[发明专利]一种食道压力云图的标识识别方法及设备

说明书

本发明公开了一种食道压力云图的标识识别方法及设备。该方法包括：将食道压力云图输入标识识别神经网络模型；所述标识识别神经网络模型输出至少一个标识的位置坐标；在所述食道压力云图上根据所述标识的位置坐标对所述标识进行标记；所述标识包括UES松弛位置、IRP计算框、DCI计算框和CDP位置四者中的全部或部分。能够自动标记出食道压力云图中的标识(如UES松弛位置、IRP计算框、DCI计算框和CDP位置)，减少了食道压力云图分析人员的工作量，通过标识识别神经网络模型能够准确识别出食道压力云图中的标识，无需人工参与调整，进一步地减少了分析人员工作量。

技术领域

本发明涉及医疗图像识别领域，特别是涉及一种食道压力云图的标识识别方法及设备。

背景技术

食管测压是评价食管动力异常的金标准。与传统测压(采用4导或8导的测压导管，插管后采用逐步牵拉的方式进行测压)相比，高分辨率测压(high resolution manometry，HRM，例如根据食管HRM导管21～36通道的水灌注HRM和测压通道高达33～36通道的固态HRM)可更直观、准确地反映食管动力情况。国际HRM工作组制定了食管动力异常分类标准(芝加哥分类标准，简称CC)。

芝加哥分类给出一些技术参数便于医生进行后续诊断，这些参数主要有IRP、DCI、DL。而这些参数的获取依赖于吞咽框中一些标识(如DCI计算框、IRP计算框、CDP位置和UES松弛位置等)的识别。

现有的建立计算框的方法一般是依赖人工标识，人工处理会降低处理速度，耗费人力。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种食道压力云图的标识识别方法及设备。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种食道压力云图的标识识别方法，包括：

将食道压力云图输入标识识别神经网络模型；

所述标识识别神经网络模型输出至少一个标识的位置坐标；

在所述食道压力云图上根据所述标识的位置坐标对所述标识进行标记；

所述标识包括UES松弛位置、IRP计算框、DCI计算框和CDP位置四者中的全部或部分。上述技术方案的有益效果为：能够自动标记出食道压力云图中的标识(如UES松弛位置、IRP计算框、DCI计算框和CDP位置)，减少了食道压力云图分析人员的工作量，通过标识识别神经网络模型能够准确识别出食道压力云图中的标识，无需人工参与调整，进一步地减少了分析人员工作量。

在本发明的一种优选实施方式中，获取所述标识识别神经网络模型的过程包括：

步骤S1，获取多个食道压力云图；

步骤S2，对于每个食道压力云图进行如下操作：

对食道压力云图上的标识进行标记，获取被标记的标识的位置坐标，利用所有标识的位置坐标构建位置向量，所述位置向量与所述食道压力云图相互关联；

将关联了位置向量的所有食道压力云图划分为训练集、验证集和测试集；

步骤S3，构建以食道压力云图为输入，以位置向量为输出的神经网络模型；将训练集分批次导入所述神经网络模型，若损失函数值的降低率小于等于降低率阈值，和/或若将验证集和测试集输入所述神经网络模型获得的回归位置向量与验证集和测试集关联的位置向量的差值小于等于第一阈值时，停止训练，保存当前的模型参数，将所述模型参数代入神经网络模型后获得标识识别神经网络模型；否者优化损失函数，继续将训练集分批次导入所述神经网络模型进行训练。

上述技术方案的有益效果为：在标识识别神经网络模型建立的过程中，以准确标记标识后的食道压力云图为训练集、验证集和测试集，通过不断优化损失函数，进一步提高了模型识别食道压力云图中标识的准确性。