本申请公开了一种内镜图像病灶区检测方法、装置、设备及存储介质，所述的方法包括：获取待检测图像；对所述待检测图像进行预处理，得到预处理图像；对所述预处理图像进行深度估计处理，得到目标深度图像；基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，所述目标分割图像包括病灶区域和背景区域；将所述目标分割图像和所述待检测图像融合，得到目标检测图像，本申请通过获取的深度图像指导语义分割模型对预处理图像进行分割，提高了微小病灶区域的检出率和检测的精确度，且提升了病灶区边缘的分割检测效果，大大降低假阳性概率，对于临床的内镜检查有良好的辅助作用。内镜检查有良好的辅助作用。内镜检查有良好的辅助作用。
【技术实现步骤摘要】
一种内镜图像病灶区检测方法、装置、设备及存储介质
[0001]本申请涉及智能医疗
，尤其涉及一种内镜图像病灶区检测方法、装置、设备及存储介质。
技术介绍
[0002]内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等于一体的检测仪器；一个具有图像传感器、光学镜头、光源照明、机械装置等，它可以经口腔进入胃内或经其他天然孔道进入体内。利用内窥镜可以看到X射线不能显示的病变，因此它对医生非常有用。例如，借助内窥镜医生可以观察胃内的溃疡或肿瘤，据此制定出最佳的治疗方案；
[0003]内镜检查一直是多种疾病检查的常规和重要手段，其在消化系统、呼吸系统、泌尿系统等多个方面的检查中有着广泛的应用。施行内镜检查的一大特点就是能通过内镜自带的摄像头，观察自然腔道内的图像信息。但是该项检查也具有一定的局限性，如：图像信息量过于庞大，病人配合度较低导致的检查时间有限，医师的工作强度过大等；以上的多种局限性使得了漏诊的情况时有发生。
[0004]近年来，出现了利用深度学习对内镜图像中的病灶区域进行自动分割的方法。这些方法在实际应用中，普遍存在假阳性偏高的问题，即在实际操作中，经常将正常的区域检测标出为病灶。同时，一些处于轻型的病灶，由于病变形态较小，会出现漏诊的情况。
技术实现思路
[0005]为了解决上述技术问题，本申请公开了内镜图像病灶区检测方法，通过获取的深度图像指导语义分割模型对预处理图像进行分割，提高了微小病灶区域的检出率和检测的精确度，且提升了病灶区边缘的分割检测效果，大大降低假阳性概率，对于临床的内镜检查有良好的辅助作用。
[0006]为了达到上述专利技术目的，本申请提供了一种内镜图像病灶区检测方法，所述的方法包括：
[0007]获取待检测图像；
[0008]对所述待检测图像进行预处理，得到预处理图像；
[0009]对所述预处理图像进行深度估计处理，得到目标深度图像；
[0010]基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，所述目标分割图像包括病灶区域和背景区域；
[0011]将所述目标分割图像和所述待检测图像融合，得到目标检测图像。
[0012]在一些实施方式中，所述对所述预处理图像进行深度估计处理，得到目标深度图像包括：
[0013]对所述预处理图像进行全局估计处理和局部估计处理，得到目标深度图像。
[0014]在一些实施方式中，所述对所述预处理图像进行全局估计处理和局部估计处理，
得到目标深度图像，包括
[0015]对所述预处理图像进行全局估计处理，得到第一深度图像；
[0016]对所述预处理图像进行初步局部估计处理，得到第二深度图像；
[0017]将所述第一深度图像和所述第二深度图像进行叠加，得到第三深度图像；
[0018]对所述第三深度图像进行局部估计处理，得到目标深度图像。
[0019]在一些实施方式中，所述基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，包括：
[0020]利用语义分割模型的特征提取层对所述目标深度图像进行特征提取处理，得到所述目标深度图像的深度特征，所述深度特征用于表征所述目标深度图像中的深度信息；
[0021]利用语义分割模型的注意力层，对所述目标深度图像的深度特征进行注意力处理，得到目标权重信息；所述目标权重信息用于表征对图像中各区域的深度变化幅度信息对应的权重；
[0022]基于所述目标权重信息，对所述预处理图像进行语义分割处理，得到目标分割图像。
[0023]在一些实施方式中，所述对所述目标深度图像进行深度特征提取处理，得到图像特征，包括：
[0024]利用语义分割模型的特征提取层，对所述目标深度图像的特征向量进行卷积、池化处理，得到所述目标深度图像的深度特征；
[0025]所述基于所述目标权重信息，对所述预处理图像进行语义分割处理，得到目标分割图像，包括：
[0026]基于所述语义分割模型的特征提取层，对所述预处理图像的特征向量进行卷积、池化处理，得到预处理图像对应的第一图像特征；
[0027]基于所述目标权重信息，对所述第一图像特征进行特征的权重处理，得到预处理图像对应的第二图像特征；
[0028]将所述预处理图像对应的第二图像特征进行语义分割处理，得到目标分割图像。
