【技术实现步骤摘要】
胶囊内窥镜图像的处理方法、装置及处理设备
[0001]本申请实施例属于医疗
,特别是涉及一种胶囊内窥镜图像的处理方法、装置及处理设备。
技术介绍
[0002]胶囊内窥镜(capsule endoscopy)是一种胶囊形状的内窥镜,可以用于对人体消化道进行检查。病人口服胶囊内窥镜后,胶囊内窥镜可以在胃肠道中运行,并拍摄胃肠道的图像,发送至体外。医生可以根据胶囊内窥镜发送出来的图像,诊断病人是否有胃肠道异常病变。
[0003]通常,在使用胶囊内窥镜对消化道疾病进行检查时,从病人吞入胶囊内窥镜到将其排出体外至少需要8个小时。胶囊内窥镜在此工作期间将会产生5
‑
7万张图像。即使是经验丰富的专业医生也需要花费大量时间来对这些图像进行处理,极大增加了医生的工作强度。
技术实现思路
[0004]有鉴于此,本申请实施例提供了一种胶囊内窥镜图像的处理方法、装置及处理设备,用以通过同一个图像处理模型输出胶囊内窥镜图像的多个特征向量,针对性地采用各个特征向量对胶囊内窥镜图像进行去重分类处理,提高胶囊内窥镜图像的处理效率,减轻医生的工作压力。
[0005]本申请实施例的第一方面提供了一种胶囊内窥镜图像的处理方法,包括:
[0006]接收多张胶囊内窥镜图像;
[0007]将多张所述胶囊内窥镜图像输入至图像处理模型中,得到所述图像处理模型输出的多个特征向量;其中,多个所述特征向量至少包括平均池化层特征向量和全连接层特征向量,所述平均池化层特征向量由所述图像处理模型的平均池化 ...
【技术保护点】
【技术特征摘要】
1.一种胶囊内窥镜图像的处理方法,其特征在于,包括:接收多张胶囊内窥镜图像;将多张所述胶囊内窥镜图像输入至图像处理模型中,得到所述图像处理模型输出的多个特征向量;其中,多个所述特征向量至少包括平均池化层特征向量和全连接层特征向量,所述平均池化层特征向量由所述图像处理模型的平均池化层输出接口输出,所述全连接层特征向量由所述图像处理模型的全连接层输出接口输出;采用所述平均池化层特征向量和所述全连接层特征向量对多张所述胶囊内窥镜图像进行去重分类处理。2.根据权利要求1所述的方法,其特征在于,所述图像处理模型由多层的深度残差网络模型结合自注意力模块构成。3.根据权利要求2所述的方法,其特征在于,所述图像处理模块的平均池化层包括多个解码器块,所述自注意力模块位于所述平均池化层的最后两个解码器块之间。4.根据权利要求3所述的方法,其特征在于,所述平均池化层输出接口为所述平均池化层的最后一个解码器块的输出接口,所述全连接层输出接口为所述图像处理模型的输出接口。5.根据权利要求1
‑
4任一项所述的方法,其特征在于,在接收多张胶囊内窥镜图像之前,所述方法还包括:获取样本数据,所述样本数据包括输入数据集;采用所述输入数据集对构建好的神经网络模型进行训练,得到所述图像处理模型。6.根据权利要求5所述的方法,其特征在于,所述采用所述输入数据集对构建好的神经网络模型进行训练,得到所述图像处理模型,包括:确定机器学习的学习率,所述学习率随训练周期的增加而下降;基于所述学习率和所述输入数据集,采用随机梯度下降方法对构建好的所述神经网络模型进行机器学习;当所述神经网络模型满足训练要求时,将满足训练要求的所述神经网络模型作为所述图像处理模型保存。7.根据权利要求6所述的方法,其特征在于,所述基于所述学习率和所述输入数据集,采用随机梯度下降方法对构建好的所述神经网络模型进行机器学习,包括:采用所述输入数据集对构建好的神经网络模型进行训练;计算每个所述训练周期后所述神经网络模型的精度;若当前的所述精度大于之前训练后的所述神经网络模型的精度,则采用当前的所述神经网络模型替换之前训练后的所述神经网络模型,否则舍弃当前的所述神经网络模型;当所述训练周期达到要求的训练次数时,判定所述神经网络模块满足所述训练要求。8.根据权利要求7所述的方法,其特征在于,所述样本数据还包括验证数据集;所述计算每个所述训练周期后所述神经网络模型的精度,包括:确定标签平滑超参数;采用所述标签平滑超参数对交叉熵损失函数进行改进;基于所述验证数据集和改进后的所述交叉熵损失函数,计算每个所述训练周期后所述神经网络模型的所述精度。
9.根据权利要求8所述的方法,其特征在于,所述输入数据集和所述验证数据集均为标记有分类结果的所述胶囊内窥镜图像,所述输入数据集的数量为所述验证数据集的数量的1
‑
4倍。10.根据权利要求1
‑
4或6
‑
9任一项所述的方法,其特征在于,所述接收多张胶囊内窥镜图像,包括:接收胶囊内窥镜影像数据;若所述胶囊内窥镜影像数据为压缩包数据,则对所述压缩包数据进行解压缩,得到多张所述胶囊内窥镜图像;若所述胶囊内窥镜影像数据为视频数据,则提取所述视频数据中的各帧图像,得到多张所述胶囊内窥镜图像。11.根据权利要求1
‑
4或6
‑
9任一项所述的方法,其特征在于,所述将多张所述胶囊内窥镜图像输入至图像处理模型中,得到所述图像处理模型输出的多个特征向量,包括:分别提取每张所述胶囊内窥镜图像的特征信息;将每张所述胶囊内窥镜图像的所述特征信息输入至所述图像处理模型中,得到所述图像处理模型输出的多个所述特征向量。12.根据权利要求1
‑
4或6
‑
9任一项所述的方法,其特征在于,采用所述平均池化层特征向量和所述全连接层特征向量对多张所述胶囊内窥镜图像进行去重分类处理,包括:确定...
【专利技术属性】
技术研发人员:孟李艾俐,官冠,
申请(专利权)人:元化智能科技深圳有限公司,
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。