出：
获取标注有类别信息的多个样本医学图像作为训练集；
将所述训练集中的多个所述样本医学图像输入到所述图像分类模型中，输出针对所述样本医学图像进行预测得到的预测结果；
根据所述预测结果和所述样本医学图像上标注的类别信息计算损失函数；
根据所述损失函数更新所述图像分类模型中的至少部分结构的参数。
3.根据权利要求1所述的处理方法，其特征在于，所述特征提取网络包括级联的第一卷积子网络、第二卷积子网络、多个第三卷积子网络、以及第四卷积子网络；
以及，所述根据图像分类模型中的特征提取网络对所述医学图像进行特征提取，得到特征图像，包括：
根据所述第一卷积子网络对输入的所述医学图像进行特征提取，得到第一特征图像；
根据所述第二卷积子网络对所述第一特征图像进行特征提取，得到第二特征图像；
根据多个所述第三卷积子网络依次对所述第二特征图像进行特征提取和融合，得到第三特征图像；
根据所述第四卷积子网络对所述第三特征图像进行特征提取和融合，得到第四特征图像。
4.根据权利要求3所述的处理方法，其特征在于，所述第一卷积子网络包括卷积层；
所述第二卷积子网络包括级联的多个第一卷积单元，每个所述第一卷积单元均包括卷积层和最大池化层；
所述第三卷积子网络包括级联的第二卷积单元和融合层，所述第二卷积单元包括并列的多个卷积支路；<...
【专利技术属性】
技术研发人员：欧歌，吴琼，杨志明，马小惠，唐大伟，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11
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。