基于深度学习的内窥镜烟雾图像分类方法技术

本发明专利技术涉及一种基于深度学习的内窥镜烟雾图像分类方法，属于图像处理领域，包括以下步骤：S1：挑选腹腔镜图像，将其中一部分图像进行渲染得到有雾数据集，与未渲染的无雾数据集共同作为训练集和测试集，在训练集和测试集的无雾和有雾图像的比例为4:1；S2：在Poolformer网络基础上改进，将token mixer部分替换为类似ConvNext的多路分支结构作为训练网络，利用训练集进行训练；S3：在预测训练时将ConvNext Block转化成类似RepVgg的单路结构RepConvNext Block进行预测；S4：输入图像经过级联网络输出烟雾类别的概率值，通过概率值确认疑似烟雾图像类别。认疑似烟雾图像类别。认疑似烟雾图像类别。

【技术实现步骤摘要】
基于深度学习的内窥镜烟雾图像分类方法


[0001]本专利技术属于图像处理领域，涉及一种基于深度学习的内窥镜烟雾图像分类方法。

技术介绍

[0002]随着经济的不断发展，即使是偏远地区的多数医院都配备了内窥镜，以腹腔镜手术为例，相比传统的大创口手术，内窥镜手术只需要在患处通过极小的接口进行连通，将小体积的冷光源镜头伸入患处，通过图像传输系统在外部屏幕显示系统观察患处情况，能大大降低病人的痛苦。而在手术过程中，先进的等离子刀在对病灶组织切割处理的过程中产生的烟雾会明显模糊目标区域的图像，对医生精确的处理产生严重影响。通过图像处理的方法来辅助诊断是非常有必要的。
[0003]在民用影像设备对烟雾图像的处理，交通监控设施对烟雾去噪的需要以及手术噪声净化等诸多场景中，烟雾净化都是较热门的研究领域，随着经济的发展内窥镜设备不断普及，其烟雾净化便成为了研究热点，主要通过基于深度学习的方法来实现。
[0004]基于深度学习的方法又主要利用端对端的网络模型直接对噪声图像进行净化。Tang等以U
‑
Net为基础架构，未进行针对性优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的内窥镜烟雾图像分类方法，该方法包括以下步骤：S1：挑选腹腔镜图像，将其中一部分图像进行渲染得到有雾数据集，与未渲染的无雾数据集共同作为训练集和测试集，在训练集和测试集的无雾和有雾图像的比例为4:1；S2：在Poolformer网络基础上改进，将token mixer部分替换为类似ConvNext的多路分支结构作为训练网络，利用训练集进行训练；S3：在预测训练时将ConvNext Block转化成类似RepVgg的单路结构RepConvNext Block进行预测；S4：输入图像经过级联网络输出烟雾类别的概率值，通过概率值确认疑似烟雾图像类别。2.根据权利要求1所述的基于深度学习的内窥镜烟雾图像分类方法，其特征在于：步骤S2中所述的Poolformer网络改进如下：Poolformer网络的编码器中含有下采样模块及ConvNext Block模块；所述下采样模块由一个Layer norm层和一个卷积层构成，卷积核大小为2
×
2，步距为2，通道数与输入图像数据相同；所述ConvNext Block模块对于输入为H
×
W
×
C的数据，通过第一部分的卷积层与Layer norm层输出为H
×
W
×
dim，所述第一部分的卷积层的卷积核大小为7
×
7，步距为1，填充为3，通道数为dim；通过第二部分的卷积层与Gelu层输出为H
×
W
×
...

【专利技术属性】
技术研发人员：庞宇，王鲲，王慧倩，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：