[发明专利]一种基于深度学习的消化道识别系统及方法

说明书

本发明公开的一种基于深度学习的消化道识别系统及方法，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。提高了消化道识别的准确率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于深度学习的消化道识别系统及方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

现有的通过内窥镜对消化道进行观测识别时，主要通过对内窥镜获取的消化道图像进行特征提取，再通过对提取的特征进行识别，获得消化道的识别结果。

发明人发现，目前主要采用人工特征提取器和卷积神经网络(CNN)从消化道图像中提取特征，由于人工特征提取器的简单性和局部性，使得特征提取的能力有限，CNN虽然通过卷积核滑动窗口有效地提取了局部信息，但是由于消化道的复杂性和多样性，消化道待识别部位大小不一，待识别的部位可能占据消化道图像的所有部分，且受消化道图像成像过程中的角度等的影响，当仅通过局部信息进行消化道的识别时，识别准确率较低。

发明内容

本发明为了解决上述问题，提出了一种基于深度学习的消化道识别系统及方法，通过获取消化道图像不同空间维度的全局特征信息和局部特征信息，并将全局特征信息和局部特征信息进行融合获得融合后特征，根据融合特征进行消化道识别，提高了识别的准确性，且在局部信息提取路径和特征信息融合模块中使用CSA(channel and spatialattention)模块，减少重要信息的丢失，进一步提高了消化道识别的准确率。

为实现上述目的，本发明采用如下技术方案：

第一方面，提出了一种基于深度学习的消化道识别系统，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。

第二方面，提出了一种基于深度学习的消化道识别方法，包括：

通过输入处理模块获取消化道图像，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CSA模块减少特征信息在空间维度变换过程中的丢失，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。

第三方面，提出了一种电子设备，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，完成一种基于深度学习的消化道识别方法所述的步骤。

第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于深度学习的消化道识别方法所述的步骤。