[發明專利]一種基于深度學習的腸鏡圖像息肉誤檢測抑制裝置

有效

• 申請號: 202011593772.2
• 申請日: 2020-12-29
• 公開（公告）號: CN112669283B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 顧夢奇;史勇強
• 申請（專利權）人: 杭州優視泰信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于深度學習的腸鏡圖像息肉誤檢測抑制裝置，包括以下步驟：獲取待檢測腸鏡圖像，并將待檢測腸鏡圖像輸入至腸鏡圖像息肉誤檢測抑制模型；利用特征提取模塊提取待檢測腸鏡圖像的特征圖后，利用檢測頭模塊對特征圖進行檢測計算輸出檢測結果，利用無效幀判別模塊對特征圖進行無效幀判別并輸出判別結果；抑制處理模塊根據檢測結果和判斷結果進行抑制輸出，當根據判別結果待檢測腸鏡圖像分類為無效幀時，則抑制檢測結果中所有檢測框的輸出，否則對于檢測結果按照正常按置信度閾值篩選后輸出檢測框和置信度。在幾乎不影響檢測方法召回率和運行速度的情況下降低誤檢測框的數量，從而提升檢查效率，提升檢測方法的實用度。

技術領域

本發明屬于計算機科學與醫學的交叉領域，具體涉及一種基于深度學習的腸鏡圖像息肉誤檢測抑制裝置。

背景技術

結直腸息肉是隆起于結直腸表面異常腫物，其具有一定的惡變導致直結腸癌的風險。目前對此應用較為廣泛也十分有效的診斷方式是應用內窺鏡對腸道進行檢查。現代內窺鏡一般采用攝像頭代替以前的光學結構，通過采集圖像再傳輸給計算機進行顯示，醫生通過對內窺鏡圖像的檢視來發現息肉等病灶，用以確定患者的病情。

在目前的內窺鏡檢查過程中，主要依靠醫生肉眼對內窺鏡圖像進行觀察，從而檢出息肉。其檢出率受到醫生經驗、狀態影響，存在漏檢的可能。針對此問題，可以在內窺鏡連接的計算機上運行計算機輔助診斷系統，實時地對內窺鏡圖像進行檢測，并將檢測結果實時地顯示在醫生進行觀察的屏幕上，起到提示醫生的作用，以此降低息肉漏檢率并提升內窺鏡檢查的效率。

上述計算機輔助診斷系統的構建，其核心在于運行的息肉檢測方法。目前該領域中已存在多種基于視頻或圖像的息肉檢測方法。其中基于視頻的方法普遍具有更大的計算量和時延，因而對應用于實時檢測不利。更普遍使用的是基于單幀圖像的檢測方法。這些方法又可以分為基于深度學習的算法和基于傳統方法的算法。目前而言，基于深度學習的算法因其強大的特征學習能力，在精度和魯棒性上均高于基于傳統方法的算法，因而被更多地采用。

但是現有的基于深度學習的單幀圖像息肉檢測算法，仍存在許多問題。其中包括誤檢數量過多的問題。由于醫學檢測的特殊性，在檢測最后篩選檢測框時，一般會將置信度閾值設置得較低，以獲得更高的召回率，達到“寧錯殺一千，不放過一個”的效果。但較低的置信度閾值會使得更多的誤檢測框被顯示出來，這對于實際應用時算法發揮的作用是有阻礙的。過多的誤檢框會使得醫生被頻繁地分散注意力，降低醫生對算法的信任程度，檢查每個誤檢框也將浪費大量的時間，反而導致檢查效率降低。

在實際應用中，誤檢框的分布并非均勻的隨機分布，而是具有一定的規律。在兩種情況下深度學習模型會容易產生誤檢。其一是對于某些具備某種特定特征的物體產生誤檢。例如回盲瓣、藥片、氣泡等均是常見的易誤檢對象。其二則是在內窺鏡鏡頭出現污濁或距離物體過近時，可能會出現包含大量噪聲和無意義圖形的圖像幀，此時也可能出現頻繁的誤檢。針對這兩種誤檢，可以使用針對性的策略降低其誤檢率。

發明內容

針對上述存在問題，本發明的目的是提供了一種基于深度學習的腸鏡圖像息肉誤檢測抑制裝置，在幾乎不影響檢測方法召回率和運行速度的情況下降低誤檢測框的數量，從而提升檢查效率，提升檢測方法的實用度。

為實現上述發明目的，本發明提供的以下技術方案為：

一種基于深度學習的腸鏡圖像息肉誤檢測抑制裝置，包括計算機存儲器、計算機處理器以及存儲在所述計算機存儲器中并可在所述計算機處理器上執行的計算機程序，所述計算機存儲器中包含特征提取模塊、檢測頭模塊、無效幀判別模塊以及抑制處理模塊的腸鏡圖像息肉誤檢測抑制模型，所述計算機處理器執行所述計算機程序時實現以下步驟：

獲取待檢測腸鏡圖像，并將待檢測腸鏡圖像輸入至腸鏡圖像息肉誤檢測抑制模型；

利用特征提取模塊提取待檢測腸鏡圖像的特征圖后，利用檢測頭模塊對特征圖進行檢測計算輸出檢測結果，利用無效幀判別模塊對特征圖進行無效幀判別并輸出判別結果；