本技術(shù)涉及數(shù)字醫(yī)療，尤其涉及一種醫(yī)學(xué)圖像分類方法和裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、目前，對于x光醫(yī)學(xué)圖像中的正常圖像和異常圖像的分類基本是通過人工診斷進行識別，但是人工診斷存在以下不足：(1)主觀性：人工診斷受到醫(yī)生個人經(jīng)驗、知識水平、技能和偏見的影響，這可能導(dǎo)致診斷結(jié)果之間存在一定的差異。例如，不同的放射科醫(yī)生對同一乳腺x光片的解讀可能會有不同的診斷結(jié)果。(2)疲勞：醫(yī)生可能需要閱讀大量的乳腺x光片，長時間的工作可能導(dǎo)致疲勞，從而影響其診斷的準(zhǔn)確性和效率。(3)遺漏：人工診斷可能會遺漏一些細微的異常信號，特別是在早期乳腺癌的診斷中，這些微小的異?？赡鼙缓鲆暎瑥亩e過最佳的治療時機。(4)效率：例如，對于大量的乳腺x光片進行人工診斷是非常耗時的，而且，隨著乳腺x光片數(shù)量的增加，這個問題會變得越來越嚴(yán)重。(5)一致性：由于醫(yī)生間經(jīng)驗和技能的差異，對相同的x光片可能會有不同的解讀，這就需要在醫(yī)生之間進行多次討論和確認，這不僅耗時，而且影響檢查進度。因此，現(xiàn)有的人工診斷方式可能會受到醫(yī)生的疲勞、情緒等主觀因素的影響，也可能因為醫(yī)生之間的經(jīng)驗和技能水平差異導(dǎo)致診斷結(jié)果的不一致的問題，導(dǎo)致x光醫(yī)學(xué)圖像分類不夠準(zhǔn)確且效率不高。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的主要目的在于提出一種醫(yī)學(xué)圖像分類方法和裝置、電子設(shè)備及存儲介質(zhì)，能夠自動對目標(biāo)x光醫(yī)學(xué)圖像中的正常圖像和異常圖像進行有效分類，尤其當(dāng)應(yīng)用在數(shù)字醫(yī)療領(lǐng)域，能夠快速處理大量x光片，提供數(shù)據(jù)驅(qū)動的診斷，減少人工閱片的工作量，提供客觀且一致的診斷建議，可以減少認為誤差，從而提高醫(yī)療診斷效率。

2、為實現(xiàn)上述目的，本技術(shù)實施例的第一方面提出了一種醫(yī)學(xué)圖像分類方法，所述方法包括：

3、獲取目標(biāo)x光醫(yī)學(xué)圖像；

4、對所述目標(biāo)x光醫(yī)學(xué)圖像進行預(yù)處理，得到第一x光醫(yī)學(xué)圖像；

5、根據(jù)所述第一x光醫(yī)學(xué)圖像中相鄰區(qū)域內(nèi)任意相鄰兩個像素點的灰度值和位置關(guān)系生成對應(yīng)的灰度共生矩陣；

6、對每個所述灰度共生矩陣進行特征提取，得到多個紋理特征，其中，所述紋理特征用于表征所述目標(biāo)x光醫(yī)學(xué)圖像的紋理特性；

7、將多個所述紋理特征輸入至訓(xùn)練好的隨機森林分類器進行分類識別，得到對應(yīng)所述目標(biāo)x光醫(yī)學(xué)圖像的分類識別結(jié)果。

8、在一些實施例，所述對所述目標(biāo)x光醫(yī)學(xué)圖像進行預(yù)處理，得到第一x光醫(yī)學(xué)圖像，包括：

9、對所述目標(biāo)x光醫(yī)學(xué)圖像進行裁剪處理，得到第二x光醫(yī)學(xué)圖像；

10、通過高斯濾波器對所述第二x光醫(yī)學(xué)圖像進行圖像去噪處理，得到所述第一x光醫(yī)學(xué)圖像。

11、在一些實施例，所述根據(jù)所述第一x光醫(yī)學(xué)圖像中相鄰區(qū)域內(nèi)任意相鄰兩個像素點的灰度值和位置關(guān)系生成對應(yīng)的灰度共生矩陣，包括：

