一种图像分类系统及终端设备技术方案

本发明专利技术公开了一种图像分类系统及终端设备，其中，所述图像分类系统包括：图像获取模块，用于获取第一序列图像和第二序列图像，第一序列图像和第二序列图像为采用不同模态获取到的磁共振序列图像；图像融合模块，用于将第一序列图像和第二序列图像进行融合，得到第三序列图像；预测分类模块，用于基于训练完成的预测分类模型对第三序列图像进行分类识别，确定与第三序列图像对应的分类结果。本发明专利技术只需要采集两次不同模态的序列图像，再将不同模态的序列图像进行融合，就能够改善病灶的可视化效果，并通过预测分类模型进行特征提取和分类预测，就可以实现对结节性硬化症的诊断，有效地提高结节性硬化症的诊断效率，还可以提高分类的准确度。分类的准确度。分类的准确度。

【技术实现步骤摘要】
一种图像分类系统及终端设备


[0001]本专利技术属于人工智能
，尤其涉及一种图像分类系统及终端设备。

技术介绍

[0002]结节性硬化症(tuberous sclerosis complex，TSC)是一种常染色体显性遗传性疾病。结节性硬化症可以导致细胞增殖和分化失控，几乎累及所有器官和系统，尤其以脑、皮肤、肾脏、心脏表现突出，其病理改变是错构瘤，通过脑部的影像通常可以观察出神经系统异常表现。
[0003]磁共振成像(MRI)具有丰富的软组织对比度，是用于临床诊断TSC的先进的成像工具。然而由于结节性硬化症的脑内病灶是多发病灶，位于皮层及皮层下以及室管膜下，因此对一个患者进行诊断是，需要扫描多个(上百个)序列影像，这需要花费大量的时间才能完成，且对于医生而言，也需要花费大量的时间才能看完这些序列影像进行诊断。因此，目前对结节性硬化症的诊断存在诊断效率低的问题。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种图像分类系统及终端设备，以对结节性硬化症的诊断存在诊断效率低的问题。
[0005]第一方面，本专利技术实施例提供一种图像分类系统，包括：
[0006]图像获取模块，用于获取第一序列图像和第二序列图像，所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；
[0007]图像融合模块，用于将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；
[0008]预测分类模块，用于基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。
[0009]可选地，所述图像融合模块通过所述第一序列图像和所述第二序列图像的物理关联性将所述第一序列图像和所述第二序列图像进行融合。
[0010]可选地，所述预测分类模型包括第一三维卷积层、移动翻转残差颈三维卷积块、第二三维卷积层、全局平均池化层和全连接层。
[0011]可选地，所述预测分类模块包括：
[0012]模型构建单元，用于构建预测分类模型。
[0013]模型训练单元，用于基于训练数据对构建的预测分类模型进行训练，得到训练完成的预测分类模型。
[0014]可选地，所述模型训练单元具体用于：基于可视化数据库对构建的预测分类模型进行预训练，得到预训练后的预测分类模型，再基于训练数据集对预训练后的预测分类模型的参数进行调整，得到完成训练的预测分类模型。
[0015]可选地，所述模型训练单元还用于获取训练数据集，所述训练数据集包括患者的
序列图像和正常者的序列图像。
[0016]可选地，所述第一序列图像和所述第二序列图像均为三维图像。
[0017]第二方面，本专利技术实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0018]获取第一序列图像和第二序列图像；所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；
[0019]将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；
[0020]基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。
[0021]可选地，所述处理器执行所述计算机程序时还实现以下步骤：
[0022]构建预测分类模型；
[0023]基于训练数据对所述预测分类模型进行训练，得到训练完成的预测分类模型。
[0024]第三方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0025]获取第一序列图像和第二序列图像；所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；
[0026]将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；
[0027]基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。
[0028]第四方面，本专利技术实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行以下步骤：
[0029]获取第一序列图像和第二序列图像；所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；
[0030]将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；
[0031]基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。
[0032]实施本专利技术实施例提供的一种图像分类系统及终端设备、计算机可读存储介质及计算机程序产品具有以下有益效果：
[0033]本专利技术实施例提供的一种图像分类系统，通过利用不同模态的磁共振序列图像的物理特征，只需要采集两次不同模态的序列图像，再将不同模态的序列图像进行融合，就能够改善病灶的可视化效果，并通过预测分类模型进行特征提取和分类预测，就可以实现对结节性硬化症的诊断，有效地提高结节性硬化症的诊断效率，还可以提高分类的准确度。
附图说明
[0034]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0035]图1是本专利技术实施例提供的一种图像分类系统的结构示意图图；
[0036]图2是本专利技术实施例提供的一种预测分类模型的结构示意图；
[0037]图3是本专利技术实施例一种终端设备的结构示意图；
[0038]图4是本专利技术实施例提供的终端设备的处理器执行计算机程序时实现的方法步骤的示意性流程图；
[0039]图5是本专利技术实施例提供的一种计算机可读存储介质的结构示意图。
具体实施方式
[0040]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、系统、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0041]应当理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。另外，在本专利技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0042]还应当理解，在本专利技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本专利技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类系统，其特征在于，包括：图像获取模块，用于获取第一序列图像和第二序列图像，所述第一序列图像和所述第二序列图像为采用不同模态获取到的磁共振序列图像；图像融合模块，用于将所述第一序列图像和所述第二序列图像进行融合，得到第三序列图像；预测分类模块，用于基于训练完成的预测分类模型对所述第三序列图像进行分类识别，确定与所述第三序列图像对应的分类结果。2.根据权利要求1所述图像分类系统，其特征在于，所述图像融合模块通过所述第一序列图像和所述第二序列图像的物理关联性将所述第一序列图像和所述第二序列图像进行融合。3.根据权利要求1所述图像分类系统，其特征在于，所述预测分类模型包括第一三维卷积层、移动翻转残差颈三维卷积块、第二三维卷积层、全局平均池化层和全连接层。4.根据权利要求1所述图像分类系统，其特征在于，所述预测分类模块包括：模型构建单元，用于构建预测分类模型；模型训练单元，用于基于训练数据对构建的预测分类模型进行训练，得到训练完成的预测分类模型。5.根据权利要求4所述图像分类系统，其特征在于，所述模型训练单元具体用于：基于可视化数据库对构建的预测分类模型进行预训练，得到预训练后的预测分类模型，再基于训练数据集对预训练后的预测分类模型的参数进行调整，得到完成训练的预测分类模型。6.根据权利要求4所述图像分类系统，其特征在于，所述模型训练单元还用于获取训练数据集...

【专利技术属性】
技术研发人员：胡湛棋，廖建湘，王海峰，蒋典，赵霞，袁碧霞，陈黎，林素芳，邹东方，叶园珍，段婧，赵彩蕾，林荣波，曾洪武，
申请(专利权)人：深圳市儿童医院，
类型：发明
国别省市：