[發(fā)明專利]基于深度學(xué)習(xí)的消化道內(nèi)壁病變類型智能識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201810716964.4
• 申請(qǐng)日: 2018-07-03
• 公開（公告）號(hào): CN109165662A
• 公開（公告）日: 2019-01-08
• 發(fā)明（設(shè)計(jì)）人: 孫明健;張笑;劉海峰;屈亞威;馬立勇;鄒夢(mèng)書;曲歌
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種消化道內(nèi)壁病變類型識(shí)別方法，其特征在于，包括：

將待識(shí)別消化道內(nèi)壁圖像輸入至病變類型識(shí)別模型，輸出所述待識(shí)別消化道內(nèi)壁圖像的病變類型識(shí)別信息，所述病變類型識(shí)別模型是基于樣本消化道內(nèi)壁圖像及所述樣本消化道內(nèi)壁圖像對(duì)應(yīng)的病變類型識(shí)別結(jié)果進(jìn)行訓(xùn)練后獲得的，所述待識(shí)別消化道內(nèi)壁圖像的格式與所述樣本消化道內(nèi)壁圖像的格式相匹配。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將待識(shí)別消化道內(nèi)壁圖像輸入至病變類型識(shí)別模型之前，還包括：

采集多種所述樣本消化道內(nèi)壁圖像，并標(biāo)注每種所述樣本消化道內(nèi)壁圖像對(duì)應(yīng)的所述病變類型識(shí)別結(jié)果，所述樣本消化道內(nèi)壁圖像及所述病變類型識(shí)別結(jié)果組成訓(xùn)練數(shù)據(jù)集；

利用所述訓(xùn)練數(shù)據(jù)集對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并在訓(xùn)練過程中限制所述深度神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)的取值范圍，和/或，采用反向傳播算法調(diào)整所述模型參數(shù)，訓(xùn)練完成后獲得所述病變類型識(shí)別模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用所述訓(xùn)練數(shù)據(jù)集對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練之前，還包括：

對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行調(diào)整以提高所述樣本消化道內(nèi)壁圖像的數(shù)據(jù)量，和/或，對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行圖像轉(zhuǎn)換處理以增加所述訓(xùn)練數(shù)據(jù)集中所述樣本消化道內(nèi)壁圖像的數(shù)量。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行調(diào)整以提高所述樣本消化道內(nèi)壁圖像的數(shù)據(jù)量，包括：

按照設(shè)定分辨率對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行中心裁剪，獲得所述樣本消化道內(nèi)壁圖像對(duì)應(yīng)的裁剪圖像，以及按照所述設(shè)定分辨率對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行縮減，獲得所述樣本消化道內(nèi)壁圖像對(duì)應(yīng)的縮減圖像；

將所述裁剪圖像及所述縮減圖像進(jìn)行圖像混合處理，將圖像混合處理后獲得的圖像添加至所述訓(xùn)練數(shù)據(jù)集。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)每個(gè)所述樣本消化道內(nèi)壁圖像進(jìn)行圖像轉(zhuǎn)換處理以增加所述訓(xùn)練數(shù)據(jù)集中所述樣本消化道內(nèi)壁圖像的數(shù)量，包括：

根據(jù)設(shè)定轉(zhuǎn)換規(guī)則對(duì)所述樣本消化道內(nèi)壁圖像進(jìn)行圖像轉(zhuǎn)換處理，將經(jīng)過所述圖像轉(zhuǎn)換處理后獲得的圖像添加至所述訓(xùn)練數(shù)據(jù)集；所述設(shè)定轉(zhuǎn)換規(guī)則包括圖像旋轉(zhuǎn)轉(zhuǎn)換、圖像平移轉(zhuǎn)換、圖像像素值轉(zhuǎn)換及圖像退化中的至少一種。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用所述訓(xùn)練數(shù)據(jù)集對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練之前，還包括：

通過采用設(shè)定圖像數(shù)據(jù)集對(duì)所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練，初始化所述深度神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將待識(shí)別消化道內(nèi)壁圖像輸入至病變類型識(shí)別模型之前，還包括：

對(duì)所述待識(shí)別消化道內(nèi)壁圖像的像素值進(jìn)行正則化處理。

8.一種消化道內(nèi)壁病變類型識(shí)別裝置，其特征在于，包括：

識(shí)別模塊，用于將待識(shí)別消化道內(nèi)壁圖像輸入至病變類型識(shí)別模型，輸出所述待識(shí)別消化道內(nèi)壁圖像的病變類型識(shí)別信息，所述病變類型識(shí)別模型是基于樣本消化道內(nèi)壁圖像及所述樣本消化道內(nèi)壁圖像對(duì)應(yīng)的病變類型識(shí)別結(jié)果進(jìn)行訓(xùn)練后獲得的，所述待識(shí)別消化道內(nèi)壁圖像的格式與所述樣本消化道內(nèi)壁圖像的格式相匹配。

9.一種消化道內(nèi)壁病變類型識(shí)別設(shè)備，其特征在于，包括：

至少一個(gè)處理器；

以及與所述處理器通信連接的至少一個(gè)存儲(chǔ)器，其中：

所述存儲(chǔ)器存儲(chǔ)有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令能夠執(zhí)行如權(quán)利要求1至7任一所述的方法。

10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行如權(quán)利要求1至7任一所述的方法。