[发明专利]一种内窥镜图像处理方法、系统和可读存储介质

权利要求书

1.一种内窥镜图像处理方法，其特征在于，包括以下步骤：

获取视频信号，对所述视频信号进行采样，得到视频帧；

将所述视频帧输入至训练好的内窥镜深度卷积神经网络模型中，得到输出的第一视频帧；

按照预设的算法将所述视频帧与所述第一视频帧进行合并处理，得到输出的视频信号。

2.根据权利要求1所述的一种内窥镜图像处理方法，其特征在于，内窥镜深度卷积神经网络模型的训练方法为：

收集真实内窥镜检测部位的图像，作为第一样本图像；

将所述第一样本图像进行特征提取，得到特征区域图像；

将得到特征区域图像，进行筛选，去除质量差的图像；

将筛选后的特征区域图像对齐成多个比例的图像；然后随机选取一个比例，将选取的该比例的特征区域图像进行光滑处理；

经光滑处理后的特征区域图像经过反射变形回到原始图像的大小，得到第二样本图像；

在所述第一样本图像和第二样本图像中，多次裁剪预设的区域，得到内窥镜深度卷积神经网络模型的输入，进行内窥镜深度卷积神经网络模型的训练。

3.根据权利要求2所述的一种内窥镜图像处理方法，其特征在于，所述经光滑处理后的特征区域图像经过反射变形回到原始图像的大小，具体为：

计算当前的反射率，反射率计算如下：

R＝I₀ρcosθ_i

其中R为反射率，I₀为光源值，ρ为表面发射率，θ_i是表面法向和光源方向的夹角；

将经光滑处理后的特征区域图像与计算得到的反射率值进行运算，再进行图像的比例还原，得到原始图像大小的图像。

4.根据权利要求1所述的一种内窥镜图像处理方法，其特征在于，建立所述内窥镜深度卷积神经网络模型具体为：

使用直接回归法来实现attention-based layer层，使用辅助卷积层计算空间注意图；

在CNN中插入attention-based layer层，选择Resnet50作为骨干网络，将所述attention-based layer层插入到Resnet50的stage2和stage3之间，Stage2输出的特征图作为attention-based layer的输入，attention-based layer的输出作为Stage3的输入。

5.根据权利要求1所述的一种内窥镜图像处理方法，其特征在于，所述按照预设的算法将所述视频帧与所述第一视频帧进行合并处理具体为：

将所述视频帧进行滤波，得到滤波后的视频帧；

将滤波后的视频帧按照预设的阈值与第一视频帧进行叠加处理。

6.根据权利要求1所述的一种内窥镜图像处理方法，其特征在于，还包括：

将所述输出的视频信号进行采样，并发送至后台服务器；

所述后台服务器对所述采样的视频信号进行大数据的分析，判断是否存在病灶点；

将判断结果发送至终端进行显示。

7.一种内窥镜图像处理系统，其特征在于，包括存储器和处理器，所述存储器中包括内窥镜图像处理方法程序，所述内窥镜图像处理方法程序被所述处理器执行时实现如下步骤：

获取视频信号，对所述视频信号进行采样，得到视频帧；

将所述视频帧输入至训练好的内窥镜深度卷积神经网络模型中，得到输出的第一视频帧；

按照预设的算法将所述视频帧与所述第一视频帧进行合并处理，得到输出的视频信号。