[發明專利]一種醫學圖像識別方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202111194907.2
• 申請日: 2021-10-14
• 公開（公告）號: CN113642537B
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 于紅剛;盧姿樺;姚理文;張麗輝
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 王芳芳

1.一種醫學圖像識別方法，其特征在于，包括：

獲取原始內鏡圖像及內鏡報告信息，并從所述內鏡報告信息中提取病理信息；

對所述原始內鏡圖像進行分類識別，得到白光圖像及NBI圖像；

將所述白光圖像輸入訓練好的第一神經網絡模型進行特征提取，得到第一特征集，所述第一特征集包括多個第一特征，所述第一神經網絡模型包括多個第一神經網絡子模型，一個所述第一神經網絡子模型對應一個所述第一特征，所述第一特征為所述白光圖像中的形狀特征、顏色特征、亮度特征、對比度特征中的一種，所述第一神經網絡子模型為第一ResNet神經網絡模型、第二ResNet神經網絡模型、第三ResNet神經網絡模型、UNet++神經網絡模型中的一種，分別將所述白光圖像作為各個所述第一神經網絡子模型的輸入，獲取各個所述第一神經網絡子模型的輸出，作為對應的所述第一特征，包括：利用所述第一ResNet神經網絡模型對所述白光圖像進行特征提取，得到所述形狀特征，利用所述第二ResNet神經網絡模型對所述白光圖像進行特征提取，得到所述顏色特征，利用所述第三ResNet神經網絡模型對所述白光圖像進行特征提取，得到所述亮度特征，利用所述UNet++神經網絡模型對所述白光圖像進行特征提取，得到所述對比度特征；

將所述NBI圖像輸入訓練好的第二神經網絡模型進行特征提取，得到第二特征；

根據所述病理信息、所述第一特征集、所述第二特征，采用訓練好的機器學習分類器中進行識別，得到所述原始內鏡圖像的識別結果。

2.如權利要求1所述的醫學圖像識別方法，其特征在于，在將所述病理信息、所述第一特征集及所述第二特征輸入訓練好的機器學習分類器中進行識別，得到所述原始內鏡圖像的識別結果的步驟之前，還包括：

獲取訓練樣本集，所述訓練樣本集包括內鏡圖像的病理信息、所述第一特征集、所述第二特征及內鏡圖像對應的異常等級；

將所述內鏡圖像的病理信息、所述第一特征集、所述第二特征作為GBDT機器學習分類器的輸入，將所述內鏡圖像的異常級別作為期望的輸出，對所述GBDT機器學習分類器進行訓練，得到訓練完成的所述訓練好的機器學習分類器。

3.如權利要求2所述的醫學圖像識別方法，其特征在于，所述根據所述病理信息、所述第一特征集、所述第二特征，采用訓練好的機器學習分類器中進行識別，得到所述原始內鏡圖像的識別結果的步驟，包括：

將所述病理信息、所述第一特征集中的各個第一特征和所述第二特征進行融合，得到異常特征；

將所述異常特征輸入至所述訓練好的機器學習模型中進行識別，得到所述內鏡圖像的異常等級。

4.如權利要求1所述的醫學圖像識別方法，其特征在于，所述第二特征為紋理特征，所述訓練好的第二神經網絡模型中包括ResNet網絡；所述將所述NBI圖像輸入訓練好的第二神經網絡模型進行特征提取，得到第二特征，包括：

利用所述ResNet網絡對所述NBI圖像進行特征提取，得到所述紋理特征。

5.如權利要求1所述的醫學圖像識別方法，其特征在于，所述對所述原始內鏡圖像進行分類識別，得到白光圖像及NBI圖像的步驟，包括：

將各個所述原始內鏡圖像轉換為RGB圖像；

提取所述RGB圖像對應的G分量像素值；

將G分量像素值大于預設像素閾值的所述原始內鏡圖像確定為所述NBI圖像；

將G分量像素值小于或者等于預設像素閾值的所述原始內鏡圖像確定為所述白光圖像。