[发明专利]一种基于深度学习的肠结核辅助诊断系统及方法

说明书

本发明公开了一种基于深度学习的肠结核辅助诊断系统及方法，系统包括肠镜图像自动采集子系统、客户端、数据库；肠镜图像自动采集子系统用于采集肠镜图像；客户端包括图像预处理模块、卷积神经网络模块、图像展示模块、肠镜报告输出模块；卷积神经网络模块，包括图像合格性判别子模型、图像部位判别子模型、图片是否包含病灶判别子模型；数据库，用于保存用于训练卷积神经网络的样本集，保存肠镜报告输出模块输出的信息。本发明利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑病灶区域的影像，并按照加权算法全局择优之后，保存到数据库中。本发明能够从全局视频中提取最有价值图像，为医生诊断提供更可靠、高效的支持。

技术领域

本发明属于图像识别技术领域，涉及一种医疗内窥镜影像识别系统及方法，具体涉及一种基于深度学习的肠结核辅助诊断系统及方法。

背景技术

随着深度学习算法不断发展、日益成熟，已经逐步用于医疗影像分析领域。内窥镜影像是医生分析病人消化道疾病的重要依据，近年来开发出了多种利用深度卷积神经网络模型对病灶的筛选、诊断方法在目前有关肠镜诊断系统在临床上具有重要意义。

肠结核主要累及回盲部及其临近的结肠，其肠镜下表现不呈节段性分布，溃疡多呈横行，表浅而不规则。肠结核与炎症性肠病、缺血性结肠炎、嗜酸性细胞肠炎、淋巴瘤等疾病在内镜下表现非常相似，因而给肠结核的诊断带来很大困难。另外，临床医师在内镜操作中依据自己经验对可疑病灶区域的判断，并将图像抓取下来保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。肠镜检查退镜观察时间通常只有6～7分钟，受制于操作医师的工作状态、经验影响，容易出现将重点病变部位漏掉情况，这将导致临床医生对病变无法做出全面准确的评估。

目前公开的相关肠镜辅助系统及方法，只关注如何识别已经由操作医师采集的图像中，是否包含病灶及如何提高对单张目标肠结核图像识别的精度，并未能考虑自动采集最有价值影像及防止检查盲点。

发明内容

本发明主要是解决传统肠镜报告系统依赖人工采图，容易出现部位检查盲点和可疑病灶区域漏掉的问题，利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑病灶区域的影像，并按照加权算法全局择优之后，保存到肠镜报告系统中。

本发明的系统所采用的技术方案是：一种基于深度学习的肠结核辅助诊断系统，其特征在于：包括肠镜图像自动采集子系统、客户端、数据库；

所述肠镜图像自动采集子系统用于采集肠镜图像；

所述客户端包括图像预处理模块、卷积神经网络模块、图像展示模块、采集报告输出模块；

所述图像预处理模块，用于接受所述肠镜图像自动采集子系统采集的肠镜图像，对图像进行预处理，然后调用卷积神经网络模块；

所述卷积神经网络模块，包括图像合格性判别子模型、图像部位判别子模型、图片是否包含病灶判别子模型；分别用于判断预处理后的图像是否合格、图像部位判别和图片是否包含病灶判别；

所述图像展示模块，用于接收所述卷积神经网络模块的判别结果并展示；

所述采集报告输出模块，用于记录所述卷积神经网络模块的每一次判别结果，当本次肠镜检查完成之后，按照置信度和图片质量加权之后进行排序，输出回盲瓣、阑尾开口部位的图像和N张包含可疑病灶的图像；

所述数据库，用于保存用于训练卷积神经网络的样本集，保存所述采集报告输出模块输出的信息。

本发明的方法所采用的技术方案是：一种基于深度学习的肠结核辅助诊断方法，其特征在于，包括以下步骤：

步骤1：图像预处理模块，接收肠镜图像自动采集子系统采集的肠镜图像，对图像进行预处理，然后送到卷积神经网络模块进行识别；