本申请提供一种目标部位异常形态识别方法、装置及计算机可读存储介质，该方法包括：识别预先获取针对患者的目标部位的目标内镜图像的类型；若目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定目标内镜图像中目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度；基于目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，确定目标部位的异常程度系数；若目标部位的异常程度系数大于预设的异常程度阈值，则确定目标部位的异常形态。本申请实施例提高了对目标部位异常形态识别的准确性和效率。别的准确性和效率。别的准确性和效率。
【技术实现步骤摘要】
目标部位异常形态识别方法、装置及计算机可读存储介质
[0001]本申请涉及辅助医疗
，具体涉及一种目标部位异常形态识别方法、装置及计算机可读存储介质。
技术介绍
[0002]目标部位的异常形态的确定直接决定手术切除的完整性和有效性，未能完全切除目标部位的异常的手术是失败的。
[0003]然而，目标部位的异常形态的确定对内镜临床医师是很有难度的工作内容，即使对高年资医师也不容易判断正确。
[0004]因此，如何提高对目标部位的异常形态进行识别的准确性是当前辅助医疗
技术系解决的技术问题。
技术实现思路
[0005]本申请提供一种目标部位异常形态识别方法、装置及计算机可读存储介质，旨在解决如何提高对目标部位的异常形态进行识别的准确性的技术问题。
[0006]一方面，本申请提供一种目标部位异常形态识别方法，所述方法包括：基于预设的深度学习卷积神经网络模型，识别预先获取针对患者的目标部位的目标内镜图像的类型，所述目标部位为胃部；若所述目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，所述预设类型要求为放大窄带成像内镜图像类型；基于所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及所述血管稀疏特征的置信度，确定所述目标部位的异常程度系数；若所述目标部位的异常程度系数大于预设的异常程度阈值，则确定所述目标部位的异常形态。
[0007]在本申请一种可能的实现方式中，所述若所述目标部位的异常程度系数大于预设的异常程度阈值，则确定所述目标部位的异常形态，包括：若所述目标部位的异常程度系数大于预设的异常程度阈值，则采用预设的异常区域的范围识别模型，识别所述目标部位的异常区域的范围；基于所述目标部位的异常区域的范围，确定所述目标部位的异常形态。
[0008]在本申请一种可能的实现方式中，所述基于所述目标部位的异常区域的范围，确定所述目标部位的异常形态，包括：基于所述异常区域的范围，确定所述异常区域的轮廓边界；分割所述异常区域的轮廓边界，得到所述异常区域的面积；将所述异常区域的面积与预设的阈值进行比较，得到比较结果；
基于所述比较结果，确定所述目标部位的异常形态。
[0009]在本申请一种可能的实现方式中，所述预设的卷积神经网络的医学特征识别模型集合包括表面凹陷特征识别模型、腺管规则特征识别模型、血管规则特征识别模型以及血管稀疏特征识别模型；所述若所述目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，包括：若所述目标内镜图像的类型符合预设类型要求，则基于所述表面凹陷特征识别模型，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度；基于所述腺管规则特征识别模型，确定所述目标内镜图像中所述目标部位的；基于所述血管规则特征识别模型，确定所述目标内镜图像中所述目标部位的血管规则特征的置信度；基于所述血管稀疏特征识别模型，确定所述目标内镜图像中所述目标部位的血管稀疏特征的置信度。
[0010]在本申请一种可能的实现方式中，在基于所述表面凹陷特征识别模型，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度之前，所述方法还包括：获取所述目标部位的表面凹陷特征的图像样本集；将所述图像样本按照预设比例分为训练集和测试集；基于所述训练集、所述测试集以及预设的基于ResNet50图像分类神经网络模型，确定所述表面凹陷特征识别模型。
[0011]在本申请一种可能的实现方式中，在基于预设的深度学习卷积神经网络模型，识别预先获取针对患者的目标部位的目标内镜图像的类型之前，所述方法还包括：基于预设的深度学习卷积神经网络模型，识别预先获取针对患者的目标部位的内镜图像中的有效区域；裁剪所述有效区域，得到目标内镜图像。
[0012]在本申请一种可能的实现方式中，所述裁剪所述有效区域，得到目标内镜图像，包括：裁剪所述有效区域，得到初始内镜图像；对所述初始内镜图像进行图像质量检测，得到检测结果；若所述检测结果为不符合预设的图像质量检测要求，则对所述初始内镜图像进行图像质量增强处理，得到目标内镜图像。
