本發(fā)明公開(kāi)了一種消化內(nèi)鏡圖像異常特征實(shí)時(shí)標(biāo)記系統(tǒng)及方法，該系統(tǒng)包括圖像獲取模塊、圖像預(yù)處理模塊、模型訓(xùn)練模塊、異常檢測(cè)模塊與標(biāo)記顯示模塊；模型訓(xùn)練模塊包括圖像數(shù)據(jù)集、分類(lèi)模型訓(xùn)練單元和檢測(cè)模型訓(xùn)練單元，利用深度學(xué)習(xí)CNN分類(lèi)模型獲取可疑胃部癌前疾病分類(lèi)信息，利用深度學(xué)習(xí)CNN基于回歸方法的目標(biāo)檢測(cè)模型快速準(zhǔn)確獲取病灶位置。利用本發(fā)明，有助于對(duì)消化內(nèi)鏡下胃部異常特征進(jìn)行有效的分類(lèi)和檢測(cè)，能夠減少基于醫(yī)生長(zhǎng)時(shí)間、主觀診斷的漏診率，并支持醫(yī)生在實(shí)施內(nèi)窺鏡檢查時(shí)實(shí)時(shí)分析、實(shí)時(shí)顯示內(nèi)窺鏡下可疑病灶，降低醫(yī)生工作負(fù)擔(dān)，提高醫(yī)療診斷工作的效率。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)療數(shù)據(jù)挖掘領(lǐng)域，特別是涉及一種消化內(nèi)鏡圖像異常特征實(shí)時(shí)標(biāo)記系統(tǒng)及方法。

背景技術(shù)

我國(guó)胃癌每年新發(fā)胃癌40.5萬(wàn)例、死亡32.5萬(wàn)例，分別占全球總量的42.6％和45.0％，降低我國(guó)胃癌發(fā)病率與死亡率是亟待解決的公共衛(wèi)生問(wèn)題。臨床研究表明，胃癌的預(yù)后與治療效果密切相關(guān)。對(duì)于患有進(jìn)展期胃癌(advanced gastric cancer,AGC)的病人，即使接受以外科手術(shù)為主的胃癌切除手術(shù)，病人術(shù)后五年存活率仍低于30％，且病人術(shù)后生活質(zhì)量低下，給家庭與社會(huì)帶來(lái)極大的負(fù)擔(dān)。如果患者在胃癌早期及時(shí)接受內(nèi)鏡檢查與治療，其五年存活率高達(dá)90％，甚至可以在內(nèi)鏡下對(duì)早期胃癌(early gastric cancer,EGC)進(jìn)行根治性治療。因此，早發(fā)現(xiàn)、早診斷、早治療EGC，對(duì)降低胃癌發(fā)病率與死亡率，節(jié)約醫(yī)療資源具有重要意義。

胃的癌前疾病是指胃部的良性疾病，是引發(fā)胃癌的主要危險(xiǎn)因素，其包括慢性萎縮性胃炎、胃息肉、胃潰瘍、殘胃以及疣狀胃炎等。作為主要的胃癌前病變萎縮性胃炎，其癌變率為8.6～13.8％，我國(guó)為1.2～7.1％。已有的研究結(jié)果表明對(duì)胃癌前病變進(jìn)行定期監(jiān)測(cè)，可使早期胃癌的檢出率超過(guò)50％。而胃潰瘍有1-2％的癌變率。因此對(duì)有胃癌風(fēng)險(xiǎn)的癌前疾病患者應(yīng)早期進(jìn)行方便經(jīng)濟(jì)有效的監(jiān)測(cè)，從而進(jìn)行干預(yù)，減少胃癌的發(fā)生。

目前，胃癌前病變癌變的監(jiān)測(cè)主要使用普通光學(xué)內(nèi)鏡活檢技術(shù)。在內(nèi)窺鏡檢查中，內(nèi)鏡視野狹小的問(wèn)題常常給醫(yī)生帶來(lái)不便：如由于視野的限制，醫(yī)生在檢查中必須反復(fù)地在目標(biāo)器官內(nèi)壁表面移動(dòng)鏡頭來(lái)確保所有的病灶均被發(fā)現(xiàn)以免帶來(lái)漏診。因此，發(fā)展一種可靠、快速輔助醫(yī)生進(jìn)行內(nèi)窺鏡檢查尤其的面對(duì)大數(shù)據(jù)量的基于消化內(nèi)窺鏡圖像的異常特征實(shí)時(shí)標(biāo)記系統(tǒng)非常必要，該系統(tǒng)可用于輔助醫(yī)生進(jìn)行早期癌變篩查。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)是一種深度學(xué)習(xí)前饋人工神經(jīng)網(wǎng)絡(luò)，被廣泛應(yīng)用于圖像分類(lèi)、分割和目標(biāo)檢測(cè)。CNN被廣泛用于圖片的特征提取和分類(lèi)檢測(cè)，尤其是基于候選區(qū)域的目標(biāo)檢測(cè)CNN，其識(shí)別精度一直在不斷提高，但是由于要求上百萬(wàn)的模型訓(xùn)練參數(shù)，時(shí)間性能較低，難以滿足在胃鏡視頻場(chǎng)景下實(shí)時(shí)檢測(cè)胃鏡圖像的需求。

發(fā)明內(nèi)容

本發(fā)明提供一種消化內(nèi)鏡圖像異常特征實(shí)時(shí)標(biāo)記系統(tǒng)及方法。對(duì)消化內(nèi)鏡下胃部癌前疾病進(jìn)行有效的分類(lèi)和檢測(cè)，能夠減少基于醫(yī)生長(zhǎng)時(shí)間、主觀診斷的漏診率，并支持醫(yī)生在實(shí)施內(nèi)窺鏡檢查時(shí)實(shí)時(shí)分析、實(shí)時(shí)顯示內(nèi)窺鏡下可疑病灶，降低醫(yī)生工作負(fù)擔(dān)，提高醫(yī)療診斷工作的效率。

一種消化內(nèi)鏡圖像異常特征實(shí)時(shí)標(biāo)記系統(tǒng)，包括計(jì)算機(jī)系統(tǒng)，所述計(jì)算機(jī)系統(tǒng)包含：

圖像獲取模塊，通過(guò)內(nèi)窺鏡圖像系統(tǒng)實(shí)時(shí)獲取輸入的胃部常規(guī)白光內(nèi)窺鏡視頻流，剔除其中無(wú)效幀，篩選有效關(guān)鍵幀；

圖像預(yù)處理模塊，用于對(duì)篩選出的關(guān)鍵幀進(jìn)行圖像增強(qiáng)處理；

模型訓(xùn)練模塊，用于對(duì)早期胃部癌前疾病內(nèi)窺鏡圖和病灶位置信息進(jìn)行模型訓(xùn)練，得到檢測(cè)模型；

異常檢測(cè)模塊，用于將經(jīng)過(guò)圖像預(yù)處理的圖像序列輸入到訓(xùn)練完成的檢測(cè)模型之中，得到胃部癌前疾病分類(lèi)信息和病灶定位信息；