1.一种医学影像分类模型训练方法,其特征在于,包括:
获取医学影像训练集,所述医学影像训练集包括若干医学影像及其对应的疾病标签信息和临床信息,其中,所述疾病标签信息反映疾病信息的诊断标签,诊断标签标识对应医学影像在指定疾病上的状态,即阴性或者阳性,所述临床信息包括患者id,患者年龄,患者性别及拍摄体位信息;
将所述医学影像训练集划分为若干数据块,并基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵;
采用分批方式依次将所述数据块及对应的图像级关系矩阵输入到预训练影像分类模型进行模型训练,以获取训练好的医学影像分类模型;
其中,基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵,包括:基于每个所述数据块中医学影像对应的疾病标签信息构建每个所述数据块的标签混淆矩阵;和/或基于每个所述数据块中医学影像对应的临床信息构建对应的所述数据块的临床信息关系矩阵,其中,每个所述临床信息均对应一个所述临床信息关系矩阵,在构建每种所述临床信息对应的临床信息关系矩阵时,当两张医学影像的某个临床信息相同时,则将两者的该临床信息的关系设置为1,否则为0;
所述标签混淆矩阵和/或所述临床信息关系矩阵作为所述图像级关系矩阵。
2.根据权利要求1所述的医学影像分类模型训练方法,其特征在于,获取医学影像训练集,包括:获取原始医学影像数据集,所述原始医学影像数据集包括若干原始医学影像及其对应的疾病标签和临床信息;
对所述原始医学影像数据集中的原始医学影像进行降采样,并对降采样后的所述原始医学影像按照预设概率进行反转或旋转操作,以扩充所述原始医学影像数据集,从而获取所述医学影像训练集。
3.根据权利要求2所述的医学影像分类模型训练方法,其特征在于,采用中心裁剪的方式将所述原始医学影像数据集中的原始医学影像降采样,并对降采样后的所述原始医学影像按照预设概率进行反转或旋转操作,以扩充所述原始医学影像数据集,从而获取所述医学影像训练集。
4.根据权利要求1所述的医学影像分类模型训练方法,其特征在于,基于每个所述数据块中医学影像对应的疾病标签信息构建每个所述数据块的标签混淆矩阵,包括:计算每个所述数据块中所有医学影像的疾病标签信息的内积;
对所述内积进行归一化处理,作为每个所述数据块的标签混淆矩阵。
5.根据权利要求1所述的医学影像分类模型训练方法,其特征在于,所述预训练影像分类模型包括VGG模型,ResNet模型,或DensNet模型。
6.根据权利要求1-5中任一项所述的医学影像分类模型训练方法,其特征在于,所述医学影像为胸部X光射线影像。
7.一种医学影像分类模型训练装置,其特征在于,包括:
数据获取模块,用于获取医学影像训练集,所述医学影像训练集包括若干医学影像及其对应的疾病标签信息和临床信息,其中,疾病标签信息反映疾病信息的诊断标签,诊断标签标识对应医学影像在指定疾病上的状态,即阴性或者阳性,所述临床信息包括患者id,患者年龄,患者性别及拍摄体位信息;
关系矩阵构建模块,用于将所述医学影像训练集划分为若干数据块,并基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵;
模型训练模块,用于采用分批方式依次将所述数据块及对应的图像级关系矩阵输入到预训练影像分类模型进行模型训练,以获取训练好的医学影像分类模型;
其中,基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵,包括:基于每个所述数据块中医学影像对应的疾病标签信息构建每个所述数据块的标签混淆矩阵;和/或基于每个所述数据块中医学影像对应的临床信息构建对应的所述数据块的临床信息关系矩阵,其中,每个所述临床信息均对应一个所述临床信息关系矩阵,在构建每种所述临床信息对应的临床信息关系矩阵时,当两张医学影像的某个临床信息相同时,则将两者的该临床信息的关系设置为1,否则为0;
所述标签混淆矩阵和/或所述临床信息关系矩阵作为所述图像级关系矩阵。
8.一种医学影像分类方法,其特征在于,包括:
获取待分类医学影像;
将所述待分类医学影像输入至基于权利要求1-6中任一项所述方法训练获取的医学影像分类模型,以获取所述待分类医学影像的疾病标签。