[發(fā)明專利]一種胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201811431020.9
• 申請日: 2018-11-28
• 公開（公告）號: CN109493340A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設計）人: 于紅剛;陳明鍇;胡珊;吳練練;宮德馨;佘倩
• 申請（專利權）人: 武漢大學人民醫(yī)院（湖北省人民醫(yī)院）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H15/00;G16H30/20
• 代理公司: 武漢科皓知識產(chǎn)權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

本發(fā)明公開了一種胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)及方法，系統(tǒng)包括視頻接收模塊、卷積神經(jīng)網(wǎng)絡模塊、結(jié)果報告模塊、數(shù)據(jù)庫模塊；視頻接收模塊，用于接收胃鏡設備采集的圖像，調(diào)用卷積神經(jīng)網(wǎng)絡模塊進行識別；卷積神經(jīng)網(wǎng)絡模塊，用于對圖像合格性進行判別和對病灶分級判別；結(jié)果報告模塊，用于記錄卷積神經(jīng)網(wǎng)絡模塊的每一次的判別結(jié)果，當本次胃鏡檢查完成之后，按照置信度和圖片質(zhì)量排序，輸出N張包含可疑病灶的圖像和對應的靜脈曲張分級結(jié)果；數(shù)據(jù)庫模塊，用于存儲胃鏡設備采集的圖像、卷積神經(jīng)網(wǎng)絡模塊進行識別結(jié)果。本發(fā)明能夠從全局視頻中提取最有價值圖像，并對病灶圖像進行靜脈曲張分級，為醫(yī)生診斷提供更可靠、高效的支持。

技術領域

本發(fā)明屬于圖像識別技術領域，涉及一種胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)及方法，具體涉及一種基于深度學習的胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)及方法。

背景技術

急性消化道出血是消化系統(tǒng)疾病中常見的并發(fā)癥，其中肝硬變失代償導致的食管或胃底靜脈曲張破裂出血尤為棘手，嚴重時常危及生命，因此，準確的診斷和對治療療效的判斷至關重要。目前，胃鏡檢查為診斷食管胃底靜脈曲張最簡便而有效的方法，并且對食管胃底靜脈曲張的分級有助于了解病情危重情況。內(nèi)鏡操作中，臨床醫(yī)師在內(nèi)鏡操作中依據(jù)自己經(jīng)驗對可疑病灶區(qū)域的判斷，并將圖像抓取下來保存到內(nèi)鏡報告系統(tǒng)中，由診斷醫(yī)生根據(jù)這些抓取的影像出具診斷報告。現(xiàn)有的技術只關注如何識別已經(jīng)由操作醫(yī)師采集的圖像中是否包含病灶，并未能考慮自動采集最有價值影像；并且，檢查結(jié)果受制于操作醫(yī)師的工作狀態(tài)、經(jīng)驗影響，容易出現(xiàn)分級不準確情況，這將導致臨床醫(yī)生對病變無法做出全面準確的評估。

發(fā)明內(nèi)容

本發(fā)明為了解決的是人工采集胃底靜脈曲張圖像、人工判斷食管胃底靜脈曲張分級不準確的問題，提供了一種基于深度學習的胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)及方法。

本發(fā)明的系統(tǒng)所采用的技術方案是：一種胃鏡下食管胃底靜脈曲張輔助診斷系統(tǒng)，其特征在于：包括視頻接收模塊、卷積神經(jīng)網(wǎng)絡模塊、結(jié)果報告模塊、數(shù)據(jù)庫模塊；

所述視頻接收模塊，用于接收胃鏡設備采集的圖像，調(diào)用所述卷積神經(jīng)網(wǎng)絡模塊進行識別；

所述卷積神經(jīng)網(wǎng)絡模塊，包括圖像合格性判別模型、病灶分級判別模型，分別用于對圖像合格性進行判別和對病灶分級判別；

所述結(jié)果報告模塊，用于記錄所述卷積神經(jīng)網(wǎng)絡模塊的每一次的判別結(jié)果，當本次胃鏡檢查完成之后，按照置信度和圖片質(zhì)量排序，輸出N張包含可疑病灶的圖像和對應的靜脈曲張分級結(jié)果；

所述數(shù)據(jù)庫模塊，用于存儲胃鏡設備采集的圖像、卷積神經(jīng)網(wǎng)絡模塊進行識別結(jié)果。

本發(fā)明的方法所采用的技術方案是：一種胃鏡下食管胃底靜脈曲張輔助診斷方法，其特征在于，包括以下步驟：

步驟1：視頻接收模塊接收胃鏡設備采集的圖像，調(diào)用卷積神經(jīng)網(wǎng)絡模塊進行識別；

步驟2：神經(jīng)網(wǎng)絡模塊依次調(diào)用圖像合格性判別模型、病灶分級判別模型，分別對圖像合格性進行判別和對病灶分級判別；

步驟3：結(jié)果報告模塊記錄卷積神經(jīng)網(wǎng)絡模塊的每一次的判別結(jié)果，當本次胃鏡檢查完成之后，按照置信度和圖片質(zhì)量排序，輸出N張包含可疑病灶的圖像和對應的靜脈曲張分級結(jié)果。

本發(fā)明具有如下優(yōu)點：解決傳統(tǒng)胃鏡統(tǒng)依賴人工采圖，容易出現(xiàn)圖像采集不全或者圖像模糊不合格，利用卷積神經(jīng)網(wǎng)絡模型對圖像進行自動圖像篩選后，能夠從全局視頻中提取最有價值圖像，并且深度學習可以對靜脈曲張進行分級，為醫(yī)生診斷提供更可靠、高效的支持。

附圖說明

圖1是本發(fā)明實施例的系統(tǒng)結(jié)構圖；

圖2是本發(fā)明實施例的卷積神經(jīng)網(wǎng)絡模型的訓練過程流程圖。

具體實施方式