[发明专利]一种结肠镜影像息肉检测的方法及系统

说明书

本发明公开了一种结肠镜影像息肉检测的方法及系统，包括：获取待检测结肠镜影像数据；将获取得到的所述待检测结肠镜影像数据输入到训练后的基于CBAM‑ECA机制改进的YOLOv5目标检测模型中，完成所述待检测结肠镜影像上息肉的检测，该方法及系统能够提高息肉检测的速度及准确性。

技术领域

本发明属于数据处理领域，涉及一种结肠镜影像息肉检测的方法及系统。

背景技术

结肠镜影像息肉检测一直都是结肠癌诊断领域中一个重要的话题，尽管在过去几年间对于使用计算机辅助进行息肉检测任务的研究取得了重大进展，但是到目前为止这一领域仍有待发展，对于息肉检测的漏诊问题还有待改进。为了解决此问题，诸多科学家提出了许多计算方法来检测和分割结肠镜影像中的息肉。早期传统图像处理方法中，比较有名的是以M.Ganz等人提出的等值分割方法和P.Sasmal提出的息肉轮廓分割方法。随着机器学习的发展，J.Bernal等人成功地将支持向量机(SVM)应用于息肉检测的特征提取之中，同时N.Tajbakhsh等人提出了结合形状和上下文信息息肉像素特征的机器学习检测方法，取得了良好的效果。近些年随着计算机视觉领域的不断创新，卷积神经网络(CNN)取得了巨大的发展，Lecunetal等人已经提出了基于深度学习的自动结肠镜影像息肉检测方法；Shin等人利用Faster Region-based CNN(Faster R-CNN)作为息肉检测器，且细化其中的主干特征提取网络以更好地提取息肉特征；Zheng等人使用You Only Look Once(YOLO)检测器在算法运行过程中一次性检测所有息肉影像。然而以上提及的方法在精度和速度方面还有提高的空间。因此，有必要在结肠镜息肉检测领域寻求一个在精度和速度上都取得优异效果的方法来解决上述的问题。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种结肠镜影像息肉检测的方法及系统，该方法及系统能够提高息肉检测的速度及准确性。

为达到上述目的，本发明采用如下技术方案：

本发明一方面，本发明提供了一种结肠镜影像息肉检测的方法，包括：

获取待检测结肠镜影像数据；

将获取得到的所述待检测结肠镜影像数据输入到训练后的基于CBAM-ECA机制改进的YOLOv5目标检测模型中，完成所述待检测结肠镜影像上息肉的检测。

所述将获取得到的所述待检测结肠镜影像数据输入到训练后的基于CBAM-ECA机制改进的YOLOv5目标检测模型中之前还包括：

收集并标注已备案的结肠镜息肉影像数据样本；

将所述结肠镜息肉影像数据样本分为训练集、测试集及验证集；

构建基于CBAM-ECA机制改进的YOLOv5目标检测模型；

利用训练集、测试集及验证集对所述基于CBAM-ECA机制改进的YOLOv5目标检测模型进行训练、测试及验证，得到训练后的基于CBAM-ECA机制改进的YOLOv5目标检测模型。

基于CBAM-ECA机制改进的YOLOv5目标检测模型进行训练过程中，基于CBAM-ECA机制改进的YOLOv5目标检测模型对训练数据集使用K-Means聚类算法进行初步获取先验框，再使用遗传算法对K-Means结果进行变异搜索。

基于CBAM-ECA机制改进的YOLOv5目标检测模型中，CBAM注意力模块加入至主干网络中的C3模块，分别为C3模块中残差连接及局部跨层融合赋予不同的注意力权重。

还包括：将训练后的基于CBAM-ECA机制改进的YOLOv5目标检测模型进行tensorRT部署。

本发明二方面，本发明提供了一种结肠镜影像息肉检测的系统，包括：

获取模块，用于获取待检测结肠镜影像数据；