[發明專利]一種內窺鏡出血區域的動態智能檢測方法、系統及可讀存儲介質

在審

• 申請號: 202010700705.X
• 申請日: 2020-07-20
• 公開（公告）號: CN111784686A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 孫殿珉;成金玲;張躍忠;劉治;武魯;霍吉東;趙志剛;劉愛芹;王海濱;陳永健;杜文青
• 申請（專利權）人: 山東省腫瘤防治研究院（山東省腫瘤醫院）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06K9/62
• 代理公司: 北京華專卓海知識產權代理事務所(普通合伙) 11664
• 代理人: 張繼鑫

本發明公開了一種內窺鏡出血區域的動態智能檢測方法、系統及可讀存儲介質，所述方法包括以下步驟：獲取內窺鏡圖像并利用線性插值算法將圖像轉化為RGB圖像；將RGB圖像進行預處理，所述預處理包括濾波去噪、去除干擾區域；構建二值模板對預處理后的RGB圖像進行圖像分割；設置標準出血區域圖像像素值，計算RGB各分割圖像的平均像素向量，計算標準出血區域圖像像素值RGB各分割圖像的平均像素向量的相似度；若相似度大于預設值的則將分割的圖像輸入預設的預設的出血區域檢測模型分類器，輸出出血檢測結果。本發明對出血區域檢測速度快，準確度高。

技術領域

本發明涉及醫學圖像處理領域，更具體的，涉及內窺鏡出血區域的動態智能檢測方法、系統及可讀存儲介質。

背景技術

隨著經濟社會的發展，工作節奏的加快，環境的污染，胃腸道疾病成為影響人類健康的常見的疾病，如胃癌、腸癌等，且多為常見病、多發病，它對人類的健康有很大的威脅，膠囊型內窺鏡系統由于其高安全性、高可靠性等優點，作為判斷胃腸道疾病的有效手段被廣泛應用。而胃腸道疾病中很多疾病都伴隨有出血。通過將計算機技術和圖像識別技術相結合，精確的檢測出圖像序列中的出血圖像，能夠在膠囊型內窺鏡系統進行胃腸道檢查中輔助醫生進行診斷，提高診斷的效率，減輕醫生的工作量。

深度學習是一種基于對數據進行表征學習的算法，非常適合發現圖像這種高維數據中的復雜結構。專利CN106910184A將深度學習技術應用到內窺鏡圖像出血檢測中，其公開了一種基于深度卷積神經網絡的內窺鏡圖像腸道出血檢測方法，在訓練網絡的過程中，首先將出血圖像和不出血圖像分別進行旋轉、亮度調節、高斯模糊、加泊松噪聲四種變換，然后變換后的圖像和原始圖像一起構成新數據集；其次在訓練網絡的過程中，復制所有出血圖像，使得出血圖像和不出血圖像數量相等，從而得到擴增數據集；然后訓練VGGNet、GoogleNet、AlexNet這三個深度卷積神經網絡，得到三個非線性映射關系；最后依據得到的三個深度卷積神經網絡做內窺鏡圖像腸道出血檢測，得到三個檢測結果，然后根據多數投票規則，得到最終的檢測結果。

當前基于內窺鏡的出血區域檢測，檢測算法處理數據較多，速度較慢，檢測效果不理想，

因此亟需開發一種內窺鏡出血區域的動態智能檢測方法。

發明內容

為了解決上述至少一個技術問題，本發明提出了內窺鏡出血區域的動態智能檢測方法、系統及可讀存儲介質。

為了解決上述的技術問題，本發明第一方面公開了一種內窺鏡出血區域的動態智能檢測方法，包括：

獲取內窺鏡圖像并利用線性插值算法將圖像轉化為RGB圖像；

將RGB圖像進行預處理，所述預處理包括濾波去噪、去除干擾區域；

構建二值模板對預處理后的RGB圖像進行圖像分割；

設置標準出血區域圖像像素值，計算RGB各分割圖像的平均像素向量，計算標準出血區域圖像像素值RGB各分割圖像的平均像素向量的相似度；

若相似度大于預設值的則將分割的圖像輸入預設的預設的出血區域檢測模型，輸出出血檢測結果。

本方案中，所述利用線性插值算法將圖像轉化為RGB圖像是采用基于臨域的線性插值算法。

本方案中，所述濾波處理為均值濾波處理。

本方案中，所述去除干擾區域包括：內窺鏡圖像中的空腔區域、過度曝光區域。

本方案中，構建二值模板對預處理后的RGB圖像進行圖像分割過程為：

計算預處理后的RGB圖像飽和度分量；

將最大飽和度的15％作為閾值生成二值模板；

將預處理后的RGB圖像的與二值模板相乘得到分割圖像。