[发明专利]一种融合全局和局部特征的内镜图像病变检测方法

摘要

本发明公开了一种融合全局和局部特征的内镜图像病变检测方法，将监督学习与多示例学习相结合，建立两级病变检测机制，在保证病变检测准确率、降低医生劳动强度的同时，最大限度地降低漏检率，避免由于病变图像被误识别为非病变图像造成的漏诊或误诊。多示例学习的引入使得本发明的方法，在提取局部特征训练分类器时，仅需标注训练图像是否存在病变，无需标出具体病变区域，因此，本发明在实际应用中比传统方法更加便捷、易用。

主权项

一种融合全局和局部特征的内镜图像病变检测方法，通过以下方法步骤实现：A.构建含标注信息的胶囊内镜图像训练样本库，提取胶囊内镜小肠图像的全局和局部特征，训练胶囊内镜图像分类器；A.1提取胶囊内镜图像全局特征，训练全局特征分类器：1)采集患者胶囊内镜图像，通过专业医生对内镜图像进行分类、整理，对图像是否存在病变进行标注；对存在病变的图像标出病变类型，建立带标注信息的胶囊内镜图像训练样本库；2)对已标注的胶囊内镜图像进行预处理，降低图像中各种噪声、干扰对图像病变检测的影响；3)对预处理后的图像进行分析，提取图像全局特征向量；4)将获取的图像的全局特征向量，基于监督式学习方法，训练全局特征向量分类器，记录训练过程中分类正确的胶囊内镜图像和分类错误的胶囊内镜图像；5)存储全局特征向量分类器训练结果；A.2提取胶囊内镜图像局部特征，训练局部特征分类器：1)提取全局特征训练过程中分类错误的胶囊内镜图像、并添加α张全局特征训练过程中分类正确的胶囊内镜图像，构成用于训练局部特征分类器的胶囊内镜图像样本库；2)对步骤A.2‑1所得图像进行预处理，降低图像中各种噪声、干扰对图像病变检测的影响；3)对预处理后的图像进行分析，提取图像局部特征向量；4)将获取的图像的局部特征的向量，基于多示例学习方法，训练局部特征向 量分类器；5)存储局部特征向量分类器训练结果；B.融合胶囊内镜图像全局特征和局部特征，利用步骤A所训练的全局特征分类器和局部特征分类器，对待检测的胶囊内镜图像进行识别；B.1提取胶囊内镜图像全局特征，利用步骤A训练的全局特征分类器进行病变检测；1)运用各种计算机手段和技术采集待检测患者的胶囊内镜图像，作为待检图像；2)对待检测胶囊内镜图像进行预处理，降低图像中各种噪声、干扰对图像病变检测的影响；3)对预处理后的图像进行分析，提取图像全局特征向量；4)对步骤B.1‑3提取的待检图像全局特征向量，采用步骤A.1训练的全局特征分类器计算待检内镜图像为病变图像的概率；5)若概率值大于β1则将内镜图像标记为病变图像，结束检测；否则，直接转入步骤B.2‑1；B.2对步骤B.1中全局特征分类器判断为非病变的胶囊内镜图像，提取局部特征向量，利用步骤A训练的局部特征分类器执行进一步的病变检测；1)对步骤B.1中全局特征分类器判断为非病变的胶囊内镜图像进行预处理，降低图像中各种噪声、干扰对图像病变检测的影响；2)对预处理后的图像进行分析，提取图像局部特征向量；3)对步骤B.2‑2提取的待检图像局部特征向量，采用步骤A.2训练的局部特征分类器计算待检内镜图像为病变图像的概率；若概率值大于β2则将待检图像标记为病变图像，否则将待检图像标记为非病 变图像。