(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 202210237545.9 (22)申请日 2022.03.11 (71)申请人 无锡祥生医疗科技股份有限公司 地址 214142 江苏省无锡市新吴区硕放工 业园五期51、 5 3号地块长江东路2 28号 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 王月 (51)Int.Cl. G16H 30/40(2018.01) G16H 50/70(2018.01) G16H 50/20(2018.01) G06K 9/62(2022.01) G06V 10/44(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06T 7/00(2017.01) G06N 3/08(2006.01) (54)发明名称 医疗影像分类方法、 装置、 设备及存 储介质 (57)摘要 本申请是关于一种医疗影像分类方法、 装 置、 设备及存储介质， 具体涉及计算机视觉技术 领域。 所述方法包括： 获取目标医疗影像， 以及目 标医疗影像所生成的目标光流视频； 从目标医疗 影像中截取至少两帧目标医疗图像； 从目标光流 视频中截取至少两帧目标光流图像； 通过特征提 取模型分别对至少两帧目标医疗图像以及至少 两帧目标光流图像进行处理， 获得第一图像特征 以及第二图像特征以拼接， 并将拼接后的目标图 像特征通过分类网络模型进行数据处理， 获得目 标医疗影像所对应的类别。 上述方案分析出的医 疗影像类别， 同时考虑了目标医疗影像中人体的 静态图像特征以及动态图像特征， 提高了目标医 疗影像的类别识别准确率。 权利要求书2页 说明书14页 附图4页 CN 114582469 A 2022.06.03 CN 114582469 A 1.一种医疗影 像分类方法， 其特 征在于， 所述方法包括： 获取目标医疗影 像， 以及所述目标医疗影 像所生成的目标光 流视频； 从所述目标医疗影像中截取至少两帧目标医疗图像； 从所述目标光流视频中截取至少 两帧目标光 流图像； 通过特征提取模型分别对所述至少两帧目标医疗 图像以及所述至少两帧目标光流图 像进行处 理， 获得第一图像特 征以及第二图像特 征； 将所述第一图像特征以及所述第 二图像特征拼接， 并将拼接后的目标图像特征通过分 类网络模型进行 数据处理， 获得所述目标医疗影 像所对应的类别。 2.根据权利要求1所述的方法， 其特征在于， 所述目标医疗影像包括目标区域的超声B 模式图像以及所述目标区域的造影图像中的至少一 者。 3.根据权利要求2所述的方法， 其特征在于， 所述通过特征提取模型分别对所述至少两 帧目标医疗图像以及所述至少两帧目标光 流图像进行处 理之前， 还 包括： 通过自然视频训练集对所述特征提取模型进行训练， 获得具有预训练参数的特征提取 模型； 所述自然视频 数据集中包 含目标训练图像以及目标训练图像所对应的标注信息； 通过医疗视频训练集对所述特 征提取模型进行训练， 获得 所述特征提取模型。 4.根据权利要求3所述的方法， 其特征在于， 当所述特征提取模型为第 一特征提取模型 时， 所述医疗视频训练集中包括医疗训练图像以及所述医疗训练图像所对应的标注信息； 当所述特征提取模型为第 二特征提取模型时， 所述医疗视频训练集中包括光流训练图 像以及所述 光流训练图像所对应的标注信息 。 5.根据权利要求4所述的方法， 其特征在于， 所述通过特征提取模型分别对所述至少两 帧目标医疗图像以及所述至少两帧目标光流图像进行 处理， 获得第一图像特征以及第二图 像特征， 包括： 通过所述第 一特征提取模型对所述至少两帧目标医疗图像进行处理， 获得所述第 一图 像特征； 通过所述第 二特征提取模型对所述至少两帧目标光流图像进行处理， 获得所述第 二图 像特征。 6.根据权利要求1或2所述的方法， 其特征在于， 所述特征提取模型包括至少两类候选 特征提取模型； 所述通过特征提取模型分别对所述至少两帧目标医疗图像以及所述至少两帧目标光 流图像进行处 理， 获得第一图像特 征以及第二图像特 征， 包括： 通过各个候选特征提取模型分别对所述至少两帧目标医疗图像以及所述至少两帧目 标光流图像进行处理， 获得各个候选特征提取模型分别对应的候选图像特征； 所述候选图 像特征包括第一 候选图像特 征以及第二 候选图像特 征； 在各个候选特征提取模型中， 确定出所述特征提取模型， 并将所述特征提取模型对应 的候选图像特征中包含的第一候选图像特征以及第二候选图像特征， 确定为所述第一图像 特征以及第二图像特 征。 7.根据权利要求6所述的方法， 其特征在于， 所述在各个候选特征提取模型中， 确定出 所述特征提取模型， 包括： 获取各个候选特 征提取模型分别对应的候选图像特 征的信息值；权　利　要　求　书 1/2 页 2 CN 114582469 A 2比较所述各个候选特 征提取模型分别对应的候选图像特 征之间的相关系数； 在相关系数大于系数阈值的两个候选图像特征分别对应的候选特征提取模型中， 舍去 候选图像特 征的信息值较小的候选特 征提取模型， 以确定出 所述特征提取模型。 8.根据权利要求6所述的方法， 其特征在于， 所述在各个候选特征提取模型中， 确定出 所述特征提取模型， 包括： 通过各个候选特征提取模型的候选图像特征进行逻辑 回归操作， 获得所述各个候选特 征提取模型 所对应的逻辑回归权 重； 将逻辑回归权 重大于阈值的候选特 征提取模型确定为所述特 征提取模型。 9.根据权利要求1至5任一所述的方法， 其特征在于， 所述将拼接后的目标图像特征通 过分类网络模型进行 数据处理， 获得所述目标医疗视频 所对应的类别， 包括： 将所述目标图像特征与医学特征进行拼接， 并将拼接后的特征通过分类网络模型进行 数据处理， 获得所述目标医疗视频 所对应的类别； 其中， 所述医学 特征是通过医学 特征提取模型对医学 特征图像进行提取 得到的。 10.一种医疗影 像分类装置， 其特 征在于， 所述装置包括： 医疗影像获取模块， 用于获取目标医疗影像， 以及所述目标医疗影像所生成的目标光 流视频； 图像截取模块， 用于从所述目标医疗影像中截取至少两帧目标医疗图像； 从所述目标 光流视频中截取至少两帧目标光 流图像； 图像特征获取模块， 用于通过特征提取模型分别对所述至少两帧目标医疗图像以及所 述至少两帧目标光 流图像进行处 理， 获得第一图像特 征以及第二图像特 征； 影像分类模块， 用于将所述第一图像特征以及所述第二图像特征拼接， 并将拼接后的 目标图像特 征通过分类网络模型进行 数据处理， 获得所述目标医疗影 像所对应的类别。权　利　要　求　书 2/2 页 3 CN 114582469 A 3