[发明专利]无线胶囊内窥镜图像幽门和回盲瓣定位方法

摘要

本发明公开了无线胶囊内窥镜图像幽门和回盲瓣定位方法。无线胶囊内窥镜检查时准确找到小肠的起始点和终止点，能减少医生阅览图像的工作量，并减少漏诊。本发明以深度学习思想为技术核心，结合迁移学习策略，利用深度学习模型中的卷积神经网络算法构建区域图像分类器，通过模型的训练自动学习得到无线胶囊内窥镜图像的特征，再利用区域定位算法对区域图像识别结果序列进行分析，实现无线胶囊内窥镜图像中幽门和回盲瓣的定位。本发明弥补目前胶囊内窥镜在智能识别和精准定位这一领域的空白，大幅度降低医生的工作强度，提高工作效率和确诊率，进一步促进胶囊内窥镜在消化道疾病诊断临床上的实用价值，从而形成更高效、更标准的诊断模式。

主权项

1.无线胶囊内窥镜图像幽门和回盲瓣定位方法，其特征在于：该方法包括如下步骤：步骤1：获取病人的无线胶囊内窥镜视频数据，并通过提取视频帧技术得到无线胶囊内窥镜图像；步骤2：将得到的无线胶囊内窥镜图像输入到图像预处理模块进行预处理，去除无线胶囊内窥镜图像边缘无效区域，然后利用图像去噪与增强技术提高图像质量；步骤3：图像预处理模块将预处理后的胶囊内窥镜图像输入到数据整理模块中，数据整理模块包括图像筛选模块和比例组合模块，图像筛选模块在若干病人中随机挑选无线胶囊内窥镜图像中肠道相对干净的病人，这些病人的无线胶囊内镜图像作为备选数据集；其中，肠道相对干净是指无线胶囊内窥镜图像能显示出肠道组织；然后比例组合模块对于挑选出来的每个病人按照小肠前区域图像数量、小肠区域图像数量和小肠后区域图像数量的比例为0.15～0.25：0.5～0.7：0.15～0.25来随机挑选三个区域的图像，并建立模型数据集；步骤4：数据整理模块将得到的模型数据集输入到模型调整模块的模型训练模块得到识别模型，模型调整模块将待定位数据集输入到优化后的识别模型中得到该数据集中各无线胶囊内窥镜图像的区域识别结果序列，并将待定位数据集中各无线胶囊内窥镜图像的区域识别结果序列与无线胶囊内窥镜图像按拍照时间排列的序号对应起来记录；步骤5：区域定位模块利用区域定位算法将模型调整模块得到的区域识别结果序列进行分析，得到幽门和回盲瓣位置并将其转换成文字信息，形成辅助判断报告，供医生进一步的分析；所述的区域定位算法将步骤4中得到的区域识别结果序列进行分析，其中，小肠前区域、小肠区域和小肠后区域的区域识别结果序列号分别为a、b和c；分析过程具体如下：5.1 从第一个序列开始依次判断序列号，直到判断出序列号为b的序列，并将该序列号为b的序列对应的无线胶囊内窥镜图像序号记为A；5.2 判断A以后N个序号的无线胶囊内窥镜图像的序列，统计这N个无线胶囊内窥镜图像的序列号中出现b的次数，其中，80≤N≤150，若出现b的次数与N的比值大于或等于80％，则执行步骤5.4，否则执行步骤5.3；5.3 从序号A后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为b的序列，并将该序列号为b的序列对应的无线胶囊内窥镜图像序号重新赋值给A，然后回到步骤5.2；5.4 判断A+N以后N个序号的无线胶囊内窥镜图像的序列，统计这N个无线胶囊内窥镜图像的序列号中出现a的次数，若出现a的次数与N的比值小于或等于30％，则输出序号A并执行步骤5.5，否则回到步骤5.3；5.5 从序号A后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为c的序列，并将该序列号为c的序列对应的无线胶囊内窥镜图像序号记为B；5.6 判断B以后M个序号的无线胶囊内窥镜图像的序列，统计这M个无线胶囊内窥镜图像的序列号中出现不为b的次数，其中，80≤M≤150，若出现不为b的次数与M的比值大于或等于80％，则执行步骤5.8，否则执行步骤5.7；5.7 从序号B后一个无线胶囊内窥镜图像开始依次判断序列号，直到判断出序列号为c的序列，并将序列号为c的序列对应的无线胶囊内窥镜图像序号重新赋值给B，然后回到步骤5.6；5.8 判断B+M以后M个序号的无线胶囊内窥镜图像的序列，统计这M个无线胶囊内窥镜图像的序列号中出现b的次数，若出现b的次数与M的比值小于或等于30％，则输出序号B并执行步骤5.9，否则回到步骤5.7；5.9 将序号A和B对应的无线胶囊内窥镜图像分别定为幽门和回盲瓣位置。