[发明专利]一种医学图像处理方法、医学图像识别方法及装置

说明书

本申请公开了一种基于人工智能的医学图像处理方法，包括：获取待识别医学图像；通过医学图像分类模型获取待识别医学图像所对应的特征图以及医学图像内容识别结果，特征图为通过医学图像分类模型的卷积层对待识别医学图像进行卷积处理后得到的，特征图具有N个通道；根据特征图以及权重参数集合，生成医学图像内容识别结果所对应的热力图，权重参数集合包括N个权重参数；根据热力图生成待识别医学图像所对应的图像识别结果。本申请还公开了一种医学图像识别方法、图像识别结果展示方法和装置。本申请不但为模型提供了良好的可解释性，而且对自动诊断提供了强有力的依据，使模型更具有信服力，提升了基于医学图像进行诊断的可靠性。

技术领域

本申请涉及人工智能领域，尤其涉及一种医学图像处理方法、医学图像识别方法及装置。

背景技术

随着计算机科学技术的发展，已有不少工作将深度学习方法应用到医疗图像的自动诊断中，能够一定程度缓解由于医生经验不足，或者由于医生过度疲劳而造成的漏诊以及误诊的现象。

目前，基于深度学习的医疗图像诊断方法，首先需要收集大量的图像资料，由专业的医生对其进行准确标注；接下来用这些准确标注的图像对深度学习模型进行训练，使其能够精确拟合输入图像和对应标签之间的映射关系。最后将没有标注的原始医疗图像输入至模型，便能够得到对应的病变类别。

然而，基于深度学习往往都是黑箱模型，只关注整体功能，输出的结果只有一个表示类别的向量，而并不知道模型做出该种分类所依据的判别区域，这对于医疗诊断而言是缺乏信服力的，降低了基于医学图像进行诊断的可靠性。

发明内容

本申请实施例提供了一种医学图像处理方法、医学图像识别方法及装置，不但为模型提供了良好的可解释性，而且对自动诊断提供了强有力的依据，使模型更具有信服力，提升了基于医学图像进行诊断的可靠性。

有鉴于此，本申请第一方面提供一种医学图像识别方法，包括：

获取待识别医学图像；

通过医学图像分类模型获取所述待识别医学图像所对应的特征图以及病灶分类结果，其中，所述特征图为通过所述医学图像分类模型的卷积层对所述待识别医学图像进行卷积处理后得到的，所述特征图具有N个通道，所述N为大于1的整数；

根据所述特征图以及权重参数集合，生成所述病灶分类结果所对应的热力图，其中，所述权重参数集合包括N个权重参数，所述权重参数与所述通道具有对应关系；

根据所述热力图生成所述待识别医学图像所对应的病灶识别结果。

本申请第二方面提供一种图像识别结果展示的方法，包括：

获取待识别医学图像；

通过医学图像分类模型获取所述待识别医学图像所对应的特征图以及病灶分类结果，其中，所述特征图为通过所述医学图像分类模型的卷积层对所述待识别医学图像进行卷积处理后得到的，所述特征图具有N个通道，所述N为大于1的整数；

基于反向梯度传播算法，根据所述病灶分类结果获取梯度传播结果；

根据所述梯度传播结果生成所述待识别医学图像所对应的物体轮廓图；

根据所述特征图以及权重参数集合，生成所述病灶分类结果所对应的热力图，其中，所述权重参数集合包括N个权重参数，所述权重参数与所述通道具有对应关系；

根据所述热力图以及所述物体轮廓图，生成所述待识别医学图像所对应的病灶识别结果；

展示所述待识别医学图像所对应的图像识别结果。

本申请第三方面提供一种医学图像处理方法，包括：

获取待识别医学图像；