一种胃镜下食管胃底静脉曲张辅助诊断系统及方法技术方案

本发明专利技术公开了一种胃镜下食管胃底静脉曲张辅助诊断系统及方法，系统包括视频接收模块、卷积神经网络模块、结果报告模块、数据库模块；视频接收模块，用于接收胃镜设备采集的图像，调用卷积神经网络模块进行识别；卷积神经网络模块，用于对图像合格性进行判别和对病灶分级判别；结果报告模块，用于记录卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；数据库模块，用于存储胃镜设备采集的图像、卷积神经网络模块进行识别结果。本发明专利技术能够从全局视频中提取最有价值图像，并对病灶图像进行静脉曲张分级，为医生诊断提供更可靠、高效的支持。

An assistant diagnostic system and method for esophageal and fundus gastric varices under gastroscopy

The invention discloses an assistant diagnosis system and method for esophageal and gastric fundus varices under gastroscope, which includes video receiving module, convolution neural network module, result reporting module and database module; video receiving module, which receives images collected by gastroscope equipment and uses convolution neural network module for recognition; and convolution neural network module, which is used for image qualification improvement. The results report module is used to record the discriminant results of each convolution neural network module. When the gastroscopy is completed, the images containing suspicious lesions and the corresponding grading results of varicose veins are output according to the confidence and image quality. The database module is used to store the images collected by gastroscopy equipment and the convolution neural network. The network module carries on the recognition result. The invention can extract the most valuable image from the global video and classify the lesion image to provide more reliable and efficient support for the doctor's diagnosis.

【技术实现步骤摘要】
一种胃镜下食管胃底静脉曲张辅助诊断系统及方法
本专利技术属于图像识别
，涉及一种胃镜下食管胃底静脉曲张辅助诊断系统及方法，具体涉及一种基于深度学习的胃镜下食管胃底静脉曲张辅助诊断系统及方法。
技术介绍
急性消化道出血是消化系统疾病中常见的并发症，其中肝硬变失代偿导致的食管或胃底静脉曲张破裂出血尤为棘手，严重时常危及生命，因此，准确的诊断和对治疗疗效的判断至关重要。目前，胃镜检查为诊断食管胃底静脉曲张最简便而有效的方法，并且对食管胃底静脉曲张的分级有助于了解病情危重情况。内镜操作中，临床医师在内镜操作中依据自己经验对可疑病灶区域的判断，并将图像抓取下来保存到内镜报告系统中，由诊断医生根据这些抓取的影像出具诊断报告。现有的技术只关注如何识别已经由操作医师采集的图像中是否包含病灶，并未能考虑自动采集最有价值影像；并且，检查结果受制于操作医师的工作状态、经验影响，容易出现分级不准确情况，这将导致临床医生对病变无法做出全面准确的评估。
技术实现思路
本专利技术为了解决的是人工采集胃底静脉曲张图像、人工判断食管胃底静脉曲张分级不准确的问题，提供了一种基于深度学习的胃镜下食管胃底静脉曲张辅助诊断系统及方法。本专利技术的系统所采用的技术方案是：一种胃镜下食管胃底静脉曲张辅助诊断系统，其特征在于：包括视频接收模块、卷积神经网络模块、结果报告模块、数据库模块；所述视频接收模块，用于接收胃镜设备采集的图像，调用所述卷积神经网络模块进行识别；所述卷积神经网络模块，包括图像合格性判别模型、病灶分级判别模型，分别用于对图像合格性进行判别和对病灶分级判别；所述结果报告模块，用于记录所述卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；所述数据库模块，用于存储胃镜设备采集的图像、卷积神经网络模块进行识别结果。本专利技术的方法所采用的技术方案是：一种胃镜下食管胃底静脉曲张辅助诊断方法，其特征在于，包括以下步骤：步骤1：视频接收模块接收胃镜设备采集的图像，调用卷积神经网络模块进行识别；步骤2：神经网络模块依次调用图像合格性判别模型、病灶分级判别模型，分别对图像合格性进行判别和对病灶分级判别；步骤3：结果报告模块记录卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果。本专利技术具有如下优点：解决传统胃镜统依赖人工采图，容易出现图像采集不全或者图像模糊不合格，利用卷积神经网络模型对图像进行自动图像筛选后，能够从全局视频中提取最有价值图像，并且深度学习可以对静脉曲张进行分级，为医生诊断提供更可靠、高效的支持。附图说明图1是本专利技术实施例的系统结构图；图2是本专利技术实施例的卷积神经网络模型的训练过程流程图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。食管胃底静脉曲张其内镜下的表现为黏膜表面蜿蜒屈曲的条索或结节状隆起及静脉的紫蓝色改变，内镜检查是目前有效的诊断方法。静脉曲张的分级结果对患者的预后和治疗有较大影响。但是一方面传统的胃镜检查的痛苦是很多人望而生畏，另一方面在做胃镜检查的时候，针对设备传回的连续影像，医生要直接筛选出病灶图片，形成报告。但是这么多图像，医生从中筛选出病灶图片是很需要经验的，而有经验的医生又是缺乏的。目前有关胃镜诊断系统及应用仅用于收集和管理影像，需要医生对影像进行人工鉴别，对医师的经验、状态都有着极大的依赖，客观上制约了对影像资料的充分利用。而且一名内镜操作经验丰富的医师培养需要较长的时间，也对基层医疗机构承担起分级诊疗政策指导下的疾病初诊都造成了一定压力。深度学习是近十年来人工智能领域取得的重要突破，具有强大的学习能力和高效的特征表达能力，可以通过大数据的学习，提取图像特征对其进行分类。本专利技术将深度学习应用到胃镜检查诊断食管胃底静脉曲张中，构建卷积神经网络模型，辅助医生进行疾病诊断与分级。请见图1，本专利技术提供的一种胃镜下食管胃底静脉曲张辅助诊断系统，包括视频接收模块、卷积神经网络模块、结果报告模块、数据库模块；视频接收模块，用于接收胃镜设备采集的图像，调用卷积神经网络模块进行识别；卷积神经网络模块，使用不同样本集，训练出不同的模型，包括图像合格性判别模型、病灶分级判别模型，分别用于对图像合格性进行判别和对病灶分级判别；结果报告模块，用于记录卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；数据库模块，用于存储胃镜设备采集的图像、卷积神经网络模块进行识别结果。数据库是在训练机器时用到的，是我们之前人工收集的静脉曲张的图像，专业资历比较高的医生进行评级。为了使机器更加精准，在实际应用中，收集更多的合格图像，将检查时得到的图片经过筛选合格的图片加入数据库。本专利技术提供的一种胃镜下食管胃底静脉曲张辅助诊断方法，包括以下步骤：步骤1：视频接收模块接收胃镜设备采集的图像，按1帧每秒的速度发送到神经网络模块进行识别；本实施例通过视频采集卡，连接胃镜设备的BNC接口，接收胃镜设备视频流输入。步骤2：神经网络模块依次调用图像合格性判别模型、病灶分级判别模型，分别对图像合格性进行判别和对病灶分级判别；本实施例的卷积神经网络模型可选择VGG-16、Resnet-50、DenseNet.，采用Python语言开发，封装成RESTfulAPI(REST风格的网络接口)后被其他模块调用。本实施例中，对卷积神经网络模型选择不做限定，具体应用时可按照测试结果不断调整选用最佳模型。卷积神经网络模型的训练过程如图2所示。步骤3：结果报告模块记录卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；本专利技术具有如下优点：解决传统胃镜统依赖人工采图，容易出现图像采集不全或者图像模糊不合格，利用卷积神经网络模型对图像进行自动图像筛选后，能够从全局视频中提取最有价值图像，并对病灶图像进行静脉曲张分级，为医生诊断提供更可靠、高效的支持。应当理解的是，本说明书未详细阐述的部分均属于现有技术。应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本专利技术专利保护范围的限制，本领域的普通技术人员在本专利技术的启示下，在不脱离本专利技术权利要求所保护的范围情况下，还可以做出替换或变形，均落入本专利技术的保护范围之内，本专利技术的请求保护范围应以所附权利要求为准。本文档来自技高网...

