[发明专利]一种基于内窥镜图像的息肉识别系统和方法有效

专利信息
申请号: 202011602342.2 申请日: 2020-12-29
公开(公告)号: CN112884702B 公开(公告)日: 2023-07-28
发明(设计)人: 贾潇;孟庆虎 申请(专利权)人: 香港中文大学深圳研究院
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06N3/0464
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 任敏
地址: 518000 广东省深圳市南山区粤海街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 内窥镜 图像 息肉 识别 系统 方法
【说明书】:

本申请适用于图像处理技术领域,提供了一种基于内窥镜图像的息肉识别系统和方法,该息肉识别系统中,内窥镜图像输入模块获取待识别的内窥镜图像,并将内窥镜图像输入至残差网络模块;残差网络模块从内窥镜图像中提取残差网络特征图像;特征金字塔模块根据残差网络特征图像,形成金字塔特征图像;特征迁移模块将金字塔特征图像分别连接至区域检测模块和息肉分割模块;区域检测模块根据金字塔特征图像确定息肉区域边框;息肉分割模块根据金字塔特征图像确定息肉分割掩膜;识别结果输出模块根据息肉分割掩膜和息肉区域边框获取内窥镜图像对应的息肉识别结果。通过该息肉识别系统,可以提高息肉识别的准确性。

技术领域

本申请属于图像处理技术领域,尤其涉及一种基于内窥镜图像的息肉识别系统和方法。

背景技术

在结肠镜/无线胶囊内窥镜检查过程中,精准识别内窥镜图像中的息肉类病变对于早期大肠癌的筛查和治疗至关重要。目前主要采用的人工识别方法对医生的专业知识和经验有较高要求,加之长时间读图会引起医生的视觉疲劳,因此对病变的漏检或误检难以避免。研究人员通过开发自动识别算法模型,有望获得更高的诊断准确率,从而使计算机辅助诊断成为可能和趋势。

不过,现有自动识别算法多基于浅层卷积神经网络学习或者人工特征图像提取,其在表征图像特征图像的能力方面受到限制。由于肠道粘膜表面形态复杂多变,且息肉与粘膜的特征图像差异较小,这使得现有算法模型难以实现较为精准的息肉筛查。

发明内容

本申请实施例提供了一种基于内窥镜图像的息肉识别系统和方法,可以解决解决现有的检测模型中神经网络学习能力较弱,识别准确性较低的问题。

第一方面,本申请实施例提供了一种基于内窥镜图像的息肉识别系统,所述息肉识别系统包括:

内窥镜图像输入模块、残差网络模块、特征金字塔模块、特征迁移模块、区域检测模块、息肉分割模块和识别结果输出模块,其中:

所述内窥镜图像输入模块,用于获取待识别的内窥镜图像,并将所述内窥镜图像输入至所述残差网络模块;

所述残差网络模块,用于从所述内窥镜图像中提取残差网络特征图像;

所述特征金字塔模块,用于根据所述残差网络特征图像,形成金字塔特征图像;

所述特征迁移模块,用于将所述金字塔特征图像分别连接至所述区域检测模块和所述息肉分割模块;

所述区域检测模块,用于根据所述金字塔特征图像确定所述内窥镜图像中的息肉区域边框;

所述息肉分割模块,用于根据所述金字塔特征图像和所述息肉区域边框确定所述内窥镜图像中的息肉分割掩膜;

所述识别结果输出模块,用于根据所述息肉分割掩膜和所述息肉区域边框获取所述内窥镜图像对应的息肉识别结果。

第二方面,本申请实施例提供了一种基于内窥镜图像的息肉识别方法,包括:

输入待识别的内窥镜图像;

从所述内窥镜图像中提取残差网络特征图像;

根据所述残差网络特征图像,生成金字塔特征图像;

根据所述金字塔特征图像,生成特征网络;

根据所述特征网络,确定所述内窥镜图像中的息肉边框区域和息肉分割掩膜;

根据所述息肉边框区域和所述息肉分割掩膜,从所述内窥镜图像中识别息肉。

第三方面,本申请实施例提供了一种基于内窥镜图像的息肉识别装置,包括:

图像输入模块,用于输入待识别的内窥镜图像;

残差网络特征图像提取模块,用于从所述内窥镜图像中提取残差网络特征图像;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于香港中文大学深圳研究院,未经香港中文大学深圳研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011602342.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top