[发明专利]图像识别方法及相关装置、设备

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取至少一个扫描得到的待识别医学图像，并分别确定每个所述待识别医学图像中与目标脏器对应的目标区域；

分别对每一所述目标区域的图像数据进行特征提取，得到每个待识别医学图像的个体特征表示；

将所述至少一个待识别医学图像的个体特征表示进行融合，得到全局特征表示；

利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，确定每一所述待识别医学图像所属的扫描图像类别。

2.根据权利要求1所述的图像识别方法，其特征在于，所述将所述至少一个待识别医学图像的个体特征表示进行融合，得到全局特征表示包括：

将所述至少一个待识别医学图像的个体特征表示进行全局池化处理，得到所述全局特征表示。

3.根据权利要求2所述的图像识别方法，其特征在于，所述将所述至少一个待识别医学图像的个体特征表示进行全局池化处理，得到所述全局特征表示包括：

将所述至少一个待识别医学图像的个体特征表示进行全局最大池化处理，得到第一全局特征表示；以及，

将所述至少一个待识别医学图像的个体特征表示进行全局平均池化处理，得到第二全局特征表示；

将所述第一全局特征表示和所述第二全局特征表示进行拼接处理，得到所述全局特征表示。

4.根据权利要求1所述的图像识别方法，其特征在于，所述利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，确定所述待识别医学图像所属的扫描图像类别包括：

利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，得到每一所述待识别医学图像的最终特征表示；

利用每个所述待识别医学特征的最终特征表示，确定每一所述待识别医学图像所属的扫描图像类别。

5.根据权利要求4所述的图像识别方法，其特征在于，所述利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，得到每一所述待识别医学图像的最终特征表示包括：

分别将每一所述待识别医学图像的个体特征表示和所述全体特征表示进行拼接处理，得到所述待识别医学图像对应的最终特征表示。

6.根据权利要求4所述的图像识别方法，其特征在于，所述分别对每一所述目标区域的图像数据进行特征提取，得到每个待识别医学图像的个体特征表示包括：

利用识别网络的特征提取子网络对每一所述目标区域的图像数据进行特征提取，得到每个待识别医学图像的个体特征表示；

所述将所述至少一个待识别医学图像的个体特征表示进行融合，得到全局特征表示，利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，得到每一所述待识别医学图像的最终特征表示包括：

利用所述识别网络的融合模块将所述至少一个待识别医学图像的个体特征表示进行融合，得到全局特征表示，并利用每一所述待识别医学图像的个体特征表示和所述全局特征表示，得到每一所述待识别医学图像的最终特征表示；

所述利用每个所述待识别医学特征的最终特征表示，确定每一所述待识别医学图像所属的扫描图像类别，包括：

利用所述识别网络的分类子网络对每一所述待识别医学图像的最终特征表示进行预测分类，得到每一所述待识别医学图像所属的扫描图像类别。

7.根据权利要求6所述的图像识别方法，其特征在于，所述识别网络是利用样本医学图像训练得到的，每次训练所述识别网络所使用的所述样本医学图像数量不固定。

8.根据权利要求6或7所述的图像识别方法，其特征在于，所述特征提取子网络包括至少一组顺序连接的稠密卷积块和池化层；

和/或，所述识别网络包括预设数量个特征提取子网络；所述利用识别网络的特征提取子网络对每一所述目标区域的图像数据进行特征提取，得到每个待识别医学图像的个体特征表示包括：

将每一所述目标区域的图像数据分别输入对应一个所述特征提取子网络进行特征提取，得到每个待识别医学图像的个体特征表示。