[发明专利]内窥镜影像识别方法、电子设备及存储介质

权利要求书

1.一种内窥镜影像识别方法，包括：

采用第一神经网络模型，对多张原始图像分别进行多个病种类别的病种预测；

基于所述多张原始图像的病种预测结果，建立所述多个病种类别的测试样本集；

采用第二神经网络模型，对所述多个病种类别的测试样本集分别进行病种识别；以及

对所述多个病种的病种识别结果进行叠加以获得病例诊断结果；

其中，建立所述多个病种类别的测试样本集的步骤包括：对于所述多个病种类别中的不同病种类别，分别从所述多张原始图像中选择分类概率最高的预定数量原始图像的图像特征形成测试样本集，

所述第二神经网络模型对所述测试样本集中的多个图像特征进行加权组合以获得所述病种识别结果。

2.根据权利要求1所述的内窥镜影像识别方法，其中，所述第一神经网络模型为卷积神经网络模型，所述卷积神经网络模型输入所述多张原始图像的单张图像，输出所述多个病种类别的图像特征和分类概率。

3.根据权利要求2所述的内窥镜影像识别方法，其中，所述第二神经网络模型为循环神经网络模型，所述循环神经网络模型输入所述测试样本集中的多个图像特征，输出与所述测试样本集相对应的病种识别结果。

4.根据权利要求1-3任意一项所述的内窥镜影像识别方法，其中，所述第二神经网络模型包括：

第一全连接层，将所述测试样本集中的多个图像特征分别进行降维处理；

双向长短期记忆层，对经过降维处理的多个图像特征分别按照前向和后向预测隐藏状态；以及

注意力机制，将所述多个图像特征的隐藏状态加权组合成最终特征，

其中，所述第二神经网络模型基于所述最终特征获得病种识别结果。

5.根据权利要求4所述的内窥镜影像识别方法，其中，所述第一全连接层包括多个全连接单元，所述多个全连接单元分别对相应一个图像特征进行降维处理。

6.根据权利要求4所述的内窥镜影像识别方法，其中，所述双向长短期记忆层包括多个前向长短期记忆单元和多个后向长短期记忆单元，所述多个前向长短期记忆单元分别对相应一个图像特征进行前向预测，所述多个后向长短期记忆单元分别对相应一个图像特征进行后向预测。

7.根据权利要求4所述的内窥镜影像识别方法，其中，所述加权组合包括对所述多个图像特征的隐藏状态加权求和，所述多个图像特征的权重系数表示对相应病种类别的病种识别影响。

8.根据权利要求7所述的内窥镜影像识别方法，其中，所述多个图像特征的权重系数如下式所示：

其中，表示权重矩阵，表示偏置项，表示双向长短期记忆层在第t步获得的隐藏状态，表示影响值，表示权重系数。

9.根据权利要求1所述的内窥镜影像识别方法，其中，所述预定数量是2~128的范围内的任意整数。

10.根据权利要求1所述的内窥镜影像识别方法，其中，所述多张原始图像采用以下任意一种内窥镜采集获得：光纤内窥镜、主动式胶囊内窥镜或被动式胶囊内窥镜。

11.一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-10任意一项所述基于深度学习的内窥镜影像识别方法中的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-10任意一项所述基于深度学习的内窥镜影像识别方法中的步骤。