[发明专利]一种基于深度学习的肠道病变识别方法

说明书

本发明公开一种基于深度学习的肠道病变识别方法，包括以下步骤：搭建深度学习框架；各类常见肠道病变图片收集；图片数据预处理：使用YOLOv3目标检测算法构建肠道病变识别模型；使用图片数据预处理后形成的数据集在深度学习框架中进行训练，得到包含多类肠道病变目标检测相关模型；通过前端Web界面通过发送数据到后端，调用后端的肠道病变识别模型开始检测，将检测结果返回给前端Web界面。本发明通过使用YOLOv3目标检测算法构建肠道病变识别模型，具有较快的检测速度。

技术领域

本发明涉及病变识别技术领域，特别是涉及一种基于深度学习的肠道病变识别方法。

背景技术

结肠癌是我国常见消化系肿瘤之一，随着生活水平的不断提高，结肠癌发病率在不断增加。腺瘤性息肉与结肠癌的发生、发展密切相关，目前腺瘤性息肉可能发生癌变已经得到公认，腺瘤性息肉属于癌前病变，如果可能会导致癌症的息肉能够被检测出来并且切除掉，那么就可以极大地防止大肠癌的发生。

电子肠镜是目前最主要的肠道病变检查方法。检查时着重观察有利于肠道病变的诊断和治疗。然而，就结肠息肉这一常见病变来说，目前的结肠镜检查手术中仍然存在着10％-30％的漏诊率，因此提高肠道病变的识别率具有很高的临床应用价值。

深度学习技术是近十年来人工智能领域取得的最重要突破之一，它在语音识别、自然语言处理、计算机视觉、图像与视频分析等诸多领域都取得了巨大成功。到目前为止，针对肠镜图像与视频中病变的自动检测已经进行了许多研究，比如使用SVM、RF、KNN等利用形状、颜色、背景、纹理等信息来检测肠道病变，但是这些现有的技术方案在检测速度以及检测精度上都达不到理想的效果。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于深度学习的肠道病变识别方法，以解决现有检测方法检测速度慢，难以达到实时检测标准的问题。

为实现本发明的目的所采用的技术方案是：

一种基于深度学习的肠道病变识别方法，包括以下步骤；

步骤101，搭建深度学习框架；

步骤102，各类常见肠道病变图片收集；

步骤103，图片数据预处理：

步骤104，使用YOLOv3目标检测算法构建肠道病变识别模型；

步骤105，使用图片数据预处理后形成的数据集在深度学习框架中进行训练，得到包含多类肠道病变目标检测相关模型；

步骤106，通过前端Web界面通过发送数据到后端，调用后端的肠道病变目标检测相关模型开始检测，将检测结果返回给前端Web界面。

所述图片数据预处理的步骤如下：

步骤201，按照病变类型对图片进行分类；

步骤202，将所有图片按照固定顺序重命名；

步骤203，使用图像标注工具对原始图片进行标注，使用矩形框标出图片中的病变组织，根据图像尺寸、矩形框坐标、病症种类信息生成XML格式文档，然后使用Python编写脚本将XML文件转换为TXT格式文件，转换完的TXT文件记录着每张图片中的病变类别信息以及坐标信息。

步骤204，根据图片与标注文件制作VOC数据集。

所述图像标注工具可以为Labelimg、Labelme、Vatic、Sloth的一种。

所述深度学习框架可以为Darknet、Tensorflow、Caffe中一种。

与现有的肠道病变识别方法相比，本发明的有益效果是：