图像分类方法、装置、计算机设备、存储介质和程序产品制造方法及图纸

本申请涉及一种图像分类方法、装置、计算机设备、存储介质和程序产品，计算机设备获取待识别医疗影像集合，并构建待识别医疗影像集合的至少一个局部线性模型，根据各局部线性模型与标定局部线性模型，确定待识别医疗影像集合的分类量化值，根据分类量化值，确定待识别医疗影像集合的分类结果。其中，局部线性模型用于表示待识别医疗影像集合中的各待识别影像由外部环境因素导致的差异。在本方案中，待识别医疗影像集合为同一部位的影像集合，计算机设备针对待识别医疗影像集合构建局部线性模型，该局部线性模型可以表征影像集合中的影像数据由于外部环境等因素造成的类内差异，从类内差异的维度对待识别医疗影像集合进行分类，分类结果更准确。分类结果更准确。分类结果更准确。

【技术实现步骤摘要】
图像分类方法、装置、计算机设备、存储介质和程序产品


[0001]本申请涉及图像处理
，特别是涉及一种图像分类方法、装置、计算机设备、存储介质和程序产品。

技术介绍

[0002]基于不同医疗设备获取用户的医疗影像，该医疗影像往往包括较多的影像数据，例如包括用户的至少一个部位的多张影像，其中，多张影像又包括了不同角度、不同光线下的同一部位影像，换句话说，用户的同一部位的多张影像存在类内差异。
[0003]而现有的医疗影像分类模型往往是根据大量的影像数据集进行分类训练，训练过程中忽略影像数据集的类内差异对，导致训练得到的医疗影像分类模型的数据精度较低，医疗影像的分类结果不准确。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够针对影像数据集的类内差异，实现对医疗影像准确分类的图像分类方法、装置、计算机设备、存储介质和程序产品。
[0005]第一方面，本申请提供了一种图像分类方法，该方法包括：
[0006]获取待识别医疗影像集合，并构建待识别医疗影像集合的至少一个局部线性模型；局部线性模型用于表示待识别医疗影像集合中的各待识别影像由外部环境因素导致的差异；
[0007]根据各局部线性模型与标定局部线性模型，确定待识别医疗影像集合的分类量化值；
[0008]根据分类量化值，确定待识别医疗影像集合的分类结果。
[0009]在其中一个可选的实施例中，构建待识别医疗影像集合的至少一个局部线性模型，包括：
[0010]对待识别医疗影像集合中的各待识别影像进行流形建模，得到待识别医疗影像集合对应的流形；
[0011]根据待识别医疗影像集合对应的流形，构建待识别医疗影像集合的至少一个局部线性模型。
[0012]在其中一个可选的实施例中，根据各待识别影像对应的流形，构建待识别医疗影像集合的至少一个局部线性模型，包括：
[0013]根据待识别医疗影像集合对应的流形，构建初始局部线性模型；初始局部线性模型中包括待识别医疗影像集合中的至少一个待识别影像；
[0014]对初始局部线性模型进行聚类迭代，得到至少一个局部线性模型。
[0015]在其中一个可选的实施例中，对初始局部线性模型进行聚类迭代，得到至少一个局部线性模型，包括：
[0016]从初始局部线性模型中，确定待识别影像的数量最多的迭代局部线性模型；
[0017]在迭代局部线性模型不满足线性要求的情况下，基于迭代局部线性模型中流形距离最远的两个待识别影像进行拆分迭代，直到迭代局部线性模型的线性程度满足线性要求，得到至少一个局部线性模型。
[0018]在其中一个可选的实施例中，迭代局部线性模型的线性程度满足线性要求包括迭代局部线性模型的线性量化值小于或等于预设阈值；该方法还包括：
[0019]基于迭代局部线性模型中的任意两两待识别影像，计算任意两两待识别影像对应的距离参数；距离参数包括测地距离矩阵、欧氏距离矩阵、邻域索引矩阵；
[0020]基于距离参数确定任意两两待识别影像对应的距离角度矩阵；
[0021]基于所有任意两两待识别影像的距离角度矩阵和邻域索引矩阵，确定迭代局部线性模型的线性量化值；线性量化值表示迭代局部线性模型中各待识别影像的内部变化程度。
[0022]在其中一个可选的实施例中，根据各局部线性模型与标定局部线性模型，确定待识别医疗影像集合的分类量化值，包括：
[0023]计算各局部线性模型与对应的标定局部线性模型之间局部距离，确定各局部线性模型的局部分类量化值；
[0024]基于各局部线性模型的局部分类量化值，确定待识别医疗影像集合的分类量化值。
[0025]在其中一个可选的实施例中，基于各局部线性模型的局部分类量化值，确定待识别医疗影像序列的分类量化值，包括：
[0026]根据各局部线性模型的局部分类量化值，获取各局部线性模型与对应的标定局部线性模型的相似程度；
[0027]基于各局部线性模型的相似程度，确定待识别医疗影像集合的分类量化值；分类量化值表示待识别医疗影像集合的分类标签相似程度，分类量化值越小，分类标签相似程度越高；
