[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

说明书

本发明公开了一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，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；⑤、诊断单元对所有图像进行集中处理诊断。本系统将深度学习系统与医疗诊断相结合，可以有效的提升巴雷特食管的诊断效率，深度学习系统在诊断过程中不断完善学习，可以不断的提高诊断效率与诊断准确率，有效地提升了辅助诊疗和科研效率，减轻了医生负担，节约了医疗资源。

技术领域

本发明涉及一种基于深度学习和内窥镜图像的巴雷特食管诊断系统。

背景技术

巴雷特(Barrett)食管继发于长期胃食管反流，耐酸单层柱状上皮逐渐替代食管下段复层鳞状上皮，可有肠化或无肠化。Barrett食管如伴异型增生，最终可致食管腺癌发生，故被视为癌前病变。Barrett食管中出现有高度异型增生则是进展为侵袭性食管腺癌前的关键步骤。Barrett食管患者发生食管腺癌的风险为普通人群的30-125倍，而食管癌死亡率约占恶性肿瘤死亡35.12％。因此,对Barrett食管的检测和治疗具有很大的临床价值。

目前，内镜下消除Barrett食管，以其微创优势而被广泛应用。内镜下微创治疗主要分为两步：

(1)内镜活检识别Barrett食管；

(2)内镜下黏膜切除。

同时巴雷特食管具有较明显的特征，即食管末端的耐酸单层柱状上皮逐渐替代食管下段复层鳞状上皮，所以在实际诊断中，我们可以通过算法对计算机进行识别训练，从而逐渐做到使用计算机识别替代专家识别，以提升诊断效率，并节约医护资源。

计算机深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

通过将计算机深度学习与医疗诊断相结合的模式，可以运用到绝大多数疾病的前期诊断中，计算机通过学习该疾病领域中的专家诊断方法，可以大大的提升医疗诊断水平，并减轻现有医护人员的工作量。

发明内容

本发明的目的是为了解决以上现有技术的不足，提供一种基于深度学习和内窥镜图像的巴雷特食管诊断系统。

一种基于深度学习和内窥镜图像的巴雷特食管诊断系统，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。

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。

深度学习系统的步骤②中，机器判断的判断方式为：