一种基于人工智能的图像分类系统

本发明涉及医学图像处理，具体而言，涉及一种基于人工智能的图像分类系统。

背景技术：

1、根据2018全球癌症统计报告可知，2018年全球新增女性乳腺癌患者208.9万例，死亡62.7万例，分别占女性全部癌症发病和死亡的24.2％和15.0％。其标化发病率和死亡率分别为46.3/10万和13.0/10万，乳腺癌严重威胁女性健康。

2、近年来，随着图像成像技术和科学技术的快速发展，医学影像成像技术产生了跨时代的飞跃，女性可以通过乳腺钼靶图像进行初步的诊断，随着计算机算力的提高，可以通过计算机对乳腺钼靶图像进行分类，协助医生进行诊疗，但是，传统的卷积神经网络通过高级特征对乳腺钼靶图像进行二分类时，分类准确度不高，因此，提出一种基于人工智能的图像分类系统，以解决通过卷积神经网络提取到的乳腺钼靶图像的高级特征对乳腺钼靶图像进行分类时，分类准确度低的技术问题。

技术实现思路

1、本发明实施例提供了一种基于人工智能的图像分类系统，以解决通过卷积神经网络提取到的乳腺钼靶图像的高级特征对乳腺钼靶图像进行分类时，分类准确度低的技术问题。

2、根据本发明实施例的一个方面，提供了一种基于人工智能的图像分类系统。其中，该系统可以包括：第一图像获取单元，获取上传的待分类的乳腺钼靶图像；第一图像预处理单元，对待分类的乳腺钼靶图像进行目标区域划分，得到乳腺钼靶图像对应的目标区域图像；人工智能模型单元，将待分类的乳腺钼靶图像和目标区域图像输入到训练好人工智能模型中，得到待分类的乳腺钼靶图像的分类结果，其中，人工智能模型包括对待分类的乳腺钼靶图像进行全局特征提取和对目标区域图像进行局部特征提取，将全局特征提取的特征和局部特征提取的特征进行融合，将融合后的特征输入至分类层，在进行全局特征提取时，将第二堆叠卷积后的特征通过第一展平层进行展平，将第五堆叠层后的特征通过第二展平层进行展平，将展平后的特征进行级联；传输单元，将分类结果传输至终端。

3、可选地，第一图像获取单元之前，系统还包括：第二图像获取单元，获取乳腺钼靶图像，其中，乳腺钼靶图像包括正常图像和异常图像，异常图像包括良性肿块图像和恶性肿块图像；第二图像预处理单元，将乳腺钼靶图像降采样至256×256，且将乳腺钼靶图像进行归一化处理，得到乳腺钼靶的灰度图；图像增强单元，将乳腺钼靶的进行增强处理，得到第二图像信息；划分单元，将第二图像信息按照80％：20％划分为训练集和验证集。

4、在第一图像获取单元之前，系统还包括：第二图像获取单元，获取乳腺钼靶图像，其中，乳腺钼靶图像包括正常图像和异常图像，异常图像包括良性肿块图像和恶性肿块图像；第二图像预处理单元，将乳腺钼靶图像降采样至256×256，且将乳腺钼靶图像进行归一化处理，得到乳腺钼靶的灰度图；图像增强单元，将乳腺钼靶的进行增强处理，得到第二图像信息；划分单元，将第二图像信息按照80％：20％划分为训练集和验证集。

5、可选地，人工智能模型包括对待分类的乳腺钼靶图像进行全局特征提取和对目标区域图像进行局部特征提取，包括：人工智能模型包括第一卷积神经网络模型和第二卷积神经网络模型，第一卷积神经网络包括5个3层堆叠卷积层，4个最大池化层，运用第一卷积神经网络对乳腺钼靶图像进行全局特征提取；第二卷积神经网络包括4个3层堆叠卷积层，3个最大池化层，运用第二卷积神经网络对乳腺钼靶图像进行局部特征提取。

