[发明专利]一种分类模型生成方法、医学影像图像分类方法及装置

说明书

本申请实施例公开了一种分类模型生成方法、医学影像图分类方法及装置，该方法首先获取原始医学影像图像，再提取原始医学影像图像的至少一种图像特征，和/或，生成原始医学影像图像对应的至少一种变换图像，分别构成多组训练数据，利用每组训练数据训练生成一个基础分类模型，由各个基础分类模型共同构成医学影像图像分类模型，各个基础分类模型均具有各自的权重值，所生成的医学影像图像分类模型可以对医学影像图像进行分类，且分类的结果消除了主观性的影响，也更为准确。同时，本申请实施例可以针对任意类型的医学影像图像分别构建医学影像图像分类模型，构建医学影像图像分类模型的方式具有通用性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种分类模型生成方法及装置，一种医学影像图像分类方法及装置。

背景技术

随着信息采集技术的发展以及大数据的普及，可以通过对采集的图像进行处理以获得有效信息。例如，目前已经出现一些利用智能终端设备对人体如舌体、眼底等部位进行图像采集的方案，给人们对人体的信息采集带来了极大的方便。

在现有技术中，采集到的原始医学影像图像可以传输给专业人员进行判断，例如判断舌体图像的属性、判断眼底图像的视网膜类型等等，但是人工判断的主观性强、难以量化，且效率较为低下，因此，在现有技术中缺乏对原始医学影像图像中进行快速、准确分类的方式。

发明内容

有鉴于此，本申请实施例提供一种分类模型生成方法及装置，一种医学影像图像分类方法及装置，以解决现有技术中无法快速、准确对医学影像图像进行分类的技术问题。

为解决上述问题，本申请实施例提供的技术方案如下：

一种分类模型生成方法，所述方法包括：

获取原始医学影像图像；

提取所述原始医学影像图像的至少一种图像特征，将所述原始医学影像图像的每种图像特征以及所述原始医学影像图像对应的分类标签作为一组第一训练数据；和/或，生成所述原始医学影像图像对应的至少一种变换图像，将所述原始医学影像图像对应的每种变换图像以及所述原始医学影像图像对应的分类标签作为一组第二训练数据；

根据每一组第一训练数据分别对初始分类模型进行训练，分别生成一个基础分类模型；和/或，根据每一组第二训练数据分别对初始深度学习模型进行训练，分别生成一个基础分类模型；

由各个所述基础分类模型共同构成医学影像图像分类模型，所述各个所述基础分类模型具有各自的权重值。

在一种可能的实现方式中，所述生成所述原始医学影像图像对应的至少一种变换图像，包括：

生成所述原始医学影像图像对应的尺度变换图像；

生成所述原始医学影像图像对应的旋转图像和/或镜像图像；

生成所述原始医学影像图像对应的亮度调节图像。

在一种可能的实现方式中，所述图像特征包括尺度不变特征变换特征，所述根据每一组第一训练数据分别对初始分类模型进行训练，分别生成一个基础分类模型，包括：

获取所述第一训练数据中所述原始医学影像图像的尺度不变特征变换特征；

根据所述原始医学影像图像的尺度不变特征变换特征计算词袋模型；

利用所述词袋模型以及所述原始医学影像图像对应的分类标签对支持向量机模型进行训练，生成一个基础分类模型。

在一种可能的实现方式中，各个所述基础分类模型的权重根据每个所述基础分类模型的基础分类结果对应的概率排序进行设置。

一种医学影像图像分类方法，所述方法包括：

获取待分类医学影像图像；