[发明专利]基于人工智能的内镜检查辅助系统

说明书

本发明提供了一种基于人工智能的内镜检查辅助系统。该系统包括：检查数据采集模块，被配置为通过内镜设备获取检查数据，所述检查数据至少包括检查时间数据和检查图像数据；检查质量监测模块，被配置为对所述检查数据进行数据处理，所述数据处理至少包括数据统计和数据分类，然后将特定类型的检查数据分别输入相应的基于神经网络构建的质量监测模型中，以确定检查质量；检查辅助模块，被配置为基于所述检查图像数据所对应的部位或对象，将所述检查图像数据分别输入对应的基于神经网络构建的识别模型中得到用于辅助操作的标识，将所述标识与对应的检查图像数据按照预设方式输出。

技术领域

本发明的实施方式涉及神经网络技术领域，更具体地，本发明的实施方式涉及一种基于人工智能的内镜检查辅助系统。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前，为了准确的诊断人体内(如消化道等)的疾病，通常会使用内镜采集到的消化道内的图像辅助医生识别出消化道内的病灶，并且基于识别出的病灶对消化道的疾病进行诊断。然而，在实践过程中发现，在内镜的使用过程中，检查质量完全由操作人员把握，并没有统一的操作标准，并且操作人员需要长时间的对内镜进行操作，同时还需对内镜采集到的图像进行细致的观察。

发明内容

在本上下文中，本发明的实施方式期望提供一种于人工智能的内镜检查辅助系统、介质和计算设备。

在本发明实施方式的第一方面中，提供了一种基于人工智能的内镜检查辅助系统，包括：

检查数据采集模块，被配置为通过内镜设备获取检查数据，所述检查数据至少包括检查时间数据和检查图像数据；

检查质量监测模块，被配置为对所述检查数据进行数据处理，所述数据处理至少包括数据统计和数据分类，然后将特定类型的检查数据分别输入相应的基于神经网络构建的质量监测模型中，以确定检查质量；

检查辅助模块，被配置为基于所述检查图像数据所对应的部位或对象，将所述检查图像数据分别输入对应的基于神经网络构建的识别模型中得到用于辅助操作的标识，将所述标识与对应的检查图像数据按照预设方式输出。

在一个实施例中，所述检查质量监测模块包括：

检查时间监测子模块，被配置为记录各个部位的检查开始时间和检查结束时间，以及基于所述检查开始时间和检查结束时间统计检查总时间；并基于各个部位的检查总时间确定相应部位的第一检查质量分数；

检查质量监测子模块，被配置为获取各个部位的检查图像数据，并分别输入相应的质量监测模型中，以确定各个部位的第二检查质量分数，其中，所述第二检查质量分数至少基于检查图像数据的质量、基于检查图像数据得到的检查动作和顺序中的一个确定。

在一个实施例中，所述检查时间监测子模块还被配置为将各个部位的检查总时间与标准检查时间对比，以确定相应部位的第一检查质量分数；或者

将各个部位的检查总时间输入相应的检查时间质量检测模型，以确定相应部位的第一检查质量分数，某个检查部位的所述检查时间质量检测模型以神经网络技术构建，基于对应的训练数据训练获得，所述训练数据至少包括各个部位的检查时间及对应的检查质量分数。

在一个实施例中，检查质量监测子模块包括：

第一检查质量监测单元，被配置为基于各个部位中的第一部分部位的检查图像数据，确定检查动作序列，基于所述检查动作序列至少能够确定检查动作顺序及各个动作的形态，以及特定区域的停驻时间，将所述检查动作序列输入相应的第一质量监测模型中，以确定各个第一部分部位的第二检查质量分数。