[发明专利]脑部医学影像分类方法、装置、计算机设备和存储介质

权利要求书

1.一种脑部医学影像分类方法，其特征在于，包括：

获取与目标分类任务对应的至少两个模态的脑部医学影像；

对所述各模态下的脑部医学影像进行预处理，以分割出与每个模态的脑部医学影像对应的灰质图像和白质图像；

将多个所述灰质图像进行特征合并，并将合并后的图像输入多层感知机，通过反向传播对合并后的图像进行优化，以得到融合灰质图像；

将多个所述白质图像进行特征合并，并将合并后的图像输入多层感知机，通过反向传播对合并后的图像进行优化，以得到融合白质图像；

将所述融合灰质图像与所述融合白质图像共同输入深度学习分类模型，通过所述深度学习分类模型的各模块进行处理；其中，所述深度学习分类模型为引入至少一个注意力机制模块的密集卷积网络，所述注意力机制模块包括空间注意力机制模块和通道注意力机制模块；

根据所述深度学习分类模型的输出，得到所述目标分类任务的分类结果。

2.一种脑部医学影像分类方法，其特征在于，包括：

获取与目标分类任务对应的历史脑部医学影像和实时脑部医学影像；

对所述历史脑部医学影像和所述实时脑部医学影像分别进行预处理，以分割出各自对应的灰质图像和白质图像；

提取两所述灰质图像间的第一差量图像，及两所述白质图像间的第二差量图像，将两所述灰质图像、两所述白质图像、所述第一差量图像和所述第二差量图像共同输入深度学习分类模型，通过所述深度学习分类模型的各模块进行处理；其中，所述深度学习分类模型为引入至少一个注意力机制模块的密集卷积网络，所述注意力机制模块包括空间注意力机制模块和通道注意力机制模块；

根据所述深度学习分类模型的输出，得到所述目标分类任务的分类结果。

3.一种脑部医学影像分类方法，其特征在于，包括：

获取目标分类任务对应的脑部医学影像；

对所述脑部医学影像进行预处理，以分割出与所述脑部医学影像对应的全局灰质图像以及与所述脑部医学影像对应的全局白质图像；

将所述全局灰质图像与所述全局白质图像输入深度学习分类模型，通过所述深度学习分类模型的各模块对所述全局灰质图像与所述全局白质图像进行处理；

获取所述深度学习分类模型的空间注意力机制模块所输出的中间特征图，以基于所述中间特征图分割所述全局灰质图像得到局部灰质图像，以及基于所述中间特征图分割所述全局白质图像得到局部白质图像；

将所述局部灰质图像与所述局部白质图像输入深度学习分类模型，通过所述深度学习分类模型的各模块对所述局部灰质图像与所述局部白质图像进行处理；其中，所述深度学习分类模型为引入至少一个注意力机制模块的密集卷积网络，所述注意力机制模块包括空间注意力机制模块和通道注意力机制模块；

根据所述深度学习分类模型基于所述全局灰质图像与所述全局白质图像的第一输出，以及所述深度学习分类模型基于所述局部灰质图像与所述局部白质图像的第二输出，得到所述脑部医学影像的分类结果。

4.如权利要求1-3中任一项所述的脑部医学影像分类方法，其特征在于，所述密集卷积网络包括一个卷积模块、三个稠密模块、两个过渡模块、一个分类模块和两个注意力机制模块；其中，任意两个稠密模块之间存在一个过渡模块，一个所述注意力机制模块位于第一个所述稠密模块与第一个所述过渡模块之间，另一个所述注意力机制模块位于第二个所述稠密模块与第二个所述过渡模块之间，每个所述注意力机制模块包括一个空间注意力机制模块和一个通道注意力机制模块。