[發(fā)明專利]息肉圖像識別系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201710448353.1
• 申請日: 2017-06-14
• 公開（公告）號: CN107256552B
• 公開（公告）日: 2020-08-18
• 發(fā)明（設(shè)計）人: 肖瀟
• 申請（專利權(quán)）人: 成都微識醫(yī)療設(shè)備有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 李朝虎

本發(fā)明公開一種息肉圖像識別系統(tǒng)，包含圖像處理器、視頻采集器和多個程序模塊；所述的程序模塊包含圖像獲取模塊、圖像識別模塊、算法處理模塊和提示處理模塊；圖像獲取模塊用于將視頻逐幀拆解成多個靜態(tài)圖像；圖像識別模塊用于將靜態(tài)圖像代入深度卷積神經(jīng)網(wǎng)絡(luò)識別引擎，以獲得多個識別目標的像素級概率圖；算法處理模塊用于將輸入的概率圖進行針對性優(yōu)化，以去除主要目標特征以外的環(huán)境干擾，進而判斷息肉的位置；提示處理模塊用于標示判斷出的息肉位置。本發(fā)明亦公開該息肉圖像識別系統(tǒng)的息肉圖像識別方法。本發(fā)明的息肉圖像識別系統(tǒng)及方法同時具有高敏感度和高特異度，可準確識別內(nèi)窺鏡圖像中的息肉位置，顯著降低息肉檢測的漏識別和誤識別率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像識別系統(tǒng)及方法，還涉及一種對息肉組織具有高敏感度和高特異度的識別系統(tǒng)及方法，屬于計算機領(lǐng)域。

背景技術(shù)

結(jié)直腸癌由死腺瘤性息肉等癌前病變和早癌發(fā)展而來，在國內(nèi)外均為發(fā)病率位列前列的惡性腫瘤疾病，預后差。然而，移除腺瘤等癌前病變，可有效避免間期結(jié)直腸癌的發(fā)生和降低結(jié)腸癌的死亡風險；例如對于未發(fā)生轉(zhuǎn)移的結(jié)腸早癌，內(nèi)窺鏡下的治療效果良好，5年生存率可達90％以上。因此，如何提高結(jié)腸腺瘤及各種病理類型的息肉樣病變的臨床檢出率，是腫瘤醫(yī)學研究重點關(guān)注的研究方向。

Mahmud等人2017年在國際權(quán)威醫(yī)學期刊《Gastroenterology Report》發(fā)表的學術(shù)論文《Computer Vision and Augmented Reality in Gastrointestinal Endoscopy》中提到，結(jié)腸息肉漏檢的主要原因包含：息肉沒有出現(xiàn)在結(jié)腸鏡的視野內(nèi)，以及息肉出現(xiàn)在視野內(nèi)但被內(nèi)窺鏡操作醫(yī)師忽視。雖然內(nèi)窺鏡硬件、腸道準備和操作習慣的改進帶來結(jié)腸息肉檢出率的提升，但視覺性漏檢卻因操作者疲勞、經(jīng)驗、視覺敏感度等多種無法避免的人為缺陷而鮮有解決辦法。

Mahmud在論文中指出，在進行內(nèi)窺鏡操作時，若有其他醫(yī)學專業(yè)人員從旁提醒，可使其息肉的檢出率提高30％左右。因此，論文總結(jié)，通過增強現(xiàn)實(augmented reality；AR)提示息肉和腺瘤的檢出率是提高早期癌變內(nèi)窺鏡診療效率的重要機會，且提高信噪比和降低誤報率需利用深度學習和開發(fā)計算機視覺算法來達成。然而，如論文提及，目前沒有任何一個可以提供上述功能的軟件平臺。

關(guān)于深度學習在結(jié)腸鏡息肉檢測的應(yīng)用，Tajbakhsh等人2015年在《IEEE》期刊上發(fā)表的《Automatic Polyp Detection in Colonoscopy Videos using an Ensemble ofConvolutional Neural Networks》一文中，使用卷積神經(jīng)網(wǎng)絡(luò)(convolutional neuralnetworks；CNN)，示例性地對20例結(jié)腸鏡視頻中的圖片幀進行深度卷積神經(jīng)網(wǎng)絡(luò)運算。其中，作者同時測量其識別系統(tǒng)的敏感度(即報告為陽性與所有陽性的比率，或稱為真陽性)和平均每幀誤報數(shù)(即假陽總數(shù)/(陽性總數(shù)+陰性總數(shù)))，并利用此兩項指標來二維呈現(xiàn)識別系統(tǒng)的性能。其中的平均每幀誤報數(shù)，間接反應(yīng)了識別系統(tǒng)的特異度，即報告為陰性與所有陰性的比率。

結(jié)果顯示，Tajabakhsh的識別系統(tǒng)在平均每幀誤報數(shù)為0.002時的敏感度為50％；換句話說，當要求誤報率很低時，敏感度僅為50％，也就是漏診率為50％。若希望提高系統(tǒng)的敏感度，比如提升至70％-75％，其平均每幀誤報數(shù)將會從0.1左右升至0.8，也就是特異度驟降。此外，無論如何改變系統(tǒng)參數(shù)，該系統(tǒng)的敏感度都無法超越75％。因此，該系統(tǒng)的最佳應(yīng)用點應(yīng)該在平均每幀誤報數(shù)0.05左右，敏感度僅為65％。

然而，臨床醫(yī)療需要的是敏感度和特異度能同時超過90％的識別系統(tǒng)；也就是說，單純基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的識別方法，并無法同時達到高敏感性和高特異性，缺乏臨床價值。在現(xiàn)有技術(shù)中，識別敏感性高時，CNN的特異性差，導致誤識別大量的正常組織，如隆起、明顯的血管區(qū)域、光線干擾所造成的圖像不真實區(qū)域等；而在特異性高時，CNN的敏感性又大幅降低，很多息肉不能有效地被辨識出來。