[0013]在本申请一种可能的实现方式中，所述基于所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及所述血管稀疏特征的置信度，确定所述目标部位的异常程度系数，包括：基于预设的拟合模型，对所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及所述血管稀疏特征的置信度进行拟合，得到所述目标部位的异常程度系数。
[0014]另一方面，本申请提供一种目标部位异常形态识别装置，所述装置包括：第一识别单元，用于基于预设的深度学习卷积神经网络模型，识别预先获取针对
患者的目标部位的目标内镜图像的类型，所述目标部位为胃部；第一确定单元，用于若所述目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，所述预设类型要求为放大窄带成像内镜图像类型；第二确定单元，用于基于所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及所述血管稀疏特征的置信度，确定所述目标部位的异常程度系数；第三确定单元，用于若所述目标部位的异常程度系数大于预设的异常程度阈值，则确定所述目标部位的异常形态。
[0015]在本申请一种可能的实现方式中，所述第三确定单元，具体包括：第二识别单元，用于若所述目标部位的异常程度系数大于预设的异常程度阈值，则采用预设的异常区域的范围识别模型，识别所述目标部位的异常区域的范围；第四确定单元，用于基于所述目标部位的异常区域的范围，确定所述目标部位的异常形态。
[0016]在本申请一种可能的实现方式中，所述第四确定单元，具体用于：基于所述异常区域的范围，确定所述异常区域的轮廓边界；分割所述异常区域的轮廓边界，得到所述异常区域的面积；将所述异常区域的面积与预设的阈值进行比较，得到比较结果；基于所述比较结果，确定所述目标部位的异常形态。
[0017]在本申请一种可能的实现方式中，所述预设的卷积神经网络的医学特征识别模型集合包括表面凹陷特征识别模型、腺管规则特征识别模型、血管规则特征识别模型以及血管稀疏特征识别模型；所述第一确定单元，具体用于：若所述目标内镜图像的类型符合预设类型要求，则基于所述表面凹陷特征识别模型，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度；基于所述腺管规则特征识别模型，确定所述目标内镜图像中所述目标部位的；基于所述血管规则特征识别模型，确定所述目标内镜图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标部位异常形态识别方法，其特征在于，所述方法包括：基于预设的深度学习卷积神经网络模型，识别预先获取针对患者的目标部位的目标内镜图像的类型，所述目标部位为胃部；若所述目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，所述预设类型要求为放大窄带成像内镜图像类型；基于所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及所述血管稀疏特征的置信度，确定所述目标部位的异常程度系数；若所述目标部位的异常程度系数大于预设的异常程度阈值，则确定所述目标部位的异常形态。2.根据权利要求1所述的目标部位异常形态识别方法，其特征在于，所述若所述目标部位的异常程度系数大于预设的异常程度阈值，则确定所述目标部位的异常形态，包括：若所述目标部位的异常程度系数大于预设的异常程度阈值，则采用预设的异常区域的范围识别模型，识别所述目标部位的异常区域的范围；基于所述目标部位的异常区域的范围，确定所述目标部位的异常形态。3.根据权利要求2所述的目标部位异常形态识别方法，其特征在于，所述基于所述目标部位的异常区域的范围，确定所述目标部位的异常形态，包括：基于所述异常区域的范围，确定所述异常区域的轮廓边界；分割所述异常区域的轮廓边界，得到所述异常区域的面积；将所述异常区域的面积与预设的阈值进行比较，得到比较结果；基于所述比较结果，确定所述目标部位的异常形态。4.根据权利要求1所述的目标部位异常形态识别方法，其特征在于，所述预设的卷积神经网络的医学特征识别模型集合包括表面凹陷特征识别模型、腺管规则特征识别模型、血管规则特征识别模型以及血管稀疏特征识别模型；所述若所述目标内镜图像的类型符合预设类型要求，则基于预设的卷积神经网络的医学特征识别模型集合，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度、腺管规则特征的置信度、血管规则特征的置信度以及血管稀疏特征的置信度，包括：若所述目标内镜图像的类型符合预设类型要求，则基于所述表面凹陷特征识别模型，确定所述目标内镜图像中所述目标部位的表面凹陷特征的置信度；基于所述腺管规则特征识别模型，确定所述目标内镜图像中所述目标部位的；基于所述血管规则特征识别模型，确定所述目标内镜图像中所述目标部位的血管规则特征的置信度；基于所述血管稀疏特征识别模型，确定所述目标内镜图像中所述目标部位的血管稀疏特征的置信度。5.根据权利要求4所述的目标部位异常形态识别方法，其特征在于，在基于...
【专利技术属性】
技术研发人员：郑碧清，胡珊，
申请(专利权)人：武汉楚精灵医疗科技有限公司，
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。