[发明专利]无线胶囊内窥镜图像幽门和回盲瓣定位方法

说明书

本发明公开了无线胶囊内窥镜图像幽门和回盲瓣定位方法。无线胶囊内窥镜检查时准确找到小肠的起始点和终止点，能减少医生阅览图像的工作量，并减少漏诊。本发明以深度学习思想为技术核心，结合迁移学习策略，利用深度学习模型中的卷积神经网络算法构建区域图像分类器，通过模型的训练自动学习得到无线胶囊内窥镜图像的特征，再利用区域定位算法对区域图像识别结果序列进行分析，实现无线胶囊内窥镜图像中幽门和回盲瓣的定位。本发明弥补目前胶囊内窥镜在智能识别和精准定位这一领域的空白，大幅度降低医生的工作强度，提高工作效率和确诊率，进一步促进胶囊内窥镜在消化道疾病诊断临床上的实用价值，从而形成更高效、更标准的诊断模式。

技术领域

本发明属于图像处理技术领域，特别是涉及一种无线胶囊内窥镜图像幽门和回盲瓣定位方法。

背景技术

目前临床应用中常规的手持式内镜检查无法涉及到整个完整的消化道，胃镜能够检查上消化道，而肠镜只能检查结肠和直肠，因此还有部分肠道是常规内窥镜无法探及到的。近年来，随着科技的发展，无线胶囊内窥镜 (Wireless Capsule Endoscopy,WCE)在临床上得到了广泛的应用，且逐渐成为医生检测肠道病变的主流技术。通常，病人将胶囊内窥镜从口腔吞入，通过胃肠道的蠕动，胶囊内窥镜在体内停留约8小时，并按每秒2帧的速率拍摄图像。病人会随体携带一个接收装置，胶囊内窥镜拍摄的图像将传输到这个接收器上，最后所有内窥镜图像以视频序列的方式导出到计算机，由专业的软件供临床医生分析。

然而，无线胶囊内窥镜检查会产生大量图像数据，每个患者检查完毕后至少会产生50000张以上的数据图像。为了检测小肠的病变图像，医生需要消耗大量时间在阅览图像工作，同时也会因为视觉疲劳产生漏检和误检，所以如何在海量的图像数据中找到小肠的起止点对于医生来说就显得尤为重要。准确找到小肠的起始点和终止点，不仅能减少医生阅览图像的工作量，而且还能有效的减少医生的漏诊，极大地缩短医生的复审时间，所以在病人的整个无线胶囊内窥镜图像中准确找到小肠的起始位置(幽门)和终止位置 (回盲瓣)，在实际应用中对医生进行小肠疾病的诊断有着不可或缺的作用。因此，研究无线胶囊内窥镜图像幽门和回盲瓣定位方法，对于减轻医生负担，为临床诊断提供精确的辅助结果，具有重要实用价值和意义。

发明内容

本发明的目的是针对上述问题，提供一种高效、准确的无线胶囊内窥镜图像幽门和回盲瓣定位方法，以深度学习思想为技术核心，结合迁移学习策略，利用深度学习模型中的卷积神经网络(Convolutional Neural Network， CNN)算法构建区域图像分类器，再利用区域定位算法对区域图像识别结果序列进行分析，实现无线胶囊内窥镜图像(WCE)中幽门和回盲瓣的定位。

本发明采用如下技术方案：

本发明包括如下步骤：

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。