[发明专利]消化道病灶图像识别系统及识别方法

摘要

本发明公开了一种消化道病灶图像识别系统，它包括存储器、图像预处理模块、图像特征提取模块、机器学习模块和图像识别模块，其中，所述存储器的存储数据通信端连接图像预处理模块的数据输入端，图像预处理模块的数据输出端连接图像特征提取模块的数据输入端，图像特征提取模块的第一数据输出端连接机器学习模块的数据输入端，图像特征提取模块的第二数据输出端连接图像识别模块的第一数据输入端，机器学习模块的数据输出端连接图像识别模块的第二数据输入端。本发明提高了消化道病灶图像识别的效率和准确性。

主权项

1.一种消化道病灶图像识别系统，其特征在于：它包括存储器(1)、数据解析模块(2)、图像预处理模块(3)、图像特征提取模块(4)、机器学习模块(5)和图像识别模块(6)，其中，所述存储器(1)的存储数据通信端连接数据解析模块(2)的存储数据通信端，所述数据解析模块(2)的数据输出端连接图像预处理模块(3)的数据输入端，图像预处理模块(3)的数据输出端连接图像特征提取模块(4)的数据输入端，图像特征提取模块(4)的第一数据输出端连接机器学习模块(5)的数据输入端，图像特征提取模块(4)的第二数据输出端连接图像识别模块(6)的第一数据输入端，机器学习模块(5)的数据输出端连接图像识别模块(6)的第二数据输入端；所述存储器(1)用于存储机器学习训练数据，其中，所述机器学习训练数据包括训练样本图像、测试样本图像、图像分类信息；所述图像特征提取模块(4)用于使用尺度不变特征转换算法和完整局部二值模式算法提取机器学习训练数据中训练样本图像的图像纹理特征，同时使用超像素方法和网格法对机器学习训练数据进行分割，然后提取分割后机器学习训练数据中训练样本图像的熵特征和颜色矩特征；图像特征提取模块(4)还用于将图像纹理特征、熵特征和颜色矩特征分别传输给机器学习模块(5)和图像识别模块(6)；图像特征提取模块(4)还用于将机器学习训练数据传输给机器学习模块(5)；机器学习模块(5)用于采用卷积神经网络的深度学习方法根据图像分类信息对机器学习训练数据进行消化道位置分类，得到消化道位置分类数据，机器学习模块(5)还用于根据图像纹理特征、熵特征和颜色矩特征，并依据支持向量机算法进行学习训练生成消化道病灶信息数据模型；机器学习模块(5)还用于将消化道位置分类和消化道病灶信息数据模型传输给图像识别模块(6)；所述图像识别模块(6)用于对机器学习训练数据按照消化道位置分类数据进行分类，并基于消化道位置分类的结果对不同消化道部位的机器学习训练数据提取图像纹理特征、熵特征和颜色矩特征，然后采用Adaboost算法对不同消化道部位的机器学习训练数据提取的图像纹理特征、熵特征和颜色矩特征进行病灶识别，最后应用消化道病灶信息数据模型对病灶识别结果进行分类得到准确的病灶信息。