[发明专利]组织腔清洁度的确定方法、装置、可读介质和电子设备有效

专利信息
申请号: 202111033610.8 申请日: 2021-09-03
公开(公告)号: CN113470030B 公开(公告)日: 2021-11-23
发明(设计)人: 边成;杨志雄;杨延展;李永会 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏云鹿
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 组织 清洁 确定 方法 装置 可读 介质 电子设备
【权利要求书】:

1.一种组织腔清洁度的确定方法,其特征在于,所述方法包括:

获取内窥镜采集的组织图像;

根据所述组织图像和预先训练的识别模型,确定初始清洁度和目标取整方式,所述初始清洁度为浮点型;

按照所述目标取整方式,对所述初始清洁度进行取整,以得到所述组织图像的清洁度,所述清洁度为整型;

所述识别模型包括:特征提取子模型、清洁度子模型和取整子模型;所述根据所述组织图像和预先训练的识别模型,确定初始清洁度和目标取整方式,包括:

将所述组织图像输入所述特征提取子模型,以得到所述特征提取子模型输出的,用于表征所述组织图像的图像特征;

将所述图像特征分别输入所述清洁度子模型和所述取整子模型,以得到所述清洁度子模型输出的清洁度向量,和所述取整子模型输出的取整向量;

根据所述清洁度向量,确定所述初始清洁度,并根据所述取整向量,确定所述目标取整方式。

2.根据权利要求1所述的方法,其特征在于,所述根据所述清洁度向量,确定所述初始清洁度,包括:

根据所述清洁度向量,确定所述组织图像与多种清洁度类型的匹配概率;

根据每种所述清洁度类型对应的权重,和所述组织图像与多种所述清洁度类型的匹配概率,确定所述初始清洁度;

所述根据所述取整向量,确定所述目标取整方式,包括:

根据所述取整向量,确定所述组织图像与多种取整方式的匹配概率;

根据所述组织图像与多种所述取整方式的匹配概率,在多种所述取整方式中确定所述目标取整方式。

3.根据权利要求1所述的方法,其特征在于,所述识别模型是通过以下方式训练得到的:

获取第一样本输入集和第一样本输出集,所述第一样本输入集包括:多个第一样本输入,每个所述第一样本输入包括样本组织图像,所述第一样本输出集中包括与每个所述第一样本输入对应的第一样本输出,每个所述第一样本输出包括对应的所述样本组织图像的真实清洁度;

将所述第一样本输入集作为所述识别模型的输入,将所述第一样本输出集作为所述识别模型的输出,以训练所述识别模型;

所述识别模型的损失,根据清洁度损失和取整损失确定,所述清洁度损失根据所述清洁度子模型的输出与所述第一样本输出集确定,所述取整损失根据所述取整子模型的输出与所述第一样本输出集确定。

4.根据权利要求3所述的方法,其特征在于,每个所述样本组织图像包括多个清洁度标签,该样本组织图像的真实清洁度根据该样本组织图像的多个所述清洁度标签确定,该样本组织图像的一致度根据该样本组织图像的多个所述清洁度标签中,与所述真实清洁度匹配的所述清洁度标签的数量确定;所述第一样本输出还包括对应的所述样本组织图像的一致度;

所述清洁度损失根据所述清洁度子模型的输出、每个所述第一样本输入中包括的所述真实清洁度和所述一致度确定。

5.根据权利要求1所述的方法,其特征在于,在所述根据所述组织图像和预先训练的识别模型,确定初始清洁度和目标取整方式之前,所述方法还包括:

利用预先训练的分类模型对所述组织图像进行分类,以确定所述组织图像的目标类型;

所述根据所述组织图像和预先训练的识别模型,确定初始清洁度和目标取整方式,包括:

若所述目标类型指示所述组织图像的质量满足预设条件,根据所述组织图像和所述识别模型,确定所述初始清洁度和所述目标取整方式。

6.根据权利要求5所述的方法,其特征在于,所述分类模型包括:编码器和分类层,所述利用预先训练的分类模型对所述组织图像进行分类,以确定所述组织图像的目标类型,包括:

对所述组织图像进行预处理,并将预处理后的所述组织图像划分为大小相等的多个子图像;

根据每个所述子图像对应的图像向量,和该子图像对应的位置向量,确定该子图像对应的令牌,所述位置向量用于指示该子图像在预处理后的所述组织图像中的位置;

将每个所述子图像对应的令牌,和所述组织图像对应的令牌输入编码器,以得到每个子图像对应的局部编码向量,和所述组织图像对应的全局编码向量;

将所述全局编码向量和多个所述局部编码向量输入分类层,以得到所述分类层输出的所述目标类型。

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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/202111033610.8/1.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