[发明专利]图像分类模型的训练方法、分类方法、装置和计算机设备

说明书

本说明书实施方式提供了一种图像分类模型的训练方法、分类方法、装置和计算机设备。所述方法包括：获取分别标注有疾病类型的轻度医学影像和重度医学影像；基于重度医学影像子图，和与其对应的疾病类型训练初始图像分类模型，得到初级图像分类模型；将轻度医学影像子图输入至初级图像分类模型，得到轻度医学影像子图的预测疾病类型；若轻度医学影像子图的预测疾病类型与轻度医学影像子图所属的轻度医学影像的疾病类型相同，使用该轻度医学影像子图训练初级图像分类模型，得到图像分类模型。通过关注疾病严重程度对病灶分布密度的影响，无需对医学影像子图进行标注，能够在一定程度上提升图像分类模型对医学影像中疾病类型识别的准确性。

技术领域

本说明书中实施方式关于图像处理领域，具体涉及一种图像分类模型的训练方法、分类方法、装置和计算机设备。

背景技术

目前，医学影像检查对于辅助医生进行医学诊断具有重要作用。由于部分医学影像的尺寸较大，受到图像分类模型对于输入的图像尺寸的限制，难以将整张医学影像直接输入至分类模型中进行训练。现有的技术方案主要是采用多示例学习的弱监督学习方法，将医学影像切分为多个医学子图，将医学影像的标签类别作为与医学影像对应的医学子图的标签类别，进而对医学图像和医学子图进行分类。

由于不同病程阶段的医学影像的训练样本中病灶分布密度具有差异，如果将病灶分布密度较低的轻度医学影像的疾病类别作为该轻度医学影像的疾病类别，会引入较多的标签噪声从而在一定程度上限制了该分类模型对于医学影像分类的准确性。

发明内容

本说明书中多个实施方式提供一种图像分类模型的训练方法、分类方法、装置和计算机设备，可以在一定程度上提升了医学影像分类的准确性。

本说明书的一个实施方式提供一种图像分类模型的训练方法，包括：获取分别标注有疾病类型的轻度医学影像和重度医学影像；所述轻度医学影像是疾病严重程度被标记为轻度的医学影像；所述重度医学影像是疾病严重程度被标记为严重的医学影像；其中，轻度医学影像包括表示部分区域的轻度医学影像子图；重度医学影像包括表示部分区域的重度医学影像子图；基于重度医学影像子图，和所述重度医学影像子图所属的重度医学影像的疾病类型训练初始图像分类模型，得到初级图像分类模型；将轻度医学影像子图输入至所述初级图像分类模型，得到所述轻度医学影像子图对应的预测疾病类型；在轻度医学影像子图的预测疾病类型与所述轻度医学影像子图所属的轻度医学影像的疾病类型相同的情况下，使用所述轻度医学影像子图训练所述初级图像分类模型，得到图像分类模型。

本说明书的一个实施方式提供一种图像分类方法，包括：将获取的医学影像按照预设个数进行切分，得到多个局部医学影像；将所述局部医学影像调整至指定分辨率，得到多个医学影像子图；使用如如上述实施方式所述的图像分类模型的训练方法确定所述医学影像子图对应的疾病类型；其中，所述疾病类型作为所述医学影像的疾病类型。

本说明书的一个实施方式提供一种图像分类模型的训练装置，包括：训练样本获取模块，用于获取分别标注有疾病类型的轻度医学影像和重度医学影像；所述轻度医学影像是疾病严重程度被标记为轻度的医学影像；所述重度医学影像是疾病严重程度被标记为严重的医学影像；其中，轻度医学影像包括表示部分区域的轻度医学影像子图；重度医学影像包括表示部分区域的重度医学影像子图；初级图像分类模型生成模块，用于基于重度医学影像子图，和所述重度医学影像子图所属的重度医学影像的疾病类型训练初始图像分类模型，得到初级图像分类模型；轻度医学影像子图预测模块，用于将轻度医学影像子图输入至所述初级图像分类模型，得到所述轻度医学影像子图对应的预测疾病类型；图像分类模型生成模块，用于在轻度医学影像子图的预测疾病类型与所述轻度医学影像子图所属的轻度医学影像的疾病类型相同的情况下，使用所述轻度医学影像子图训练所述初级图像分类模型，得到图像分类模型。