[发明专利]分类方法、计算机设备和存储介质

说明书

本发明涉及一种分类方法、计算机设备和存储介质。该方法包括：获取原始图像，并将原始图像输入至预设的疾病标签预测网络，得到中间输出结果，再将中间输出结果输入至预设的关键区域定位网络，得到原始图像中的关键区域的定位结果，然后将定位结果与原始图像进行组合，得到第一组合图像，最后将第一组合图像输入至与关键区域定位网络级联的下一个疾病标签预测网络，得到原始图像中关键区域的疾病分类结果。上述方法实现了对原始图像中关键区域的疾病类别诊断，相比于传统技术中需要人工勾画关键区域，或根据医者的经验确定关键区域对该关键区域进行疾病诊断的方法，本申请提供的分类方法极大的提高了关键区域的疾病分类结果的分类准确性。

技术领域

本申请涉及医疗图像处理技术领域，尤其涉及一种分类方法、计算机设备和存储介质。

背景技术

随着医学成像技术的发展，越来越多的成像方法被广泛应用于各种类型的疾病诊断过程中，从而使对计算机辅助检测(computer aided diagnosis，CAD)的需求变得越来越迫切。

目前，作为CAD方法的重要步骤：对于给定患者的医疗影像，自动定位其与正常人群图像的差异，即异常区域，可以为医生的诊断提供指导，或作为后续CAD系统的辅助信息，具有很高的临床意义。目前，利用CAD自动定位的方法主要包括：预先基于人工手动勾画异常区域的样本图像训练得到分割模型，再通过扫描设备得到患者的医疗影像，然后利用训练好的分割模型对该医疗影像中的异常区域进行分割，从而得到显示异常区域的图像，进而使医生通过分析图像上异常区域的位置或性质对患者的疾病进行诊断。

但是，在实际应用中，上述人工手动勾画的过程通常需要临床经验丰富的医生完成，而不同的标注医生的标注结果存在误差。另外，很多疾病的并发机制很难明确，导致医生很难对差异区域进行标注。因此，利用上述标注方法训练得到的分割模型质量低，进而会导致上述利用训练好的分割模型对差异区域进行定位的方法存在准确性低的问题，并且导致后期根据准确性极差的定位结果进行诊断时，存在难以诊断或诊断准确性低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高分类准确性的分类方法、计算机设备和存储介质。

第一方面，一种分类方法，所述方法包括：

获取原始图像；

将原始图像输入至预设的疾病标签预测网络，得到中间输出结果；中间输出结果为疾病标签预测网络中卷积层的输出结果；

将中间输出结果输入至预设的关键区域定位网络，得到原始图像中的关键区域的定位结果；

将定位结果与原始图像进行组合，得到第一组合图像；

将第一组合图像输入至与关键区域定位网络级联的下一个疾病标签预测网络，得到原始图像中关键区域的疾病分类结果。

第二方面，一种分类装置，所述装置包括：

获取模块，用于获取原始图像；

第一分类模块，用于将所述原始图像输入至预设的疾病标签预测网络，得到中间输出结果；所述中间输出结果为所述疾病标签预测网络中卷积层的输出结果；

定位模块，用于将所述中间输出结果输入至预设的关键区域定位网络，得到所述原始图像中的关键区域的定位结果；

组合模块，用于将所述定位结果与所述原始图像进行组合，得到第一组合图像；

第二分类模块，用于将所述第一组合图像输入至与所述关键区域定位网络级联的下一个疾病标签预测网络，得到所述原始图像中关键区域的疾病分类结果。

第三方面，一种计算机设备，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第一方面任一实施例所述的分类方法。