6、可选地，将全局特征提取的特征和局部特征提取的特征进行融合，将融合后的特征输入至分类层，包括：将全局特征提取的特征和局部特征提取的特征通过特征融合模块进行融合，将融合后的特征通过sigmoid进行分类，得到待分类的乳腺钼靶图像的分类结果。

7、可选地，在传输单元，将分类结果传输至终端之后，系统还包括：存储单元，将待分类的乳腺钼靶图像和待分类的乳腺钼靶图像的分类结果进行存储。

8、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质。该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行本发明实施例的一种基于人工智能的图像分类系统。

9、根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的一种基于人工智能的图像分类系统。

10、在本发明实施例中，通过第一图像获取单元，获取上传的待分类的乳腺钼靶图像；第一图像预处理单元，对待分类的乳腺钼靶图像进行目标区域划分，得到乳腺钼靶图像对应的目标区域图像；人工智能模型单元，将待分类的乳腺钼靶图像和目标区域图像输入到训练好人工智能模型中，得到待分类的乳腺钼靶图像的分类结果，其中，人工智能模型包括对待分类的乳腺钼靶图像进行全局特征提取和对目标区域图像进行局部特征提取，将全局特征提取的特征和局部特征提取的特征进行融合，将融合后的特征输入至分类层，在进行全局特征提取时，将第二堆叠卷积后的特征通过第一展平层进行展平，将第五堆叠层后的特征通过第二展平层进行展平，将展平后的特征进行级联；传输单元，将分类结果传输至终端，解决了通过卷积神经网络提取到的乳腺钼靶图像的高级特征对乳腺钼靶图像进行分类时，分类准确度低的技术问题，达到了提高了通过卷积神经网络对乳腺钼靶图像进行分类时分类准确度的技术效果。

11、本发明的优点：

12、本发明与现有的技术相对比，待分类的乳腺钼靶图像进行全局特征提取和对目标区域图像进行局部特征提取，将全局特征提取的特征和局部特征提取的特征进行融合，将融合后的特征输入至分类层，在进行全局特征提取时，将第二堆叠卷积后的特征通过第一展平层进行展平，将第五堆叠层后的特征通过第二展平层进行展平，将展平后的特征进行级联，提高了乳腺钼靶图像的多分类准确度。

技术特征：

1.一种基于人工智能的图像分类系统，其特征在于，包括：

2.根据权利要求1所述的一种基于人工智能的图像分类系统，其特征在于，所述图像获取单元之前，所述系统还包括：

3.根据权利要求1所述的一种基于人工智能的图像分类系统，其特征在于，所述所述人工智能模型包括对所述待分类的乳腺钼靶图像进行全局特征提取和对所述目标区域图像进行局部特征提取，包括：

4.根据权利要求1所述的一种基于人工智能的图像分类系统，其特征在于，所述将所述全局特征提取的特征和所述局部特征提取的特征进行融合，将融合后的特征输入至分类层，包括：

5.根据权利要求1所述的一种基于人工智能的图像分类系统，其特征在于，在传输单元，将所述分类结果传输至终端之后，所述系统还包括：

技术总结
本发明公开了一种基于人工智能的图像分类系统。其中，该系统包括：第一图像获取单元，获取上传的待分类的乳腺钼靶图像；第一图像预处理单元，对待分类的乳腺钼靶图像进行目标区域划分，得到乳腺钼靶图像对应的目标区域图像；人工智能模型单元，将待分类的乳腺钼靶图像和目标区域图像输入到训练好人工智能模型中，得到待分类的乳腺钼靶图像的分类结果；传输单元，将分类结果传输至终端。本发明解决了通过卷积神经网络提取到的乳腺钼靶图像的高级特征对乳腺钼靶图像进行分类时，分类准确度低的技术问题。

技术研发人员：张海瑞
受保护的技术使用者：兰州城市学院
技术研发日：
技术公布日：2024/2/6