[发明专利]内窥镜图像检测方法、装置、存储介质及电子设备有效

专利信息
申请号: 202111039891.8 申请日: 2021-09-06
公开(公告)号: CN113487608B 公开(公告)日: 2021-12-07
发明(设计)人: 边成;李剑;杨志雄;石小周;赵家英 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏云鹿
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 内窥镜 图像 检测 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种内窥镜图像检测方法,其特征在于,所述方法包括:

获取待检测的内窥镜图像;

通过内窥镜图像检测模型对所述内窥镜图像执行多个目标任务,得到所述内窥镜图像对应的多个任务检测结果,所述内窥镜图像检测模型用于通过如下方式执行所述多个目标任务:

通过任务特征网络从所述内窥镜图像中提取所述目标任务对应的图像特征,通过交互特征网络将提取到的每一所述图像特征和预训练的质控图像特征进行融合计算,得到每一所述目标任务对应的融合特征,针对每一所述目标任务,通过目标任务网络根据所述目标任务对应的所述融合特征,确定所述目标任务对应的任务检测结果;

所述内窥镜图像检测模型的训练过程包括:

通过所述任务特征网络从样本内窥镜图像中提取所述目标任务对应的样本图像特征,其中所述样本内窥镜图像标注有每一所述目标任务对应的实际检测结果;

通过所述交互特征网络将提取到的每一所述样本图像特征与本次训练过程中的所述质控图像特征进行融合计算,得到每一所述目标任务对应的样本融合特征,并针对每一所述目标任务,通过所述目标任务网络根据所述目标任务对应的所述样本融合特征,确定所述目标任务对应的预估检测结果;

根据每一所述目标任务对应的所述预估检测结果与所述实际检测结果,计算每一所述目标任务对应的损失函数,并根据每一所述目标任务对应的所述损失函数的计算结果,调整所述内窥镜图像检测模型的参数,所述参数包括用于表征所述质控图像特征的向量参数。

2.根据权利要求1所述的方法,其特征在于,所述通过任务特征网络从所述内窥镜图像中提取所述目标任务对应的图像特征,包括:

将所述内窥镜图像划分为多个内窥镜子图像;

通过线性特征提取器对每一所述内窥镜子图像提取二维图像特征,并将提取到的每一所述二维图像特征转换为一维特征向量;

针对每一所述内窥镜子图像对应的一维特征向量,通过编码器进行特征处理,得到每一所述内窥镜子图像对应的任务特征子向量;

将同一所述任务特征网络输出的所述任务特征子向量相加,得到所述目标任务对应的图像特征向量。

3.根据权利要求1所述的方法,其特征在于,所述根据每一所述目标任务对应的所述损失函数的计算结果,调整所述内窥镜图像检测模型的参数,包括:

确定每一所述目标任务对应的自适应权重,其中每一所述目标任务的自适应权重与所述目标任务对应的预估检测结果的指标数值负相关,所述预估检测结果的指标数值用于表征所述预估检测结果的准确性;

根据每一所述目标任务对应的所述损失函数的计算结果和每一所述目标任务对应的所述自适应权重,计算所述内窥镜图像检测模型的总损失函数,并根据所述总损失函数的计算结果,调整所述内窥镜图像检测模型的参数。

4.根据权利要求3所述的方法,其特征在于,所述内窥镜图像检测模型的训练过程为迭代训练的过程,所述确定每一所述目标任务对应的自适应权重,包括:

针对每一所述目标任务,确定上次迭代过程中所述目标任务对应的预估检测结果的历史指标数值和本次迭代过程中所述目标任务对应的预估检测结果的当前指标数值;

根据预设衰减因子、所述历史指标数值和所述当前指标数值,确定每一所述目标任务对应的预估检测结果的目标指标数值,并根据所述目标指标数值和负相关对应关系,确定每一所述目标任务的自适应权重,其中所述负相关对应关系用于表征所述自适应权重与所述目标指标数值负相关。

5.根据权利要求3所述的方法,其特征在于,所述确定每一所述目标任务对应的自适应权重,包括:

在所述内窥镜图像检测模型的训练过程中,按照如下公式确定每一所述目标任务对应的自适应权重:

其中,表征第i个目标任务对应的自适应权重,表征第i个目标任务对应的预估检测结果的指标数值,表征第i个目标任务的预设权重调节参数。

6.根据权利要求1或2所述的方法,其特征在于,所述多个目标任务包括肠道清洁度评估任务、寻腔进镜任务、息肉检测任务、回盲识别任务和内窥镜图像质量监控任务中的至少两者。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111039891.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top