(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 202210771613.X (22)申请日 2022.06.30 (71)申请人 上海商汤智能科技有限公司 地址 200233 上海市徐汇区桂平路391号3 号楼1605A室 (72)发明人 朱雅靖　陈翼男　叶宇翔　黄烨翀　 许晓薇　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 许昌莲 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/44(2022.01) G06V 10/80(2022.01) (54)发明名称 目标分型方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种目标分型方法、 装置、 设 备及存储介质。 该目标分型方法包括： 分别对包 含待分型目标的若干初始图像进行特征提取， 得 到各初始图像 关于目标的初始特征； 基于各初始 图像之间的预设关联关系， 对各初始特征进行融 合， 得到目标特征； 利用目标特征， 得到目标的分 型结果。 上述方案， 能够提高分型 结果的准确度。 权利要求书2页 说明书13页 附图2页 CN 115147369 A 2022.10.04 CN 115147369 A 1.一种目标分型 方法， 其特 征在于， 包括： 分别对包含待分型目标的若干初始图像进行特征提取， 得到各所述初始图像关于所述 目标的初始特 征； 基于各所述初始图像之间的预设关联关系， 对各所述初始特征进行融合， 得到目标特 征； 利用所述目标 特征， 得到所述目标的分型 结果。 2.根据权利要求1所述的方法， 其特征在于， 所述目标为病灶， 所述若干初始图像包括 对所述目标采集得到的局部图像以及对所述目标所属器官采集得到的全局图像， 所述初始 特征包括所述局部图像对应的第一初始特 征和所述全局图像对应的第二初始特 征； 所述基于各所述初始图像之间的预设关联关系， 对各所述初始特征进行融合， 得到目 标特征， 包括： 基于所述预设关联关系， 对所述第一初始特征和所述第二初始特征进行融合， 得到所 述目标特征。 3.根据权利要求1所述的方法， 其特征在于， 所述若干初始图像包括使用不同采集方式 对所述目标采集得到的初始图像， 所述基于各所述初始特征之间的预设关联关系， 对各所 述初始特 征进行融合， 得到目标 特征， 包括： 基于所述预设关联关系， 对不同采集方式采集的初始图像对应的初始特征进行融合， 得到所述目标 特征。 4.根据权利要求3所述的方法， 其特征在于， 所述预设关联关系为邻接矩阵， 所述基于 所述预设关联关系， 对不同采集方式采集的初始图像对应的初始特征进行融合， 得到所述 目标特征， 包括： 将各所述初始特 征进行融合， 得到融合特 征； 将所述融合特 征与所述邻接矩阵相乘； 基于相乘的结果， 得到所述目标 特征。 5.根据权利要求4所述的方法， 其特征在于， 所述目标分型方法由分型网络执行， 所述 分型网络包括第一多层感知器以及第二多层感知器， 所述将各所述初始特征进行融合， 得 到融合特 征， 包括： 利用所述第 一多层感知器对各所述初始特征进行处理， 得到各所述初始特征对应的进 阶特征； 将各所述进阶特 征进行拼接， 得到所述融合特 征； 所述基于相乘的结果， 得到所述目标 特征， 包括： 利用所述第二多层感知器对所述融合特 征进行处 理， 得到所述目标 特征。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述目标分型方法由分型网络执 行， 所述方法还 包括： 分别对包含所述待分型目标的若干样本图像进行特征提取， 得到各所述样本图像关于 所述目标的样本初始特 征， 各所述样本图像是使用不同的采集方式采集得到； 基于本次迭代训练对应的迭代关联关系， 对各所述样本初始特征进行融合， 得到样本 目标特征； 在首次迭代训练情况下， 所述本次迭代训练对应的迭代关联关系为初始关联关 系， 在非首次迭代训练情况下， 所述本次迭代训练对应的迭代关联关系为前一次迭代训练权　利　要　求　书 1/2 页 2 CN 115147369 A 2调整后的所述迭代关联关系； 利用所述样本目标 特征， 得到关于所述目标的样本分型 结果； 基于所述样本分型结果与真实分型结果之间的差异， 调整所述分型网络的网络参数， 所述网络参数包括所述迭代关联关系； 其中， 在所述差异满足误差条件的情况下， 最后一次迭代训练调整后的所述迭代关联 关系作为所述预设 关联关系。 7.根据权利要求6所述的方法， 其特征在于， 所述目标为病灶， 所述利用所述样本目标 特征， 得到关于所述目标的样本分型 结果， 包括： 利用所述样本目标特征， 分别得到所述目标的第 一良恶性分型结果以及所述目标的亚 型分型结果； 所述基于所述样本分型结果与真实分型结果之间的差异， 调 整所述分型网络的网络参 数， 包括： 获取所述第 一良恶性分型结果与真实良恶性分型结果之间的第 一差异， 以及获取所述 亚型分型 结果与真实亚型分型 结果之间的第二差异； 结合所述第一差异和第二差异， 调整所述分型网络的网络参数。 8.根据权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 基于所述 亚型分型 结果获取 所述目标的第二良恶性分型 结果； 获取所述第二良恶性分型 结果与所述真实良恶性分型 结果的第三差异； 所述结合所述第一差异和第二差异， 调整所述分型网络的网络参数， 包括： 结合所述第一差异、 所述第二差异以及所述第三差异， 调整所述分型网络的网络参数。 9.根据权利要求1 ‑8任一项所述的方法， 其特征在于， 在所述分别 对包含待分型目标的 若干初始图像进行特征提取， 得到各所述初始图像关于所述 目标的初始特征之前， 所述方 法还包括： 对若干所述初始图像进行预处理， 所述预处理包括调整对比度、 调整窗宽窗位、 调整图 像尺寸、 归一 化处理中的一 者或多者。 10.一种目标分型装置， 其特 征在于， 包括： 特征提取模块， 用于分别对包含待分型目标的若干初始图像进行特征提取， 得到各所 述初始图像关于所述目标的初始特 征； 特征增强模块， 用于基于各所述初始图像之间的预设关联关系， 对各所述初始特征进 行融合， 得到目标 特征； 分型模块， 用于利用所述目标 特征， 得到所述目标的分型 结果。 11.一种电子设备， 其特征在于， 包括存储器和处理器， 所述处理器用于执行所述存储 器中存储的程序指令， 以实现权利要求1至9任一项所述的方法。 12.一种计算机可读存储介质， 其上存储有程序指令， 其特征在于， 所述程序指令被处 理器执行时实现权利要求1至9任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115147369 A 3