12、確定所述第一x光醫(yī)學(xué)圖像的所述相鄰區(qū)域；

13、從所述相鄰區(qū)域獲取兩個所述相鄰像素點；

14、確定兩個所述相鄰像素點的灰度值和位置坐標(biāo)；

15、根據(jù)所述位置關(guān)系確定兩個所述相鄰像素點之間的相對距離和相對角度；

16、根據(jù)所述相對距離和所述相對角度確定兩個所述相鄰像素點之間偏移量；

17、根據(jù)所述坐標(biāo)位置、所述灰度值和所述偏移量生成所述灰度共生矩陣。

18、在一些實施例，所述紋理特征包括對比度特征、能量特征、同質(zhì)性特征和相關(guān)性特征。

19、在一些實施例，所述對每個所述灰度共生矩陣進行特征提取，得到多個紋理特征，包括：

20、根據(jù)所述第一x光醫(yī)學(xué)圖像中不同灰度級的對比程度從所述灰度共生矩陣提取出所述對比度特征；

21、根據(jù)所述第一x光醫(yī)學(xué)圖像的紋理粗糙度從所述灰度共生矩陣提取出所述能量特征；

22、根據(jù)所述第一x光醫(yī)學(xué)圖像的灰度分布的變化程度從所述灰度共生矩陣提取出所述同質(zhì)性特征；

23、根據(jù)所述第一x光醫(yī)學(xué)圖像中不同灰度級之間的線性相關(guān)性程度從所述灰度共生矩陣提取出所述相關(guān)性特征。

24、在一些實施例，所述隨機森林分類器的訓(xùn)練方法包括：

25、構(gòu)建隨機森林分類器；

26、獲取圖像數(shù)據(jù)集，所述圖像數(shù)據(jù)集包括圖像訓(xùn)練集和圖像驗證集；

27、根據(jù)所述圖像訓(xùn)練集得到特征矩陣和目標(biāo)向量；

28、采用所述特征矩陣和所述目標(biāo)變量來訓(xùn)練所述隨機森林分類器；

29、采用所述圖像驗證集來調(diào)整所述隨機森林分類器的模型參數(shù)，得到目標(biāo)模型參數(shù)；

30、基于所述目標(biāo)模型參數(shù)得到訓(xùn)練好的所述隨機森林分類器。

31、在一些實施例，所述根據(jù)所述圖像訓(xùn)練集得到特征矩陣和目標(biāo)向量，包括：

32、從所述圖像訓(xùn)練集中提取得到每個訓(xùn)練圖像的特征向量和標(biāo)簽向量，所述標(biāo)簽向量用于表示每個訓(xùn)練圖像的分類類別，其中，所述分類類別包括正常類別和異常類別；

33、根據(jù)所述標(biāo)簽向量生成所述目標(biāo)向量。

34、為實現(xiàn)上述目的，本技術(shù)實施例的第二方面提出了一種醫(yī)學(xué)圖像分類裝置，所述裝置包括：

35、獲取模塊，用于獲取目標(biāo)x光醫(yī)學(xué)圖像；

36、預(yù)處理模塊，用于對所述目標(biāo)x光醫(yī)學(xué)圖像進行預(yù)處理，得到第一x光醫(yī)學(xué)圖像；

37、生成模塊，用于根據(jù)所述第一x光醫(yī)學(xué)圖像中相鄰區(qū)域內(nèi)任意相鄰兩個像素點的灰度值和位置關(guān)系生成對應(yīng)的灰度共生矩陣；

38、特征提取模塊，用于對每個所述灰度共生矩陣進行特征提取，得到多個紋理特征，其中，所述紋理特征用于表征所述目標(biāo)x光醫(yī)學(xué)圖像的紋理特性；

39、分類識別模塊，用于將多個所述紋理特征輸入至訓(xùn)練好的隨機森林分類器進行分類識別，得到對應(yīng)所述目標(biāo)x光醫(yī)學(xué)圖像的分類識別結(jié)果。

40、為實現(xiàn)上述目的，本技術(shù)實施例的第三方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述第一方面所述的方法。

41、為實現(xiàn)上述目的，本技術(shù)實施例的第四方面提出了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的方法。

42、本技術(shù)提出的醫(yī)學(xué)圖像分類方法和裝置、電子設(shè)備及存儲介質(zhì),獲取目標(biāo)x光醫(yī)學(xué)圖像；對目標(biāo)x光醫(yī)學(xué)圖像進行預(yù)處理，得到第一x光醫(yī)學(xué)圖像；根據(jù)第一x光醫(yī)學(xué)圖像中相鄰區(qū)域內(nèi)任意相鄰兩個像素點的灰度值和位置關(guān)系生成對應(yīng)的灰度共生矩陣；對每個灰度共生矩陣進行特征提取，得到多個紋理特征，其中，紋理特征用于表征目標(biāo)x光醫(yī)學(xué)圖像的紋理特性；將多個紋理特征輸入至訓(xùn)練好的隨機森林分類器進行分類識別，得到對應(yīng)目標(biāo)x光醫(yī)學(xué)圖像的分類識別結(jié)果。通過對獲取的目標(biāo)x光醫(yī)學(xué)圖像進行預(yù)處理，在特征提取環(huán)節(jié)，根據(jù)預(yù)處理好的目標(biāo)x光醫(yī)學(xué)圖像中相鄰區(qū)域內(nèi)任意相鄰兩個像素點的灰度值和位置關(guān)系生成對應(yīng)的灰度共生矩陣，從每個灰度共生矩陣進行特征提取出多個紋理特征，再利用隨機森林分類器對多個紋理特征進行處理，根據(jù)多個紋理特征對正常和異常的x光醫(yī)學(xué)圖像進行分類，從而自動得到分類識別結(jié)果?；诖?，本技術(shù)實施例能夠自動對目標(biāo)x光醫(yī)學(xué)圖像中的正常圖像和異常圖像進行有效分類，尤其當(dāng)應(yīng)用在數(shù)字醫(yī)療領(lǐng)域，能夠快速處理大量x光片，提供數(shù)據(jù)驅(qū)動的診斷，減少人工閱片的工作量，提供客觀且一致的診斷建議，可以減少認為誤差，從而提高醫(yī)療診斷效率。