[发明专利]胶囊内窥镜图像辅助阅片系统及方法

说明书

本发明公开了一种胶囊内窥镜图像辅助阅片系统，它的数据获取模块用于获取检查者的胶囊内窥镜图像数据；图像位置分类模块用于利用第一卷积神经网络CNN模型将胶囊内窥镜图像按拍摄部位的不同进行分类，得到不同拍摄部位的图像序列；图像序列描述模块用于利用第二卷积神经网络CNN模型对不同拍摄部位的图像序列进行图像特征提取得到不同消化道部位图像序列的特征矢量序列；图像序列描述模块还用于利用递归神经网络RNN模型将特征矢量序列中的图像特征转化为描述性文字，从而形成辅助诊断报告。本发明可以减少医生观看消化道图像的工作量，提高医生的诊断效率。

技术领域

本发明涉及医用设备领域，具体地指一种胶囊内窥镜图像辅助阅片系统及方法。

背景技术

消化道疾病如胃癌、肠癌、急慢性胃炎、溃疡病等，多为常见病、多发病，它对人类的健康有很大的威胁。2015年全国肿瘤登记中心调查数据显示，消化道癌症占全部癌症发病率的43％。传统的光纤式内窥镜需插入病人体内进行观察，极为不便，而且给患者造成了痛苦。胶囊内窥镜能够以无痛无创的方式对整个消化道进行检查，是一场革命性的技术突破。胶囊内窥镜在进行检测的过程中会采集大约50000张图像，大量的图像数据使得医生的阅片工作变得艰巨且耗时。

基于深度学习的图像识别以及图像和视频的描述方法成为了近年来国内外非常热门的领域之一。随着深度学习方法在图片分类与定位(ImageNet数据集)以及图像语义理解(COCO数据集)等方面取得突破性的进展，深度学习技术也越来越多的应用于辅助医学诊断领域。目前已经有将深度学习技术应用于皮肤癌、脑部肿瘤、肺癌等的辅助检测，对于将深度学习技术用于消化道图像辅助诊断方面的研究尚不多见。

专利公开号为CN103984957A的中国专利，公开了一种胶囊内窥镜图像可疑病变区域自动预警系统，该系统采用图像增强模块对图像进行自适应增强，再通过纹理特征提取模块对平坦性病变的纹理特征进行检测，最后用分类预警模块进行分类，实现了对小肠平坦性病变的检测和预警功能。

上述方案只能对可疑病变区域进行预警，并不能对病灶进行分类识别，效果单一，而且不能给出疾病的位置信息。不利于医生对病灶的准确判断。

发明内容

本发明的目的就是要提供一种胶囊内窥镜图像辅助阅片系统及方法，本发明利用机器学习技术，首先对消化道图像进行位置分类，得到消化道位置分类数据，并且能够检测出包含可疑病灶的图像，进一步根据检测出的可疑病灶图像生成诊断报告，将这些可疑病灶的图像和诊断报告展现给医生，支持医生对图像中的可疑病灶(如出血、息肉、溃疡等)进行进一步诊断分析，从而大大减少医生观看消化道图像的工作量，提高医生的诊断效率。

为实现此目的，本发明所设计的一种胶囊内窥镜图像辅助阅片系统，其特征在于，它包括数据获取模块、图像位置分类模块和图像序列描述模块，其中，数据获取模块的信号输出端连接图像位置分类模块的信号输入端，图像位置分类模块的信号输出端连接图像序列描述模块的信号输入端；

所述数据获取模块用于获取检查者的胶囊内窥镜图像数据；所述图像位置分类模块用于将所述的胶囊内窥镜图像数据按照拍摄的消化道部位的不同分为不同的图像序列；所述图像序列描述模块用于识别消化道不同部位的图像序列中的病灶，并生成对图像序列的描述性文字，从而形成诊断报告。

一种利用上述系统的胶囊内窥镜图像辅助阅片方法，其特征在于，它包括如下步骤：

步骤1：数据获取模块获取检查者的胶囊内窥镜图像数据；

步骤2：数据获取模块将获取的检查者的胶囊内窥镜图像数据输入到图像位置分类模块内的第一卷积神经网络CNN(Convolutional Neural Network，CNN)模型中按照拍摄部位的不同进行图像分类，从而得到不同消化道部位的图像序列；