一种基于滑动窗口的消化道内镜病变检测和识别方法技术

本发明专利技术属于医学图像智能处理技术领域，具体为一种基于滑动窗口的消化道内镜病变检测和识别方法。通过内镜的早期筛查是降低消化道癌症发病率和死亡率的有效手段。在传统诊断方法中，医生的诊断完全是主观判断过程，会受到诊断医生经验及知识水平的限制和影响。因此本发明专利技术将深度学习应用于消化道内镜的病变检测，基于医生标注的病变区域的边框制作样本，训练分类器；在待检测的消化道内镜图像中提出候选区域，将候选区域输入分类器，对分类结果做后处理，达到病变检测的目的。实验结果表明，本发明专利技术可以较准确地检测到消化道内镜图像的病变位置，为医生提供参考，说明了人工智能辅助的消化道早癌诊疗具有无可替代的优越性。

Detection and recognition of digestive tract endoscopy based on sliding window

【技术实现步骤摘要】
一种基于滑动窗口的消化道内镜病变检测和识别方法
本专利技术属于医学图像智能处理
，具体涉及一种基于滑动窗口的消化道内镜病变检测和识别方法。
技术介绍
规范的消化道癌症筛查、治疗、随访具有重大意义，早期癌症筛查是降低癌症发病率和死亡率的有效手段。消化道早癌的筛查、治疗、随访途径主要有内镜检查及术后CT检查，其中消化道内镜检查最为重要。在传统诊断方法中，医生诊断完全是主观判断的过程，因而会受到诊断医生经验及知识水平的限制和影响；其次，医生诊断时易于遗漏某些细微改变；再次，不同医师间及同一医师不同时间的诊断存在差异。计算机辅助诊断(computeraideddiagnosis，CAD)技术又被称为医生的“第三只眼”，能够排除主观因素影响，提高医生的诊断准确性，快速的提升医学诊治的质量。近年来，计算机领域的飞速发展进步推动了CAD技术更好地发展。人工智能中卷积神经网络(convolutionalneuralnetwork，CNN)驱动了识别领域的不断进步，不仅在整张图像的分类中效果显著，在物体检测、关键点检测等任务中也有极大的推动作用。如果将基于CNN的识别与检测技术与医学诊疗相结合，本文档来自技高网...

【技术保护点】
1.一种基于滑动窗口的消化道内镜病变检测和识别方法，其特征在于，具体步骤如下：(1)训练分类器在检测之前，需要训练一个病变图像的分类器，具体训练方法如下：首先，标注病变区域的边框，基于标注的病变区域的边框生成训练样本，并进行数据增强；其次，使用在ImageNet上预训练的参数初始化VGG‑16模型；最后，根据医学图像的特殊性，选取合适的损失函数，训练病变分类器；(2)消化道内镜病变检测首先，对于一张消化道内镜图片，为了检测到病变的具体位置，需要提出候选区域；其次，将所有的候选区域的图片输入到训练好的分类器中，获得候选区域被分类为病变的概率，过滤概率较低的候选框；然后，根据候选框的概率，使用非极...

【技术特征摘要】
1.一种基于滑动窗口的消化道内镜病变检测和识别方法，其特征在于，具体步骤如下：(1)训练分类器在检测之前，需要训练一个病变图像的分类器，具体训练方法如下：首先，标注病变区域的边框，基于标注的病变区域的边框生成训练样本，并进行数据增强；其次，使用在ImageNet上预训练的参数初始化VGG-16模型；最后，根据医学图像的特殊性，选取合适的损失函数，训练病变分类器；(2)消化道内镜病变检测首先，对于一张消化道内镜图片，为了检测到病变的具体位置，需要提出候选区域；其次，将所有的候选区域的图片输入到训练好的分类器中，获得候选区域被分类为病变的概率，过滤概率较低的候选框；然后，根据候选框的概率，使用非极大值抑制NMS对候选框做后处理，设定重叠率阈值Tover，保留概率比较高的候选框；最后，输出病变检测结果。2.根据权利要求1所述的方法，其特征在于，步骤(1)中，用矩形边框标出病变区域，边框刚好包围一个连续的病变区域，提供的有标注的图像一般为病变图像600-1200张、正常图像600-1200张。3.根据权利要求1所述的方法，其特征在于，步骤(1)中，所述的训练样本的生成方法为：正样本生成方法为：裁剪标注的边框，并以标注的边框为中心，随机移动裁剪框，同时保证裁剪框和标注的边框重叠率IOU大于0.7，裁剪8个样本，因此一个边框共可以生成9个正样本；负样本生成方法为：负样本来源于病变和正常的消化道内镜图像，对于病变的图像，从图像中随机裁剪，同时保证裁剪...

【专利技术属性】
技术研发人员：钟芸诗，颜波，蔡世伦，牛雪静，李冰，林楚铭，谭伟敏，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31