[發明專利]一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型

在審

• 申請號: 201910340110.5
• 申請日: 2019-04-25
• 公開（公告）號: CN111863251A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 王玉峰
• 申請（專利權）人: 天津御錦人工智能醫療科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;A61B5/00;A61B5/107
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 張義

本發明公開了一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型，所述波士頓評分模型的建立，包括如下步驟：a、數據采集及預處理；b、數據標注；c、訓練模型；d、測試模型；e、評分模塊。本申請能夠有效地對腸鏡腸道準備情況自動評判，提供波士頓量表存入病人檢查信息并提供給醫生參考，解決醫生評判帶入主觀意識和耗時耗力的問題，具有更高的可靠性和社會價值。

技術領域

本發明涉及深度學習和智能醫療領域，特別是一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型。

背景技術

結腸鏡檢查已經成為結直腸癌篩查和預防的標準工具。通過結腸鏡檢查，醫生可以及時發現并切除息肉，預防息肉癌變的發生。隨著科學技術的進步，結腸鏡檢查發現息肉，尤其是微小息肉的能力不斷提升。為定量評估消化內鏡中心以及腸鏡醫師利用結腸鏡檢出腺瘤性息肉的能力，美國消化內鏡學會在2006年結腸癌篩查與監測指南中明確提出將腺瘤檢出率(adenoma detection rate，ADR)作為結腸鏡質量控制的核心標準。

結腸鏡檢查中發現息肉尤其是腺瘤性息肉的能力有賴于良好的腸道準備作為基礎，因此腸道的準備情況被認為是影響ADR的重要因素，是結腸鏡檢查時必須描述的內容。

波士頓量表(BBPS量表)是目前常用的腸道準備質量評估量表之一，該量表只用于評價退鏡時的腸道清潔程度，此時沖洗和抽吸操作已經完后，因此更適合結腸鏡結局研究。

BBPS量表將結腸分為3個區域：右側結腸(盲腸和升結腸)、橫結腸(包括肝曲和脾曲)和左側結腸(降結腸、乙狀結腸和直腸)。采用4分制評分系統：3分(excellent)，全段腸黏膜可見度好，無任何影響觀察的雜質存在；2分(good)，少量著色、糞渣或不透明液體，黏膜細節顯示清楚；1分(fair)，部分黏膜因少量著色、糞渣或不透明液體的存在而顯示不清楚；0分(poor)，局部腸道準備不良，固體糞便大量存留導致腸黏膜不可見。對3個區域分別評分，總分為3個區域分數之和(0-9分)，分數越高代表腸道準備越好。

現在BBPS量表的打分主要由腸鏡醫師在檢查退鏡過程中通過腸鏡設備截取腸道3個區域的圖片根據評判標準進行打分，這樣做有一定的主觀性，其應用多局限于前瞻性研究并需要花費一定的時間和人力。

鑒于此，本申請提出一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型。

發明內容

本發明目的在于提供一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型。

為實現本發明的目的，本發明提供了一種基于深度學習糞水糞便覆蓋面積的波士頓評分模型，其特征在于，所述波士頓評分模型的建立，包括如下步驟：

a、數據采集及預處理：采集退鏡過程中腸道情況的截圖，進行處理后命名，構成數據集；

b、數據標注：修改數據集讀取的路徑，對數據集中每張腸道情況截圖中的糞便和糞水用軟件框出，保存后自動生成對應的*.xml文件，將圖片和*.xml文件制作成voc2007的數據集格式，最后將*.xml文件、圖片、voc配置文件所在目錄鏈接到訓練配置文件中，供訓練和調用；

c、訓練模型：將準備好的voc2007數據集送入YOLO V3模型中進行訓練，得到訓練模型；

d、測試模型：取新的未訓練的腸道情況截圖，送入模型進行測試，調用程序將圖片路徑提供給模型，模型識別出圖片中的糞渣或糞水并用矩形框標記出來，若識別的效果達到預期要求則模型合格，否則增大數據集重復步驟a、b、c；