[发明专利]上消化道内镜影像图的筛选方法、装置、设备及存储介质

权利要求书

1.一种上消化道内镜影像图的筛选方法，其特征在于，包括：

将上消化道的内镜影像图集中的每张内镜影像图输入至预先训练好的部位分类模型中，得到每张所述内镜影像图的部位类别；

将每个部位所有的内镜影像图输入至预先训练的目标检测模型中，得到每个所述部位的目标影像图集；

根据预先训练的分类模型对所述目标影像图集中每张目标影像图进行分类，得到每张所述目标影像图的分类结果；

根据所述分类结果在每个所述部位的目标影像图集中进行内镜影像图的筛选，得到筛选后的内镜影像图。

2.根据权利要求1所述的上消化道内镜影像图的筛选方法，其特征在于，在所述将上消化道的内镜影像图集中的每张内镜影像图输入至预先训练好的部位分类模型中，得到每张所述内镜影像图的部位类别之前，还包括：

接收所述上消化道的内镜视频；

对所述内镜视频进行预处理，得到所述内镜影像图集。

3.根据权利要求1所述的上消化道内镜影像图的筛选方法，其特征在于，所述将上消化道的内镜影像图集中的每张内镜影像图输入至预先训练好的部位分类模型中，得到每张所述内镜影像图的部位类别，包括：

将每张所述内镜影像图输入至所述部位分类模型中，得到每张所述内镜影像图的第一多维列向量；

根据所述第一多维列向量确定每张所述内镜影像图的部位类别。

4.根据权利要求1所述的上消化道内镜影像图的筛选方法，其特征在于，在所述将每个部位所有的内镜影像图输入至预先训练的目标检测模型中，得到每个所述部位的目标影像图集之前，还包括：

将预设的训练集输入至所述目标检测模型中，得到所述目标检测模型的坐标损失、置信度损失以及类别损失；

根据所述坐标损失、所述置信度损失以及所述类别损失对所述目标检测模型的网络参数进行更新。

5.根据权利要求4所述的上消化道内镜影像图的筛选方法，其特征在于，所述根据所述坐标损失、所述置信度损失以及所述类别损失对所述目标检测模型的网络参数进行更新，包括：

计算所述目标检测模型的交并比损失；

根据所述交并比损失、所述坐标损失、所述置信度损失以及所述类别损失对所述目标检测模型的网络参数进行更新。

6.根据权利要求1所述的上消化道内镜影像图的筛选方法，其特征在于，所述根据预先训练的分类模型对所述目标影像图集中每张目标影像图进行分类，得到每张所述目标影像图的分类结果，包括：

获取每张所述目标影像图中检测目标的最小外接矩形框；

将所述最小外接矩形框输入至所述分类模型中，得到每张所述目标影像图的第二多维列向量；

根据所述第二多维列向量确定每张所述目标影像图的类型。

7.根据权利要求6所述的上消化道内镜影像图的筛选方法，其特征在于，所述根据所述分类结果在每个所述部位的目标影像图集中进行内镜影像图的筛选，得到筛选后的内镜影像图，包括：

根据所述第二多维列向量获取每个所述部位中相同类型的多个目标影像图的置信度；

根据所述置信度对所述多个目标影像进行筛选，得到所述筛选后的内镜影像图。

8.一种上消化道内镜影像图的筛选装置，其特征在于，包括：

第一输入单元，用于将上消化道的内镜影像图集中的每张内镜影像图输入至预先训练好的部位分类模型中，得到每张所述内镜影像图的部位类别；

第二输入单元，用于将每个部位所有的内镜影像图输入至预先训练的目标检测模型中，得到每个所述部位的目标影像图集；

第一分类单元，用于根据预先训练的分类模型对所述目标影像图集中每张目标影像图进行分类，得到每张所述目标影像图的分类结果；

第一筛选单元，用于根据所述分类结果在每个所述部位的目标影像图集中进行内镜影像图的筛选，得到筛选后的内镜影像图。