一种基于场景识别的胃镜检查盲区监测方法、系统和应用技术方案

本发明专利技术提供一种基于场景识别的胃镜检查盲区监测方法、系统和应用，包括：获取胃镜检查训练图像并做预处理；训练卷积神经网络；获取实时胃镜检查图片；利用训练好的卷积神经网络获取。本发明专利技术利用卷积神经网络对图片具有识别的功能，解决胃镜检查过程中医生难以判断胃镜所在位置的问题，同时，通过局部图像特征聚合，增强图像的结构特征，改善标注模型的识别率，让识别结构更加准确。让识别结构更加准确。让识别结构更加准确。

【技术实现步骤摘要】
一种基于场景识别的胃镜检查盲区监测方法、系统和应用


[0001]本专利技术涉及医疗图像的计算机辅助处理
，尤其涉及一种基于场景识别的胃镜检查盲区监测方法。

技术介绍

[0002]胃镜是一种医学检查方法，也是指这种检查使用的器具，它借助一条纤细、柔软的管子伸入胃中，医生可以直接观察食道、胃和十二指肠的病变，尤其对微小的病变。胃镜检查能直接观察到被检查部位的真实情况，更可通过对可疑病变部位进行病理活检及细胞学检查，以进一步明确诊断，是上消化道病变的首选检查方法。在胃镜检查过程中，内镜检查医师需要通过记忆记录抵达过的区域，难免会造成遗漏，形成检查盲区，而已有的基于图像分类的方法，对于邻近的部位识别准确率较差，往往无法真实的反应出扫查抵达的区域。

技术实现思路

[0003]本专利技术实施例提供一种基于场景识别的胃镜检查盲区监测方法和应用，第一方面，提出一种基于场景识别的胃镜检查盲区监测方法，包括：
[0004]通过胃镜检查视频获取胃镜检查训练图像，并对胃镜检查训练图像进行位置类别的标注。
[0005]胃镜检查训练图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于场景识别的胃镜检查盲区监测方法，其特征在于，包括：获取胃镜检查训练图像，并对胃镜检查训练图像进行位置类别的标注，胃镜检查训练图像预处理；训练卷积神经网络，获得标注模型：将经过预处理的胃镜检查训练图像输入卷积神经网络中进行图像特征提取，并进行局部图像特征聚合；获取实时胃镜检查图片；通过标注模型判断所述实时胃镜检查图片的所述位置类别并输出。2.据权利要求1所述的一种基于场景识别的胃镜检查盲区监测方法，其特征在于，所述胃镜检查训练图像从胃镜检查的视频获取，按5帧/秒进行抽取；或者所述胃镜检查训练图像为单一的一张胃镜检查图像。3.根据权利要求1或2所述的一种基于场景识别的胃镜检查盲区监测方法，其特征在于，将所述位置类别划分为27类，包括26个部位和模糊类别。4.根据权利要求3所述的一种基于场景识别的胃镜检查盲区监测方法，其特征在于，当所述实时胃镜检查图片的位置类别错误或者属于模糊类别时，由使用者进行改正或者给出正确的位置类别，对所述标注模型进行更新。5.根据权利要求1所述的一种基于场景识别的胃镜检查盲区监测方法，其特征在于，所述预处理包括将所述胃镜检查训练图像缩放至指定尺寸，并进行归一化。6.根据权利要求5所述的一种基于场景识别的胃镜检查盲区监测方...

【专利技术属性】
技术研发人员：邱祺，胡延兴，
申请(专利权)人：厦门影诺医疗科技有限公司，
类型：发明
国别省市：