[发明专利]基于深度学习的肠镜质量检查控制系统有效
| 申请号： | 201910200569.5 | 申请日： | 2019-03-16 |
| 公开（公告）号： | CN110020610B | 公开（公告）日： | 2023-02-10 |
| 发明（设计）人： | 颜波;钟芸诗;牛雪静;蔡世伦;谭伟敏;阿依木克地斯·亚力孔 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06T7/00 |
| 代理公司： | 上海正旦专利代理有限公司 31200 | 代理人： | 陆飞;陆尤 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于医学图像处理技术领域，具体为一种基于深度学习的肠镜质量检查控制系统。本发明系统包括：回盲瓣识别模型，用于把图像按照回盲瓣和非回盲瓣进行分类；肠道质量评分模型，用于把图像按照波士顿肠道准备质量的评分（0‑3）进行分类；两个模型由图像分类卷积神经网络将肠镜图像以及标签即回盲瓣标签或评分作为输入，经过端到端训练得到。通过识别回盲瓣以及按波士顿评分量表对肠道准备质量进行评分，对肠镜检查质量进行评估。实验结果表明，本发明系统用于肠镜检查质量的控制具有良好的特异度、敏感度，可在临床检查中辅助内镜医师，提高肠镜检查的质量。 | ||
| 搜索关键词： | 基于 深度 学习 质量 检查 控制系统 | ||
【主权项】：
1.一种基于深度学习的肠镜质量检查控制系统，其特征在于，包括两个模型：（1）回盲瓣识别模型，为二分类模型，用于把图像按照回盲瓣和非回盲瓣进行分类；（2）肠道质量评分模型，为四分类模型，用于把图像按照波士顿肠道准备质量的评分（0‑3）进行分类；上述两个模型由图像分类卷积神经网络将肠镜图像以及标签即回盲瓣标签或评分作为输入，经过端到端训练得到；其中：回盲瓣识别模型通过修改图像分类卷积神经网络的最后一层节点数量为2构建得到；肠道质量评分模型通过修改最后一层节点为4构建得到。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于复旦大学，未经复旦大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910200569.5/，转载请声明来源钻瓜专利网。
