【技术实现步骤摘要】
一种基于肠道区域分割的清洁度检测方法和系统
[0001]本申请主要涉及人工智能
，具体涉及一种基于肠道区域分割的清洁度检测方法和系统。
技术介绍
[0002]根据世界卫生组织2020年发布的中国常见新发癌症数据显示（IARC官网数据），直结肠癌成为了仅次于肺癌的第二大常见癌症。结肠镜检查可以检出并切除肠道肿瘤，降低直结肠癌的发生，是结肠癌的筛查和诊断的金标准。然而，结肠镜检查的成功需要依靠肠道清洁质量，需要结肠粘膜清晰可见，否则存在病变漏检以及术后感染的情况。因此，肠道清洁准备工作是结肠镜检查的前提。
[0003]尽管，高质量的肠道准备工作至关重要，但是仍有大多数病人在接受结肠镜检查时肠道准备不充分，肠道中存在粪渣、粪液等异物遮挡肠道粘膜，极大影响了疾病的检出率。而且，在进行结肠镜检查过程中，肠道清洁评分需要内镜医生通过实时观察肠道异物量，在完成结肠镜检查后，再凭借记忆来完成定性评分。大量的结肠镜检查给内镜医生带来了极大的工作量，同时也干扰医生对肠道质量评分的准确性。
[0004]随着计算机视觉的快速发展和应用，一些人工智能技术基于分类网络，依据波士顿评分标准（BOSTON）将肠道清洁度分为4个等级，对肠道清洁度评分进行研究。
技术实现思路
[0005]为了减少医生的颈椎和眼睛的疲劳，同时能大幅度提高工作效率，有效提高肠道病变的诊断效率与准确性，本专利技术请求保护一种基于肠道区域分割的清洁度检测方法和系统。
[0006]根据本专利技术第一方面，本专利技术请求保护一种基于肠...
【技术保护点】
【技术特征摘要】
1.一种基于肠道区域分割的清洁度检测方法，其特征在于，包括：获取多个肠道检测样本图像，对所述肠道检测样本图像进行像素级语义标注，得到肠道标注样本图像集合；对所述肠道标注样本图像集合进行有效帧判断预处理，将有效帧进行图像标准化和数据增强操作，得到肠道训练样本图像集合；将所述肠道训练样本图像集合输入肠道语义分割网络中进行迭代训练，得到肠道异物语义分割模型；依据所述肠道异物语义分割模型对待检测肠道的视频进行语义分割，得到待检测肠道分割图像的异物识别结果；对所述异物识别结果进行整合，得到所述待检测肠道的异物清洁度；依据所述异物清洁度和待检测肠道的检测时长，选取所述异物清洁度最低的待检测肠道段输出，形成清洁度检测报告。2.如权利要求1所述的一种基于肠道区域分割的清洁度检测方法，其特征在于，所述获取多个肠道检测样本图像，对所述肠道检测样本图像进行像素级语义标注，得到肠道标注样本图像集合，具体包括：从结肠镜检查历史视频中获取多个所述肠道检测样本图像；将所述肠道检测样本图像划分为背景图像和异物图像，所述背景图像包括干净的肠道粘膜区域、模糊、冲水、反光、手术器械的像素区域，所述异物图像包括肠道内粪块、粪液、团状气泡以及因粪便造成视觉干扰的黄色粘膜范围；通过多边形标注工具框选出属于肠道异物的像素点区域，对图像进行像素级标注，得到肠道标注样本图像集合。3.如权利要求1所述的一种基于肠道区域分割的清洁度检测方法，其特征在于，所述对所述肠道标注样本图像集合进行有效帧判断预处理，将有效帧进行图像标准化和数据增强操作，得到肠道训练样本图像集合，具体包括：对所述肠道标注样本图像集合进行预处理，将所述肠道标注样本图像集合中的染色、冲水、反光、模糊的图像作为无效帧图像，将包含肠道异物以及肠道粘膜的图像作为有效帧图像；根据所述肠道标注样本图像集合中有效帧图像的数据量，按照无效帧图像：有效帧图像=1：10的比例选取部分无效帧图像作为阴性样本，并将多余的无效帧图像剔除；对所有的有效帧图像进行图像标准化和数据增强操作，得到肠道训练样本图像集合；所述图像标准化通过去均值实现中心化的处理，所述数据增强中，进行空间类以及颜色变换类的增强；所述空间类包括对图像进行平移、翻转、旋转操作，所述颜色变换类包括噪声、亮度、对比度、模糊操作。4.如权利要求1所述的一种基于肠道区域分割的清洁度检测方法，其特征在于，所述将所述肠道训练样本图像集合输入肠道语义分割网络中进行迭代训练，得到肠道异物语义分割模型，具体包括：采用端到端的实例分割方法Queryinst，将所述肠道训练样本图像集合中的每个像素分配到不同的对象实例中，得到肠道训练样本分割特征图；
采取RegNetX
‑
