一种智能化的病变组织定位的方法和装置制造方法及图纸

技术编号:19009980 阅读:28 留言:0更新日期:2018-09-22 09:45
本发明专利技术实施例提供一种智能化的病变组织定位的方法和装置,包括:将包括病变组织的待识别图像输入至已训练的深度神经网络,输出病变组织在待识别图像中的位置信息;本发明专利技术实施例通过深度神经网络实现对待识别图像中病变组织的识别,并输出病变组织在待识别图像中的位置信息,从而避免了目前通过人眼筛选图片中的异常区域的方法来确定病变组织所在区域的过程中存在的由于图像的信息量大,且受内镜检查操作、观察时间、摄像头拍摄的图片的质量以及观察者识别能力等因素造成对病变组织难以定位的不良影响,提高了对图片中病变组织的定位的精确度。

An intelligent method and device for locating lesion tissue

The embodiment of the invention provides an intelligent method and device for locating pathological tissue, including: input the image to be recognized including pathological tissue to the trained depth neural network, output the position information of the pathological tissue in the image to be recognized; and the embodiment of the invention realizes treating the recognized image through the depth neural network. The recognition of pathological tissue and the output of the position information of the pathological tissue in the image to be recognized can avoid the large amount of information in the process of identifying the abnormal region of the pathological tissue by the method of screening the abnormal region in the picture by the human eye. The image quality and the observer's ability to recognize and other factors lead to the undesirable effect of difficult localization of the lesion tissue, which improves the accuracy of localization of the lesion tissue in the picture.

【技术实现步骤摘要】
一种智能化的病变组织定位的方法和装置
本专利技术实施例涉及图像识别
,更具体地,涉及一种智能化的病变组织定位的方法和装置。
技术介绍
病变是指机体细胞、组织或者器官在致病因素作用下发生的局部或全身异常变化。机体细胞、组织或者器官在发生病变后,在病变的部位会产生病变组织。对病变组织的研究是判断疾病的重要手段,例如结肠息肉是结肠癌的癌前病变组织;在对病变组织的研究中,目前主要是通过对机体的内镜检查来发现机体中的病变组织,化学染色、电子染色等技术的应用能提高机体内部的色彩、结构对比度,有利于提高病变组织的检出率。由于机体内部的结构复杂,难以观察到全部机体结构,所以在内镜检查时摄像头要广角成像方式,小型化CCD或CMOS摄像头的出现,为机体内部检查的多摄像头拼接、多角度成像提供了可能,从而能获得更加完整、全面的机体内部图像。然而,对于在机体内镜检查过程中获得的机体内部图像,传统的对病变组织的定位方法是通过人眼筛选图片中的异常区域,但是由于机体内部图像的信息量大,且受内镜检查操作、观察时间、摄像头拍摄的图片的质量以及观察者识别能力等情况的影响,导致了对图片中病变组织的定位并不精确。
技术实现思路
为了克服上述问题或者至少部分地解决上述问题,本专利技术实施例提供一种智能化的病变组织定位的方法和装置。本专利技术实施例提供一种智能化的病变组织定位的方法和装置,包括:将包括病变组织的待识别图像输入至已训练的深度神经网络,输出病变组织在待识别图像中的位置信息。本专利技术实施例提供一种智能化的病变组织定位的装置,包括:至少一个处理器;以及与处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,处理器调用程序指令以执行上述的方法。本专利技术实施例提供一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使计算机执行上述的方法。本专利技术实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机程序,该计算机程序使计算机执行上述的方法。本专利技术实施例提供的一种智能化的病变组织定位的方法和装置,包括:将包括病变组织的待识别图像输入至已训练的深度神经网络,输出病变组织在待识别图像中的位置信息;本专利技术实施例通过深度神经网络实现对待识别图像中病变组织的识别,并输出病变组织在待识别图像中的位置信息,从而避免了目前通过人眼筛选图片中的异常区域的方法来确定病变组织所在区域的过程中存在的由于图像的信息量大,且受内镜检查操作、观察时间、摄像头拍摄的图片的质量以及观察者识别能力等因素造成对病变组织难以定位的不良影响,提高了对图片中病变组织的定位的精确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为根据本专利技术实施例的智能化的病变组织定位的方法的流程图;图2为根据本专利技术实施例的病变组织所在的区域的显示效果的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。在本专利技术的一个实施例中,参考图1,提供一种智能化的病变组织定位的方法和装置,包括:S11,将包括病变组织的待识别图像输入至已训练的深度神经网络,输出病变组织在待识别图像中的位置信息。具体地,机器学习(MachineLearning,简称为ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。深度学习是机器学习中一种基于对数据进行的表征学习。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等;而使用某些特定的表示方法更容易从实例中学习任务。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,例如深度神经网络((DeepNeuralNetworks,简称为DNN),它模仿人脑的机制来解释数据,例如图像,声音和文本。本实施例中,基于深度学习中机器学习模型的建立思想,根据多种经典卷积神经网络模型(例如AlexNet、VGG等)设计该用于定位病变组织的深度神经网络,该深度神经网络包括多个卷积层,并可选的在若干个卷积层后连接一个池化层,并在该深度神经网络的最后连接全连接层;例如本实施例中可选用16个卷积层,5个池化层,最后连接2个全连接层。待识别图像为在机体组织内部采集的包括病变组织的图像,由于病变组织是由于正常的机体细胞、组织或者器官在致病因素作用下发生的局部或全身异常变化而产生的组织,病变组织在图像数据中能表现出与正常组织不同的数据特征;该深度神经网络可通过输入224x224像素的待识别图像,在经过卷积层采用3x3像素和1x1像素的卷积核来识别病变组织,并通过叠加多个卷积核来提高该深度神经网络的性能;经过一系列卷积、池化等运算后,通过回归算法输出病变组织在待识别图像中的位置信息,位置信息包括多种表现方式,例如输出病变组织在待识别图像中的坐标或者范围等。为了便于识别,本实施例还基于该神经网络输出的位置信息,通过图像处理的方式在待识别图像中标识出病变组织所在的区域,例如以多个坐标点围成的多边形区域或者以某一点为圆心,以某一值为半径围成的圆形区域。图2为通过本实施例的定位方法并对图像进行处理后所标识出病变组织所在的区域的效果图,图2中利用围绕病变组织的四个坐标点连接的边框所围成的区域表示病变组织所在的区域。本实施例通过深度神经网络实现对待识别图像中病变组织的识别,并输出病变组织在待识别图像中的位置信息,从而避免了目前通过人眼筛选图片中的异常区域的方法来确定病变组织所在区域的过程中存在的由于图像的信息量大,且受内镜检查操作、观察时间、摄像头拍摄的图片的质量以及观察者识别能力等因素造成对病变组织难以定位的不良影响,提高了对图片中病变组织的定位的精确度。基于以上实施例,将包括病变组织的待识别图像输入至已训练的深度神经网络之前,还包括:通过正则化函数对待识别图像进行正则化处理,正则化函数的表达式为:其中,x为正则化处理前的待识别图像的像素值,mean为正则化处理前的待识别图像的像素值的均值,stddev为正则化处理前的待识别图像的像素值的标准差,y为正则化处理后的待识别图像的像素值。具体地,深度神经网络基于待识别图像中的数据提取特征数据,以达到对图像识别的目的,然而图像或图像序列因成像和传输过程中存在的噪声、干扰、模糊化、采样率不足等不良因素影响而质量下降,影响深度神经网络对特征数据的提取本文档来自技高网...
一种智能化的病变组织定位的方法和装置

