[發明專利]一種基于神經網絡的微創醫用攝像頭圖像識別方法

在審

• 申請號: 202110831211.X
• 申請日: 2021-07-22
• 公開（公告）號: CN113591961A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 牙就芳;杜寶雪;周作光
• 申請（專利權）人: 深圳市永吉星光電有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 佛山市智匯聚晨專利代理有限公司 44409
• 代理人: 曹麗敏

本發明涉及一種基于神經網絡的微創醫用攝像頭圖像識別方法，所述一種基于神經網絡的微創醫用攝像頭圖像識別方法包括如下步驟：S1：首先用CMOS攝像頭采集要識別的目標圖像信息；S2：然后將樣本庫中的圖像輸入計算機進行轉化，轉化出數字圖像，再進行數字濾波處理，將一些不必要的信息濾除；S3：接著將樣本圖像數字信息輸入設計的神經網絡進行訓練學習，生成圖像識別的神經網絡系統。該基于神經網絡的微創醫用攝像頭圖像識別方法，可以通過攝像頭圖像識別方法對神經網絡組成進行快速分析，節省神經網絡分析的過程；重新組件模擬的電子神經網絡，對神經網絡進行檢測，便于分析出神經網絡出現的問題，有利于微創手術的進行。

技術領域

本發明涉及神經網絡醫療技術領域，具體為一種基于神經網絡的微創醫用攝像頭圖像識別方法。

背景技術

神經網絡微創研究中，對神經網絡的識別在醫療領域具有重大的意義，便于對神經網絡的快速識別，實現神經問題的快速定位。對圖像處理與識別來說，主要是對圖像作出轉換或變換等過程，確保圖像得到有效識別，其以圖像二維空間信息為主,這里面涉及各個方面的數據，圖像處理主要進行信息阻抗匹配,并適當調整幅值,內容有數字化等。以往所用圖像識別方法為相關法和不變矩法、投影法,當前在人工智能理論上我們的研究越來越深入，尤其是在計算機技術快速發展的今天，讓其在神經網絡圖像識別上得到更加廣泛的應用。

神經網絡在治療的過程中，神經網絡的組件復雜，對神經網絡分析較慢，因此針對上述問題，提出了一種基于神經網絡的微創醫用攝像頭圖像識別方法。

發明內容

本發明的目的在于提供一種基于神經網絡的微創醫用攝像頭圖像識別方法，以解決上述背景技術提出的神經網絡在治療的過程中，神經網絡的組件復雜，對神經網絡分析較慢的問題。

為實現上述目的，本發明提供如下技術方案：一種基于神經網絡的微創醫用攝像頭圖像識別方法，所述一種基于神經網絡的微創醫用攝像頭圖像識別方法包括如下步驟：

S1：首先用CMOS攝像頭采集要識別的目標圖像信息；

S2：然后將樣本庫中的圖像輸入計算機進行轉化，轉化出數字圖像，再進行數字濾波處理，將一些不必要的信息濾除；

S3：接著將樣本圖像數字信息輸入設計的神經網絡進行訓練學習，生成圖像識別的神經網絡系統。

優選的，所述步驟S1中，將神經網絡圖片利用CMOS攝像頭進行掃描處理，攝像頭獲取到神經網絡圖片。

優選的，所述步驟S1中，圖像采集過程中，CMOS攝像頭改變方位，采集到的目標出現畸變圖像信息，這些畸變目標信息需要全面性，這些目標的各種畸變圖像信息就構成了目標識別的樣本庫。

對旋轉畸變圖像的識別，提高了神經網絡的訓練速度和增加網絡的可靠性，降低了網絡對于誤差曲面局部細節的敏感性,有效地抑制了網絡陷于局部極小,提高了目標識別的精度。

優選的，所述步驟S1中，識別的方式為根據一定的模糊化規則將圖像的一個特征或者一組特征分為多個模糊變量，使每個模糊變量能表達原特征的一部分特征，然后利用這個新的模糊特征代替原來的特征進行模糊式識別。

模糊模式識別其實就是在模式識別問題中引進模糊邏輯的方法或者思想。模糊模式識別在統計模式識別中己經取得了較好的應用，模糊理論在圖像識別系統的應用，主要是利用模糊理論對圖像特征模糊化和模糊分類模糊特征其實就是根據一定的模糊化規則將圖像的一個特征或者一組特征分成多個模糊變量，使每個模糊變量能表達原特征的一部分特性,然后用這些新的模糊特征代替原來的特征進行模式識別，雖然模糊特征相對原來的特征數量變多了,但是可能使分類結果和特征值間的關系線性化，從而簡化了分類器的設計，提高了分類器的性能。模糊分類其實就是把樣本空間分成若千個子集，而這些子集用模糊子集的概念來代替，從而得到模糊分類結果，也即分類結果的模糊化。模糊分類中的一個樣本將不再屬于某個特定的類別，而是以不同的可信程度屬于某個類別，這樣的優點是: