[发明专利]图像分类方法、装置及存储介质

说明书

本申请提供一种图像分类方法、装置及存储介质，该方法通过调用图像分类模型中第一模块对图像中目标对象进行特征提取，获得目标对象的第一特征；调用图像分类模型中第二模块对第一特征进行分类处理，获得图像的类别；其中，该图像分类模型通过多个训练样本训练得到，每个训练样本包括样本图像中每个目标样本对象对应的局部样本子图像、以及每个样本图像对应的全局类别标签。本申请解决了直接采用多个局部层面标签的不准确所带来的图像分类结果的准确率低的问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像分类方法、装置及存储介质。

背景技术

器官早期病变时通常以器官结节的形态存在，常见的器官结节例如肺结节、甲状腺结节、乳腺结节等。器官结节都具有特定的属性表现，其可以包括原发灶结节、良性结节以及转移结节等属性。且器官结节的属性判断或识别决定结节的后续治疗方法，也关系着患者的生命，因此，器官结节属性的准确判断或识别至关重要。

相关技术中，针对转移结节的识别主要采用传统机器学习方法和深度学习方法。前者通过影像组学方法进行特征提取，然后结合分类器进行转移结节的识别。然而，影像组学方法所提取的特征是固定的特征，灵活性较差，这导致转移结节的识别准确率低。后者通过分类网络自动学习分类任务所需的特征，其虽然具有较高的灵活性，但是深度学习的解释性较差，且比较难融入医生现有的先验知识。此外，为了训练分类网络，往往需要投入大量的人力进行标注每个结节病灶准确的标签。同时，结节是否是转移的标签是很难确定的，因此这也导致结节属性识别结果的准确率不高。

发明内容

本申请提供了一种图像分类方法、装置及存储介质，以解决现有技术中至少一种技术问题。

一方面，本申请提供了一种图像分类方法，包括：

获取包含至少一个目标对象的图像；

调用图像分类模型中第一模块对所述目标对象进行特征提取，获得所述目标对象的第一特征；

调用图像分类模型中第二模块对所述特征进行分类处理，获得所述图像的类别；

其中，所述图像分类模型通过多个训练样本训练得到，每个训练样本包括样本图像中每个目标样本对象对应的局部样本子图像、以及每个样本图像对应的全局类别标签。

另一方面，还提供一种图像分类装置，包括：

图像获取模块，用于获取包含至少一个目标对象的图像；

特征提取模块，用于调用图像分类模型中第一模块对所述图像中每个目标对象进行特征提取，获得所述目标对象的第一特征；

分类模块，用于调用图像分类模型中第二模块对所述第一特征进行分类处理，获得所述图像的类别；

其中，所述图像分类模型通过多个训练样本训练得到，每个训练样本包括样本图像中每个目标样本对象对应的局部区域样本图像、以及每个样本图像对应的全局类别标签。

作为一种可选实施方式，所述图像分类装置还包括：

属性获取模块，用于获得所述目标对象的属性信息；

采样模块，用于基于所述属性信息对所述目标对象进行采样处理，获得所述目标对象的局部子图像，所述局部子图像至少包括所述目标对象所在区域。

作为一种可选实施方式，所述属性信息包括对象的中心位置和尺寸，所述采样模块包括：

倍率确定子模块，用于根据所述对象的尺寸，确定所述目标对象中各尺寸维度的采样倍率；

尺寸确定子模块，用于基于所述对象的尺寸和对应的采样倍率，确定所述目标对象的采样尺寸；