本申请涉及一种医学图像识别方法、装置、系统和存储介质，其中，该医学图像识别方法包括：通过根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型，通过训练完备的提取模型，对实时采集的待识别内窥镜图像进行特征提取，得到对应的实时特征图像，并获取实时特征图像对应的标准特征图像，将实时特征图像和标准特征图像进行特征匹配，进一步地，根据特征匹配结果，确定待识别内窥镜图像对应的目标区域，通过本申请，解决了无法在不需要大量病变标注数据的同时，准确识别内窥镜图像的问题，实现了提高图像识别方法的可行性。法的可行性。法的可行性。
【技术实现步骤摘要】
医学图像识别方法、装置、系统和存储介质
[0001]本申请涉及医学图像处理
，特别是涉及医学图像识别方法、装置、系统和存储介质。
技术介绍
[0002]内窥镜检查是一种常见的医学检查方法，通过将内窥镜插入人体内部的器官或空腔，对待检查部位进行图像采集，并输出处理后的内窥镜图像。但传统的内窥镜图像识别依赖于医生的个人经验和主观判断，使得图像识别效率和准确性较低。而人工智能技术和计算机视觉技术的介入，可以大幅提升医生对于内窥镜检查结果的诊断效率和准确率。因此，通常会对内窥镜图像进行智能处理，以获取准确的图像识别结果。
[0003]目前的智能处理方法，需要通过大量已标注的病变图像对其选用的神经网络进行训练，以保证训练后的神经网络能够有效提取内窥镜图像特征。上述方法无法在不需要对大量病变图像进行标注的同时，准确识别内窥镜图像，使得图像标注的工作量极大，进而导致相关图像识别方法的可行性较低。
[0004]针对相关技术中存在无法在不需要大量病变标注数据的同时，准确识别内窥镜图像的问题，目前还没有提出有效的解决方案。
技术实现思路
[0005]在本实施例中提供了一种医学图像识别方法、装置、系统和存储介质，以解决相关技术中无法在不需要大量病变标注数据的同时，准确识别内窥镜图像的问题。
[0006]第一个方面，在本实施例中提供了一种医学图像识别方法，所述方法包括：根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型；通过训练完备的提取模型，对实时采集的待识别内窥镜图像进行特征提取，得到对应的实时特征图像；获取所述实时特征图像对应的标准特征图像，将所述实时特征图像和所述标准特征图像进行特征匹配；根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域。
[0007]在其中的一些实施例中，所述根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型之前，还包括：通过预设的图像数据集，对初始提取模型进行训练，得到所述预训练的提取模型。
[0008]在其中的一些实施例中，所述获取所述实时特征图像对应的标准特征图像之前，还包括：通过所述训练完备的提取模型，对正常器官的内窥镜图像进行特征提取；对特征提取结果进行降维处理，得到所述标准特征图像。
[0009]在其中的一些实施例中，所述将所述实时特征图像和所述标准特征图像进行特征
匹配，所述特征匹配包括特征搜索、特征度量和特征比对。
[0010]在其中的一些实施例中，所述将所述实时特征图像和所述标准特征图像进行特征匹配，包括：将所述实时特征图像和所述标准特征图像进行特征搜索，所述特征搜索包括最近邻搜索。
[0011]在其中的一些实施例中，所述根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域之后，还包括：通过所述训练完备的提取模型，对病变器官的内窥镜图像进行特征提取；根据特征提取结果，生成对应的病变特征库。
[0012]在其中的一些实施例中，所述根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域之后，还包括：生成所述目标区域对应的掩膜；将所述掩膜叠加至所述待识别内窥镜图像，得到对应的目标内窥镜图像；对所述目标内窥镜图像进行展示。
[0013]第二个方面，在本实施例中提供了一种医学图像识别装置，所述装置包括：训练模块、提取模块、匹配模块和处理模块；所述训练模块，根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型；所述提取模块，用于通过训练完备的提取模型，对实时采集的待识别内窥镜图像进行特征提取，得到对应的实时特征图像；所述匹配模块，用于获取所述实时特征图像对应的标准特征图像，将所述实时特征图像和所述标准特征图像进行特征匹配；所述处理模块，用于根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域。
