一种基于制造技术

本发明专利技术的技术领域为计算机视觉与医学图像分析领域，具体涉及一种基于

【技术实现步骤摘要】
一种基于AHS分期和Forrest分级的消化性溃疡分类方法和系统


[0001]本专利技术的
为计算机视觉与医学图像分析领域，具体涉及一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法和系统
。

技术介绍

[0002]随着内镜技术的发展和的以及消化性癌症知识的普及，对消化性溃疡的认识逐渐加深，若消化性溃疡不加以干预治疗，后期存在发展为癌的风险
。
[0003]AHS
分期是对溃疡的发展区间进行分期，而
Forrest
分级指的是消化性溃疡出血评估再出血的风险的一种方法，
Forrest
分级有助于判断消化性溃疡再发出血的可能性，从而选择最佳的治疗措施
。
根据
Forrest
分级，可以将溃疡划分为高危溃疡以及低危溃疡两种
。
[0004]尽管存在严格的评判指标，但无论在
AHS
分期以及
Forrest
分级中，每个类别的特征都较为接近
。
由于内镜检查其庞大的工作量，极易影响医生的判断
。
因此，设计一种基于深度学习的辅助诊断技术刻不容缓
。

技术实现思路

[0005]根据本专利技术第一方面，本专利技术请求保护一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，包括：获取上消化道检测图像，将所述上消化道检测图像输入到上消化道疾病检测模型，得到溃疡病灶检测结果；将所述溃疡病灶检测结果进行边界框裁剪处理，判断裁剪后的溃疡病灶检测结果是否满足胃溃疡分类条件；如果所述裁剪后的溃疡病灶检测结果满足胃溃疡分类条件，对所述溃疡病灶检测结果进行图像缩放
、
归一化以及数据增强，得到溃疡分类目标图像；将所述溃疡分类目标图像输入到溃疡分类模型，输出溃疡分类结果
。
[0006]进一步的，所述获取上消化道检测图像，将所述上消化道检测图像输入到上消化道疾病检测模型，得到溃疡病灶检测结果，具体包括：获取上消化道检测图像；对所述上消化道检测图像进行特征提取，并输出多个粒度的检测特征图；将各个粒度的检测特征图进行整合，并输出整合后的检测特征图；对整合后的检测特征图进行特征统计，建立特征集；基于特征集，对整合后的特征图进行包含自注意力机制的动态卷积，输出符合特征集的溃疡病灶检测结果
。
[0007]进一步的，所述将所述溃疡病灶检测结果进行边界框裁剪处理，判断裁剪后的溃疡病灶检测结果是否满足胃溃疡分类条件，具体包括：将溃疡病灶检测结果通过边界框裁剪出，对所述边界框进行预设像素填充处理，
得到溃疡病灶检测裁剪结果；判断所述溃疡病灶检测裁剪结果的最短长度是否达到阈值
ulcer_flag
，若达到阈值，则满足胃溃疡分类条件
。
[0008]进一步的，所述如果所述裁剪后的溃疡病灶检测结果满足胃溃疡分类条件，对所述溃疡病灶检测结果进行图像缩放
、
归一化以及数据增强，得到溃疡分类目标图像，具体包括：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；所述空间类包括对溃疡病灶检测结果进行平移
、
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
。
[0009]进一步的，所述将所述溃疡分类目标图像输入到溃疡分类模型，输出溃疡分类结果，具体包括：所述溃疡分类模型包括胃溃疡
AHS
分期模型以及
Forrest
分级模型；将所述溃疡分类目标图像输入到所述胃溃疡
AHS
分期模型中，得到第一分类结果；当所述第一分类结果为
A
期分期后，将所述溃疡分类目标图像输入到所述
Forrest
分级模型中，得到第二分类结果；若所述第一分类结果为
H
期或
S
期时，由于愈合期和瘢痕期的溃疡再出血概率较低，则无需将所述溃疡分类目标图像输入到所述
Forrest
分级模型中；将所述第一分类结果和
/
或第二分类结果作为溃疡分类结果进行输出；所述胃溃疡
AHS
分期模型以及
Forrest
分级模型均采用基于深度学习的多层分类模型
MobileNet v3
；所述胃溃疡
AHS
分期模型以及
Forrest
分级模型均由多个翻转残差块构成；将所述溃疡分类目标图像输入到所述胃溃疡
AHS
分期模型或
Forrest
分级模型中包括：通过带有
HSwish
激活函数的
conv
层进行细化特征；将所述溃疡分类目标图像输入到
N
个翻转残差块，提取溃疡的特征，与背景分离；通过平均池化以及全连接层输出胃溃疡
AHS
分期模型以及
Forrest
分级模型的分类的标签和分数；所述翻转残差块包括依次连接的深度可分离卷积
、SEblock
以及
1*1
卷积；所述
SEblock
包括依次连接的全局平均池化层
、1*1
卷积层
、Relu
激活函数层
、1*1
卷积层
、HSwish
激活函数层；胃溃疡
AHS
分期模型以及
Forrest
分级模型的多层分类模型包括浅层网络和深层网络；在所述浅层网络，胃溃疡
AHS
分期模型以及
Forrest
分级模型均关注溃疡的色彩变化以及纹理等底层的自然特征；在深层网络中，胃溃疡
AHS
分期模型关注溃疡的黄
/
白苔的区域
、
层次感
、
环堤
、
瘢痕形状
、
以及粘膜皱襞等信息，
Forrest
分级模型关注于溃疡的出血点
、
血痂
、
血管以及基底特征等因素，进行高亮显示
。
[0010]根据本专利技术第二方面，本专利技术请求保护一种基于
AHS
分期和
Forrest
分级的消化性
溃疡分类系统，其特征在于，包括：病灶检测模块，获取上消化道检测图像，将所述上消化道检测图像输入到上消化道疾病检测模型，得到溃疡病灶检测结果；溃疡病灶裁剪模块，将所述溃疡病灶检测结果进行边界框裁剪处理，判断裁剪后的溃疡病灶检测结果是否满足胃溃疡分类条件；溃疡分类预处理模块，如果所述裁剪后的溃疡病灶检测结果满足胃溃疡分类条件，对所述溃疡病灶检测结果进行图像缩放...

