[发明专利]一种图像分类方法、装置、存储介质和电子设备

说明书

本申请实施例公开了一种图像分类方法、装置、存储介质和电子设备，所述方法涉及人工智能领域中的深度学习方向，包括：获取待分类图像，确定细胞结构单元对应的密度检测区域，并计算密度检测区域内细胞结构单元的单元密度，对待分类图像中的多个细胞结构单元进行聚类，得到多个细胞结构集合，确定每个细胞结构集合对应的集合区域，提取每个集合区域对应的区域特征信息，基于区域特征信息、以及集合位置信息，构建目标图结构数据，对目标图结构数据进行内容分类操作，得到图像分类结果。该方案可以通过对待分类图像中的多个细胞结构单元进行密度聚类，保留待分类图像上细胞结构单元的分布信息，从而提升图像分类的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及一种图像分类方法、装置、存储介质和电子设备。

背景技术

在医疗领域，全切片病理图像（Whole Slide Image, WSI），是指将传统的玻璃病理切片通过全自动显微镜或者光学放大系统扫描采集得到的大尺寸高分辨数字图像，是病理医生在诊断时的重要依据。其中，可以利用人工智能的图像分类技术，对全切片病理图像进行特征提取，然后通过分类器获取图像分类结果。相关技术中，由于全切片病理图像中存在大量信息，通常会对病理图像进行分割，并分别进行图像分类，但这样会割裂病理图像内部细胞之间的联系，影响图像分类的准确性。

发明内容

本申请实施例提供一种图像分类方法、装置、存储介质和电子设备，该方案可以通过对待分类图像中的多个细胞结构单元进行密度聚类，保留待分类图像上细胞结构单元的分布信息，从而提升图像分类的准确性。

本申请实施例提供一种图像分类方法，包括：

获取待分类图像，所述待分类图像包括多个细胞结构单元；

确定所述细胞结构单元对应的密度检测区域，并计算所述密度检测区域内细胞结构单元的单元密度；

基于所述单元密度对所述待分类图像中的多个细胞结构单元进行聚类，得到多个细胞结构集合；

在所述待分类图像中，确定每个所述细胞结构集合对应的集合区域；

提取每个所述集合区域对应的区域特征信息；

基于所述区域特征信息、以及每个所述细胞结构集合在所述待分类图像中的集合位置信息，构建所述待分类图像对应的目标图结构数据；

对所述目标图结构数据进行内容分类操作，得到图像分类结果。

相应的，本申请实施例还提供一种图像分类装置，包括：

获取模块，用于获取待分类图像，所述待分类图像包括多个细胞结构单元；

密度计算模块，用于确定所述细胞结构单元对应的密度检测区域，并计算所述密度检测区域内细胞结构单元的单元密度；

聚类模块，用于基于所述单元密度对所述待分类图像中的多个细胞结构单元进行聚类，得到多个细胞结构集合；

确定模块，用于在所述待分类图像中，确定每个所述细胞结构集合对应的集合区域；

提取模块，用于提取每个所述集合区域对应的区域特征信息；

构建模块，用于基于所述区域特征信息、以及每个所述细胞结构集合在所述待分类图像中的集合位置信息，构建所述待分类图像对应的目标图结构数据；

分类模块，用于对所述目标图结构数据进行内容分类操作，得到图像分类结果。

则此时，所述密度计算模块，具体可以用于基于所述细胞结构单元在所述待分类图像中的单元位置信息、以及预设半径，确定所述细胞结构单元对应的密度检测区域；计算所述密度检测区域内细胞结构单元的单元密度。