胃部异常风险等级预测方法、装置、终端及可读存储介质制造方法及图纸

本申请提供一种胃部异常风险等级预测方法、装置、终端及可读存储介质，该方法包括：获取待检测用户的胃部内镜图像集和预设个导致胃部发生目标异常的异常相关信息；确定胃部内镜图像集中每张图像对应的多个预设的目标属性特征；基于胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定胃部内镜图像集中存在预设属性异常的第一异常图像集；获取第一异常图像集中每张图像对应的异常面积占比参数；确定第一异常图像集中每张图像对应的异常部位信息；基于异常相关信息，和第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对待检测用户的胃部发生目标异常的风险等级进行预测。本申请实施例提高了预测结果的准确性。果的准确性。果的准确性。

【技术实现步骤摘要】
胃部异常风险等级预测方法、装置、终端及可读存储介质


[0001]本申请涉及辅助医疗
，具体涉及一种胃部异常风险等级预测方法、装置、终端及可读存储介质。

技术介绍

[0002]胃癌(Gastric cancer,GC)是世界上第五大常见癌症，也是癌症相关死亡的主要原因之一。胃癌的晚期诊断导致高死亡率，进展期胃癌患者的5年生存率仅为20%，而早期胃癌患者的5年生存率可达90%以上。
[0003]胃部早期发生的异常状态，可在几年到几十年的时间里发展为胃肿瘤，然而，现有方案中都只能初略检测胃部早期的多种异常状况，无法准确对发生胃肿瘤的异常风险等级进行准确预测。
[0004]因此，如何有效对胃部的异常风险等级进行准确预测，是当前辅助医疗
亟需解决的技术问题。

