一种消化道解剖位置识别方法及装置制造方法及图纸
【技术实现步骤摘要】
一种消化道解剖位置识别方法及装置
本专利技术涉及医疗器械
，更具体地说，涉及一种消化道解剖位置识别方法及装置。
技术介绍
胶囊内镜用于在人体消化道内移动的同时拍摄人体消化道内壁的图像或视频，并通过无线方式传至外部的信号接收装置，与传统医用内窥镜相比，胶囊内镜具有操作简单、无创伤、无痛苦、无交叉感染、不影响患者正常工作等优点，尤其对小肠疾病检查具有很高的医用诊断价值。胶囊内镜采集到的大量消化道图片，数据量巨大，消化道解剖位置的自动识别，可以为医生阅片及对胶囊的定位起到积极作用。目前消化道解剖位置的识别方法大都是通过医护人员依赖胶囊传回的图像数据对胶囊所处的位置进行大致识别，容易受医护人员的主观因素影响，无法实现胶囊在体内的精确定位。综上所述，如何提供一种能够实现胶囊在体内的精确定位的技术方案，是目前本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种消化道解剖位置识别方法及装置，能够实现胶囊在体内的精确定位。为了实现上述目的，本专利技术提供如下技术方案：一种消化道解剖位置识别方法，包括：获取训练集和测试集，所述训练集及所述测试集中包含消化道解剖...
【技术保护点】
一种消化道解剖位置识别方法，其特征在于，包括：获取训练集和测试集，所述训练集及所述测试集中包含消化道解剖图片及表示每个所述消化道解剖图片对应消化道解剖位置的标记；选取基于深度学习框架的深度网络模型作为当前深度网络模型，利用所述训练集对当前深度网络模型进行训练，利用所述测试集测试训练后的当前深度网络模型得到当前深度网络模型的识别精度数据，判断该识别精度数据是否符合预设精度要求，若是，则确定训练后的当前深度网络模型为完成训练的深度网络模型，若否，则确定对训练后的当前深度网络模型进行调整后得到的深度网络模型为当前深度网络模型，返回执行所述利用所述训练集对当前深度网络模型进行训练的...
【技术特征摘要】
1.一种消化道解剖位置识别方法，其特征在于，包括：获取训练集和测试集，所述训练集及所述测试集中包含消化道解剖图片及表示每个所述消化道解剖图片对应消化道解剖位置的标记；选取基于深度学习框架的深度网络模型作为当前深度网络模型，利用所述训练集对当前深度网络模型进行训练，利用所述测试集测试训练后的当前深度网络模型得到当前深度网络模型的识别精度数据，判断该识别精度数据是否符合预设精度要求，若是，则确定训练后的当前深度网络模型为完成训练的深度网络模型，若否，则确定对训练后的当前深度网络模型进行调整后得到的深度网络模型为当前深度网络模型，返回执行所述利用所述训练集对当前深度网络模型进行训练的步骤；将胶囊内镜采集的消化道解剖图片输入至训练完成的深度网络模型，得到深度网络模型输出的该消化道解剖图片对应的消化道解剖位置。2.根据权利要求1所述的方法，其特征在于，获取所述训练集及所述测试集之后，还包括：确定所述训练集及所述测试集中对应消化道解剖位置为未知的消化道解剖图片为未知类图片，并利用感知哈希算法排除所述未知类图片中相似度大于预设阈值的图片。3.根据权利要求2所述的方法，其特征在于，利用感知哈希算法排除所述未知类图片中相似度大于预设阈值的图片之后，还包括：对所述训练集及所述测试集中包含的消化道解剖图片进行预设角度旋转处理和图像增强处理。4.根据权利要求1所述的方法，其特征在于，利用所述训练集对当前深度网络模型进行训练，包括：在GPU上利用所述训练集对当前深度网络模型进行训练。5.根据权利要求4所述的方法，其特征在于，选取基于深度学习框架的深度网络模型作为当前深度网络模型，包括：选取基于深度学习框架的Alexnet网络模型作为当前深度网络模型。6.根据权利要求5所述的方法，其特征在于，确定对训练后的当前深度网络模型进行调整后得到的深度网络模型为当前深度网络模型，包括：确定对训练后的当前深度网络模型做调整后得到的深度网络模型为当前深度网络模型，所述调整包含对当前深度网络模型的网络超参数和层数的调整。7.根据权利要求1所述的方法，其特征在于，利用所述训练集对当前深度网络模型进行训练，包括：将所述训练集中包含的消化道解剖图片组合成多个子训练集，其中每个子训练集包含的消化道解剖图片不完全相同；利用所述多个子训练集分别训练当前深度网络模型得到对...
【专利技术属性】
技术研发人员：白家莲，袁建，陈洪瀚，
申请(专利权)人：重庆金山医疗器械有限公司，
类型：发明
国别省市：重庆,50
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。