一种基于深度学习的肠道准备质量判断方法技术

本发明专利技术公开了一种基于深度学习的肠道准备质量判断方法，包括：人为标注已有的肠道准备后的排泄物图像数据集，将标注后图像进行预处理操作，获得预处理后的图像，构建卷积神经网络，用来判断肠道准备质量，自预处理后的图像中分别提取数据形成训练集和验证集，用训练集和测试集及其标注数据训练神经网络，至测试集的准确率达到最高，同时损失率达到最低；保存满足该条件下所对应的网络并作为最终的模型，对目标图像作与数据集相同的预处理操作，用得到的模型对处理后的排泄物图像做肠道准备质量的预测，得到肠道准备的评分，按照评分输出相应结果。根据本发明专利技术，其基于深度学习，通过搭建卷积神经网络模型，以代替传统的通过肉眼进行直接观察来进行判断的方式，进而为肠镜提供助力。提供助力。提供助力。

【技术实现步骤摘要】
一种基于深度学习的肠道准备质量判断方法


[0001]本专利技术涉及计算机辅助医学的
，特别涉及一种基于深度学习的肠道准备质量判断方法。

技术介绍

[0002]患者在做肠镜检查之前需要先进行肠道准备，肠道准备是患者利用泻药等相关药物来清空肠道的操作，以避免肠道内部的粪便对肠镜检查的干扰，不好的肠道准备会让粪便阻挡住肠镜前进的视野,影响检查效果。传统的肠道准备质量的判断方式是在病人排便后由护士进行肉眼观察，分析和判断此次肠道准备的质量，简单来说就是护士看患者排泄物有无粪便残渣、清澈浑浊与否。如果护士认为其浑浊、含有大量残渣，则说明此次肠道准备不合格，需要继续进行肠道准备；如果护士认为其清澈或仅含有少量残渣，则说明肠道准备合格，可以进行肠镜检查。
[0003]显而易见的，这一方式存在许多弊端，一是十分浪费人力，每一个病人都需要护士去亲眼观察，这严重地消耗了护士的精力；二是这是一种重复性较强的操作，非常容易产生主观误差，会导致判断结果有偏差，而且观察排泄物本身也是一件容易引起反感的事；三是对于患者不方便，假设患者来到医院却发现肠道准备质量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的肠道准备质量判断方法，其特征在于，包括以下步骤：S1、将肠道准备后的患者排泄物图像进行预处理操作，获得预处理后的图像；S2、对预处理后的图像做区域的划分以及种类的标注；S3、构建的两个卷积神经网络，一个用来区域划分，一个用来做分类识别；S4、自预处理后的图像中分别提取数据形成训练集和验证集；S5、用训练集和测试集及其标注数据训练区域划分的神经网络，至测试集的准确率达到最高，同时损失率达到最低；保存满足该条件下所对应的网络并作为最终的模型；S6、用得到的模型对患者拍摄的排泄物图像做区域划分，得到只具有排泄物的图像；S7、用得到的训练集和测试集及其标注数据训练分类识别的神经网络，保存最佳模型；S8、使用训练好的网络模型对目标排泄物图像做处理，以判断其肠道准备质量结果。2.如权利要求1所述的一种基于深度学习的肠道准备质量判断方法，其特征在于，步骤S2中对图像的区域划分为划分出包含排泄物区域的最小矩形框，通过labelme划分出包含全部排泄物区域的最小矩形框，保存矩形框的四个顶点的坐标文件，对图像的分类标准按照排泄物图像中粪便残渣的多少划分为四类，浑浊、有一定残渣、有少量残渣和清澈，其中有少量残渣和清澈被视为肠道准备质量合格。3.如权利要求1所述的一种基于深度学习的肠道准备质量判断方法，其特征在于，通过人为标注已有的...

【专利技术属性】
技术研发人员：叶萍，夏浩杰，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：