[发明专利]一种基于滑动窗口的消化道内镜病变检测和识别方法

权利要求书

1.一种基于滑动窗口的消化道内镜病变检测和识别方法，其特征在于，具体步骤如下：

(1)训练分类器

在检测之前，需要训练一个病变图像的分类器，具体训练方法如下：

首先，标注病变区域的边框，基于标注的病变区域的边框生成训练样本，并进行数据增强；数据增强的方法为：水平翻转正样本；

其次，使用在ImageNet上预训练的参数初始化VGG-16模型；

最后，根据医学图像的特殊性，选取合适的损失函数，训练病变分类器；

(2)消化道内镜病变检测

首先，对于一张消化道内镜图片，为了检测到病变的具体位置，需要提出候选区域；

其次，将所有的候选区域的图片输入到训练好的分类器中，获得候选区域被分类为病变的概率，过滤概率较低的候选框；

然后，根据候选框的概率，使用非极大值抑制NMS对候选框做后处理，设定重叠率阈值T_over，保留概率比较高的候选框；

最后，输出病变检测结果；

步骤(1)中，用矩形边框标出病变区域，边框刚好包围一个连续的病变区域，提供的有标注的图像一般为病变图像600-1200张、正常图像600-1200张；

步骤(1)中，所述的训练样本的生成方法为：

正样本生成方法为：裁剪标注的边框，并以标注的边框为中心，随机移动裁剪框，同时保证裁剪框和标注的边框重叠率IOU大于0.7，裁剪8个样本，因此一个边框共可以生成9个正样本；

负样本生成方法为：负样本来源于病变和正常的消化道内镜图像，对于病变的图像，从图像中随机裁剪，同时保证裁剪框和标注的边框重叠率IOU小于0.3；对于正常的图像，随机裁剪即可，裁剪框大小由标注的经验值确定，统计标注的边框的长宽范围，进而确定随机裁剪时的长宽范围；

步骤(1)中，所述的损失函数为焦点损失Focal loss，计算方法为：

Loss＝-(1-p_t)²log(p_t)

其中，p是一个样本被分类为病变的可能性，y∈{0,1}，0表示正常，1表示病变，p_t表示一个样本被正确分类的可能性；

步骤(2)中，所述的提出候选区域的方法为：

有大小为H×W的消化道内镜图像，候选框的长和宽由base＝min(H,W)确定；统计了标注的边框的长和宽与base的关系，设置候选框的长宽可以为base×0.375，base×0.55，base×0.725，因此构成3×3＝9种候选框；用候选框在图像中滑动，垂直方向滑动步长为H×S，水平方向滑动步长为W×S，其中S∈(0,1)；

步骤(2)中，所述过滤病变概率较低的候选框的方法为：

对于第i个候选框box_i，若其被预测为病变的概率p大于阈值T，则该候选框被认为病变，否则该候选框被认为正常，被过滤；

所述的重叠率的阈值T_over的取值范围为[0.1,0.3]。