[发明专利]一种下消化道隆起型病变实时检测智能平台

权利要求书

1.一种下消化道隆起型病变实时检测智能平台，其特征在于，所述检测智能平台包括深度卷积神经网络，所述深度卷积神经网络包括：

1）数据输入层，用于对原始内镜图像数据进行预处理；

2）卷积层，用于提取输入内镜图像的不同特征，并导出结果；

3）ReLU激励层，用于把卷积层的输出结果做非线性映射；

4）池化层，用于筛选维度较小的特征；

5）全连接层，用于计算病灶的诊断结果，并评分。

2.根据权利要求1所述的检测智能平台，其特征在于，所述数据输入层的预处理方法包括去均值：将输入数据的各个维度都中心化为0，并将图像样本的中心拉回到高维空间坐标系原点上。

3.根据权利要求2所述的检测智能平台，其特征在于，所述数据输入层的预处理方法包括归一化：将各个维度幅度归一化到同样的范围，降低各维度数据取值范围的差异而带来的干扰。

4.根据权利要求3所述的检测智能平台，其特征在于，所述数据输入层的预处理方法还包括主成分分析/白化：使用PCA降维，并提取内镜图像中最主要的信息；对数据各个特征轴上的幅度归一化。

5.根据权利要求1所述的检测智能平台，其特征在于，所述卷积层由若干卷积单元组成，所述卷积层对内镜图像的病灶特征进行分级，并由各个卷积单元按照病灶特征的级别进行分别提取，形成卷积核，实现建模，导出结果。

6.根据权利要求5所述的检测智能平台，其特征在于，所述卷积单元通过反向传播算法获得。

7.根据权利要求1所述的检测智能平台，其特征在于，所述池化层用于对卷积层输出的维度特征切分成若干个区域，提取各个区域的最大值或平均值，并筛选维度较小的特征。

8.根据权利要求1所述的检测智能平台，其特征在于，所述全连接层用于将全部内镜图像中的病灶特征结合，将所有局部特征结合变成全局特征，并将病灶诊断结果计算评分，获得检测结果。

9.根据权利要求1所述的检测智能平台，其特征在于，所述检测智能平台还包括图像压缩过程，用于对每一帧原始内镜图像进行压缩，从而减小图像处理模型的规模。

10.根据权利要求1所述的检测智能平台，其特征在于，所述检测智能平台还包括检测端、显示端，所述检测端用于对病灶进行拍摄，并将图片传输给深度卷积神经，所述深度卷积神经将分析结果发送给显示端，所述显示端用于将分析结果进行显示。