[发明专利]一种基于深度学习的消化道识别系统及方法

权利要求书

1.一种基于深度学习的消化道识别系统，其特征在于，包括：

输入处理模块，用于获取消化道图像，并对消化道图像进行预处理，获得预处理后输入数据；

消化道识别模块，用于根据预处理后输入数据和训练好的消化道识别模型，获得消化道识别结果；

其中，训练好的消化道识别模型通过全局信息提取路径从预处理后输入数据中提取不同空间维度的全局特征信息，通过局部信息提取路径从预处理后输入数据中提取局部特征信息，通过特征信息融合模块将全局特征信息和局部特征信息进行特征融合，获得融合后特征，根据融合后特征获得消化道识别结果。

2.如权利要求1所述的一种基于深度学习的消化道识别系统，其特征在于，对消化道图像进行归一化、裁剪和重新调整大小操作，得到预设尺寸的输入图像，将其划分为相同大小的图像块，并通过图像块映射层转换为一维向量，获得预处理后输入数据。

3.如权利要求1所述的一种基于深度学习的消化道识别系统，其特征在于，全局信息提取路径包括三个依次连接的transformer编码层，且相邻transformer编码层之间设置下采样，所有transformer编码层的输出构成不同空间维度的全局特征信息。

4.如权利要求3所述的一种基于深度学习的消化道识别系统，其特征在于，三个transformer编码层包含不同个数的transformer块，每个transformer块均包括交替的多头注意力机制和多层感知机。

5.如权利要求1所述的一种基于深度学习的消化道识别系统，其特征在于，通过卷积操作和CSA模块搭建了一个四层的局部信息提取路径用于捕获局部特征信息，每一层均由一个卷积层、批归一化层、激活函数和CSA模块构成，最后输出提取的局部特征信息。

6.如权利要求5所述的一种基于深度学习的消化道识别系统，其特征在于，CSA模块包括通道注意力模块和空间注意力模块，通道注意力模块的输入为CSA模块的输入特征图，将经过通道注意力加权的特征图与CSA模块的输入特征图相加后获得通道注意力模块的输出特征图，空间注意力模块的输入为通道注意力模块的输出特征图，将经过空间注意力加权的特征图与通道注意力模块的输出特征图相加后获得空间注意力模块的输出特征图，将CSA模块的输入特征图与空间注意力模块的输出特征图相加后，获得CSA模块的输出特征图。

7.如权利要求1所述的一种基于深度学习的消化道识别系统，其特征在于，特征信息融合模块将不同空间维度的全局特征信息进行维度和尺度统一后融合，获得融合后全局特征信息，将融合后全局特征信息与局部特征信息融合，输出融合后特征。

8.一种基于深度学习的消化道识别方法，其特征在于，包括：

获取消化道图像，并对消化道图像进行预处理操作，获得预处理后输入数据；

消化道识别模块根据预处理后输入数据和训练好的消化道识别模型，获得消化道识别结果；

其中，训练好的消化道识别模型通过全局信息提取路径从预处理后输入数据中提取不同空间维度的全局特征信息，通过局部信息提取路径从预处理后输入数据中提取局部特征信息，通过特征信息融合模块将全局特征信息和局部特征信息进行特征融合，获得融合后特征，根据融合后特征获得消化道识别结果。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求8任一项所述的一种基于深度学习的消化道识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求8任一项所述的一种基于深度学习的消化道识别方法的步骤。