[发明专利]一种三维图像的分类网络、方法及图像处理设备

说明书

本发明适用图像处理技术领域，提供了一种三维图像的分类网络、方法及图像处理设备，该网络包括第一三维卷积层、三维最大池化层、多个三维移动倒置瓶颈模块、第二三维卷积层以及全连接模块，通过第一三维卷积层对待分类图像进行卷积，通过三维最大池化层对第一三维卷积层输出的三维特征图进行压缩，通过多个三维移动倒置瓶颈模块对三维最大池化层输出的三维特征图进行处理，通过第二三维卷积层对多个三维移动倒置瓶颈模块中最后一个模块输出的三维特征图的通道维度进行提升，最后通过全连接模块将第二三维卷积层输出的特征连接起来，根据连接得到的特征确定待分类图像的类别，实现了三维图像的直接处理，提高了三维图像的分类效率。

技术领域

本发明属于图像处理技术领域，尤其涉及一种三维图像的分类网络、方法及图像处理设备。

背景技术

核磁共振成像也称磁共振成像(Magnetic Resonance Imaging，缩写为MRI)，该技术是利用核磁共振原理，依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。该技术在临床诊断、科学研究的应用已成为现实，极大地推动了医学和认知神经等学科的发展。

目前，大多数对图像进行分类的卷积神经网络只能识别二维的图像，不能直接处理三维的核磁共振成像。为了获取三维结构磁共振影像的全部信息，需要将二维的卷积神经网络三维化。EfficientNet网络是谷歌于2019年提出的深度卷积神经网络，此后基于该网络的模型及其各种变体称霸了包括图像网络(ImageNet)的各项二维自然图像分类竞赛榜单，然而EfficientNet仍然只能针对二维图像的分类。

发明内容

本发明的目的在于提供一种三维图像的分类网络、方法及图像处理设备，旨在解决由于现有技术无法提供一种有效的三维图像分类方法，导致三维图像分类效率低下的问题。

一方面，本发明提供了一种三维图像的分类网络，所述分类网络包括：

第一三维卷积层，用于对输入的待分类图像进行卷积操作，以得到多个通道的三维特征图，所述三维特征图为所述待分类图像的局部特征图，所述待分类图像为三维图像；

三维最大池化层，用于对所述第一三维卷积层输出的三维特征图进行压缩，得到压缩的、且通道维度不变的三维特征图；

依次连接的多个三维移动倒置瓶颈模块，用于对所述三维最大池化层输出的三维特征图进行处理，得到包含所述待分类图像全局信息的三维特征图；

第二三维卷积层，用于对所述多个三维移动倒置瓶颈模块中最后一个三维移动倒置瓶颈模块输出的三维特征图的通道维度进行提升；以及

全连接模块，用于将所述第二三维卷积层输出的特征连接起来，根据连接得到的特征确定待分类图像的类别。

另一方面，本发明提供了一种三维图像的分类方法，包括：

通过上述分类网络对输入的三维图像进行分类。

另一方面，本发明还提供了一种图像处理设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述分类网络的功能。