[发明专利]基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法

说明书

本发明公开了一种基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法，系统包括肠镜图像自动采集子系统、客户端、服务端和数据库；肠镜图像自动采集子系统用于采集肠镜图像；客户端用于将肠镜图像自动采集子系统采集的肠镜图像上传给服务端，判断图像是否合格、图片是否包含溃疡性结肠炎判别；并接收和显示服务端反馈的分析结果。数据库，用于保存训练卷积神经网络的样本集、采集的保肠镜图像、分析输出的信息。本发明利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑病灶区域的影像，利用神经网络模型对图像进行自动图像筛选，能够从全局视频中提取最有价值图像，为医生诊断提供更可靠、高效的支持。

技术领域

本发明属于图像识别技术领域，涉及一种医疗内窥镜影像识别系统及方法，具体涉及一种基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法。

背景技术

随着深度学习算法不断发展、日益成熟，已经逐步用于医疗影像分析领域。内窥镜影像是医生分析病人消化道疾病的重要依据，近年来开发出了多种利用深度卷积神经网络模型对病灶的筛选、诊断方法在目前有关肠镜诊断系统在临床上具有重要意义。

溃疡性结肠炎是结肠黏膜层和黏膜下层连续性炎症，其肠镜下表现呈连续性、弥漫性分布，黏膜表面充血糜烂，多从直肠开始，逐渐累及全结肠。溃疡性结肠炎与肠结核、缺血性结肠炎、嗜酸性细胞肠炎、淋巴瘤等疾病在内镜下表现非常相似，因而给溃疡性结肠炎的诊断带来很大困难。另外，临床医师在内镜操作中依据自己经验对可疑病灶区域的判断，并将图像抓取下来保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。肠镜检查退镜观察时间通常只有6～7分钟，受制于操作医师的工作状态、经验影响，容易出现将重点病变部位漏掉情况，这将导致临床医生对病变无法做出全面准确的评估。

目前公开的相关肠镜辅助系统及方法，只关注如何识别已经由操作医师采集的图像中，是否包含病灶及如何提高对单张目标溃疡性结肠炎图像识别的精度，并未能考虑自动采集最有价值影像及防止检查盲点。

发明内容

本发明主要是解决传统肠镜报告系统依赖人工采图，容易出现部位检查盲点和可疑病灶区域漏掉的问题，利用图像识别技术，实时监测内镜视频，自动采集包含重点器官部位和可疑病灶区域的影像，并按照加权算法全局择优之后，保存到肠镜报告系统中。

本发明的系统所采用的技术方案是：一种基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统，其特征在于：包括肠镜图像自动采集子系统、客户端、服务端和数据库；

所述肠镜图像自动采集子系统用于采集肠镜图像；

所述客户端用于将肠镜图像自动采集子系统采集的肠镜图像上传给所述服务端，判断图像是否合格和图片是否包含溃疡性结肠炎判别；并接收和显示所述服务端反馈的分析结果。

所述数据库，用于保存训练卷积神经网络的样本集、保存肠镜图像自动采集子系统用于采集肠镜图像、保存所述采集报告输出模块输出的信息。

本发明的方法所采用的技术方案是：一种基于深度学习的肠结核辅助诊断方法，其特征在于，包括以下步骤：

步骤1：图像预处理模块，接收肠镜图像自动采集子系统采集的肠镜图像，对图像进行预处理，然后送到卷积神经网络模块进行识别；

步骤2：卷积神经网络模块依次调用图像合格性判别模型、图片是否包含溃疡性结肠炎判别模型，判断预处理后的图像是否合格和图片是否包含溃疡性结肠炎判别；并将识别结果返回给图像展示模块；

步骤3：图像展示模块接收步骤2返回的识别结果，并显示在图像展示模块上；

步骤4：采集报告输出模块，记录所述卷积神经网络模块的每一次的判别结果，当本次肠镜检查完成之后，按照置信度和图片质量排序，输出阑尾开口、回盲瓣部位的图像和N张包含可疑溃疡性结肠炎的图像。