[发明专利]一种基于深度学习和内窥镜图像的巴雷特食管诊断系统

权利要求书

1.一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，其特征在于，包括以下步骤：

①、建立深度学习系统；

②、设置初步采集点，计算机自动控制内窥镜对初步采集点进行图像采集，采集的图像发送至判断单元；

③、判断单元对图像进行初步判断，并做出初步决定，即是否进行进一步图像采集；

④、若判断需要进一步采集，计算机即控制内窥镜进行进一步图像采集，进一步图像采集的采集点数量为初步采集的1-3倍；

⑤、诊断单元对所有图像进行集中处理诊断。

2.根据权利要求1所述的一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，其特征在于，所述的深度学习系统包括若干个单次学习单元，所述的单次学习单元包括以下步骤：

①、采集症状，根据数据库中的存储信息与图像进行逐一对比，并生成相似度；

②、机器对相似度进行计算，并得出机器结论；

③、专家同时对采集的图像进行判断，并得出专家结论；

④、判断专家结论与机器结论是否一致，并将此次诊断记录在行为数据库中。

3.根据权利要求2所述的一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，其特征在于，所述步骤②中，机器判断的判断方式为：

①、在图片上选取典型特征，并通过典型特征排除未探测到食管的图像；

②、将剩余的图像进行编号，并抽取不连续的N张照片作为待处理图像；

③、在N张照片内依次抽取三张照片进行初步分析，分析其与数据库中的典型案例的相似度；

若相似度超过60％，则根据该张图像的编号，抽取其所有的临近图像，将临近图像进行分析，若相似度仍超过65％，则判断为有病；

若相似度低于20％，则继续在N张照片中抽取图像进行判断，若仍低于20％，则判断为无病；

若相似度为20％-60％之间，则重新抽取三张照片进行初步分析，或通过专家判断介入，以补充机器学习能力。

4.根据权利要求1所述的一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，其特征在于，深度学习系统内设有算法训练模块，所述的算法训练模块包括以下模块：数据管理模块、数据转化模块、结果评估模块和模型预测模块。

5.根据权利要求1所述的一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，其特征在于，步骤②-④中所用的内窥镜包括内窥镜探头，所述的内窥镜探头通过光导纤维与光源相连，内窥镜的上端通过控制器与电机相连；内窥镜探头的输出端与图像传感器相连，所述的图像传感器、控制器均与判断单元相连。