[發明專利]醫療內窺鏡圖像的識別方法、系統、設備和內窺鏡影像系統

有效

• 申請號: 201910372711.4
• 申請日: 2019-05-06
• 公開（公告）號: CN110136106B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 章子健;孫鐘前;付星輝;尚鴻;王曉寧;楊巍
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/70;G06V10/764;G06V10/82;G06N3/08;G06N3/04
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美;葉虹

本發明揭示了一種醫療內窺鏡圖像識別方法、系統、設備和內窺鏡影像系統。所述方法包括：根據醫療內窺鏡視頻流獲取原始內窺鏡圖像；通過神經網絡過濾獲取的原始內窺鏡圖像生成目標內窺鏡圖像；通過神經網絡的分類預測識別目標內窺鏡圖像對應的器官信息；根據所對應器官信息，通過分類網絡識別目標內窺鏡圖像適用的圖像類型；在圖像類型對應的拍攝模式下，根據器官信息指示的部位定位目標內窺鏡圖像中的病灶區域和所屬病灶類別。過濾來消除內窺鏡在消化道內的拍攝切換和晃動、遇到各種液體和異物情況下存在的大量低質量、噪聲圖像，魯棒性得到增強，并且為所進行的內窺鏡拍攝全過程實現分類預測，實現了系統而完整的影像識別。

技術領域

本發明涉及計算機應用技術領域，特別涉及一種醫療內窺鏡圖像的識別方法、系統、機器設備和內窺鏡影像系統。

背景技術

基于深度學習所進行的各類別識別，一直以來都是各應用場景下解決大量數據分類的重要工具。例如，在圖像、自然語言處理等應用場景中，對大量數據所實現的大規模分類和識別，以此來快速準確的獲得相關的分類預測結果，加速所在應用場景的功能實現。

在對圖像所進行的分類預測中，根據所部署的應用場景不同，例如，AI+醫療場景，具體用于實現分類預測的圖像以及分類預測的實現也各不相同。

形成醫療影像的各種圖像在不斷產生，例如，隨著內窺鏡在消化道內的不斷拍攝而不斷產生，進而成為大量數據，亟待需要借助于分類預測的執行實現大規模分類和識別。

然而，如何將面向各種醫療內窺鏡圖像而借助于深度學習實現分類預測，進而對醫療內窺鏡圖像實現系統而完整的識別，是現有醫療影像的分類預測所不具備的。現有醫療影像的分類預測僅限于單一功能，而無法適用于產生醫療內窺鏡視頻流的內窺鏡拍攝全過程。

并且，由于醫療內窺鏡圖像的拍攝難免受到內窺鏡的切換和晃動影響，且拍攝時內窺鏡的鏡頭也難免會遇到各種液體和異物，因此，所得到的內窺鏡圖像常常會存在大量的干擾和噪聲，進而導致魯棒性差。

綜上所述的，亟待為消化道的內窺鏡拍攝執行適應于拍攝全過程且魯棒性增強的分類預測。

發明內容

為了解決相關技術中醫療影像的分類預測無法適用于醫療內窺鏡圖像的內窺鏡拍攝全過程且魯棒性差的技術問題，本發明提供一種醫療內窺鏡圖像的識別方法、系統、機器設備和內窺鏡影像系統醫療內窺鏡圖像的識別。

一種醫療內窺鏡圖像的識別方法，所述方法包括：

根據醫療內窺鏡視頻流獲取原始內窺鏡圖像；

通過神經網絡過濾獲取的所述原始內窺鏡圖像，生成目標內窺鏡圖像；

通過神經網絡的分類預測識別所述目標內窺鏡圖像對應的器官信息；

根據所對應器官信息，通過分類網絡識別所述目標內窺鏡圖像適用的圖像類型；

在所述圖像類型對應的拍攝模式下，根據所述器官信息指示的部位定位所述目標內窺鏡圖像中的病灶區域和所屬病灶類別。

一種醫療內窺鏡圖像的識別系統，所述系統包括：

圖像獲取模塊，用于根據醫療內窺鏡視頻流獲取原始內窺鏡圖像；

圖像過濾模塊，用于通過神經網絡過濾獲取的所述原始內窺鏡圖像，生成目標內窺鏡圖像；

器官部位識別模塊，用于通過神經網絡的分類預測識別所述目標內窺鏡圖像對應的器官信息；

圖像類型識別模塊，用于根據所對應器官信息，通過分類網絡識別所述目標內窺鏡圖像適用的圖像類型；

詳情識別模塊，用于在所述圖像類型對應的拍攝模式下，根據所述器官信息指示的部位定位所述目標內窺鏡圖像中的病灶區域和所屬病灶類別