[0014]第三个方面，在本实施例中提供了一种医学图像识别系统，所述系统包括：内窥镜检查仪器、分频器以及服务器，所述分频器与所述内窥镜检查仪器连接，且与所述服务器连接；所述内窥镜检查仪器，用于获取实时的待识别内窥镜图像；所述分频器，用于将所述待识别内窥镜图像的图像信息分为两路，并将其中一路图像信息输入至所述服务器；所述服务器，用于执行上述第一个方面所述的医学图像识别方法。
[0015]第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的医学图像识别方法。
[0016]与相关技术相比，在本实施例中提供的医学图像识别方法、装置、系统和存储介质，通过根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型，通过训练完备的提取模型，对实时采集的待识别内窥镜图像进行特征提取，得到对应的实时特征图像，并获取实时特征图像对应的标准特征图像，将实时特征图像和标准特征图像进行特征匹配，进一步地，根据特征匹配结果，确定待识别内窥镜图像对应的目标区域，解决了无法在不需要大量病变标注数据的同时，准确识别内窥镜图像的问题，实现了提
高图像识别方法的可行性。
[0017]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0018]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是本申请一实施例提供的医学图像识别方法的终端设备的硬件结构框图；图2是本申请一实施例提供的医学图像识别方法的流程图；图3是本申请一实施例提供的医学图像识别方法的识别流程图；图4是本申请一实施例提供的医学图像识别方法的可视化展示图；图5是本申请一实施例提供的医学图像识别方法的流程示意图；图6是本申请一优选实施例提供的医学图像识别方法的流程图；图7是本申请一实施例提供的医学图像识别装置的结构框图；图8是本申请一实施例提供的医学图像识别系统的结构框图。
[0019]图中：102、处理器；104、存储器；106、传输设备；108、输入输出设备；10、训练模块；20、提取模块；30、匹配模块；40、处理模块；100、内窥镜检查仪器；200、分频器；300、服务器；400、原始显示器；500、目标显示器。
具体实施方式
[0020]为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
[0021]除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属
具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块（单元）的过程、方法和系统、产品或设备并未限定于列出的步骤或模块（单元），而可包括未列出的步骤或模块（单元），或者可包括这些过程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医学图像识别方法，其特征在于，所述方法包括：根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型；通过训练完备的提取模型，对实时采集的待识别内窥镜图像进行特征提取，得到对应的实时特征图像；获取所述实时特征图像对应的标准特征图像，将所述实时特征图像和所述标准特征图像进行特征匹配；根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域。2.根据权利要求1所述的医学图像识别方法，其特征在于，所述根据不同器官的内窥镜图像，对预训练的提取模型进行调整，得到训练完备的提取模型之前，还包括：通过预设的图像数据集，对初始提取模型进行训练，得到所述预训练的提取模型。3.根据权利要求1所述的医学图像识别方法，其特征在于，所述获取所述实时特征图像对应的标准特征图像之前，还包括：通过所述训练完备的提取模型，对正常器官的内窥镜图像进行特征提取；对特征提取结果进行降维处理，得到所述标准特征图像。4.根据权利要求1所述的医学图像识别方法，其特征在于，所述将所述实时特征图像和所述标准特征图像进行特征匹配，所述特征匹配包括特征搜索、特征度量和特征比对。5.根据权利要求4所述的医学图像识别方法，其特征在于，所述将所述实时特征图像和所述标准特征图像进行特征匹配，包括：将所述实时特征图像和所述标准特征图像进行特征搜索，所述特征搜索包括最近邻搜索。6.根据权利要求1所述的医学图像识别方法，其特征在于，所述根据特征匹配结果，确定所述待识别内窥镜图像对应的目标区域之后，还包括：通过所述训练完备的提取模型，对病变器官的内...
【专利技术属性】
技术研发人员：周奇明，姚卫忠，
申请(专利权)人：浙江华诺康科技有限公司，
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。