[发明专利]消化道肿瘤浸润层的识别方法、装置、计算机设备及介质

说明书

本发明实施例公开了一种消化道肿瘤浸润层的识别方法、装置、计算机设备及介质。该方法包括：将接收到的超声内镜图像输入至预先训练的第一神经网络模型中，得到超声内镜图像的有效区域；将有效区域输入至预先训练的第二神经网络模型中，分别得到超声内镜图像中消化道管壁的粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域、浆膜层区域；依次生成粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域以及浆膜层区域的最小外切矩形；根据每个最小外切矩形识别超声内镜图像中的消化道肿瘤浸润层区域。本发明采用人工智能技术实现了对超声内镜图像的消化道肿瘤浸润层区域进行精准识别，提高了识别消化道肿瘤浸润层的准确性。

技术领域

本发明涉及医疗辅助技术领域，尤其涉及一种消化道肿瘤浸润层的识别方法、装置、计算机设备及介质。

背景技术

消化道肿瘤的管壁浸润层次可分为浅层和深层，其中浅层包括：粘膜层、粘膜肌层和粘膜下层，深层包括：固有肌层和浆膜层。超声内镜（Endoscopic ultrasound，EUS）是一种将内镜和超声相结合的消化道检查技术，将微型高频超声探头安置在内镜顶端，内镜插入体腔后在内镜直接观察消化道粘膜病变的同时，利用内镜下的超声进行实时扫描以获取消化道的管壁层次结构，从而对消化道肿瘤的浸润层次进行识别。然而超声内镜图像为二维平面的灰度影像，而且只反映器官、组织截面影像，需要有较强的专业知识得技术人员才能从超声内镜图像中得到消化道肿瘤的管壁浸润层的准确判断。

随着人工智能技术的发展，人工智能技术在医学领域进行医疗辅助中也受到重视。目前采用人工智能技术对消化道肿瘤的管壁浸润层进行识别时，通常利用图像分类算法直接对超声内镜图像中肿瘤浸润层次进行分类识别以获取消化道肿瘤浸润层，但是由于消化道管壁层次较薄且层次之间紧密相连，浸润至不同层次的消化道肿瘤的差异性较小，最终导致消化道肿瘤浸润层的识别率较低。

发明内容

本发明实施例提供了一种消化道肿瘤浸润层的识别方法、装置、计算机设备及介质，用于解决现有技术中超声内镜图像的消化道肿瘤浸润层的识别率较低的技术问题。

第一方面，本发明实施例提供了一种消化道肿瘤浸润层的识别方法，其包括：

接收预设的超声内镜图像；

将所述超声内镜图像输入至预先训练的第一神经网络模型中，得到所述超声内镜图像的有效区域；

将所述有效区域输入至预先训练的第二神经网络模型中，分别得到所述超声内镜图像中消化道管壁的粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域、浆膜层区域；

依次生成所述粘膜层区域、所述粘膜肌层区域、所述粘膜下层区域、所述固有肌层区域以及所述浆膜层区域的最小外切矩形；

根据每个所述最小外切矩形识别所述超声内镜图像中的消化道肿瘤浸润层区域。

第二方面，本发明实施例提供了一种消化道肿瘤浸润层的识别装置，其包括：

接收单元，用于接收预设的超声内镜图像；

第一输入单元，用于将所述超声内镜图像输入至预先训练的第一神经网络模型中，得到所述超声内镜图像的有效区域；

第二输入单元，用于将所述有效区域输入至预先训练的第二神经网络模型中，分别得到所述超声内镜图像中消化道管壁的粘膜层区域、粘膜肌层区域、粘膜下层区域、固有肌层区域、浆膜层区域；

第一生成单元，用于依次生成所述粘膜层区域、所述粘膜肌层区域、所述粘膜下层区域、所述固有肌层区域以及所述浆膜层区域的最小外切矩形；

第一识别单元，用于根据每个所述最小外切矩形从所述超声内镜图像中识别出消化道肿瘤浸润层区域。