【技术保护点】

【技术特征摘要】
1.
一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，包括：获取上消化道检测图像，将所述上消化道检测图像输入到上消化道疾病检测模型，得到溃疡病灶检测结果；将所述溃疡病灶检测结果进行边界框裁剪处理，判断裁剪后的溃疡病灶检测结果是否满足胃溃疡分类条件；如果所述裁剪后的溃疡病灶检测结果满足胃溃疡分类条件，对所述溃疡病灶检测结果进行图像缩放
、
归一化以及数据增强，得到溃疡分类目标图像；将所述溃疡分类目标图像输入到溃疡分类模型，输出溃疡分类结果
。2.
如权利要求1所述的一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，所述获取上消化道检测图像，将所述上消化道检测图像输入到上消化道疾病检测模型，得到溃疡病灶检测结果，具体包括：获取上消化道检测图像；对所述上消化道检测图像进行特征提取，并输出多个粒度的检测特征图；将各个粒度的检测特征图进行整合，并输出整合后的检测特征图；对整合后的检测特征图进行特征统计，建立特征集；基于特征集，对整合后的特征图进行包含自注意力机制的动态卷积，输出符合特征集的溃疡病灶检测结果
。3.
如权利要求1所述的一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，所述将所述溃疡病灶检测结果进行边界框裁剪处理，判断裁剪后的溃疡病灶检测结果是否满足胃溃疡分类条件，具体包括：将溃疡病灶检测结果通过边界框裁剪出，对所述边界框进行预设像素填充处理，得到溃疡病灶检测裁剪结果；判断所述溃疡病灶检测裁剪结果的最短长度是否达到阈值
ulcer_flag
，若达到阈值，则满足胃溃疡分类条件
。4.
如权利要求1所述的一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，所述如果所述裁剪后的溃疡病灶检测结果满足胃溃疡分类条件，对所述溃疡病灶检测结果进行图像缩放
、
归一化以及数据增强，得到溃疡分类目标图像，具体包括：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；所述空间类包括对溃疡病灶检测结果进行平移
、
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
。5.
如权利要求1所述的一种基于
AHS
分期和
Forrest
分级的消化性溃疡分类方法，其特征在于，所述将所述溃疡分类目标图像输入到溃疡分类模型，输出溃疡分类结果，具体包括：所述溃疡分类模型包括胃溃疡
AHS
分期模型以及
Forrest
分级模型；将所述溃疡分类目标图像输入到所述胃溃疡
AHS
分期模型中，得到第一分类结果；当所述第一分类结果为
A
期分期后，将所述溃疡分类目标图像输入到所述
Forrest
分级模型中，得到第二分类结果；若所述第一分类结果为
H
期或
S
期时，由于愈合期和瘢痕期的溃疡再出血概率较低，则无需将所述溃疡分类目标图像输入到所述
Forrest
分级模型中；
将所述第一分类结果和
/
或第二分类结果作为溃疡分类结果进行输出；所述胃溃疡
AHS
分期模型以及
Forrest
分级模型均采用基于深度学习的多层分类模型
MobileNet v3
；所述胃溃疡
AHS
分期模型以及
Forrest
分级模型均由多个翻转残差块构成；将所述溃疡分类目标图像输入到所述胃溃疡
AHS
分期模型或
Forrest
分级模型中包括：通过带有
HSwish
激活函数的
conv
层进行细化特征；将所述溃疡分类目标图像输入到
N
个翻转残差块，提取溃疡的特征，与背景分离；通过平均池化以及全连接层输出胃溃疡
AHS
分期模型以及
Forrest
分级模型的分类的标签和分数；所述翻转残差块包括依次连接的深度可分离卷积
、SEblock
以及
1*1
卷积；所述
SEblock
包括依次连接的全局平均池化层
、1*1
卷积层
、Relu
激活函数层
、1*1
卷积层
、HSwish
激活函数层；胃溃疡
AHS
分期模型以及
Forrest
分级模型的多层分类模型包括浅层网络和深层网络；在所述浅层网络，胃溃疡
AHS
分期模型以及
Forrest
分级模型均关注溃疡的色彩变化以及纹理底层的自然特征；在深层网络中，胃溃疡
AHS
分期模型关注溃疡的黄
/
白苔的区域
、
层次感
、
环堤
、
瘢痕形状
、
以及粘膜皱襞信息，
Forrest
分级模型关注于...

【专利技术属性】
技术研发人员：黄飞鸿，林煜，胡延兴，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：