基于多模型的切片特征分类方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，应用于智慧医疗领域中，以便推动智慧城市的建设，揭露了一种基于多模型的切片特征分类方法、装置、设备及介质。该方法通过获取人体组织切片图像，并将人体组织切片图像切割为多个图像块；获取预设组合模型，所述预设组合模型中包含多个特征识别模型；将各图像块输入至预设组合模型中，获取多个特征识别模型对各图像块进行特征识别之后得到的图像特征向量；针对与同一个所述图像块对应的各图像特征向量进行特征融合，得到与该图像块对应的融合特征向量；将各融合特征向量输入至预设分类模型中，确定与人体组织切片图像对应的切片分类特征。本发明专利技术提高了特征识别的准确度以及分类精度，进而使得分类结果更加全面。结果更加全面。结果更加全面。

【技术实现步骤摘要】
基于多模型的切片特征分类方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于多模型的切片特征分类方法、装置、设备及介质。

技术介绍

[0002]随着科学技术的发展，对医疗技术的要求也越来越高，特别是在一些症状特征的分析上，对医生和医疗技术提出了更高的要求。如对各类放射切片进行特征分析。
[0003]现有技术中，对各类放射切片进行特征分析，大多数是通过将对各放射切片进行染色、扫描等处理过后，通过医生肉眼观察放射切片并进行分析，该方法的不足之处在于，肉眼观察耗费时间较长，且人工进行分析容易遗漏细节特征，从而导致分析不够全面，，进而导致对放射切片的特征分类准确率较低。

技术实现思路

[0004]本专利技术实施例提供一种基于多模型的切片特征分类方法、装置、设备及介质，以解决特征分类准确率较低的问题。
[0005]一种基于多模型的切片特征分类方法，包括：
[0006]获取人体组织切片图像，并将所述人体组织切片图像切割为多个图像块；
[0007]获取预设组合模型，所述预设组合模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模型的切片特征分类方法，其特征在于，包括：获取人体组织切片图像，并将所述人体组织切片图像切割为多个图像块；获取预设组合模型，所述预设组合模型中包含多个特征识别模型；将各所述图像块输入至所述预设组合模型中，获取多个所述特征识别模型对各所述图像块进行特征识别之后得到的图像特征向量；其中，每一个所述特征识别模型针对每一个所述图像块均得到一个图像特征向量；针对与同一个所述图像块对应的各所述图像特征向量进行特征融合，得到与该图像块对应的融合特征向量；将各所述融合特征向量输入至预设分类模型中，确定与所述人体组织切片图像对应的切片分类特征。2.如权利要求1所述的基于多模型的切片特征分类方法，其特征在于，所述特征识别模型包括：ResNet模型、DenseNet模型和SENet模型；所有所述特征识别模型中的全连接层的特征长度均设置为预设长度；所述将各所述图像块输入至所述预设组合模型中，获取多个所述特征识别模型对各所述图像块进行特征识别之后得到的图像特征向量，包括：通过所述ResNet模型、DenseNet模型和SENet模型分别对各所述图像块进行特征识别，得到与各所述图像块对应的初始特征向量；通过所述ResNet模型、DenseNet模型和SENet模型中的全连接层，将与各初始特征向量对应的特征长度转换为所述预设长度，得到与各所述图像块对应的图像特征向量。3.如权利要求1所述的基于多模型的切片特征分类方法，其特征在于，所述将各所述融合特征向量输入至预设分类模型中，确定与所述人体组织切片图像对应的切片分类特征，包括：通过所述预设分类模型对各所述融合特征向量进行识别分类，确定与各所述图像块对应的图像块类别；根据与各所述图像块类别对应的图像块的数量与所有图像块的总数量的比值，确定与所述人体组织切片图像对应的切片分类特征。4.如权利要求3所述的基于多模型的切片特征分类方法，其特征在于，所述图像块类别包括阴性图像块；所述根据与各所述图像块类别对应的图像块的数量与所有图像块的总数量的比值，确定与所述人体组织切片图像对应的切片分类特征，包括：将所述阴性图像块对应的数量记录为第一数量；在所述第一数量与所述总数量的第一比值大于或等于预设占比阈值时，确定与所述人体组织切片图像对应的切片分类特征为阴性切片特征；在所述第一数量与所述总量的第一比值小于预设占比阈值时，确定与所述人体组织切片图像对应的切片分类特征为阳性切片特征。5.如权利要求4所述的基于多模型的切片特征分类方法，其特征在于，所述图像块类别还包括瘤变图像块以...

【专利技术属性】
技术研发人员：谢春梅，李风仪，王佳平，侯晓帅，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：