【技术保护点】
1.一种智能化的病变组织定位的方法,其特征在于,包括:将包括病变组织的待识别图像输入至已训练的深度神经网络,输出所述病变组织在所述待识别图像中的位置信息。

【技术特征摘要】
1.一种智能化的病变组织定位的方法,其特征在于,包括:将包括病变组织的待识别图像输入至已训练的深度神经网络,输出所述病变组织在所述待识别图像中的位置信息。2.根据权利要求1所述的方法,其特征在于,所述将包括病变组织的待识别图像输入至已训练的深度神经网络之前,还包括:通过正则化函数对所述待识别图像进行正则化处理,所述正则化函数的表达式为:其中,x为正则化处理前的待识别图像的像素值,mean为正则化处理前的待识别图像的像素值的均值,stddev为正则化处理前的待识别图像的像素值的标准差,y为正则化处理后的待识别图像的像素值。3.根据权利要求1所述的方法,其特征在于,所述深度神经网络的训练步骤包括:获取样本数据集,所述样本数据集包括多个样本图像和所述病变组织在每一样本图像中的位置信息;在所述样本数据集中选取训练数据集,根据所述训练数据集对所述深度神经网络进行训练,以调整所述深度神经网络的参数。4.根据权利要求3所述的方法,其特征在于,所述获取样本数据集,包括:获取包括所述病变组织的多个原始图像,提取每一原始图像中所述病变组织的位置坐标,作为所述病变组织在每一原始图像中的位置信息;将每一原始图像按预设转换规则进行转换,获取转换图像,并根据所述病变组织在每一原始图像中的位置信息和所述预设转换规则确定所述病变组织在每一转换图像中的位置信息,所述预设转换规则包括图像旋转转换、图像平移转换、图像像素值转换和图像退化;将多个原始图像、所述病变组织在每一原始图像中的位置信息、多个转换图像和所述病变组织在每一转换图像中的位置信息作为样本数据集。5.根...

【专利技术属性】
技术研发人员:孙明健刘海峰张笑屈亚威马立勇邹梦书曲歌
申请(专利权)人:哈尔滨工业大学威海中国人民武装警察部队总医院
类型:发明
国别省市:山东,37

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1