[发明专利]一种消化道解剖位置识别装置

说明书

本发明公开了一种消化道解剖位置识别装置，包括：获取模块，用于：获取训练集和测试集；训练模块，用于：选取基于深度学习框架的深度网络模型作为当前深度网络模型，利用训练集对当前深度网络模型进行训练，利用测试集得到当前深度网络模型的识别精度数据，判断该识别精度数据是否符合预设精度要求，若是，则完成训练，若否，则确定对训练后的当前深度网络模型进行调整后得到的深度网络模型为当前深度网络模型，返回执行利用训练集对当前深度网络模型进行训练的步骤；分类模块，用于：将胶囊内镜采集的消化道解剖图片输入至训练完成的深度网络模型，得到深度网络模型输出的该消化道解剖图片对应的消化道解剖位置。实现了胶囊在体内的精确定位。

技术领域

本发明涉及医疗器械技术领域，更具体地说，涉及一种消化道解剖位置识别装置。

背景技术

胶囊内镜用于在人体消化道内移动的同时拍摄人体消化道内壁的图像或视频，并通过无线方式传至外部的信号接收装置，与传统医用内窥镜相比，胶囊内镜具有操作简单、无创伤、无痛苦、无交叉感染、不影响患者正常工作等优点，尤其对小肠疾病检查具有很高的医用诊断价值。

胶囊内镜采集到的大量消化道图片，数据量巨大，消化道解剖位置的自动识别，可以为医生阅片及对胶囊(胶囊为胶囊内镜的简称)的定位起到积极作用。目前消化道解剖位置的识别方案大都是通过医护人员依赖胶囊传回的图像数据对胶囊所处的位置进行大致识别，容易受医护人员的主观因素影响，无法实现胶囊在体内的精确定位。

综上所述，如何提供一种能够实现胶囊在体内的精确定位的技术方案，是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种消化道解剖位置识别装置，能够实现胶囊在体内的精确定位。

为了实现上述目的，本发明提供如下技术方案：

一种消化道解剖位置识别装置，包括：

获取模块，用于：获取训练集和测试集，所述训练集及所述测试集中包含消化道解剖图片及表示每个所述消化道解剖图片对应消化道解剖位置的标记；

训练模块，用于：选取基于深度学习框架的深度网络模型作为当前深度网络模型，利用所述训练集对当前深度网络模型进行训练，利用所述测试集测试训练后的当前深度网络模型得到当前深度网络模型的识别精度数据，判断该识别精度数据是否符合预设精度要求，若是，则确定训练后的当前深度网络模型为完成训练的深度网络模型，若否，则确定对训练后的当前深度网络模型进行调整后得到的深度网络模型为当前深度网络模型，返回执行所述利用所述训练集对当前深度网络模型进行训练的步骤；

分类模块，用于：将胶囊内镜采集的消化道解剖图片输入至训练完成的深度网络模型，得到深度网络模型输出的该消化道解剖图片对应的消化道解剖位置。

优选的，还包括：

去重模块，用于：获取所述训练集及所述测试集之后，确定所述训练集及所述测试集中对应消化道解剖位置为未知的消化道解剖图片为未知类图片，并利用感知哈希算法排除所述未知类图片中相似度大于预设阈值的图片。

优选的，还包括：

预处理模块，用于：利用感知哈希算法排除所述未知类图片中相似度大于预设阈值的图片之后，对所述训练集及所述测试集中包含的消化道解剖图片进行预设角度旋转处理和图像增强处理。

优选的，所述训练模块包括：

训练单元，用于：在GPU上利用所述训练集对当前深度网络模型进行训练。

优选的，所述训练模块包括：

选取单元，用于：选取基于深度学习框架的Alexnet网络模型作为当前深度网络模型。

优选的，所述训练模块包括：