[發(fā)明專利]一種基于深度學(xué)習(xí)的胃息肉檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110394545.5
• 申請(qǐng)日: 2021-04-13
• 公開(kāi)（公告）號(hào): CN113177912A
• 公開(kāi)（公告）日: 2021-07-27
• 發(fā)明（設(shè)計(jì)）人: 余瑤;曹嬋婷;孫長(zhǎng)銀;謝云;馮濤
• 申請(qǐng)（專利權(quán)）人: 北京科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波

本發(fā)明提供一種基于深度學(xué)習(xí)的胃息肉檢測(cè)方法及裝置，屬于醫(yī)學(xué)圖像處理和深度學(xué)習(xí)結(jié)合的技術(shù)領(lǐng)域。所述方法包括：獲取標(biāo)注好的胃息肉圖像，將其劃分為訓(xùn)練集和測(cè)試集；對(duì)原始Faster R?CNN模型進(jìn)行改進(jìn)，建立胃息肉檢測(cè)模型；其中，采用殘差網(wǎng)絡(luò)ResNet?101替換原始Faster R?CNN模型中的骨干網(wǎng)絡(luò)VGG16，使用RoI Align操作替換原始Faster R?CNN模型中的RoIPooling操作；利用訓(xùn)練集對(duì)建立的胃息肉檢測(cè)模型進(jìn)行迭代訓(xùn)練；利用訓(xùn)練好的胃息肉檢測(cè)模型對(duì)測(cè)試集圖像中的胃息肉進(jìn)行檢測(cè)。采用本發(fā)明，能夠降低傳統(tǒng)胃鏡檢查過(guò)程中息肉的漏檢率，提高息肉檢測(cè)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像處理和深度學(xué)習(xí)結(jié)合的技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的胃息肉檢測(cè)方法及裝置。

背景技術(shù)

胃息肉是胃腸病中的一種較為常見(jiàn)的疾病，可分為腺瘤性胃息肉和非腺瘤性胃息肉。腺瘤性胃息肉發(fā)展為胃癌的可能性很高。據(jù)統(tǒng)計(jì)，全世界每年約有95.1萬(wàn)名新診斷的胃癌患者。及時(shí)發(fā)現(xiàn)并切除可能癌變的胃息肉是非常重要的。胃鏡檢查是發(fā)現(xiàn)息肉的主要方法。醫(yī)生通過(guò)肉眼觀察胃鏡圖像，確定是否有息肉的存在，找出息肉的具體位置。盡管這種方法有很多優(yōu)點(diǎn)，但工作量大，缺乏經(jīng)驗(yàn)等因素都有可能導(dǎo)致醫(yī)生錯(cuò)過(guò)息肉。因此，研究胃息肉自動(dòng)檢測(cè)是很有必要的，這將有助于減少臨床醫(yī)生的工作量，及時(shí)發(fā)現(xiàn)病變，降低息肉漏檢率。

在早期的研究中，傳統(tǒng)的目標(biāo)檢測(cè)方法被應(yīng)用于息肉檢測(cè)。這些方法大多采用顏色、紋理、形狀特征和位置特征或這些特征的組合來(lái)檢測(cè)目標(biāo)。然而，傳統(tǒng)方法中使用的這些特征通常是手工設(shè)計(jì)的。手工設(shè)計(jì)的特征魯棒性差，耗費(fèi)時(shí)間，無(wú)法實(shí)現(xiàn)實(shí)時(shí)息肉檢測(cè)，且息肉誤檢，漏檢率高。

近年來(lái)，深度學(xué)習(xí)技術(shù)發(fā)展迅速，在語(yǔ)音識(shí)別，自然語(yǔ)言處理，故障診斷等許多領(lǐng)域都取得了顯著的成果。在醫(yī)學(xué)圖像處理中，深度學(xué)習(xí)方法也可以發(fā)揮重要作用。目前，有大量關(guān)于深度學(xué)習(xí)的息肉檢測(cè)方法，這些方法大多是研究腸息肉的檢測(cè)。胃息肉檢測(cè)與腸息肉檢測(cè)有所不同，由于胃壁有很多褶皺，胃息肉的尺寸比腸息肉小，使得胃息肉檢測(cè)要更加困難。現(xiàn)有的胃息肉檢測(cè)算法準(zhǔn)確率低且漏檢率高，無(wú)法真正地應(yīng)用于實(shí)際的問(wèn)題。為了實(shí)現(xiàn)高精度的胃息肉自動(dòng)檢測(cè)，需要進(jìn)行更深入的研究。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了基于深度學(xué)習(xí)的胃息肉檢測(cè)方法及裝置，能夠降低傳統(tǒng)胃鏡檢查過(guò)程中息肉的漏檢率，提高息肉檢測(cè)的準(zhǔn)確率。所述技術(shù)方案如下：

一方面，提供了一種基于深度學(xué)習(xí)的胃息肉檢測(cè)方法，該方法應(yīng)用于電子設(shè)備，該方法包括：

獲取標(biāo)注好的胃息肉圖像，將其劃分為訓(xùn)練集和測(cè)試集；

對(duì)原始Faster R-CNN模型進(jìn)行改進(jìn)，建立胃息肉檢測(cè)模型；其中，采用殘差網(wǎng)絡(luò)ResNet-101替換原始Faster R-CNN模型中的骨干網(wǎng)絡(luò)VGG16，使用RoI Align操作替換原始Faster R-CNN模型中的RoI Pooling操作；

利用訓(xùn)練集對(duì)建立的胃息肉檢測(cè)模型進(jìn)行迭代訓(xùn)練；

利用訓(xùn)練好的胃息肉檢測(cè)模型對(duì)測(cè)試集圖像中的胃息肉進(jìn)行檢測(cè)。

進(jìn)一步地，所述獲取標(biāo)注好的胃息肉圖像，將其劃分為訓(xùn)練集和測(cè)試集包括：

將標(biāo)注好的胃息肉圖像制作成PASCAL VOC格式的數(shù)據(jù)集；

將數(shù)據(jù)集中的圖像劃分為訓(xùn)練集和測(cè)試集。

進(jìn)一步地，采用去除了最后的平均池化層的殘差網(wǎng)絡(luò)ResNet-101替換原始FasterR-CNN模型中的骨干網(wǎng)絡(luò)VGG16；

殘差網(wǎng)絡(luò)是由一系列殘差塊組成的，每個(gè)殘差塊包括：直接映射部分和殘差部分，每個(gè)殘差塊表示為：

x_l+1＝h(x_l)+F(x_l,W_l)