[0028]相应地，根据分类量化值，确定待识别医疗影像集合的分类结果，包括：
[0029]将分类量化值最小对应的分类标签，确定为待识别医疗影像集合的分类结果。
[0030]第二方面，提供一种图像分类装置，该装置包括：
[0031]获取模块，用于获取待识别医疗影像集合，并构建待识别医疗影像集合的至少一个局部线性模型；局部线性模型用于表示待识别医疗影像集合中的各待识别影像由外部环境因素导致的差异；
[0032]确定模块，用于根据各局部线性模型与标定局部线性模型，确定待识别医疗影像集合的分类量化值；
[0033]分类模块，用于根据分类量化值，确定待识别医疗影像集合的分类结果。
[0034]第三方面，本申请还提供了一种计算机设备。所述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以下第一方面提供的方法。
[0035]第四方面，本申请还提供了一种计算机可读存储介质。所述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提供的方法。
[0036]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算
机程序，该计算机程序被处理器执行时实现第一方面提供的方法。
[0037]上述图像分类方法、装置、计算机设备、存储介质和程序产品，计算机设备获取待识别医疗影像集合，并构建待识别医疗影像集合的至少一个局部线性模型，根据各局部线性模型与标定局部线性模型，确定待识别医疗影像集合的分类量化值，根据分类量化值，确定待识别医疗影像集合的分类结果。其中，局部线性模型用于表示待识别医疗影像集合中的各待识别影像由外部环境因素导致的差异。在本方案中，待识别医疗影像集合为同一部位的影像集合，计算机设备针对待识别医疗影像集合构建其对应的局部线性模型，该局部线性模型可以有效指示同一部位的影像集合中的影像数据由于外部环境等因素造成的类内差异，从类内差异的维度对待识别医疗影像集合进行分类，解决了现有技术无法利用类内差异进行精确分类的问题，使得分类粒度更精细、分类结果更准确，且该分类方案更具有适用性。
附图说明
[0038]图1为一个实施例中图像分类方法的应用环境图；
[0039]图2为一个实施例中图像分类方法的流程示意图；
[0040]图3为另一个实施例中图像分类方法的流程示意图；
[0041]图4为另一个实施例中图像分类方法的流程示意图；
[0042]图5为另一个实施例中图像分类方法的流程示意图；
[0043]图6为另一个实施例中图像分类方法的流程示意图；
[0044]图7为另一个实施例中图像分类方法的流程示意图；
[0045]图8为另一个实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：获取待识别医疗影像集合，并构建所述待识别医疗影像集合的至少一个局部线性模型；所述局部线性模型用于表示所述待识别医疗影像集合中的各待识别影像由外部环境因素导致的差异；根据各所述局部线性模型与标定局部线性模型，确定所述待识别医疗影像集合的分类量化值；根据所述分类量化值，确定所述待识别医疗影像集合的分类结果。2.根据权利要求1所述的方法，其特征在于，所述构建所述待识别医疗影像集合的至少一个局部线性模型，包括：对所述待识别医疗影像集合中的各所述待识别影像进行流形建模，得到所述待识别医疗影像集合对应的流形；根据所述待识别医疗影像集合对应的流形，构建所述待识别医疗影像集合的所述至少一个局部线性模型。3.根据权利要求2所述的方法，其特征在于，所述根据各所述待识别影像对应的流形，构建所述待识别医疗影像集合的所述至少一个局部线性模型，包括：根据所述待识别医疗影像集合对应的流形，构建初始局部线性模型；所述初始局部线性模型中包括所述待识别医疗影像集合中的至少一个待识别影像；对所述初始局部线性模型进行聚类迭代，得到所述至少一个局部线性模型。4.根据权利要求3所述的方法，其特征在于，所述对所述初始局部线性模型进行聚类迭代，得到所述至少一个局部线性模型，包括：从所述初始局部线性模型中，确定所述待识别影像的数量最多的迭代局部线性模型；在所述迭代局部线性模型不满足线性要求的情况下，基于所述迭代局部线性模型中流形距离最远的两个待识别影像进行拆分迭代，直到所述迭代局部线性模型的线性程度满足线性要求，得到所述至少一个局部线性模型。5.根据权利要求1所述的方法，其特征在于，所述根据各所述局部线性模型与标定局部线性模型，确定所述待识别医疗影像集合的分类量化值，包括：计算各所述局部线性模型与对应的标定...

【专利技术属性】
技术研发人员：邵每文，
申请(专利权)人：武汉联影医疗科技有限公司，
类型：发明
国别省市：