【技术保护点】
1.一种胃镜下食管胃底静脉曲张辅助诊断系统，其特征在于：包括视频接收模块、卷积神经网络模块、结果报告模块、数据库模块；所述视频接收模块，用于接收胃镜设备采集的图像，调用所述卷积神经网络模块进行识别；所述卷积神经网络模块，包括图像合格性判别模型、病灶分级判别模型，分别用于对图像合格性进行判别和对病灶分级判别；所述结果报告模块，用于记录所述卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；所述数据库模块，用于存储胃镜设备采集的图像、卷积神经网络模块进行识别结果。

【技术特征摘要】
1.一种胃镜下食管胃底静脉曲张辅助诊断系统，其特征在于：包括视频接收模块、卷积神经网络模块、结果报告模块、数据库模块；所述视频接收模块，用于接收胃镜设备采集的图像，调用所述卷积神经网络模块进行识别；所述卷积神经网络模块，包括图像合格性判别模型、病灶分级判别模型，分别用于对图像合格性进行判别和对病灶分级判别；所述结果报告模块，用于记录所述卷积神经网络模块的每一次的判别结果，当本次胃镜检查完成之后，按照置信度和图片质量排序，输出N张包含可疑病灶的图像和对应的静脉曲张分级结果；所述数据库模块，用于存储胃镜设备采集的图像、卷积神经网络模块进行识别结果。2.根据权利要求1所述的胃镜下食管胃底静脉曲张辅助诊断系统，其特征在于：所述卷积神经网络模块...

【专利技术属性】
技术研发人员：于红刚，陈明锴，胡珊，吴练练，宫德馨，佘倩，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：湖北,42