[发明专利]无线胶囊内窥镜图像幽门和回盲瓣定位方法

权利要求书

1.无线胶囊内窥镜图像幽门和回盲瓣定位方法，其特征在于：该方法包括如下步骤：

步骤1：获取病人的无线胶囊内窥镜视频数据，并通过提取视频帧技术得到无线胶囊内窥镜图像；

步骤2：将得到的无线胶囊内窥镜图像输入到图像预处理模块进行预处理，去除无线胶囊内窥镜图像边缘无效区域，然后利用图像去噪与增强技术提高图像质量；

步骤3：图像预处理模块将预处理后的无线胶囊内窥镜图像输入到数据整理模块中，数据整理模块包括图像筛选模块和比例组合模块，图像筛选模块在若干病人中随机挑选无线胶囊内窥镜图像中肠道相对干净的病人，这些病人的无线胶囊内镜图像作为备选数据集；其中，肠道相对干净是指无线胶囊内窥镜图像能显示出肠道组织；然后比例组合模块对于挑选出来的每个病人按照小肠前区域图像数量、小肠区域图像数量和小肠后区域图像数量的比例为0.15～0.25：0.5～0.7：0.15～0.25来随机挑选三个区域的图像，并建立模型数据集；

步骤4：数据整理模块将得到的模型数据集输入到模型调整模块的模型训练模块得到识别模型，模型调整模块将待定位数据集输入到优化后的识别模型中得到该待定位数据集中各无线胶囊内窥镜图像的区域识别结果序列，并将待定位数据集中各无线胶囊内窥镜图像的区域识别结果序列与无线胶囊内窥镜图像按拍照时间排列的序号对应起来记录；

步骤5：区域定位模块利用区域定位算法将模型调整模块得到的区域识别结果序列进行分析，得到幽门和回盲瓣位置并将其转换成文字信息，形成辅助判断报告，供医生进一步的分析；

所述的区域定位算法将步骤4中得到的区域识别结果序列进行分析，其中，小肠前区域、小肠区域和小肠后区域的区域识别结果序列号分别为a、b和c；分析过程具体如下：

5.1从第一个序列开始依次判断序列号，直到判断出序列号为b的序列，并将该序列号为b的序列对应的无线胶囊内窥镜图像序号记为A；

5.2判断A以后N个序号的无线胶囊内窥镜图像的序列，统计这N个无线胶囊内窥镜图像的序列号中出现b的次数，其中，80≤N≤150，若出现b的次数与N的比值大于或等于80％，则执行步骤5.4，否则执行步骤5.3；

5.3从序号A后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为b的序列，并将该序列号为b的序列对应的无线胶囊内窥镜图像序号重新赋值给A，然后回到步骤5.2；

5.4判断A+N以后N个序号的无线胶囊内窥镜图像的序列，统计这N个无线胶囊内窥镜图像的序列号中出现a的次数，若出现a的次数与N的比值小于或等于30％，则输出序号A并执行步骤5.5，否则回到步骤5.3；

5.5从序号A后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为c的序列，并将该序列号为c的序列对应的无线胶囊内窥镜图像序号记为B；

5.6判断B以后M个序号的无线胶囊内窥镜图像的序列，统计这M个无线胶囊内窥镜图像的序列号中出现不为b的次数，其中，80≤M≤150，若出现不为b的次数与M的比值大于或等于80％，则执行步骤5.8，否则执行步骤5.7；

5.7从序号B后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为c的序列，并将序列号为c的序列对应的无线胶囊内窥镜图像序号重新赋值给B，然后回到步骤5.6；

5.8判断B+M以后M个序号的无线胶囊内窥镜图像的序列，统计这M个无线胶囊内窥镜图像的序列号中出现b的次数，若出现b的次数与M的比值小于或等于30％，则输出序号B并执行步骤5.9，否则回到步骤5.7；

5.9将序号A和B对应的无线胶囊内窥镜图像分别定为幽门和回盲瓣位置。

2.根据权利要求1所述的无线胶囊内窥镜图像幽门和回盲瓣定位方法，其特征在于：步骤2中去除无线胶囊内窥镜图像边缘无效区域是利用掩模技术实现。

3.根据权利要求1所述的无线胶囊内窥镜图像幽门和回盲瓣定位方法，其特征在于：步骤4具体如下：

4.1模型调整模块包括模型训练模块和模型测试模块，数据整理模块将得到的模型数据集输入到模型调整模块的模型训练模块；

4.2模型训练模块基于建立好的模型数据集利用CNN结构中的ResNet结构并结合迁移学习策略进行识别模型训练，并根据模型测试模块的评价反馈对已训练好的模型进行再次调整，包括调整模型数据集和调整模型参数，得到优化后的识别模型；其中，调整模型数据集为数据整理模块的比例组合模块更换若干小肠前区域图像、小肠区域图像或小肠后区域图像，或者采用调整三个区域图像比例的方式，从而更新模型数据集；

4.3首先，模型测试模块将测试集输入到优化后的识别模型中得到小肠前区域、小肠区域和小肠后区域三个区域的特征值，从而得到区域识别结果序列，实现对不同区域的识别；小肠前区域、小肠区域和小肠后区域的区域识别结果序列号分别为a、b和c；测试集中各无线胶囊内窥镜图像均得到区域识别结果序列后，模型测试模块对模型训练模块训练好的识别模型进行测试评价，评价公式为：

式中，A表示评价准确性，T₁、T₂、T₃分别表示识别正确的小肠前区域图像个数、小肠区域图像个数以及小肠后区域图像个数，Sum表示测试集中无线胶囊内窥镜图像总数；

4.4如果评价准确性A没有达到预设值，则回到步骤4.2来继续进行识别模型优化，否则，模型测试模块将待定位数据集输入到优化后的识别模型中得到小肠前区域、小肠区域和小肠后区域三个区域的特征值，从而得到区域识别结果序列，并将待定位数据集中各无线胶囊内窥镜图像的区域识别结果序列与无线胶囊内窥镜图像按拍照时间排列的序号对应起来记录。