[发明专利]基于深度学习的小肠镜下淋巴瘤辅助诊断系统

说明书

本发明公开了一种基于深度学习的小肠镜下淋巴瘤辅助诊断系统，包括：图像采集模块，通过采集卡接入内镜主机，获取内镜主机采集到的每一帧图像信息；训练集制作模块，选取单帧带有淋巴瘤病变的图像作为训练样本，对训练样本中的病灶区域进行标注，同时生成标注位置对应的标注文本信息；辅助诊断模块，构建辅助诊断模型，采用训练集对辅助诊断模型进行优化训练；将需要检测的图像输入到训练好的辅助诊断模型中，输出是否有淋巴瘤病变的图像分类结果。本发明基于神经网络算法对小肠镜下的淋巴瘤病变区域进行自动识别，医生只需要对识别存在病变的图像进行再次审核，极大地减轻了医生审阅图片的工作量。

技术领域

本发明属于小肠镜下淋巴瘤辅助智能诊断技术领域，尤其涉及一种基于深度学习的小肠镜下淋巴瘤辅助诊断系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

小肠淋巴瘤起源于小肠黏膜下的淋巴滤泡，大多数肠道淋巴瘤都是全身性淋巴瘤的一种局部表现，通过小肠镜对小肠粘膜的特征进行识别是诊断小肠淋巴瘤最有效的方法。

小肠镜检查时间较长，内镜医师极容易疲惫，同时小肠镜退镜检查过程中要退出冗长(甚至可达5-7米)的肠管，内镜医师需要消耗大量时间在阅览图像工作，因此会因为身体疲惫和视觉疲劳导致漏检或误检病变。

另外，由于消化道淋巴瘤发病隐匿，临床症状不典型且内镜下表现多样，如炎症性息肉样、黏膜糜烂、黏膜溃疡等，缺乏经验的内镜医师非常容易出现误诊的情况，降低了内镜医师诊断的准确性，导致淋巴瘤的高漏诊率和高误诊率，以至于患者确诊时间后移，影响治疗效果和生存时间。

发明内容

为了解决上述问题，本发明提出了基于深度学习的小肠镜下淋巴瘤辅助诊断系统，对单帧电子肠镜下采集的图像识别预测，能够精确定位淋巴瘤病灶，并在诊断系统中绘制出病变位置。

在一些实施方式中，采用如下技术方案：

基于深度学习的小肠镜下淋巴瘤辅助诊断系统，包括：

图像采集模块，通过采集卡接入内镜主机，获取内镜主机采集到的每一帧图像信息；

训练集制作模块，选取单帧带有淋巴瘤病变的图像作为训练样本，对训练样本中的病灶区域进行标注，同时生成标注位置对应的标注文本信息；所述标注区域以及该区域对应的标注文本信息构成训练集；

辅助诊断模块，构建辅助诊断模型，采用训练集对辅助诊断模型进行优化训练；将需要检测的图像输入到训练好的辅助诊断模型中，输出是否有淋巴瘤病变的图像分类结果。

进一步地，所述辅助诊断模型包括：

在YOLO V3的基础上，采用MobileNet V1作为YOLO V3的backbone；在每个卷积层后都相应的进行归一化操作，并且去掉了MobileNet V1的全连接层。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行以下过程：

通过采集卡接入内镜主机，获取内镜主机采集到的每一帧图像信息；

选取单帧带有淋巴瘤病变的图像作为训练样本，对训练样本中的病灶区域进行标注，同时生成标注位置对应的标注文本信息；所述标注区域以及该区域对应的标注文本信息构成训练集；

构建辅助诊断模型，采用训练集对辅助诊断模型进行优化训练；将需要检测的图像输入到训练好的辅助诊断模型中，输出是否有淋巴瘤病变的图像分类结果。

在另一些实施方式中，采用如下技术方案：