本申請屬于圖片處理，具體涉及一種醫(yī)學圖片自動分類方法、裝置、電子設備及存儲介質。

背景技術：

1、在數(shù)字化時代，圖片作為信息傳遞的重要媒介，其數(shù)量和種類呈指數(shù)級增長。

2、現(xiàn)實世界中圖片的類別繁多，現(xiàn)有的醫(yī)學圖片自動分類方法，尤其是依賴于小規(guī)模模型的技術，通常需要大量的標注數(shù)據(jù)來訓練，這不僅耗時耗力，而且成本高昂。此外，小模型往往缺乏足夠的泛化能力，當面對新的或未見過的圖片類別時，性能急劇下降。

技術實現(xiàn)思路

1、本申請的目的是提供一種醫(yī)學圖片自動分類方法、裝置、電子設備及存儲介質以提升圖片分類模型的泛化能力。

2、根據(jù)本申請實施例的第一方面，提供了一種醫(yī)學圖片自動分類方法，該方法可以包括：

3、獲取醫(yī)學圖片；

4、提取醫(yī)學圖片中的文本信息；

5、根據(jù)文本信息選擇提示詞；

6、利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類。

7、在本申請的一些可選實施例中，提取醫(yī)學圖片中的文本信息，包括：

8、對醫(yī)學圖片進行圖像質量評估；

9、對圖像質量符合標準的醫(yī)學圖片進行文本轉換處理，得到文本信息。

10、在本申請的一些可選實施例中，對醫(yī)學圖片進行圖像質量評估，包括：

11、對醫(yī)學圖片進行分辨率檢測和對比度分析；

12、篩選出分辨率大于等于300dpi且對比度大于等于0.5的醫(yī)學圖片。

13、在本申請的一些可選實施例中，對圖像質量符合標準的醫(yī)學圖片進行文本轉換處理，得到文本信息，包括：

14、對圖像質量符合標準的醫(yī)學圖片進行ocr處理，得到文本數(shù)據(jù)；

15、對文本數(shù)據(jù)進行標準化處理，得到文本信息。

16、在本申請的一些可選實施例中，對圖像質量符合標準的醫(yī)學圖片進行ocr處理，得到文本數(shù)據(jù)，包括：

17、對圖像質量符合標準的醫(yī)學圖片進行圖像去噪、對比度調整及二值化處理，得到預處理圖片；

18、利用訓練好的文字識別模型對預處理圖片進行文字識別，得到文本數(shù)據(jù)。

19、在本申請的一些可選實施例中，利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類，包括：

20、利用訓練好的語言模型對文本信息進行深度語義理解；

21、利用提示詞引導訓練好的語言模型聚焦于文本信息的關鍵部分；

22、基于關鍵部分對醫(yī)學圖片進行分類。

23、在本申請的一些可選實施例中，提示詞是通過下述方法得到的：

24、分析文本信息的領域類別；

25、根據(jù)領域類別將文本信息輸入領域類別對應的提示詞模板，得到完整提示詞信息；

26、提示詞模板是通過精心挑選和人工整理而成。

27、根據(jù)本申請實施例的第二方面，提供一種圖片分類裝置，該裝置可以包括：

28、獲取模塊，用于獲取醫(yī)學圖片；

29、提取模塊，用于提取醫(yī)學圖片中的文本信息；

30、提示詞選擇模塊，用于根據(jù)文本信息選擇提示詞；

31、分類模塊，用于利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類。

32、根據(jù)本申請實施例的第三方面，提供一種電子設備，該電子設備可以包括：

33、處理器；

34、用于存儲處理器可執(zhí)行指令的存儲器；

35、其中，處理器被配置為執(zhí)行指令，以實現(xiàn)如第一方面的任一項實施例中所示的醫(yī)學圖片自動分類方法。

36、根據(jù)本申請實施例的第四方面，提供一種存儲介質，當存儲介質中的指令由信息處理裝置或者服務器的處理器執(zhí)行時，以使信息處理裝置或者服務器實現(xiàn)如第一方面的任一項實施例中所示的醫(yī)學圖片自動分類方法。

37、本申請的上述技術方案具有如下有益的技術效果：

38、本申請實施例方法通過確定提示詞，并利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類，顯著減少了對標注數(shù)據(jù)的依賴，提升了模型的泛化能力和可擴展性，并且該方法不僅降低了人力和時間成本，還提高了醫(yī)學圖片分類任務的效率和準確性。

技術特征：

1.一種醫(yī)學圖片自動分類方法，其特征在于，包括：

2.根據(jù)權利要求1所述的醫(yī)學圖片自動分類方法，其特征在于，所述提取所述醫(yī)學圖片中的文本信息，包括：

3.根據(jù)權利要求2所述的醫(yī)學圖片自動分類方法，其特征在于，所述對所述醫(yī)學圖片進行圖像質量評估，包括：

4.根據(jù)權利要求2所述的醫(yī)學圖片自動分類方法，其特征在于，所述對圖像質量符合標準的醫(yī)學圖片進行文本轉換處理，得到文本信息，包括：

5.根據(jù)權利要求4所述的醫(yī)學圖片自動分類方法，其特征在于，所述對圖像質量符合標準的醫(yī)學圖片進行ocr處理，得到文本數(shù)據(jù)，包括：

6.根據(jù)權利要求1所述的醫(yī)學圖片自動分類方法，其特征在于，所述利用所述提示詞引導訓練好的語言模型根據(jù)所述文本信息對所述醫(yī)學圖片進行分類，包括：

7.根據(jù)權利要求6所述的醫(yī)學圖片自動分類方法，其特征在于，所述提示詞是通過下述方法得到的：

8.一種圖片分類裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括：處理器，存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執(zhí)行時實現(xiàn)如權利要求1-7任一項所述的醫(yī)學圖片自動分類方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲程序或指令，所述程序或指令被處理器執(zhí)行時實現(xiàn)如權利要求1-7任一項所述的醫(yī)學圖片自動分類方法的步驟。

技術總結
本申請公開了一種醫(yī)學圖片自動分類方法、裝置、電子設備及存儲介質，屬于圖片處理技術領域，其中，醫(yī)學圖片自動分類方法包括：獲取醫(yī)學圖片；提取醫(yī)學圖片中的文本信息；根據(jù)文本信息選擇提示詞；利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類。該方法通過確定提示詞，并利用提示詞引導訓練好的語言模型根據(jù)文本信息對醫(yī)學圖片進行分類，顯著減少了對標注數(shù)據(jù)的依賴，提升了模型的泛化能力和可擴展性，并且該方法不僅降低了人力和時間成本，還提高了醫(yī)學圖片分類任務的效率和準確性。

技術研發(fā)人員：田永謙
受保護的技術使用者：上海艾莎醫(yī)學科技有限公司
技術研發(fā)日：
技術公布日：2025/1/6