技术实现思路

[0005]本申请提供一种胃部异常风险等级预测方法、装置、终端及可读存储介质，旨在解决如何有效对胃部的异常风险等级进行准确预测的技术问题。
[0006]一方面，本申请提供胃部异常风险等级预测方法，所述方法包括：获取待检测用户的胃部内镜图像集和预设个导致胃部发生目标异常的异常相关信息；确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征；基于所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集；获取所述第一异常图像集中每张图像对应的异常面积占比参数；确定所述第一异常图像集中每张图像对应的异常部位信息；基于所述异常相关信息，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对所述待检测用户的胃部发生目标异常的风险等级进行预测。
[0007]在本申请一种可能的实现方式中，所述基于所述异常相关信息，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对所述待检测用户的胃部发生目标异常的风险等级进行预测，包括：对所述异常相关信息中的每个异常相关特征进行指标标签化，得到多个异常相关特征参数；对所述多个异常相关特征参数，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息进行加权拟合，得到第一加权拟合结果；基于所述第一加权拟合结果，对所述待检测用户的胃部发生目标异常的风险等级进行预测。
[0008]在本申请一种可能的实现方式中，所述基于所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集，包括：对所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征进行加权拟合，得到第二拟合结果；基于所述第二拟合结果，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集。
[0009]在本申请一种可能的实现方式中，确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，包括：基于预设的萎缩性特征识别模型，识别所述胃部内镜图像集中每张图像对应的萎缩性特征；基于预设的红白色调识别模型，识别所述胃部内镜图像集中每张图像对应的色调特征；基于预设的皱襞形态识别模型，识别所述胃部内镜图像集中每张图像对应的皱襞形态特征；基于所述萎缩性特征、所述色调特征以及所述皱襞形态特征，确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征。
[0010]在本申请一种可能的实现方式中，所述获取所述第一异常图像集中每张图像对应的异常面积占比参数，包括：获取所述第一异常图像集中每张图像对应的尺寸参数；分割所述第一异常图像集中每张图像的异常区域，并计算得到所述异常区域的异常区域面积参数；基于所述尺寸参数和所述异常区域面积参数，确定所述第一异常图像集中每张图像对应的异常面积占比参数。
[0011]在本申请一种可能的实现方式中，所述确定所述第一异常图像集中每张图像对应的异常部位信息，包括：对所述第一异常图像集中每张图像进行分类，得到有效图像集和无效图像集，所述无效图像集指的是十二指肠图像及模糊图像组成的图像集；基于预设的胃部位识别模型，识别所述有效图像集中的每张图像的部位信息，以确定所述第一异常图像集中每张图像对应的异常部位信息。
[0012]在本申请一种可能的实现方式中，所述获取待检测用户的胃部内镜图像集和预设个导致胃部发生目标异常的异常相关信息，包括：通过胃镜检查设备获取待检测用户的胃部内镜图像；获取所述待检测用户的检测项目，以确定所述检测项目对应的目标异常类型；获取导致胃部发生所述目标异常的多个异常因素；采集所述待检测用户的与所述多个异常因素对应异常相关信息。
[0013]另一方面，本申请提供一种胃部异常风险等级预测装置，所述装置包括：第一获取单元，用于获取待检测用户的胃部内镜图像集和预设个导致胃部发生目标异常的异常相关信息；
第一确定单元，用于确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征；第二确定单元，用于基于所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集；第二获取单元，用于获取所述第一异常图像集中每张图像对应的异常面积占比参数；第三确定单元，用于确定所述第一异常图像集中每张图像对应的异常部位信息；第一预测单元，用于基于所述异常相关信息，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对所述待检测用户的胃部发生目标异常的风险等级进行预测。
[0014]在本申请一种可能的实现方式中，所述第一预测单元，具体用于：对所述异常相关信息中的每个异常相关特征进行指标标签化，得到多个异常相关特征参数；对所述多个异常相关特征参数，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息进行加权拟合，得到第一加权拟合结果；基于所述第一加权拟合结果，对所述待检测用户的胃部发生目标异常的风险等级进行预测。
[0015]在本申请一种可能的实现方式中，所述第二确定单元，具体用于：对所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征进行加权拟合，得到第二拟合结果；基于所述第二拟合结果，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集。
[0016]在本申请一种可能的实现方式中，所述第一确定单元，具体用于：基于预设的萎缩性特征识别模型，识别所述胃部内镜图像集中每张图像对应的萎缩性特征；基于预设的红白色调识别模型，识别所述胃部内镜图像集中每张图像对应的色调特征；基于预设的皱襞形态识别模型，识别所述胃部内镜图像集中每张图像对应的皱襞形态特征；基于所述萎缩性特征、所述色调特征以及所述皱襞形态特征，确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征。
[0017]在本申请一种可能的实现方式中，所述第二获取单元，具体用于：获取所述第一异常图像集中每张图像对应的尺寸参数；分割所述第一异常图像集中每张图像的异常区域，并计算得到所述异常区域的异常区域面积参数；基于所述尺寸参数和所述异常区域面积参数，确定所述第一异常图像集中每张图像对应的异常面积占比参数。
[0018]在本申请一种可能的实现方式中，所述第三确定单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胃部异常风险等级预测方法，其特征在于，所述方法包括：获取待检测用户的胃部内镜图像集和预设个导致胃部发生目标异常的异常相关信息；确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征；基于所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集；获取所述第一异常图像集中每张图像对应的异常面积占比参数；确定所述第一异常图像集中每张图像对应的异常部位信息；基于所述异常相关信息，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对所述待检测用户的胃部发生目标异常的风险等级进行预测。2.根据权利要求1所述的胃部异常风险等级预测方法，其特征在于，所述基于所述异常相关信息，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息，对所述待检测用户的胃部发生目标异常的风险等级进行预测，包括：对所述异常相关信息中的每个异常相关特征进行指标标签化，得到多个异常相关特征参数；对所述多个异常相关特征参数，和所述第一异常图像集中每张图像对应的异常面积占比参数、异常部位信息进行加权拟合，得到第一加权拟合结果；基于所述第一加权拟合结果，对所述待检测用户的胃部发生目标异常的风险等级进行预测。3.根据权利要求1所述的胃部异常风险等级预测方法，其特征在于，所述基于所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集，包括：对所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征进行加权拟合，得到第二拟合结果；基于所述第二拟合结果，确定所述胃部内镜图像集中存在预设属性异常的第一异常图像集。4.根据权利要求1所述的胃部异常风险等级预测方法，其特征在于，所述确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征，包括：基于预设的萎缩性特征识别模型，识别所述胃部内镜图像集中每张图像对应的萎缩性特征；基于预设的红白色调识别模型，识别所述胃部内镜图像集中每张图像对应的色调特征；基于预设的皱襞形态识别模型，识别所述胃部内镜图像集中每张图像对应的皱襞形态特征；基于所述萎缩性特征、所述色调特征以及所述皱襞形态特征，确定所述胃部内镜图像集中每张图像对应的多个预设的目标属性特征。5.根据权利要求1所述的胃部异常风险等级预测方法，其特征在于，所述获取所述第一异常图像集中每张图像对应的异常面积占比参数，包括...

【专利技术属性】
技术研发人员：于红刚，陶逍，吴练练，董泽华，朱益洁，
申请(专利权)人：武汉大学，
类型：发明
国别省市：