[发明专利]一种生物组织图像检测方法、装置、设备及介质

说明书

本申请实施例所提供的生物组织图像检测方法，用于计算机视觉技术(computer vision,CV)。包括：获取第一生物组织图像；通过分类模型确定第一生物组织图像的图像特征信息；当分类模型识别出第一生物组织图像的图像特征信息不满足消化道检测条件时，剔除第一生物组织图像；当分类模型识别出第一生物组织图像的图像特征信息满足消化道检测条件时，将第一生物组织图像传递给检测模型；通过检测模型对第一生物组织图像进行检测。本申请还提供一种装置、设备及介质，通过分类模型的分类，过滤掉低质量的图像，从而确保检测模型仅对高质量的生物组织图像进行检测，在不改写现有检测模型的情况下提升了生物组织图像检测的检测效率和检测准确性。

技术领域

本发明涉及电子技术领域，更具体地说，涉及一种生物组织图像检测方法、装置、设备及介质。

背景技术

计算机视觉技术(computer vision,CV)是人工智能(artificial intelligence,AI)技术中的一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别及图像语义理解等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

医疗作为人工智能最具社会价值和商业价值的应用场景之一得到广泛关注。在医生进行内窥镜检查的过程中，通过CV协助医生诊断疾病，辅助医生进行内窥镜影像疾病诊断，当AI判断内窥镜图像中存在病灶时，能够提醒医生注意，从而提高了医生的诊断效率。

其中，消化道内窥镜检查通常包括食管、咽喉、胃、十二指肠及结直肠等部位的疾病筛查，在人类的消化道系统中，体内环境存在多样性，会出现唾沫、气泡、食物残留等情况，因而内窥镜影像无法保证清晰、干净的高质量图像。由于唾沫、气泡、食物残留等异物与病灶存在某些特征上的相似性(形状、颜色等)，现有技术中，深度学习模型在进行疾病预测时，很容易对异物出现误判导致假阳性的出现，从而降低了疾病检测的准确率。

发明内容

有鉴于此，为解决上述问题，本发明提供的技术方案如下：

一种生物组织图像检测方法，包括：

获取第一生物组织图像，该第一生物组织图像为消化道内窥镜图像；

通过分类模型确定该第一生物组织图像的图像特征信息；

当该分类模型识别出该第一生物组织图像的图像特征信息不满足消化道检测条件时，剔除该第一生物组织图像，该消化道检测条件包括以下至少一项：图像亮度、图像清晰度、体内消化道图像特征和障碍物比例；

当该分类模型识别出该第一生物组织图像的图像特征信息满足该消化道检测条件时，将该第一生物组织图像传递给检测模型；

通过检测模型对该第一生物组织图像进行检测，以确定该第一生物组织图像中是否存在生物学指标。

一种生物组织图像检测装置，包括：

获取单元，所述获取单元用于获取第一生物组织图像，所述第一生物组织图像为消化道内窥镜图像；

识别单元，所述识别单元用于通过分类模型确定所述获取单元获取的所述第一生物组织图像的图像特征信息；

筛选单元，所述筛选单元用于当所述识别单元识别出所述第一生物组织图像的图像特征信息不满足消化道检测条件时，剔除所述第一生物组织图像，所述消化道检测条件包括以下至少一项：图像亮度、图像清晰度、体内消化道图像特征和障碍物比例；

发送单元，当所述识别单元识别出所述第一生物组织图像的图像特征信息满足消化道检测条件时，将所述第一生物组织图像传递给检测模型；