[发明专利]一种肠胃科病模型构建方法及诊断系统

说明书

本发明提供了一种肠胃科病模型构建方法及诊断系统。所述诊断系统包括包括图像采集单元、图像标注单元、图像数据库构建单元、图像识别单元和数据输出单元；所述图像数据库构建单元包括正常图像特征库和病灶图像特征库，所述图像识别单元包含病灶类型识别模型。首先构建正常胃镜图像的正常图像特征库和病变胃镜图像的若干种病灶图像特征库，再通过病灶类型识别模型，将待检胃镜图像进行颜色特征和纹理特征融合，再依次与正常图像特征库和病灶图像特征库进行匹配和识别，然后输出待检胃镜图像是否包含病灶以及病灶类型，从而实现快速准确地对胃部种类繁多的病灶进行识别。

技术领域

本发明属于图像识别技术领域，涉及一种肠胃科病模型构建方法及诊断系统。

背景技术

肠胃科病是消化系统常见疾病，发病率呈现逐年上升趋势，严重危害人体身心健康。临床上常见的胃病有急性胃炎、慢性胃炎、胃溃疡、十二指肠溃疡、胃十二指肠复合溃疡、胃息肉、胃结石、胃的良恶性肿瘤等。胃部病变常见的病灶类型有胃粘膜充血、水肿、出血、糜烂、溃疡、肿瘤、结石、息肉等，大多数胃部病灶均可通过胃镜检查识别出病灶。但目前胃镜图像的识别和诊断大多依靠临床医师自己的经验对可疑病灶区域进行判断，并将图像抓取下来保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由于胃部病灶类型种类繁多，单纯依靠医生的肉眼识别诊断，诊断速度慢、误差大，医生经验的不足或认知的差异导致病变识别的主观依赖性过强，无法快速对病变做出全面准确的评估。

随着机器学习的不断发展，人工智能技术已逐步用于疾病的诊断，并显示出优异的诊断性能。申请号为201811431014.3的中国发明专利公开了一种基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法，该诊断系统利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑病灶区域的影像，利用神经网络模型对图像进行自动图像筛选，能够从全局视频中提取最有价值图像，为下溃疡性结肠炎的生诊断提供更可靠、高效的支持。

但目前公开的相关肠胃镜辅助系统及方法，只关注如何识别肠胃镜图像中是否包含病灶及如何提高对单张肠胃镜图像识别的精度，很少对肠胃镜图像的病灶类型进行识别。由于胃镜图像的病灶种类繁多，且还可能出现同时包含多种病灶的情况，给辨别带来极大困难，人工辨别难度和准确度都较大，采用常用的人工识别模型，需要大量的训练集，模型构建难度大。因此，急需提供一种能够快速准确地识别胃部病灶类型的模型和诊断系统，从而为胃镜诊断提供可靠和高效的支持。

发明内容

针对上述现有技术存在的缺陷，本发明的目的在于提供一种肠胃科病模型构建方法及诊断系统。首先构建正常胃镜图像的正常图像特征库和病变胃镜图像的若干种病灶图像特征库，再通过病灶类型识别模型，将待检胃镜图像依次与正常图像特征库和病灶图像特征库进行智能对比，识别出待检胃镜图像是否包含病灶以及病灶类型，实现快速准确地对胃部种类繁多的病灶进行识别。

为实现上述目的，本发明采用以下技术方案：

一种肠胃科病诊断系统，包括图像采集单元、图像标注单元、图像数据库构建单元、图像识别单元和数据输出单元；所述图像识别单元包含病灶类型识别模型；

所述图像采集单元用于采集胃镜图像；

所述图像标注单元用于对所述胃镜图像进行标注，以及保证标注的图像标签和图像的真实结果一致，获得包含胃镜图像及对应的图像标签的图像集；

所述图像数据库构建单元用于根据所述胃镜图像及对应的图像标签构建正常胃镜图像的正常图像特征库和病变胃镜图像的若干种病灶图像特征库；

所述病灶类型识别模型用于根据所述病灶图像特征库识别胃镜图像是否包含病灶以及病灶类型；

所述数据输出单元用于输出肠胃科病诊断结果。