[发明专利]用于自动诊断的方法、装置和系统

说明书

本公开公开了一种用于自动诊断的方法(2000)、装置(100)和系统(900、1000)。所述方法(2000)包括：通过CNN组依次接收预定数量的医学视频数据的帧(S201)；通过CNN组预测每个帧的病变预测(S202)；以及输出各自标记有病变预测的帧(S203)。对于每个输入的帧，所述预测包括：通过CNN组中的第一CNN从输入的帧中提取特征并确定对输入的帧的预测；通过第一CNN之后的每个CNN从其输入中提取特征，其中通过级联来自先前CNN的至少一个最新输出来生成所述输入；以及确定输入的帧的预测，其中来自CNN组的最后CNN的预测被输出为输入的帧的病变预测。

技术领域

本公开的实施例总体涉及自动诊断领域。特别地，本公开的实施例涉及用于自动诊断的方法、装置和系统。

背景技术

诸如结肠直肠癌(CRC)的胃肠道癌症是世界范围内最常见的癌症之一。CRC是可预防的，内窥镜检查是检测CRC的有效方法。内窥镜医生可以使用内窥镜目视检查下胃肠道并切除具有发展成结肠直肠癌的高风险的息肉。然而，这种内窥镜检查过程主要依赖于人的视觉检查，因此是高度依赖于经验的。在这种内窥镜检查过程中，损伤可能被漏检或漏诊。

因此，需要开发一种自动诊断系统，其能够帮助内窥镜医生定位和分类息肉并降低息肉漏检率和不必要的病理评估的成本。

发明内容

本发明的一个方面提供了一种用于自动诊断的方法，包括：通过包括串联连接的多个CNN的CNN组依次接收预定数量的医学视频数据的帧；通过CNN组预测每个帧的病变预测；以及输出各自标记有病变预测的帧；其中，对于每个输入的帧，预测包括：通过CNN组中的第一CNN从输入的帧中提取特征；通过第一CNN基于所提取的特征来确定对输入的帧的预测；通过第一CNN之后的每个CNN从其输入中提取特征，其中通过级联来自先前CNN的至少一个最新输出来生成输入到第一CNN之后的每个CNN的输入，并且每个CNN的输出是所提取的特征和所确定的预测中的至少一个；以及由第一CNN之后的每个CNN基于其所提取的特征来确定输入的帧的预测，其中来自CNN组中的最后CNN的预测被输出为输入的帧的病变预测。

本发明的另一方面提供了一种自动诊断装置，包括：处理器；以及存储器，联接至处理器，用于存储能够由处理器执行的指令，以构建CNN组并执行操作：通过包括串联连接的多个CNN的CNN组依次接收预定数量的医学视频数据的帧；通过CNN组预测每个帧的病变预测；以及输出各自标记有病变预测的帧；其中，对于每个输入的帧，预测包括：通过CNN组中的第一CNN从输入的帧中提取特征；通过第一CNN基于所提取的特征来确定对输入的帧的预测；通过第一CNN之后的每个CNN从其输入中提取特征，其中通过级联来自先前CNN的至少一个最新输出来生成输入到第一CNN之后的每个CNN的输入，并且每个CNN的输出是所提取的特征和所确定的预测中的至少一个；以及由第一CNN之后的每个CNN基于其所提取的特征来确定输入的帧的预测，其中来自CNN组中的最后CNN的预测被输出为输入的帧的病变预测。

本发明的又一方面提供了一种自动诊断系统，包括：内窥镜，用于获得内窥镜检查数据；诊断装置，用于接收内窥镜检查数据，并且包括：处理器；以及存储器，联接至所述处理器，用于存储能够由所述处理器执行的指令，以构建CNN组并执行操作：通过包括串联连接的多个CNN的CNN组依次接收预定数量的医学视频数据的帧；通过所述CNN组预测每个所述帧的病变预测；以及输出各自标记有所述病变预测的所述帧；其中，对于每个输入的帧，所述预测包括：通过所述CNN组中的第一CNN从所述输入的帧中提取特征；通过所述第一CNN基于所提取的特征来确定对所述输入的帧的预测；通过所述第一CNN之后的每个CNN从其输入中提取特征，其中通过级联来自先前CNN的至少一个最新输出来生成输入到所述第一CNN之后的每个CNN的输入，并且每个CNN的输出是所提取的特征和所确定的预测中的至少一个；以及由所述第一CNN之后的每个CNN基于其所提取的特征来确定所述输入的帧的预测，其中来自所述CNN组中的最后CNN的预测被输出为所述输入的帧的病变预测。

附图说明