[发明专利]一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置

说明书

本发明提供了一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置，通过提取LCI激光内镜下的结肠息肉图片的颜色特征向量；将腺瘤性结肠息肉内镜图片集的颜色特征向量作为训练样本进行训练，得到第一高斯混合模型；将非腺瘤性结肠息肉内镜图片集的颜色特征向量作为训练样本进行训练，得到第二高斯混合模型；提取未知类型的结肠息肉图片的颜色特征向量和血管密度特征值；将提取的颜色特征向量分别输入第一高斯混合模型和第二高斯混合模型得到结果值，得出分类结果的技术方案，本发明基于LCI激光内镜，提取颜色和血管密度作为特征向量为结肠息肉分类，该方法所需样本的数量小，训练任务简单，计算量小，在实时监测中无需为此搭设服务器，降低成本。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置。

背景技术

结直肠癌(CRC)是全球癌症中致死的重要成因。尽管早期进行息肉切除手术就可以大大降低其发病率，但只有腺瘤性息肉应该切除，而其余90％的增生息肉在临床上被认为是对健康没有影响的，切除的风险可能超过其好处。故正确地检测和预测结肠息肉类型显得尤为重要。

现有技术中，大多均针对白光(white-light,WL)或蓝激光成像(blue laserimaging,BLI)的激光内镜下的结肠息肉分类方法：

a.提取HOG特征，使用支持向量机(Support vector machine,SVM)分类；

b.使用神经网络(neural network,NN)构造分类器。

现有的最新实验结果大多将医学上的先验知识与计算机视觉技术剥离开来，使用时下流行的卷积神经网络直接构建分类器。但由于结肠镜图片本身具有较高相似性，这一方法需要大量的训练样本(10⁵数量级及以上)才能达到比较理想的效果。而在临床上收集特定病例图片具有相当的难度，指定类别的息肉高度依赖于病患的实际情况。事实上，现有的公开数据集的数据量不仅大小都在百张左右浮动，其数据图片更是多由同一视频分帧截取得到，训练模型对不同形态的息肉具有低容错性。

发明人在研究的过程中发现：彩色联动成像(linked color imaging,LCI)激光内镜是一种新型激光光源，相较于白光(white-light,WL)、蓝激光成像(blue laserimaging,BLI)等目前应用较广的光源来说，对红色分量更为敏感，拍摄出的下消化道图像具有色彩鲜明、轮廓清晰等优点。

光电容积描记术(photoplethysmography,PPG)是一种简单的光学技术，用于检测外周循环血液的体积变化。由于血液比周围组织更强烈地吸收光纤，所以通过PPG传感器检测为光强度的变化。

高斯混合模型是一种应用广泛的模型，它是用高斯概率密度函数精确地量化事物，以将事物分解为若干的基于高斯概率密度函数形成的模型。

本发明提出了一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置，为一种区别增生和腺瘤息肉的分类装置，旨在小样本、小计算量的情况下，基于LCI激光内镜图片的现有特点，综合资深内镜医师的先验临床知识，提取颜色和血管密度特征作为特征向量，完成分类任务。

发明内容

为了达到上述目的，本发明提供了一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置，充分利用了LCI激光内镜色彩鲜明、轮廓清晰的特点，提取颜色特征向量和血管密度特征值，相较于现有的支持向量机、神经网络等方法：1.所需样本的数量小，仅为其百分之一甚至千分之一；2.训练任务简单，计算量小，在实时监测中医院不需为此搭设服务器，大大降低成本。

本发明提供了一种基于颜色和血管的LCI激光内镜下的结肠息肉分类装置，包括：

用于提取LCI激光内镜下的结肠息肉图片的颜色特征向量的装置；