用于诊断小肠清洁度的系统和方法技术方案

本发明专利技术涉及一种用于诊断小肠清洁度的系统。该系统可以包括：相似度分析单元，用于分析以从多个小肠图像中选择相似的小肠图像的代表图像；图像分类单元，当在已经学习了多个小肠图像的状态下接收到要诊断清洁度的一系列的多个小肠图像时，通过将代表图像应用于学习结果来预测小肠清洁度，从而根据分数对小肠清洁度进行分类；以及清洁度诊断单元，基于代表图像的小肠清洁度的分数和与代表图像相似的小肠图像的数量，计算一系列的多个小肠图像的最终小肠清洁度。最终小肠清洁度。最终小肠清洁度。

【技术实现步骤摘要】
【国外来华专利技术】用于诊断小肠清洁度的系统和方法


[0001]本专利技术涉及一种用于诊断小肠清洁度的系统和方法，更具体地，涉及一种通过预先学习和自动诊断在用户界面(UI)上显示小肠清洁度的系统和方法。

技术介绍

[0002]小肠是指位于胃与大肠之间并且长6至7m的消化道，并且是在消化中消化和吸收营养物质的重要器官。小肠从上面分为三个区域，即十二指肠、空肠和回肠。
[0003]小肠清洁度是诊断小肠的状况后制作诊断报告时需要填写的信息。目前，医学专家关于小肠学习了数万个图像，并且通过专家根据所学习的图像的判断来诊断清洁度。
[0004]然而，这种关于小肠清洁度的常规诊断存在不一致的问题，因为专家通过自身诊断小肠清洁度来做出主观决定，所以诊断小肠清洁度的不同专家很可能做出不同的决定。因此，需要一种自动地诊断并客观化小肠清洁度的系统。

