[發(fā)明專利]基于FCOS算法的胃鏡圖片病灶識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110146823.5
• 申請(qǐng)日: 2021-02-03
• 公開(kāi)（公告）號(hào): CN112767389A
• 公開(kāi)（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 李壽山;李子成;徐暉;王中卿;周國(guó)棟
• 申請(qǐng)（專利權(quán)）人: 紫東信息科技（蘇州）有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/70;G06N3/08;G06N3/04
• 代理公司: 蘇州謹(jǐn)和知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32295
• 代理人: 徐磊

本申請(qǐng)涉及一種基于FCOS算法的胃鏡圖片病灶識(shí)別方法及裝置，屬于醫(yī)學(xué)圖像智能處理技術(shù)領(lǐng)域，該方法包括：獲取多組訓(xùn)練數(shù)據(jù)，每組訓(xùn)練數(shù)據(jù)包括胃鏡圖片和該胃鏡圖片的病灶類別和病灶區(qū)域；使用多組訓(xùn)練數(shù)據(jù)對(duì)FCOS模型中的指定特征層進(jìn)行分層次訓(xùn)練，得到每個(gè)訓(xùn)練后的層次對(duì)應(yīng)的識(shí)別精度；基于貪婪算法按照識(shí)別精度對(duì)FCOS模型進(jìn)行模型壓縮，得到壓縮后的模型結(jié)構(gòu)，壓縮后的模型結(jié)構(gòu)用于對(duì)輸入的胃鏡圖片進(jìn)行病灶定位和分類；可以解決人工進(jìn)行胃部病灶識(shí)別時(shí)效率較低、且現(xiàn)有目標(biāo)檢測(cè)模型不適用于胃部診斷場(chǎng)景的問(wèn)題；可以提高胃鏡圖片病灶識(shí)別的時(shí)間性能，同時(shí)又有較高的精度水平。在識(shí)別過(guò)程中不需要人工參與，提高診斷效率。

【技術(shù)領(lǐng)域】

本申請(qǐng)涉及一種基于FCOS算法的胃鏡圖片病灶識(shí)別方法及裝置，屬于醫(yī)學(xué)圖像智能處理技術(shù)領(lǐng)域。

【背景技術(shù)】

胃癌是一種起源于胃黏膜上皮的惡性腫瘤，在我國(guó)的各類惡性腫瘤中發(fā)病率處于首位。由于胃鏡技術(shù)在胃癌診斷方面效果顯著，已被推薦為胃癌的主要診斷方法。

具體來(lái)說(shuō)，胃鏡檢查可以直接探及胃內(nèi)的病變組織區(qū)域，以供醫(yī)療人員作出相應(yīng)的診斷，在胃鏡下可以做組織活檢對(duì)早期的胃癌前疾病或者是癌前病變的診斷及鑒別良性惡性潰瘍都有重要作用。

但是，由于人為因素例如醫(yī)生的經(jīng)驗(yàn)水平不一致，或者疏忽等特殊特殊情況會(huì)直接影響最后的胃癌診斷情況，同時(shí)人眼觀察胃鏡圖片也會(huì)耗費(fèi)大量的時(shí)間，導(dǎo)致病灶識(shí)別的效率較低的問(wèn)題。

另外，由于大多目標(biāo)檢測(cè)算法無(wú)法同時(shí)具有良好的精準(zhǔn)度和時(shí)間性能，因此，無(wú)法應(yīng)用于對(duì)精度和時(shí)間性能具有較高要求的胃鏡圖片病灶識(shí)別領(lǐng)域。

【發(fā)明內(nèi)容】

本申請(qǐng)?zhí)峁┝艘环N基于FCOS算法的胃鏡圖片病灶識(shí)別方法，可以使用壓縮后的網(wǎng)絡(luò)模型進(jìn)行胃部病灶識(shí)別，且具有良好的識(shí)別精準(zhǔn)度和時(shí)間性能，可以實(shí)現(xiàn)胃鏡圖片的自動(dòng)診斷。本申請(qǐng)?zhí)峁┤缦录夹g(shù)方案：

第一方面，提供一種基于FCOS算法的胃鏡圖片病灶識(shí)別方法，所述方法包括：

獲取多組訓(xùn)練數(shù)據(jù)，每組訓(xùn)練數(shù)據(jù)包括胃鏡圖片和所述胃鏡圖片的病灶類別和病灶區(qū)域；

使用所述多組訓(xùn)練數(shù)據(jù)對(duì)一階全卷積目標(biāo)檢測(cè)FCOS模型中的指定特征層進(jìn)行分層次訓(xùn)練，得到每個(gè)訓(xùn)練后的層次對(duì)應(yīng)的識(shí)別精度；

基于貪婪算法按照所述識(shí)別精度對(duì)所述FCOS模型進(jìn)行模型壓縮，得到壓縮后的模型結(jié)構(gòu)，所述壓縮后的模型結(jié)構(gòu)用于對(duì)輸入的胃鏡圖片進(jìn)行病灶定位和分類。

可選地，所述使用所述多組訓(xùn)練數(shù)據(jù)對(duì)一階全卷積目標(biāo)檢測(cè)FCOS模型中的指定特征層進(jìn)行分層次訓(xùn)練之前，還包括：

對(duì)所述胃鏡圖片進(jìn)行預(yù)處理，預(yù)處理后的胃鏡圖片用于輸入所述FCOS模型進(jìn)行訓(xùn)練；

其中，所述預(yù)處理包括以下幾種中的至少一種：縮放裁剪處理、去均值處理和歸一化處理。

可選地，所述FCOS模型包括主干網(wǎng)絡(luò)、與主干網(wǎng)絡(luò)相連的特征金字塔網(wǎng)絡(luò)、以及與特征金字塔網(wǎng)絡(luò)相連的預(yù)測(cè)網(wǎng)絡(luò)；所述使用所述多組訓(xùn)練數(shù)據(jù)對(duì)一階全卷積目標(biāo)檢測(cè)FCOS模型中的指定特征層進(jìn)行分層次訓(xùn)練，得到每個(gè)訓(xùn)練后的層次對(duì)應(yīng)的識(shí)別精度，包括：

保持所述主干網(wǎng)絡(luò)結(jié)構(gòu)不改變，依次在所述特征金字塔網(wǎng)絡(luò)對(duì)應(yīng)的多層特征圖中選擇保留一個(gè)特征圖，并對(duì)邊界框內(nèi)的每一個(gè)像素點(diǎn)進(jìn)行位置回歸。

可選地，所述多層特征圖包括P3層，P4層，P5層，P6層和P7層；其中，P3層由主干網(wǎng)絡(luò)的特征圖C3經(jīng)過(guò)1×1卷積核卷積得到；P4層由主干網(wǎng)絡(luò)的特征圖C4經(jīng)過(guò)1×1卷積核卷積得到；P5層由主干網(wǎng)絡(luò)的特征圖C5經(jīng)過(guò)1×1卷積核卷積得到；P6層由P5層的輸出結(jié)果經(jīng)過(guò)一個(gè)步長(zhǎng)為2的卷積層得到；P7層由P6層的輸出結(jié)果經(jīng)過(guò)一個(gè)步長(zhǎng)為2的卷積層得到。