[發(fā)明專利]扁平、微小息肉圖像識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011337345.8
• 申請(qǐng)日: 2020-11-25
• 公開(kāi)（公告）號(hào): CN112465766A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 李昊;胡珊;劉奇為;于天成
• 申請(qǐng)（專利權(quán)）人: 武漢楚精靈醫(yī)療科技有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06T7/136;G06T7/73;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 上海精晟知識(shí)產(chǎn)權(quán)代理有限公司 31253
• 代理人: 莫冬麗

本發(fā)明涉及醫(yī)學(xué)領(lǐng)域圖像識(shí)別方法技術(shù)領(lǐng)域，尤其涉及扁平、微小息肉圖像識(shí)別方法，光斑修復(fù)算法EA_A檢測(cè)反射光區(qū)域，然后對(duì)反射光區(qū)域進(jìn)行填充達(dá)到光斑修復(fù)算法的目的。息肉檢測(cè)算法EA_B采用yolov3_4layers目標(biāo)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)，以獲得息肉目標(biāo)檢測(cè)結(jié)果。本發(fā)明通過(guò)增加注意力轉(zhuǎn)移標(biāo)簽來(lái)提高息肉檢測(cè)特異度；針對(duì)扁平、微小息肉訓(xùn)練樣本搜集困難的問(wèn)題，對(duì)訓(xùn)練樣本采用增廣策略；針對(duì)yolov3目標(biāo)檢測(cè)算法對(duì)扁平、微小息肉檢測(cè)能力不足的問(wèn)題，采取轉(zhuǎn)置卷積和加權(quán)特征融合的方法，增加第4個(gè)特征檢測(cè)層。針對(duì)扁平、微小息肉具有高敏感度和高特異度，可準(zhǔn)確識(shí)別內(nèi)窺鏡靜態(tài)圖像中的扁平、微小息肉的位置，顯著降低扁平、微小息肉檢測(cè)的漏識(shí)別和誤識(shí)別率。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)領(lǐng)域圖像識(shí)別方法技術(shù)領(lǐng)域，尤其涉及扁平、微小息肉圖像識(shí)別方法。

背景技術(shù)

據(jù)調(diào)查顯示，近95％的結(jié)直腸癌都是由息肉演變而來(lái)，而扁平、微小息肉屬于具有較高的概率轉(zhuǎn)化為早癌，但因其無(wú)明顯的空間幾何特征，現(xiàn)有技術(shù)對(duì)扁平、微小息肉的識(shí)別效果較差、特異度較低，存在大量的漏識(shí)別。

目前關(guān)于深度學(xué)習(xí)在結(jié)腸鏡息肉檢測(cè)的應(yīng)用，李素琴等人提出《基于YOLO算法和ResNet深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉檢測(cè)》，該方法針對(duì)較大或常規(guī)息肉而言有較為理想的檢測(cè)效果。但對(duì)于扁平息肉、微小息肉，因?yàn)槠涮卣鞑幻黠@，在進(jìn)行內(nèi)窺鏡檢查時(shí)，很容易出現(xiàn)漏診。桑海楠等人提出《一種基于完整結(jié)腸壁和紋理特征的小/平坦型息肉檢測(cè)方法》，該方法是一種基于虛擬結(jié)腸鏡的計(jì)算機(jī)輔助檢測(cè)方法。首先通過(guò)分割CT靜態(tài)影像提取完整的結(jié)腸內(nèi)、外壁；然后用滑動(dòng)窗在結(jié)腸內(nèi)壁上逐點(diǎn)計(jì)算紋理特征并用AdaBoost分類(lèi)器得到初始疑似息肉；最后通過(guò)隨機(jī)森林獲得最終的疑似息肉。在進(jìn)行扁平、微小息肉檢測(cè)過(guò)程中，視頻畫(huà)面中常存在較多亮度、面積大小不同的光斑。這些光斑的存在增加了對(duì)于扁平、微小息肉的檢測(cè)難度，同時(shí)會(huì)提高息肉檢測(cè)的假陽(yáng)性。醫(yī)生在做內(nèi)窺鏡檢查時(shí)，如若碰到光斑，需重復(fù)核實(shí)此處是否為息肉，增加醫(yī)生工作難度的同時(shí)也浪費(fèi)了更多的時(shí)間。另一方面，現(xiàn)有用于息肉檢測(cè)的方法，尤其是基于yolov3的算法，常采用yolov3官網(wǎng)公開(kāi)的網(wǎng)絡(luò)結(jié)構(gòu)。但yolov3網(wǎng)絡(luò)結(jié)構(gòu)針對(duì)扁平、微小息肉檢測(cè)效果很不理想，漏識(shí)別和誤識(shí)現(xiàn)象頻出。

基于此，為了更準(zhǔn)確的識(shí)別扁平、微小息肉，減少光斑對(duì)扁平、微小息肉檢測(cè)的影響。本發(fā)明提出先通過(guò)光斑修復(fù)算法去除結(jié)腸內(nèi)窺鏡靜態(tài)圖像中可能存在的光斑，再通過(guò)改進(jìn)的息肉檢測(cè)算法準(zhǔn)確識(shí)別出結(jié)腸內(nèi)窺鏡圖像中的扁平、微小息肉。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，而提供一種扁平、微小息肉圖像識(shí)別方法，以解決扁平、微小息肉檢測(cè)時(shí)易漏識(shí)別和易誤識(shí)別的技術(shù)問(wèn)題。

本發(fā)明提供如下技術(shù)方案：扁平、微小息肉圖像識(shí)別方法，包括如下步驟：

S1、將結(jié)腸內(nèi)窺鏡靜態(tài)圖像代入光斑修復(fù)算法EA_A，獲得光斑修復(fù)后的結(jié)腸內(nèi)窺鏡靜態(tài)圖像；

光斑修復(fù)算法EA_A包含兩個(gè)子類(lèi)算法：光斑區(qū)域檢測(cè)算法EA_A_01和光斑區(qū)域修復(fù)算法EA_A_02；

結(jié)腸內(nèi)窺鏡靜態(tài)圖像進(jìn)入光斑區(qū)域檢測(cè)算法EA_A_01后，按照式

可獲得圖像高光區(qū)域，式中c_G，c_B，c_R分別為圖像三個(gè)通道的像素值，P₉₅(c_i)表示i通道像素值95％分位值，T1通過(guò)大津閾值法獲得，x表示i通道x位置處；而后使用高光區(qū)域周?chē)蝗Φ南袼刂档钠骄祵?duì)高光區(qū)域進(jìn)行填充；然后對(duì)填充后的圖像做中值濾波處理獲得反光區(qū)域；

將結(jié)腸內(nèi)窺鏡靜態(tài)圖像及其通過(guò)光斑區(qū)域檢測(cè)算法EA_A_01獲得的反光區(qū)域一同代入光斑區(qū)域修復(fù)算法EA_A_02，對(duì)原圖中的反光區(qū)域進(jìn)行填充，填充方式與光斑區(qū)域檢測(cè)算法EA_A_01中所使用的填充方式保持一致；而后對(duì)填充后的圖像進(jìn)行高斯模糊處理，并進(jìn)行權(quán)重加權(quán)相加，完成對(duì)填充后圖像中的光斑區(qū)域進(jìn)行修復(fù)；