[发明专利]基于深度学习的消化道内壁病变类型智能识别方法及装置

说明书

本发明实施例提供一种基于深度学习的消化道内壁病变类型智能识别方法及装置，该方法包括：将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息，病变类型识别模型是基于样本消化道内壁图像及样本消化道内壁图像对应的病变类型识别结果进行训练后获得的，待识别消化道内壁图像的格式与样本消化道内壁图像的格式相匹配。本发明实施例通过将待识别消化道内壁图像输入至病变类型识别模型，输出病变类型识别信息。由于病变类型识别模型可以直接输出病变类型识别信息，从而相对于人眼识别提高了识别效率，并且，病变类型识别模型能够避免人眼识别中观察者识别能力对识别结果的影响，提高了识别精度。

技术领域

本发明实施例涉及图像识别领域，更具体地，涉及一种基于深度学习的消化道内壁病变类型智能识别方法及装置。

背景技术

病变是指机体细胞、组织或者器官在致病因素作用下发生的局部或全身异常变化。机体细胞、组织或者器官在发生病变后，在病变的部位会产生病变组织。为了对病变组织进行研究，目前主要通过对机体的内镜检查来查找机体中的病变组织。在内镜检查中获得机体的内部图像后，相关技术中通过观察者人眼筛查内部图像中的异常区域来判断消化道内是否存在病变组织以及存在的病变组织的类型。但是，由于内部图像包含的信息量大，且受观察者识别能力等情况的影响，导致了对内部图片中病变组织类型的识别效率和识别精度较低。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习的消化道内壁病变类型智能识别方法及装置。

根据本发明实施例的第一方面，提供一种消化道内壁病变类型识别方法，该方法包括：

将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息，病变类型识别模型是基于样本消化道内壁图像及样本消化道内壁图像对应的病变类型识别结果进行训练后获得的，待识别消化道内壁图像的格式与样本消化道内壁图像的格式相匹配。

本发明实施例提供的方法，通过将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息。由于病变类型识别模型可以直接输出病变类型识别信息，从而相对于人眼识别提高了识别效率，并且，病变类型识别模型能够避免人眼识别中观察者识别能力对识别结果的影响，提高了识别精度。

根据本发明实施例第二方面，提供了一种消化道内壁病变类型识别装置，该装置包括：

识别模块，用于将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息，病变类型识别模型是基于样本消化道内壁图像及样本消化道内壁图像对应的病变类型识别结果进行训练后获得的，待识别消化道内壁图像的格式与样本消化道内壁图像的格式相匹配。

根据本发明实施例的第三方面，提供了一种消化道内壁病变类型识别设备，包括：

至少一个处理器；以及

与处理器通信连接的至少一个存储器，其中：

存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的消化道内壁病变类型识别方法。

根据本发明实施例的第四方面，提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的消化道内壁病变类型识别方法。

应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明实施例。

附图说明