[发明专利]基于两通道卷积神经网络的肠镜退镜超速占比监测方法

说明书

本发明涉及医疗辅助技术领域，具体为基于两通道卷积神经网络的肠镜退镜超速占比监测方法，包括S1、构建两通道卷积神经网络，并用训练样本集对其进行训练，得到计算图像相似度的模型1；S2、将肠镜检查的实时视频解码为图像，利用模型1对当前帧图像与其前面的i帧图像的相似度分别进行计算得到i个相似系数S_i，计算当前时间点肠镜的加权相似系数，并转换为肠镜退镜速度；S3、将当前时间点肠镜检查速度Vi大于标准速度的图像记为超速帧，统计超速占比。本发明采用两通道卷积神经网络来计算肠镜图像的相似系数，计算肠镜速度，并统计当前肠镜超速的百分比。可以利用图像的全部特征，不损失图像信息，准确度高且抗干扰能力强。

技术领域

本发明涉及医疗辅助技术领域，具体为基于两通道卷积神经网络的肠镜退镜超速占比监测方法。

背景技术

肠镜检查是发现结直肠息肉、肿瘤等下消化道病变最常见的检查方法。肠镜退镜时间是指在结肠镜检查过程中，从进镜到达盲肠开始到退镜至肛管之间的实际时间，减去行染色检查或取活检等额外操作的时间。研究表明，随着退镜时间的延长，肠镜检查患者的息肉检出率、腺瘤检出率以及平均每个受检者的息肉发现数目明显增加。因此，各国的肠镜操作指南中，均将退镜时间做为重要的质量控制指标。美国指南建议结肠镜退镜时间为6-10min，2015年《中国早期结直肠癌筛查及内镜诊治指南》建议的退镜时间应不少于6min。然而，尽管指南对退镜时间进行了明确的规范，在实际的临床实践中，由于缺乏有效监管和实用的监督工具，加上我国病人数量庞大，内镜检查质量往往达不到指南规定的标准。一项研究表明，结肠镜检查退镜时间大部分在2-6分钟，和指南的规定有较大差距，严重影响我国患者的生命健康。因此，在如何在已有技术条件下对肠镜退镜速度的超速占比进行监控以提高结肠镜检查质量十分重要。

为提高肠镜检查质量，截止至2018年10月，国家卫生健康委员会已在全国范围内建立18个省级和21个地市级内镜质控中心，定期对各医院内镜检查进行质量监督。部分医院会定期记录医生的退镜时间，统计并将数据反馈给医生和管理层。然而，这种监测制度一方面只能监测特定时间段、部分样本的肠镜质量，无法覆盖到每例检查；另一方面，由于指南只要求总的退镜时间大于6min，部分医生在肠镜开始时退镜很快，即将结束时才放慢速度以达到标准，这导致医生对患者的远端结肠观察不到位，而在近端结肠浪费大量不必要的时间。朱晓芸等人提出了一种基于计算机视觉的肠镜退镜速度监控系统，该文章通过差异值哈希技术来分析肠镜图像的稳定性，实时反映肠镜速度。该方法采取传统的哈希算法，需将图像缩小至9*8大小，会损失比较多的图像信息，准确度稍低，且抗干扰能力差。为此，我们提出基于两通道卷积神经网络的肠镜退镜超速占比监测方法。

发明内容

本发明的目的在于提供基于两通道卷积神经网络的肠镜退镜超速占比监测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于两通道卷积神经网络的肠镜退镜超速占比监测方法，包括如下步骤：

S1、构建两通道卷积神经网络，并用训练样本集对其进行训练，得到计算图像相似度的模型1；

S2、将肠镜检查的实时视频解码为图像，利用模型1对当前帧图像与其前面的i帧图像的相似度分别进行计算得到i个相似系数S_i，计算当前时间点肠镜的加权相似系数，并转换为肠镜退镜速度；

S3、将当前时间点肠镜检查速度Vi大于标准速度的图像记为超速帧，统计到当前时间为止，超速的帧数占整个帧数的比例。

优选的，所述步骤S1中两通道卷积神经网络的训练样本集是通过收集不同肠镜检查的退镜片段的连续图像，并对收集的数据集进行清理和人工标注得到。

优选的，所述步骤S1中两通道卷积神经网络结构包括：

数据输入层，用于对原始肠镜图像数据进行预处理；

卷积层，用于提取输入肠镜图像数据不同特征；