[发明专利]胶囊内窥镜图像病灶分割方法、服务器及系统

说明书

本申请实施例适用于医疗技术领域，提供了一种胶囊内窥镜图像病灶分割方法、服务器及系统，所述系统包括前端设备和后端服务器，所述后端服务器中部署有已训练好的病灶分割模型；其中：前端设备用于向后端服务器上传胶囊内窥镜图像；后端服务器用于采用病灶分割模型对胶囊内窥镜图像进行病灶分割；所述病灶分割模型包括编码器和解码器，所述解码器用于在编码器对胶囊内窥镜图像进行下采样后，采用依次连接的多个解码器块对下采样的特征图进行上采样，得到胶囊内窥镜图像的特征图像，所述特征图像是对依次连接的多个解码器块中最后两个解码器块的输出特征进行融合后得到的图像。采用上述系统对胶囊内窥镜图像进行病灶分割，可以提高分割的精确度。

技术领域

本申请实施例属于医疗技术领域，特别是涉及一种胶囊内窥镜图像病灶分割方法、服务器及系统。

背景技术

胶囊内窥镜(capsule endoscopy)是一种做成胶囊形状的内窥镜，它是用来检查人体消化道的医疗仪器。胶囊内窥镜能进入人体，可以帮助医生对病人消化道各部位的疾病进行诊断。

通常，在使用胶囊内窥镜对消化道疾病进行全方位检测时，从病人吞入胶囊内窥镜到将其排出体外至少需要8个小时。在此期间，将会产生5-7万张胶囊内窥镜图像。即使是经验丰富的专业医生也需要花费数个小时来对这些图像进行处理，长时间高强度的工作以及图像中病灶尺寸小、病灶特征不明显等都容易导致误诊和漏诊，致使患者错失早期治疗的最佳时间。

目前，使用基于Unet神经网络的病灶分割方法可以帮助医生从胶囊内窥镜图像中检测出病灶。但是，使用该方法分割出的病灶轮廓较为圆滑，细节不清楚，精确度较低，与真实的病灶轮廓存在较大的差距。

发明内容

有鉴于此，本申请实施例提供了一种胶囊内窥镜图像病灶分割方法、服务器及系统，用以提高病灶分割的精确度。

本申请实施例的第一方面提供了一种胶囊内窥镜图像病灶分割系统，包括前端设备和后端服务器，所述后端服务器中部署有已训练好的病灶分割模型；其中：

所述前端设备，用于向所述后端服务器上传胶囊内窥镜图像；

所述后端服务器，用于采用所述病灶分割模型对所述胶囊内窥镜图像进行病灶分割，得到分割后的病灶图像，所述病灶图像通过所述前端设备进行显示；

其中，所述病灶分割模型包括编码器和解码器，所述解码器包括依次连接的多个解码器块；所述解码器用于在所述编码器对所述胶囊内窥镜图像进行下采样后，采用依次连接的多个所述解码器块对下采样的特征图进行上采样，得到所述胶囊内窥镜图像的特征图像，所述特征图像是对依次连接的多个所述解码器块中最后两个解码器块的输出特征进行融合后得到的图像。

在本申请实施例的一种可能的实现方式中，依次连接的多个所述解码器块包括依次连接的第一解码器块、第二解码器块、第三解码器块和第四解码器块，所述特征图像是对所述第三解码器块的输出特征和所述第四解码器的输出特征进行融合后得到的图像。

在本申请实施例的一种可能的实现方式中，所述解码器还用于：

对所述第三解码器块的输出特征的尺寸进行调整，调整后的所述第三解码器块的输出特征的尺寸与所述第四解码器的输出特征的尺寸相同；

对所述第四解码器的输出特征进行升维，升维后的所述第四解码器的输出特征的通道数与所述第三解码器块的输出特征的通道数相等。

在本申请实施例的一种可能的实现方式中，所述编码器还用于：

对自然数据集进行预训练，获得预训练权重，所述预训练权重用于在执行所述病灶分割模型的训练任务时被加载作为相应的训练权重，所述自然数据集的数据量大于预设数据量。

在本申请实施例的一种可能的实现方式中，所述编码器为基于具有残差结构的网络模型建立的编码器。