[发明专利]基于深度学习的胶囊内窥镜图像辅助分类系统和分类方法

权利要求书

1.一种基于深度学习的胶囊内窥镜图像辅助分类系统，其特征在于：包括数据获取模块、图像识别模块、图像分类模块、人机交互模块，数据获取模块的信号输出端连接图像识别模块的信号输入端，图像识别模块的第一信号输出端连接图像分类模块的第一信号输入端，图像识别模块的第二信号输出端连接图像分类模块的第二信号输入端，图像分类模块的信号输出端连接人机交互模块的信号输入端；所述数据获取模块获取网站输入的待分类胶囊内窥镜图像数据，所述图像识别模块识别输入图像数据中的肠道图像和咽喉图像，所述图像分类模块分别对肠道图像、咽喉图像进行分类，所述人机交互模块将分类结果上传至上位机。

2.根据权利要求1所述的基于深度学习的胶囊内窥镜图像辅助分类系统，其特征在于：所述图像识别模块中设有第一卷积神经网络模型，利用第一卷积神经网络模型对输入图像进行图像特征提取，得到不同类别图像的特征矢量序列，识别出输入图像中的肠道图像和咽喉图像。

3.根据权利要求2所述的基于深度学习的胶囊内窥镜图像辅助分类系统，其特征在于：所述第一卷积神经网络模型由一层卷积层、两层池化层、四层残差模块和一层全连接层组成：第1层为卷积层，卷积层的卷积核大小为3×3，步长为2，滤波器数目为64；第2层为最大池化层，池化核大小为3×3，步长为2；第3到第6层为4个残差模块，所有残差模块的卷积核大小为3×3，第1和第2个残差模块步长为2，滤波器数目为64；第3个残差模块步长为1，滤波器数目为128；第4个残差模块步长为1，滤波器数目为256；第7层为平均池化层，池化核大小为2×2，步长为2；第8层为全连接层。

4.根据权利要求1所述的基于深度学习的胶囊内窥镜图像辅助分类系统，其特征在于：所述图像分类模块中设有第二卷积神经网络模型和第三卷积神经网络模型，利用第二卷积神经网络模型/第三卷积神经网络模型分别对肠道图像、咽喉图像进行图像特征提取，得到肠道、咽喉的特征矢量序列，对肠道图像、咽喉图像进行分类。

5.根据权利要求4所述的基于深度学习的胶囊内窥镜图像辅助分类系统，其特征在于：还包括模型训练模块和模型测试模块，所述模型训练模块的数据通信端连接图像识别模块和图像分类模块的训练数据通信端，所述模型测试模块的数据通信端连接图像识别模块和图像分类模块的测试数据通信端；

所述模型训练模块用于训练所述图像识别模块中的第一卷积神经网络模型，训练好的第一卷积神经网络模型识别输入图像中的肠道图像和咽喉图像；所述模型训练模块还用于训练所述图像分类模块中的第二卷积神经网络模型和第三卷积神经网络模型，训练好的第二卷积神经网络模型和第三卷积神经网络模型将肠道图像和咽喉图像进行分类；

所述模型测试模块用于测试图像识别模块中训练好的第一卷积神经网络模型、用于测试图像分类模块中训练好的第二卷积神经网络模型和第三卷积神经网络模型。

6.一种基于权利要求1-5中任一项所述的胶囊内窥镜图像辅助分类系统的基于深度学习的胶囊内窥镜图像辅助分类方法，包括以下步骤：

步骤1：数据获取模块获取在IPv6环境下从网站输入的待分类胶囊内窥镜图像；

步骤2：将数据获取模块获取的胶囊内窥镜图像输入到图像识别模块中，使用第一卷积神经网络模型识别输入图像中的肠道图像和咽喉图像，得到两类图像数据；

步骤3：图像识别模块将已知类别的图像输入图像分类模块中，使用第二卷积神经网络模型和第三卷积神经网络模型分别对两类不同部位图像进行分类；

步骤4：人机交互模块在IPv6环境下通过网站将分类结果传送至上位机。