3.2GF作为主干网络backbone，将所述肠道训练样本分割特征图输入到候选框以及感兴趣区域中，其中，感兴趣区域头结构对产生的所述候选框进行微调细化，完成候选框分类以及目标位置检测；采用查询对象检测器，基于多头自注意力模块和动态卷积获取每个肠道训练样本分割特征图的特征，使用三个并行的动态掩码头，将不同分支的掩码头进行共享并相互利用高级语义特征；采用端到端的实例分割方法Queryinst，将所述肠道训练样本图像集合中的每个像素分配到不同的对象实例中，得到肠道训练样本分割特征图，具体包括：将480
×
480大小的肠道训练样本图像输入第一阶段，获取第一肠道训练样本分割特征图，所述第一肠道训练样本分割特征图大小为120
×
120，包括肠道训练样本图像的底层肠道粘膜中的粘膜特征；将所述第一肠道训练样本分割特征图输入第二阶段，获取第二肠道训练样本分割特征图，所述第二肠道训练样本分割特征图大小为60
×
60，包括肠道训练样本图像的肠道中的光线区域的高亮突出显示；将所述第二肠道训练样本分割特征图输入第三阶段和第四阶段，获取第三肠道训练样本分割特征图和第四肠道训练样本分割特征图，所述第三肠道训练样本分割特征图和第四肠道训练样本分割特征图的大小为30
×
30和15
×
15，包括肠道训练样本图像的肠道中的高级语义特征目标异物进行分割区域；neck使用FPN特征金字塔，将所述第四阶段所生成的第四肠道训练样本分割特征图进行上采样后，与所述第三阶段的第三肠道训练样本分割特征图进行1
×
1卷积细化后进行残差连接，得到第五肠道训练样本分割特征图f5；将f5进行上采样，与第二阶段的第二肠道训练样本分割特征图进行1
×
1卷积细化后进行残差连接，整合颜色、亮度特征，得到第六肠道训练样本分割特征图f6；将f6进行上采样，与第一阶段的第一肠道训练样本分割特征图进行1
×
1卷积细化后进行残差连接，整合肠道异物边界信息，得到第七肠道训练样本分割特征图f7；提取所述第七肠道训练样本分割特征图的多个候选框，初始化N个anchor框，得到每个anchor框与所述候选框的交并比；设置背景分离预设阈值，若所述交并比大于所述背景分离预设阈值，则所述候选框的区域为前景，否则为背景；将所述候选框输入到感兴趣区域中，并给定一个查询Q
t
，将Q
t
输入到多头自注意力模块得到特征增强查询Q
t*
，将Q
t*
和所述候选框作为线索，在动态卷积下微调细化特征，作为下一阶段的线索指导，在分割头下生成第一异物的分割区域；重复给定查询并输入多头自注意力模块的步骤，得到第二异物的分割区域和第三异物的分割区域；对所述第一异物的分割区域、第二异物的分割区域和第三异物的分割区域进行融合，得到肠道异物实例分割结果；依据所述肠道异物实例分割结果对所述肠道语义分割网络进行迭代训练，得到肠道异物语义分割模型。5.如权利要求1所述的一种基于肠道区域分割的清洁度检测方法，其特征在于，
所述依据所述肠道异物语义分割模型对待检测肠道的视频进行语义分割，得到待检测肠道分割图像的异物识别结果，具体包括：当识别到待检测肠道的回盲瓣开始到体外的退镜过程时，启动所述肠道异物语义分割模型对待检测肠道的视频进行语义分割，并获取所述退镜过程的退镜速率；将所述待检测肠道划分为升结肠区域、横结肠区域、降结肠区域，对三个区域的清洁度赋予不同的置信度a1，a2，a3；所述升结肠区域靠近回盲瓣，该区域异物存在最多，且包括固体的粪便、粪块，对肠道检查的影响大，令a1=1.2；所述横结肠区域以粪渣为主，存在部分小粪块，通过多次冲洗降低干扰，令a2=1.0；所述降结肠区域包括降结肠和乙状结肠，异物为小区域粪渣和残留粪液，影响最小，令a3=0.8；依据所述退镜速率，对所述待检测肠道进行升结肠区域、横结肠区域、降结肠区域的图像帧界限划分并获取三个区域的图像帧集合；依据所述肠道异物语义分割模型对所述图像帧集合进行语义分割，加权计算得到待检测肠道分割图像的异物识别结果。6.如权利要求1所述的一种基于肠道区域分割的清洁度检测方法，其特征在于，所述对所述异物识别结果进行整合，得到所述待检测肠道的异物清洁度，具体包括：根据所述异物识别结果，计算图像帧集合中每个图像帧的异物面积以及占比；依据所述异物面积以及占比对待检测肠道的异物进行分类处理；其中 p表示每个图...
【专利技术属性】
技术研发人员：黄飞鸿，林煜，胡延兴，许妙星，钟晓泉，
申请(专利权)人：苏州凌影云诺医疗科技有限公司，
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。