[發(fā)明專利]基于深度學(xué)習(xí)的小腸鏡下淋巴瘤輔助診斷系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911302703.9
• 申請日: 2019-12-17
• 公開（公告）號(hào): CN111091559A
• 公開（公告）日: 2020-05-01
• 發(fā)明（設(shè)計(jì)）人: 季銳;楊笑笑;馮建;李延青;辛偉;邵學(xué)軍;左秀麗;楊曉云;李真
• 申請（專利權(quán)）人: 山東大學(xué)齊魯醫(yī)院;青島美迪康數(shù)字工程有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 董雪

本發(fā)明公開了一種基于深度學(xué)習(xí)的小腸鏡下淋巴瘤輔助診斷系統(tǒng)，包括：圖像采集模塊，通過采集卡接入內(nèi)鏡主機(jī)，獲取內(nèi)鏡主機(jī)采集到的每一幀圖像信息；訓(xùn)練集制作模塊，選取單幀帶有淋巴瘤病變的圖像作為訓(xùn)練樣本，對訓(xùn)練樣本中的病灶區(qū)域進(jìn)行標(biāo)注，同時(shí)生成標(biāo)注位置對應(yīng)的標(biāo)注文本信息；輔助診斷模塊，構(gòu)建輔助診斷模型，采用訓(xùn)練集對輔助診斷模型進(jìn)行優(yōu)化訓(xùn)練；將需要檢測的圖像輸入到訓(xùn)練好的輔助診斷模型中，輸出是否有淋巴瘤病變的圖像分類結(jié)果。本發(fā)明基于神經(jīng)網(wǎng)絡(luò)算法對小腸鏡下的淋巴瘤病變區(qū)域進(jìn)行自動(dòng)識(shí)別，醫(yī)生只需要對識(shí)別存在病變的圖像進(jìn)行再次審核，極大地減輕了醫(yī)生審閱圖片的工作量。

技術(shù)領(lǐng)域

本發(fā)明屬于小腸鏡下淋巴瘤輔助智能診斷技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的小腸鏡下淋巴瘤輔助診斷系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

小腸淋巴瘤起源于小腸黏膜下的淋巴濾泡，大多數(shù)腸道淋巴瘤都是全身性淋巴瘤的一種局部表現(xiàn)，通過小腸鏡對小腸粘膜的特征進(jìn)行識(shí)別是診斷小腸淋巴瘤最有效的方法。

小腸鏡檢查時(shí)間較長，內(nèi)鏡醫(yī)師極容易疲憊，同時(shí)小腸鏡退鏡檢查過程中要退出冗長(甚至可達(dá)5-7米)的腸管，內(nèi)鏡醫(yī)師需要消耗大量時(shí)間在閱覽圖像工作，因此會(huì)因?yàn)樯眢w疲憊和視覺疲勞導(dǎo)致漏檢或誤檢病變。

另外，由于消化道淋巴瘤發(fā)病隱匿，臨床癥狀不典型且內(nèi)鏡下表現(xiàn)多樣，如炎癥性息肉樣、黏膜糜爛、黏膜潰瘍等，缺乏經(jīng)驗(yàn)的內(nèi)鏡醫(yī)師非常容易出現(xiàn)誤診的情況，降低了內(nèi)鏡醫(yī)師診斷的準(zhǔn)確性，導(dǎo)致淋巴瘤的高漏診率和高誤診率，以至于患者確診時(shí)間后移，影響治療效果和生存時(shí)間。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出了基于深度學(xué)習(xí)的小腸鏡下淋巴瘤輔助診斷系統(tǒng)，對單幀電子腸鏡下采集的圖像識(shí)別預(yù)測，能夠精確定位淋巴瘤病灶，并在診斷系統(tǒng)中繪制出病變位置。

在一些實(shí)施方式中，采用如下技術(shù)方案：

基于深度學(xué)習(xí)的小腸鏡下淋巴瘤輔助診斷系統(tǒng)，包括：

圖像采集模塊，通過采集卡接入內(nèi)鏡主機(jī)，獲取內(nèi)鏡主機(jī)采集到的每一幀圖像信息；

訓(xùn)練集制作模塊，選取單幀帶有淋巴瘤病變的圖像作為訓(xùn)練樣本，對訓(xùn)練樣本中的病灶區(qū)域進(jìn)行標(biāo)注，同時(shí)生成標(biāo)注位置對應(yīng)的標(biāo)注文本信息；所述標(biāo)注區(qū)域以及該區(qū)域?qū)?yīng)的標(biāo)注文本信息構(gòu)成訓(xùn)練集；

輔助診斷模塊，構(gòu)建輔助診斷模型，采用訓(xùn)練集對輔助診斷模型進(jìn)行優(yōu)化訓(xùn)練；將需要檢測的圖像輸入到訓(xùn)練好的輔助診斷模型中，輸出是否有淋巴瘤病變的圖像分類結(jié)果。

進(jìn)一步地，所述輔助診斷模型包括：

在YOLO V3的基礎(chǔ)上，采用MobileNet V1作為YOLO V3的backbone；在每個(gè)卷積層后都相應(yīng)的進(jìn)行歸一化操作，并且去掉了MobileNet V1的全連接層。

在另一些實(shí)施方式中，采用如下技術(shù)方案：

一種終端設(shè)備，其包括處理器和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，處理器用于實(shí)現(xiàn)各指令；計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)多條指令，所述指令適于由處理器加載并執(zhí)行以下過程：

通過采集卡接入內(nèi)鏡主機(jī)，獲取內(nèi)鏡主機(jī)采集到的每一幀圖像信息；

選取單幀帶有淋巴瘤病變的圖像作為訓(xùn)練樣本，對訓(xùn)練樣本中的病灶區(qū)域進(jìn)行標(biāo)注，同時(shí)生成標(biāo)注位置對應(yīng)的標(biāo)注文本信息；所述標(biāo)注區(qū)域以及該區(qū)域?qū)?yīng)的標(biāo)注文本信息構(gòu)成訓(xùn)練集；

構(gòu)建輔助診斷模型，采用訓(xùn)練集對輔助診斷模型進(jìn)行優(yōu)化訓(xùn)練；將需要檢測的圖像輸入到訓(xùn)練好的輔助診斷模型中，輸出是否有淋巴瘤病變的圖像分類結(jié)果。

在另一些實(shí)施方式中，采用如下技術(shù)方案：