[发明专利]一种病变图像的预处理方法

说明书

本发明涉及一种用于医学图像人工智能辅助识别系统中的病变图像的预处理方法，该方法包括通过严格的控制手段对每张图片中的病理部位进行准确框选的步骤。

技术领域

本发明属于医学领域，更具体的涉及一种用于生物医学图像人工智能辅助识别系统中的病变图像的预处理方法。

背景技术

人工智能技术在生物医学图像处理方面的应用日益广泛，但是现有的研究和试探性应用均限于对病变进行分类而不是识别，即局限于从两种或两种以上人为预先确定的病变种类中区分出某一种病变，而不是在实时检测过程中从广泛的正常背景中检测到病变，例如结肠息肉的分类(“Computer-based classification of small colorectal polypsby using narrow-band imaging with optical magnification”，Sebastian Gross etal.，GASTROINTESTINAL ENDOSCOPY，74(6):2011)、皮肤癌的分级(“Dermatologist-levelclassification of skin cancer with deep neural networks”，Andre Esteva1et al.,Nature,542,20070202)、乳腺肿物的分类(“Representation learning formammographymass lesion classification with convolutionalneural networks”，JohnArevalo et al.,COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE,127,248–257,2016)、以及肺结节良性和恶性病变的鉴别(“Deep learning aided decision supportfor pulmonary nodules diagnosing:a review”,Yixin Yang et al.,Journal ofThoracic Disease,2018；10(Suppl 7):S867-S875)等。但这远远不能满足临床应用的需求。

因此，本领域迫切需要开发一种能够真正适用于临床诊断的能够对病变部位进行识别甚至实时识别的人工智能图像识别系统。

发明内容

发明人经过探索发现，通过对用于神经网络学习的图像进行严格的预处理，即对训练数据库中的每张内镜图像中的病变部位进行精准框选，并且将框选内部的病变即为作为阳性样本输入神经网络学习，同时将矩形框外的部分会被作为阴性样本供神经网络学习，从而经过训练后，可以使得训练后的神经网络模型能够精确的识别病变类型和病变部位，其识别率甚至已经超过了内科专家医师。

在本发明的第一个方面中，提供了一种病变图像的预处理方法，包括对所述病变图像中的病变部位进行框选的步骤，所述框选的内部被定义为阳性样本，而外部被定义为阴性样本。

在一个实施方案中，所述图像为医学诊断图像，例如内镜图像。

在另一个实施方案中，所述病变优选为消化道疾病，例如胃癌或慢性萎缩性胃炎。

在另一个实施方案中，其中所述图像用于基于神经网络(例如卷积神经网络)的病变图像识别模型的训练，所述模型经过训练后能够对待分析图像中是否存在所述病变和/或所述病变的位置进行识别(自动识别)。

在另一个实施方案中，其中所述框选能够生成一个包含病变部位的矩形框或正方形框，同时生成和/或记录坐标信息；优选的，所述坐标信息为所述矩形框或正方形框的左上角和右下角的点的坐标信息。