技术实现思路

[0005]技术问题
[0006]本专利技术旨在解决上述的以往的问题，并且本专利技术的一方面旨在客观且一致地诊断小肠清洁度。
[0007]技术方案
[0008]为了实现本专利技术的上述方面，提供一种用于诊断小肠清洁度的系统，包括：相似度分析单元，所述相似度分析单元被配置为进行分析以从多个小肠图像中选择相似的小肠图像的代表图像；图像分类单元，所述图像分类单元被配置为当在学习了多个小肠图像的状态下接收到要诊断清洁度的一系列的多个小肠图像时，通过将代表图像应用于学习结果来预测小肠清洁度，从而根据针对小肠清洁度的分数对多个小肠图像进行分类；以及清洁度诊断单元，所述清洁度诊断单元被配置为基于对小肠清洁度进行了评分的代表图像的分数和与代表图像相似的小肠图像的数量，计算关于一系列的多个小肠图像的最终小肠清洁度。
[0009]这里，相似度分析单元可以被配置为通过巴氏距离(Bhattacharyya distance)算法基于两个小肠图像之间的颜色直方图的比较来测量相似度并且从基于给定的相似度基准选择的多个小肠图像中选择代表图像，来选择代表图像。
[0010]此外，随着两个小肠图像之间的相似度降低，相似度基准收敛为“0”，并且随着相似度增大，相似度基准收敛为“1”。
[0011]此外，图像分类单元可以被配置为基于卷积神经网络(CNN)模型学习多个小肠图像的颜色和纹理特征，并且通过基于界标信息将小肠图像应用于学习结果来预测小肠清洁度。
[0012]此外，图像分类单元可以被配置为在将从多个图像传感器输出的多个小肠图像的颜色基准标准化之后进行学习。
[0013]此外，颜色基准可以采用RGB、色调饱和度值(HSV)和颜色坐标(Lab)中的至少一个。
[0014]此外，针对小肠清洁度，可以以
‘1’
到
‘
10
’
的等级对多个小肠图像进行评分。
[0015]进一步，最终的小肠清洁度可以通过将与第一代表图像至第n代表图像相对应的相似图像的数量乘以被评分的清洁度的分数，将乘法结果累加并且将累加的和除以多个小肠图像的总数而得到。
[0016]此外，图像分类单元可以被配置为基于多小肠图像中的颜色和纹理来学习小肠区域，并且基于在小肠区域中设定的界标信息根据小肠区域对多个小肠图像进行分类。
[0017]为了实现本专利技术的方面，提供一种用于诊断小肠清洁度的方法，包括：接收已评分的多个小肠图像；学习已评分的多个小肠图像；当接收到要诊断小肠清洁度的一系列的多个小肠图像时，进行分析以从多个小肠图像中选择相似的小肠图像的代表图像；通过将代表图像应用于学习结果来预测小肠清洁度，从而根据针对小肠清洁度的分数对多个小肠图像进行分类；以及基于代表图像计算关于多个小肠图像的最终小肠清洁度。
[0018]有益效果
[0019]根据本专利技术，用于诊断小肠清洁度的系统和方法具有如下效果。
[0020]首先，可以提供针对小肠清洁度的一致且客观的指标。在根据本专利技术的用于诊断小肠清洁度的系统及方法中，所述系统事先关于小肠学习了大量的图片或图像并且自动地诊断小肠清洁度，从而不同于以往根据专家的主观判断被不一致地诊断的小肠清洁度，更一致地提供小肠清洁度。
[0021]其次，可以节省时间。在根据本专利技术的用于诊断小肠清洁度的系统及方法中，当用户想要基于事先学习过的小肠的图片或图像来诊断的小肠的图片被输入时，基于学习的算法立即诊断小肠清洁度，因此节省了诊断小肠清洁度所花费的时间。
[0022]第三，可以提供便利性。如上所述，用户容易诊断小肠清洁度，因为当用户要诊断的小肠的图片被输入时，根据学习的算法立即诊断小肠清洁度。
附图说明
[0023]图1是根据本专利技术的实施例的用于诊断小肠清洁度的系统的框图。
[0024]图2是示出根据本专利技术的实施例的用于诊断小肠清洁度的方法的流程图。
[0025]图3示出了在根据本专利技术的实施例的用于诊断小肠清洁度的系统中针对小肠清洁度已经评分的小肠图像。
[0026]图4示意性地示出了根据本专利技术的实施例的用于诊断小肠清洁度的系统中在基于卷积神经网络(CNN)模型学习小肠图像之前将多个颜色基准标准化。
[0027]图5示意性地示出了根据本专利技术的实施例的小肠清洁度诊断系统中基于CNN模型学习小肠图像。
[0028]图6示意性地示出了通过根据本专利技术的实施例的用于诊断小肠清洁度的系统中使用的巴氏距离算法在颜色直方图中比较两个小肠图像。
[0029]图7示意性地示出了根据本专利技术的实施例的用于诊断小肠清洁度的系统中基于相似度选择代表图像。
[0030]图8示意性地示出了根据本专利技术的实施例的用于诊断小肠清洁度的系统中最终计
算出小肠清洁度。
具体实施方式
[0031]下面将参照附图详细描述本专利技术的实施例。然而，一些与本专利技术的主旨无关的特征可以被省略或概括，但是被省略的特征对于本专利技术来说不是不必要的并且可以被本专利技术所属领域的普通技术人员组合使用。
[0032]<用于诊断小肠清洁度的系统>
[0033]图1是根据本专利技术的实施例的用于诊断小肠清洁度的系统的框图。
[0034]如图1所示，根据本专利技术的实施例的用于诊断小肠清洁度的系统可以包括数据接收器100、图像分类单元110、相似度分析单元120、清洁度诊断单元130和数据库140。
[0035]数据接收器100被配置为从专家接收多个小肠图像。数据接收器100可以通过有线/无线网络连接到专家的终端以接收信息。专家可以根据检查和诊断的难易对小肠清洁度以“1”到“10”的分数对多个小肠图像进行评分。这里，多个小肠图像可以包括数万个小肠图像。
[0036]图像分类单元110被配置为，在基于在数据接收器100中接收到的多个小肠图像学习小肠清洁度之后实时接收一系列的多个小肠图像时，在小肠清洁度中对代表图像进行评分和分类。图像分类单元110可以基于人工神经网络学习多个小肠图像。在这种情况下，可以基于卷积神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于诊断小肠清洁度的系统，包括：相似度分析单元，所述相似度分析单元被配置为进行分析以从多个小肠图像中选择相似的小肠图像的代表图像；图像分类单元，所述图像分类单元被配置为当在学习了多个小肠图像的状态下接收到期望诊断清洁度的一系列的多个小肠图像时，通过将所述代表图像应用于学习结果来预测小肠清洁度，从而根据针对所述小肠清洁度的分数对多个小肠图像进行分类；以及清洁度诊断单元，所述清洁度诊断单元被配置为基于针对所述小肠清洁度进行了评分的所述代表图像的分数和与所述代表图像相似的小肠图像的数量，计算关于所述一系列的多个小肠图像的最终小肠清洁度。2.根据权利要求1所述的系统，其中，所述相似度分析单元被配置为通过基于通过巴氏距离算法对两个小肠图像之间的颜色直方图的比较来测量相似度并且从基于给定的相似度基准选择的所述多个小肠图像中选择代表图像，来选择所述代表图像。3.根据权利要求2所述的系统，其中，随着两个小肠图像之间的相似度降低，相似度基准收敛变为“0”，并且随着所述相似度增大，所述相似度基准收敛变为“1”。4.根据权利要求1所述的系统，其中，所述图像分类单元被配置为基于卷积神经网络即CNN模型学习所述多个小肠图像的颜色和纹理特征，并且通过基于界标信息将所述小肠图像应用于所述学习结果来预测小肠清洁度。5.根据权利要求1所述的系统，其中，所述图像分类单元被配置为在将...

【专利技术属性】
技术研发人员：金维镇，
申请(专利权)人：株英特麦迪，
类型：发明
国别省市：