[發明專利]基于深度學習的消化道內壁病變類型智能識別方法及裝置

在審

• 申請號: 201810716964.4
• 申請日: 2018-07-03
• 公開（公告）號: CN109165662A
• 公開（公告）日: 2019-01-08
• 發明（設計）人: 孫明健;張笑;劉海峰;屈亞威;馬立勇;鄒夢書;曲歌
• 申請（專利權）人: 哈爾濱工業大學（威海）
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明實施例提供一種基于深度學習的消化道內壁病變類型智能識別方法及裝置，該方法包括：將待識別消化道內壁圖像輸入至病變類型識別模型，輸出待識別消化道內壁圖像的病變類型識別信息，病變類型識別模型是基于樣本消化道內壁圖像及樣本消化道內壁圖像對應的病變類型識別結果進行訓練后獲得的，待識別消化道內壁圖像的格式與樣本消化道內壁圖像的格式相匹配。本發明實施例通過將待識別消化道內壁圖像輸入至病變類型識別模型，輸出病變類型識別信息。由于病變類型識別模型可以直接輸出病變類型識別信息，從而相對于人眼識別提高了識別效率，并且，病變類型識別模型能夠避免人眼識別中觀察者識別能力對識別結果的影響，提高了識別精度。

技術領域

本發明實施例涉及圖像識別領域，更具體地，涉及一種基于深度學習的消化道內壁病變類型智能識別方法及裝置。

背景技術

病變是指機體細胞、組織或者器官在致病因素作用下發生的局部或全身異常變化。機體細胞、組織或者器官在發生病變后，在病變的部位會產生病變組織。為了對病變組織進行研究，目前主要通過對機體的內鏡檢查來查找機體中的病變組織。在內鏡檢查中獲得機體的內部圖像后，相關技術中通過觀察者人眼篩查內部圖像中的異常區域來判斷消化道內是否存在病變組織以及存在的病變組織的類型。但是，由于內部圖像包含的信息量大，且受觀察者識別能力等情況的影響，導致了對內部圖片中病變組織類型的識別效率和識別精度較低。

發明內容

為了解決上述問題，本發明實施例提供一種克服上述問題或者至少部分地解決上述問題的基于深度學習的消化道內壁病變類型智能識別方法及裝置。

根據本發明實施例的第一方面，提供一種消化道內壁病變類型識別方法，該方法包括：

將待識別消化道內壁圖像輸入至病變類型識別模型，輸出待識別消化道內壁圖像的病變類型識別信息，病變類型識別模型是基于樣本消化道內壁圖像及樣本消化道內壁圖像對應的病變類型識別結果進行訓練后獲得的，待識別消化道內壁圖像的格式與樣本消化道內壁圖像的格式相匹配。

本發明實施例提供的方法，通過將待識別消化道內壁圖像輸入至病變類型識別模型，輸出待識別消化道內壁圖像的病變類型識別信息。由于病變類型識別模型可以直接輸出病變類型識別信息，從而相對于人眼識別提高了識別效率，并且，病變類型識別模型能夠避免人眼識別中觀察者識別能力對識別結果的影響，提高了識別精度。

根據本發明實施例第二方面，提供了一種消化道內壁病變類型識別裝置，該裝置包括：

識別模塊，用于將待識別消化道內壁圖像輸入至病變類型識別模型，輸出待識別消化道內壁圖像的病變類型識別信息，病變類型識別模型是基于樣本消化道內壁圖像及樣本消化道內壁圖像對應的病變類型識別結果進行訓練后獲得的，待識別消化道內壁圖像的格式與樣本消化道內壁圖像的格式相匹配。

根據本發明實施例的第三方面，提供了一種消化道內壁病變類型識別設備，包括：

至少一個處理器；以及

與處理器通信連接的至少一個存儲器，其中：

存儲器存儲有可被處理器執行的程序指令，處理器調用程序指令能夠執行第一方面的各種可能的實現方式中任一種可能的實現方式所提供的消化道內壁病變類型識別方法。

根據本發明實施例的第四方面，提供了一種非暫態計算機可讀存儲介質，非暫態計算機可讀存儲介質存儲計算機指令，計算機指令使計算機執行第一方面的各種可能的實現方式中任一種可能的實現方式所提供的消化道內壁病變類型識別方法。

應當理解的是，以上的一般描述和后文的細節描述是示例性和解釋性的，并不能限制本發明實施例。

附圖說明