(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210453149.X (22)申请日 2022.04.24 (71)申请人 上海联影智能医疗科技有限公司 地址 200232 上海市徐汇区云锦路701号 20、 21、 22层 （名义楼层为23、 25、 26层） (72)发明人 石峰　周庆　周翔　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 专利代理师 乔改利 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06T 7/00(2017.01)G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 图像分类方法、 计算机设备和存 储介质 (57)摘要 本申请涉及一种图像 分类方法、 计算机设备 和存储介质。 所述方法包括： 获取医学影像的感 兴趣区域的不同分辨率的图像； 将各所述图像输 入预设的分类网络中， 得到所述感兴趣区域的分 类结果； 其中， 所述分类结果用于表征所述感兴 趣区域所属的类别。 采用本方法能够使得训练得 到的模型适用于不同病灶类型的医学影 像。 权利要求书2页 说明书15页 附图6页 CN 114724016 A 2022.07.08 CN 114724016 A 1.一种图像分类方法， 其特 征在于， 所述方法包括： 获取医学影 像的感兴趣区域的不同分辨 率的图像； 将各所述图像输入预设的分类网络 中， 得到所述感兴趣区域的分类结果； 其中， 所述分 类结果用于表征 所述感兴趣区域所属的类别。 2.根据权利要求1所述的方法， 其特征在于， 所述将各所述图像输入预设的分类网络 中， 得到所述感兴趣区域的分类结果， 包括： 对各所述图像进行 特征提取， 得到各 所述图像的特 征； 对各所述图像的特 征进行特征融合， 得到第一融合特 征； 根据所述第一融合特 征， 确定所述分类结果。 3.根据权利要求2所述的方法， 其特征在于， 所述对各所述图像的特征进行特征融合， 得到第一融合特 征， 包括： 对各所述图像的特 征进行相关性计算， 得到各 所述图像间的相关性矩阵； 对各所述图像间的相关性矩阵进行归一 化处理， 得到归一 化权重矩阵； 根据所述归一 化权重矩阵和任一所述图像的特 征， 得到所述第一融合特 征。 4.根据权利要求3所述的方法， 其特征在于， 所述分类结果包括阴阳性分类结果和阳性 类别的类型； 所述 根据所述第一融合特 征， 确定所述分类结果， 包括： 根据所述第一融合特征， 确定所述感兴趣区域的第一分类结果； 所述第一分类结果用 于表征所述感兴趣区域 为阳性类别或阴性类别； 在所述第一分类结果为阳性类别时， 根据所述第一融合特征， 确定所述感兴趣区域的 第二分类结果； 所述第二分类结果用于表征所述感兴趣区域所属的类型， 所述感兴趣区域 所属的类型包括阴性以及所述感兴趣区域 为阳性类别时所属的阳性类别的类型。 5.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 获取所述医学影 像的临床信息； 将所述临床信息 输入预设的第一神经网络中， 获取 所述临床信息对应的临床特 征； 采用预设的融合方法对所述第 一融合特征和所述临床特征进行融合处理， 得到第 二融 合特征； 根据所述第二融合特 征， 确定所述分类结果。 6.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 获取所述医学影 像的影像征象信息； 将所述影像征象信 息输入预设的第 二神经网络 中， 获取所述影像征 象信息对应的影像 征象特征； 采用预设的融合方法对所述第 一融合特征和所述影像征象特征进行融合处理， 得到第 三融合特 征； 根据所述第三融合特 征， 确定所述分类结果。 7.根据权利要求5或6所述的方法， 其特征在于， 所述预设的融合方法包括双线性池化 法或者串联法。 8.根据权利要求1所述的方法， 其特 征在于， 所述分类网络的训练过程包括： 获取样本感兴趣区域的不同分辨率的样本图像以及所述样本感兴趣区域的第一标签 和第二标签； 所述第一标签用于表征所述样本感兴趣区域为阳性类别或阴性类别； 所述第权　利　要　求　书 1/2 页 2 CN 114724016 A 2二标签用于表征所述样本感兴趣区域所属的类型， 所述样本感兴趣区域所属的类型包括阴 性以及所述样本感兴趣区域 为阳性类别时所属的阳性类别的类型； 将各所述样本图像输入预设的初始分类网络 中， 得到所述样本感兴趣区域的第 一样本 分类结果和第二样本分类结果； 所述第一样本 分类结果用于表征所述样本感兴趣区域为阳 性类别或阴性类别； 所述第二样本分类结果用于表征所述样本感兴趣区域所属的类型， 所 述样本感兴趣区域所属的类型包括阴性以及所述样本感兴趣区域为阳性类别时所属的阳 性类别的类型； 利用所述第一标签对所述第二标签进行加权处理， 得到所述第二标签对应的加权标 签， 利用第一样本分类结果对第二样本分类结果进行加权处理， 得到所述第二样本分类结 果对应的加权分类结果； 其中， 所述加权标签中的阴性类别与所述第一标签中的阴性类别 一致， 所述加权分类结果中的阴性类别与所述第一样本分类结果中的阴性类别一 致； 根据所述第 一标签和所述第 一样本分类结果得到第 一损失函数， 根据 所述加权标签和 所述加权分类结果得到第二损失函数； 根据所述第 一损失函数和所述第 二损失函数对所述初始分类网络进行训练， 得到所述 分类网络 。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114724016 A 3