[發明專利]一種基于字典學習的胃鏡器官分類方法

有效

• 申請號: 201811515946.6
• 申請日: 2018-12-12
• 公開（公告）號: CN109376802B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 李勝;程鋮;何熊熊;常麗萍;姜倩茹;李唱
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T5/40;G06T7/194;G06T7/40;G06T7/90
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于字典學習的胃鏡器官分類方法，首先將原始圖像進行預處理，進而從圖像數據中提取顏色和紋理特征并融合，構建了測試集和多類訓練集，建立K次奇異值分解字典學習模型，并將多類訓練集矩陣輸入模型進行求解，迭代更新，分別訓練出多類字典；再將測試集分別在多類字典下通過正交匹配追蹤算法得到稀疏系數，進而算出在每類字典下重構出的測試集；最后，構建均方誤差分類器，通過比較重構出的測試集與原測試集的均方誤差，進行多類器官的分類。本發明可以實現腸胃內窺鏡不同器官的分類；能有效進行內窺鏡器官分類。

技術領域

本發明涉及腸胃內窺鏡圖像的器官分類技術，特別涉及一種基于字典學習的胃鏡器官分類方法。

背景技術

目前越來越多的人遭受腸胃疾病的困擾，八種最致命的癌癥中有三種癌癥就在腸胃中，并每年的致死病例也只高不減。內窺鏡檢查作為胃腸道研究的黃金標準，已廣泛應用于醫院對腸胃的早期檢測和輔助治療，能有效降低病發率和死亡率。

在無線膠囊內窺鏡檢查出現之前，胃腸道檢查主要依賴于傳統的手持式胃鏡，但是在患者必須承受很痛苦的同時，因為手持式胃鏡自身的侵入性，為保安全也難以準確獲取整個胃腸道的情況。因此無線膠囊內窺鏡作為新的無痛無創的技術，不僅降低了患者做傳統胃鏡需面臨的風險，還能檢測到整個胃腸道的狀態，包括手持式內鏡難以到達的小腸區域。

然而，無論是傳統的胃鏡檢查還是無線膠囊內窺鏡，每次診斷都會產生大量圖像數據。在8小時檢查過程中，膠囊產生大約50,000張圖像，臨床醫生需要花費大量精力和時間才能在進行診斷之前從巨大的圖像數據集中區分出器官部位，找到病變圖像。工作量不言而喻，而提出輔助醫生診斷治療的方法則具有重大意義。那么，胃腸道器官之間的快速和自動區分將為醫生提供便利，針對不同部位，對其特定的疾病進行分析。同時，醫生也可在進行校驗對比時，快速回到需要復查的器官集中。

發明內容

為了克服現有技術無法有效分類的不足，本發明提出一種基于字典學習的胃鏡圖像器官分類方法，通過結合多類圖像的字典學習、圖像特征的稀疏表示和重構的誤差對比，構建基于在多類字典下的均方誤差分類器，可以實現腸胃內窺鏡不同器官的分類；能有效進行內窺鏡器官分類。

為了解決上述技術問題提出的技術方案如下：

一種基于字典學習的胃鏡器官分類方法，所述方法包括如下步驟：

步驟1：獲取內窺鏡拍攝的圖像，由五類不同的胃鏡部位組成；

步驟2：對獲取的胃鏡圖像進行預處理，過程如下：

2.1提取出整張胃鏡圖的組織區，去除背景區；

2.2去除因內鏡攝像頭拍攝造成的亮斑和暗區，避免人工造成的紋理或顏色特征；

步驟3：提取圖像的顏色特征和紋理特征，過程如下：

3.1在色相-飽和度-明度(Hue-Saturation-Value，HSV)顏色空間下，采用顏色直方圖算法(Color Histogram，CH)提取圖像的顏色特征，分別對色相、飽和度、明度三個通道的值進行量化，形成顏色直方圖作為圖像的顏色特征；

3.2在色相-飽和度-明度顏色空間的色相通道下，采用均勻局部二值模式(Uniform Local Binary Patterns，ULBP)算法提取圖像的紋理特征；

步驟4：圖像特征融合：

歸一化步驟3提取的兩類特征并融合得到新的特征，同時保證最后的特征矩陣中每列表示每張圖像的特征；

步驟5：分配訓練集和測試集，方法如下：