[发明专利]一种内镜图像智能分类及不规则病变区域检测方法

摘要

本发明属于医学图像智能处理技术领域，具体为一种内镜图像智能分类及不规则病变区域检测方法。本发明使用人工智能的方法，将显著性检测应用于内镜图像的分类和不规则病变区域的检测。把资深医生标注的内镜图像作为训练样本，输入到显著性检测网络模型，使网络模型学习到不规则的显著性区域，即病变区域。实验结果表明，本发明能够学习到资深医生的诊断经验，较准确地把内镜图像分为病变图像和正常图像，同时检测出不规则的病变区域，为医生提供参考，以提高诊断的准确率。

主权项

1.一种内镜图像智能分类及不规则病变区域检测方法，其特征在于，具体步骤如下：(1)训练内镜图像分类及病变区域检测模型首先，由经验丰富的医生提供有标注的内镜图像；这里医生提供的标注为内镜图像的掩码，即像素级的标注；其次，预处理内镜图像和标注的数据，裁掉图像中的无关区域，如病人的个人信息，只保留对分类和病变区域检测结果有影响的部分，同时掩码也去除相应区域；再次，用预训练的VGG 16的模型初始化显著性检测网络模型的参数；然后，微调显著性检测网络，并针对医学图像的特殊性选用损失函数，使得显著性检测网络可以更好地学习到不规则的病变区域，即显著性区域；最后，训练至网络收敛，获得能够对内镜图像分类并检测出不规则病变区域的模型；(2)用训练的显著性检测模型对内镜图像分类，并检测出不规则的病变区域；首先，获得待检测的内镜图像；其次，预处理内镜图像，裁掉图像中的无关区域，只保留对分类和病变区域检测有影响的部分；再次，将预处理的内镜图像输入到收敛后的模型进行分类，并初步检测不规则病变区域；然后，后处理内镜图像，在内镜图像中标出分类和检测结果，获得完整的含有检测结果的图像；最后，输出分类结果和完整的带有不规则病变区域检测结果的图像。