[发明专利]基于卷积神经网络和随机森林的消化道操作自动计时方法

权利要求书

1.基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：包括如下步骤：

S1、收集消化道检查的体内外图像数据和案例图像数据，形成图像数据集；

S2、构建卷积神经网络模型，基于卷积神经网络算法，训练体内外图像数据集，得到模型1；

S3、构建随机森林模型，基于随机森林算法，训练案例图像数据，得到模型2；

S4、建立体内外激活方法，在获取连续消化道检查视频影像的图像片段经卷积神经网络和随机森林处理后，传递给模型2进行判断；基于体内外激活方法，判断当前消化道检查视频影像是否符合计时标准，若为符合，则自动开始进镜计时，直至不符合标准，则自动停止计时。

2.根据权利要求1所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：当消化道检查为胃镜检查时，所述步骤S1中的案例数据包括开始进镜片段、进镜后体内片段和退出体外片段的连续图像，并对收集的数据进行预处理，根据胃镜检查的进镜顺序和图像的不同特征，对图像数据进行划分和标记，使得此标记具有前后的顺序关系，得到体内和体外的图像数据集。

3.根据权利要求2所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：所述步骤S4中建立体内外激活方法，在获取连续胃镜视频影像的图像片段经卷积神经网络和随机森林处理后，传递给模型2进行判断；基于体内外激活方法，判断当前胃镜视频影像是否为体内，若在体内，则自动开始进镜计时，直至当前胃镜视频影像到达体外，则自动停止计时。

4.根据权利要求1所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：当消化道检查为结肠镜检查时，所述步骤S1中需收集结肠镜检查的体内外图像数据、回盲部图像数据和案例数据，案例数据包括开始进镜片段、进镜后体内片段、进入回盲部前片段、回盲部片段、退镜片段和退出体外片段的连续图像；并对收集的数据进行预处理，根据结肠镜检查的进镜顺序和图像的不同特征，对图像数据进行划分和标记，得到体内、回盲部、体外的案例数据集。

5.根据权利要求4所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：所述步骤S2中基于卷积神经网络模型训练案例图像，对得到的体内外图像数据集进行训练得到模型1，对得到的回盲部图像数据集进行训练得到模型3。

6.根据权利要求5所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：所述步骤S3中基于随机森林算法，对步骤S2中得到的体内外案例数据集进行训练，得到模型2，对步骤S2中得到的回盲部案例数据集进行训练，得到模型4。

7.根据权利要求6所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：所述步骤S4中建立体内外激活方法和回盲部激活方法，在获取连续结肠镜视频影像的图像片段经卷积神经网络和随机森林处理后，传递给模型2和模型4进行判断，基于体内外激活方法，判断当前结肠镜视频影像是否为体内，若在体内，则自动开始进镜计时，基于回盲部激活方法，判断当前结肠镜视频影像到达回盲部，若到达回盲部，则进镜计时自动停止，同时退镜计时自动开始计时，直至结肠镜视频影像体外，退镜计时自动停止。

8.根据权利要求7所述的基于卷积神经网络和随机森林的消化道操作自动计时方法，其特征在于：所述步骤S4中体内外激活方法对图像片段进行连续判断，如果连续10次判断结果中，有7次显示在体内，则最终结果为体内，反之，则为体外；回盲部激活方法对图像片段进行连续判断，如果连续5次判断结果中，有3次显示在回盲部，则该最终结果为回盲部，反之，则未到达回盲部。