[0029]在一些实施方式中，还包括构建语义分割模型，所述构建语义分割模型包括：
[0030]获取样本训练集，所述样本训练集包括多个样本图像以及与所述多个样本图像对应的标签图像信息；
[0031]将所述多个样本图像输入初始化模型，得到与所述多个样本图像对应的目标图像信息；
[0032]基于与所述多个样本图像对应的目标图像信息，以及所述多个样本图像对应的标签图像信息，确定损失信息；
[0033]基于所述损失信息对所述初始化模型进行训练，得到所述语义分割模型。
[0034]在一些实施方式中，所述预设损失函数的建立方法包括：
[0035]获取第一初始损失函数和第二初始损失函数；
[0036]将所述第一初始损失函数和所述第二初始损失函数进行加权处理，得到预设损失函数。
[0037]在一些实施方式中，所述基于所述目标分割图像和所述待检测图像，得到目标检测图像，包括：
[0038]将所述目标分割图像的像素进行调整，得到目标像素的目标分割图像，其中，所述目标像素与所述待检测图像的像素相同；
[0039]将所述目标像素的目标分割图像与所述待检测图像叠加处理，得到目标检测图像。
[0040]本申请还提供了一种内镜图像病灶区检测装置，所述的装置包括：
[0041]获取模块，用于获取待检测图像；
[0042]预处理模块，用于对所述待检测图像进行预处理，得到预处理图像；
[0043]深度处理模块，用于对所述预处理图像进行深度估计处理，得到目标深度图像；
[0044]分割处理模块，用于基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，所述目标分割图像包括病灶区域和背景区域；
[0045]图像融合模块，用于将所述目标分割图像和所述待检测图像融合，得到目标检测图像。
[0046]本申请还提供了一种内镜图像病灶区检测设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述所述的内镜图像病灶区检测方法。
[0047]本申请还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如上述所述的内镜图像病灶区检测方法。
[0048]实施本申请实施例，具有如下有益效果：
[0049]本申请公开的内镜图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种内镜图像病灶区检测方法，其特征在于，所述的方法包括：获取待检测图像；对所述待检测图像进行预处理，得到预处理图像；对所述预处理图像进行深度估计处理，得到目标深度图像；基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，所述目标分割图像包括病灶区域和背景区域；将所述目标分割图像和所述待检测图像融合，得到目标检测图像。2.根据权利要求1所述的内镜图像病灶区检测方法，其特征在于，所述对所述预处理图像进行深度估计处理，得到目标深度图像包括：对所述预处理图像进行全局估计处理和局部估计处理，得到目标深度图像。3.根据权利要求2所述的内镜图像病灶区检测方法，其特征在于，所述对所述预处理图像进行全局估计处理和局部估计处理，得到目标深度图像，包括对所述预处理图像进行全局估计处理，得到第一深度图像；对所述预处理图像进行初步局部估计处理，得到第二深度图像；将所述第一深度图像和所述第二深度图像进行叠加，得到第三深度图像；对所述第三深度图像进行局部估计处理，得到目标深度图像。4.根据权利要求1所述的内镜图像病灶区检测方法，其特征在于，所述基于所述目标深度图像的深度特征，对所述预处理图像进行语义分割处理，得到目标分割图像，包括：利用语义分割模型的特征提取层对所述目标深度图像进行特征提取处理，得到所述目标深度图像的深度特征，所述深度特征用于表征所述目标深度图像中的深度信息；利用语义分割模型的注意力层，对所述目标深度图像的深度特征进行注意力处理，得到目标权重信息；所述目标权重信息用于表征对图像中各区域的深度变化幅度信息对应的权重；基于所述目标权重信息，对所述预处理图像进行语义分割处理，得到目标分割图像。5.根据权利要求4所述的内镜图像病灶区检测方法，其特征在于，所述对所述目标深度图像进行深度特征提取处理，得到图像特征，包括：利用语义分割模型的特征提取层，对所述目标深度图像的特征向量进行卷积、池化处理，得到所述目标深度图像的深度特征；所述基于所述目标权重信息，对所述预处理图像进行语义分割处理，得到目标分割图像，包括：基于所述语义分割模型的特征提取层，对所述预处理图像的特征向量进行卷积、池化处理，得到预处理图像对应的第一图像特征；基于所述目标权重信息，对所述第一图像特征进行特征的权重处理，得到预处理图像对...
【专利技术属性】
技术研发人员：李凌，陈宇桥，徐强，辜嘉，李文超，
申请(专利权)人：苏州中科华影健康科技有限公司，
类型：发明
国别省市：
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。