[发明专利]医疗内窥镜图像的处理方法、系统、机器设备和介质

权利要求书

1.一种医疗内窥镜图像的处理方法，其特征在于，所述方法包括：

根据医疗内窥镜视频流获取原始内窥镜图像；

将获取的所述原始内窥镜图像处理为设定尺寸，生成标准内窥镜图像；

对所述标准内窥镜图像，通过神经网络进行低质图像和非低质图像的预测，所述低质图像是存在干扰的标准内窥镜图像；

过滤归属于低质图像的标准内窥镜图像，获得目标内窥镜图像；

通过神经网络的分类预测识别所述目标内窥镜图像对应的器官信息；

根据所对应的器官信息，通过分类网络识别所述目标内窥镜图像适用的图像类型；

对所述器官部位所适应图像类型对应拍摄模式下的目标内窥镜图像，检测所存在的异物获得分布于所述目标内窥镜图像的异物框，所述异物框用于指示所述目标内窥镜图像中存在异物的区域；

根据检测得到的所述异物框过滤所述目标内窥镜图像，未过滤掉的所述目标内窥镜图像用于定位病灶区域和所属病灶类别。

2.根据权利要求1所述的方法，其特征在于，在所述对所述图像类型对应拍摄模式下的目标内窥镜图像，检测所存在的异物获得分布于所述目标内窥镜图像的异物框之前，还包括：

检测所述目标内窥镜图像的图像类型；

在检测的所述图像类型与识别的所述图像类型不符时，按照所识别图像类型对应的拍摄模式，对所述目标内窥镜图像切换拍摄模式来获取识别的所述图像类型对应拍摄模式下的目标内窥镜图像。

3.根据权利要求1所述的方法，其特征在于，所述对所述图像类型对应拍摄模式下的目标内窥镜图像，检测所存在的异物获得分布于所述目标内窥镜图像的异物框，包括：

以所述图像类型对应拍摄模式下的目标内窥镜图像为输入，通过神经网络进行目标检测获得所存在异物框对应的坐标和置信度，所述坐标用于指示所述目标内窥镜图像中异物框的分布。

4.根据权利要求3所述的方法，其特征在于，所述根据检测得到的所述异物框过滤所述目标内窥镜图像，包括：

根据目标内窥镜图像中异物框对应的坐标和置信度，运算所述目标内窥镜图像所存在异物占据的面积比例因子；

根据所述面积比例因子判定所存在异物对所述目标内窥镜图像的干扰性，过滤发生异物干扰的所述目标内窥镜图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述图像类型对应拍摄模式下的目标内窥镜图像在定位检测网络各层不断进行特征提取，直至最终回归得到所述目标内窥镜图像中的病灶区域；

通过分类网络进行所述目标内窥镜图像中病灶区域的病灶性质分类，获得所述病灶区域归属的病灶类别。

6.根据权利要求5所述的方法，其特征在于，所述通过分类网络进行所述目标内窥镜图像中病灶区域的病灶性质分类，获得所述病灶区域归属的病灶类别，包括：

外扩所述目标内窥镜图像中的病灶区域获得所述病灶区域对应的外扩区域；

预处理所述外扩区域，使所述外扩区域归一化为符合输入尺寸的分类网络输入图像；

由所述分类网络对所述分类网络输入图像进行所属病灶类别的网络预测，获得所述内窥镜图像中对应病灶区域归属的病灶类别。

7.根据权利要求1所述的方法，其特征在于，所述目标内窥镜图像对应器官信息的识别通过与所述器官部位相适应的分类网络执行，所述分类网络通过标注了所对应器官部位的内窥镜图像训练得到；

其中，所述内窥镜图像形成的分类网络样本覆盖所述医疗内窥镜视频流中的所有部位。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

以内窥镜所拍摄低质图像和非低质图像为样本，训练神经网络得到对应低质和非低质两大图像类别输出概率的神经网络，所述神经网络用于生成目标内窥镜图像。