[發明專利]一種基于深度學習的消化道鉤蟲發現方法及系統

在審

• 申請號: 202011023386.X
• 申請日: 2020-09-25
• 公開（公告）號: CN112022066A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 楊國強;萬思琦;喻雷;劉帥成;甘濤
• 申請（專利權）人: 電子科技大學
• 主分類號: A61B1/04
• 分類號: A61B1/04;A61B1/273;G06T7/00;G06T3/40;G06N3/04
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

1.一種基于深度學習的消化道鉤蟲發現方法，其特征在于，包括以下步驟：

S1、獲取膠囊內窺鏡所拍攝的帶有消化道鉤蟲的圖像，將消化道鉤蟲進行標注得到標注圖像；

S2、對標注圖像進行尺寸統一與歸一化，得到訓練集；

S3、采用訓練集對yolov3模型進行消化道鉤蟲識別訓練，得到訓練后的yolov3模型；

S4、將目標圖像輸入訓練后的yolov3模型，得到對應的輸出結果；其中輸出結果包括有消化道鉤蟲和無消化道鉤蟲；

S5、判斷目標圖像對應的輸出結果是否為無消化道鉤蟲，若是則結束當前識別；否則進入步驟S6；

S6、獲取目標圖像前后各N張相鄰圖像，并將所有相鄰圖像輸入訓練后的yolov3模型，得到輸出結果集；

S7、判斷輸出結果集中存在消化道鉤蟲的結果數量是否達到閾值，若是則判定目標圖像存在消化道鉤蟲，并進入S8；否則判定目標圖像不存在消化道鉤蟲，結束當前識別；

S8、采用矩形框將目標圖像中的消化道鉤蟲圈出并輸出圈出消化道鉤蟲的目標圖像。

2.根據權利要求1所述的基于深度學習的消化道鉤蟲發現方法，其特征在于，所述步驟S1的具體方法為：

獲取膠囊內窺鏡所拍攝的消化道所有圖像，從消化道所有圖像中篩選出帶有消化道鉤蟲的圖像，使用labelImg工具標注出帶有消化道鉤蟲的圖像中的鉤蟲目標，將標注好的鉤蟲數據按照PASCAL VOC數據集格式進行制作，得到標注圖像。

3.根據權利要求1所述的基于深度學習的消化道鉤蟲發現方法，其特征在于，所述步驟S2的具體方法為：

將標注圖像的尺寸統一為416×416后進行歸一化，得到訓練集。

4.根據權利要求1所述的基于深度學習的消化道鉤蟲發現方法，其特征在于，所述步驟S6中參數N的值為5。

5.根據權利要求4所述的基于深度學習的消化道鉤蟲發現方法，其特征在于，所述步驟S7中的閾值為5。

6.一種基于深度學習的消化道鉤蟲發現系統，其特征在于，包括圖像標注模塊、訓練集獲取模塊、深度學習訓練模塊、目標圖像初步識別模塊、初步識別結果確認模塊和輸出模塊；

所述圖像標注模塊，用于獲取膠囊內窺鏡所拍攝的帶有消化道鉤蟲的圖像，并將消化道鉤蟲進行標注得到標注圖像；

所述訓練集獲取模塊，用于對標注圖像進行尺寸統一與歸一化，得到訓練集；

所述深度學習訓練模塊，用于采用訓練集對yolov3模型進行消化道鉤蟲識別訓練，得到訓練后的yolov3模型；

所述目標圖像初步識別模塊，用于將目標圖像輸入訓練后的yolov3模型，得到對應的輸出結果；其中輸出結果包括有消化道鉤蟲和無消化道鉤蟲；

所述初步識別結果確認模塊，用于判斷目標圖像對應的輸出結果是否為無消化道鉤蟲，若是則結束當前識別；否則進入獲取目標圖像前后各N張相鄰圖像，并將所有相鄰圖像輸入訓練后的yolov3模型，得到輸出結果集；判斷輸出結果集中存在消化道鉤蟲的結果數量是否達到閾值，若是則判定目標圖像存在消化道鉤蟲；否則判定目標圖像不存在消化道鉤蟲，結束當前識別；

所述輸出模塊，用于采用矩形框將目標圖像中的消化道鉤蟲圈出，并將圈出消化道鉤蟲的目標圖像進行輸出。

7.根據權利要求6所述的基于深度學習的消化道鉤蟲發現系統，其特征在于，參數N的值為5。

8.根據權利要求7所述的基于深度學習的消化道鉤蟲發現系統，其特征在于，閾值為5。