基于增强制造技术

本发明专利技术提供一种基于增强

【技术实现步骤摘要】
基于增强UNet的结肠息肉医学图像并行诊断方法


[0001]本专利技术涉及人工智能
、
图像处理
、
并行计算和计算机辅助医疗诊断领域，尤其涉及一种基于增强
UNet
的结肠息肉医学图像并行诊断方法
。

技术介绍

[0002]随着人们生活水平的提高和物质生活的丰富，人们对健康的要求越来越高
。
近年人工智能的发展迅速，与各个科学领域结合更加紧密
。
利用人工智能技术协助医生进行病情诊断不仅提高了诊断率，又可以对病情早期发现和早期治疗，提高了病人的治愈率
。
[0003]结肠息肉是一种生长在结肠粘膜表面并向肠腔内突出的赘生物
。
结肠息肉会随着时间推移慢慢长大，很多结肠癌都是由结肠息肉转变而来，因而对病人身体造成不可估量的伤害
。
如何及时地发现病情是预防结肠癌的关键，进行结肠镜检查是早期发现病情的最好预防方法
。
但是，在进行结肠镜检查时会有遗漏的息肉未被发现的可能；有文献表明，内窥镜检查结肠息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于增强
UNet
的结肠息肉医学图像并行诊断方法，其特征在于：
Part_1
：结肠息肉图像分割数据集预处理；
Part_2
：建立增强的
UNet
模型，初始化并进行训练；
Part_3
：系统控制和结肠息肉医学图像检测输出；所述方法分步描述如下：首先，说明本发明使用的数据结构定义：结肠息肉按照危害程度分为：肿瘤性息肉和非肿瘤性息肉；腺瘤性息肉分为三种类型：管状腺瘤
、
绒毛状腺瘤和管状
‑
绒毛状腺瘤；从结肠息肉的数目上分为：单发和多发；根据息肉的形态学特点分为：有蒂和广基两种；
DataStruct_1
：基本数据定义
DataStruct_1_1
：索引值定义定义
i
和
j
是整数，代表在集合
、
矩阵
、
向量中的索引值；
DataStruct_1_2
：矩阵定义数据集矩阵
Matrix_DataSets=[{mds_1_1, mds_1_2,
ꢀ…
, mds_1_j,
ꢀ…
, mds_1_LenJ},{mds_2_1, mds_2_2,
ꢀ…
, mds_2_j,
ꢀ…
, mds_2_LenJ},
…
,{mds_i_1, mds_i_2,
ꢀ…
, mds_i_j,
ꢀ…
, mds_i_LenJ},
…
,{mds_LenI_1, mds_LenI_2,
ꢀ…
, mds_LenI_j,
ꢀ…
, mds_LenI_LenJ}]
其中，
i
代表矩阵
Matrix_DataSets
的第
i
行，
j
代表矩阵
Matrix_DataSets
的第
j
列，
LenI
代表矩阵的行数，
LenJ
代表矩阵的列数；
DataStruct_1_3
：向量定义向量
Vector_Return={vr_1, vr_2,
ꢀ…
, vr_i,
ꢀ…
, vr_LenSet
VR
}
其中，
i
代表向量
Vector_Return
的第
i
个元素；
LenSet
VR
代表向量
Vector_Return
的元素总数；
Vector_Return
T
代表向量
Vector_Return
的转置向量；
DataStruct_1_4
：筛查控制参数闸值的定义
SelectValue
定义为系统设定的筛查控制参数闸值，初始值由系统指定；
DataStruct_1_5
：
Command_Parallel
代表并行执行指令；
DataStruct_1_6
：
Command_Single
代表系统重新设置后单机执行模式指令；
DataStruct_1_7
：
Procedure_Result
代表在增强
UNet
模型中实现图像筛查过程；
DataStruct_1_8
：
Procedure_SendInfo
代表在图像筛查中发现大于筛查控制参数闸值的图像，执行向主治医生推送的过程；
DataStruct_1_9
：
ImageCurrent
代表系统检测的结肠息肉图像；
DataStruct_2
：结肠息肉分类数据集定义肿瘤性息肉数据集定义为
Set_Cancer
非肿瘤性息肉数据集定义为
Set_CancerLess
单发性息肉数据集定义为
Set_Single
多发性息肉数据集定义为
Set_Multiple
有蒂类息肉数据集定义为
Set_Stem
广基类息肉数据集定义为
Set_SessilePolypDataStruct_3
：集合的加细分类定义假设集合
Set
的任意两个划分
Set_A
和
Set_B
：
Set_A={seta_1, seta_2,
ꢀ…
, seta_i,
ꢀ…
, seta_LenSet
A
}Set_B={setb_1, setb_2,
ꢀ…
, setb_j,
ꢀ…
, setb_LenSet
B
}
其中，
seta_i
是
Set_A
的第
i
个元素，
setb_j
是
Set_B
的第
j
个元素，
seta_LenSet
A
代表
Set_A
的元素总数，
setb_LenSet
B
代表
Set_B
的元素总数；如果对于每一个
seta_i
均有
setb_j
，且满足
seta_i
包含于
setb_j
中，那么
Set_A
称为是
Set_B
的加细分类集合；
DataStruct_4
：结肠息肉加细分类数据集定义结肠息肉分类数据集
Set_Types
包括如下集合：管状腺瘤
、
绒毛状腺瘤
、
管状
‑
绒毛状腺瘤
、
锯齿状病变
、
幼年性息肉
、Peutz
‑
Jeghers
息肉
、
炎性息肉
、
血吸虫性息肉
、
良性淋巴样息肉
、
增生性息肉
、
黏膜肥大性赘生物
、
家族性结肠腺瘤病
、
非家族性结肠腺瘤病
、Gardner
综合征
、Turcot
综合征
、
假息肉病
、
多发性血吸虫性息肉
、Cronkhite
‑
Canada
综合征
、
系统扩充的加细分类数据集；
Set_Types
的数学形式描述为：
Set_Types={st_1, st_2,
ꢀ…
, st_i,
ꢀ…
, st_LenSet
ST
}
，其中，
st_i
是集合
Set_Types
的第
i
个元素，
LenSet
ST
代表集合
Set_Types
的元素总数；
DataStruct_5
：集合的分类权重定义定义集合的分类权重为
ClassWeightSet={cws_1, cws_2,
ꢀ…
, cws_i,
ꢀ…
, cws_LenSet
CWS
}
，其中，
cws_i
是集合
ClassWeightSet
的第
i
个元素，
LenSet
CWS
代表集合
ClassWeightSet
的元素总数；集合
ClassWeightSet
的元素满足以下条件：
Condition_51
：
cws_1 >= cws_2 >=
ꢀ…ꢀ
>= cws_i
ꢀ…ꢀ
>= cws_LenSet
CWS
Condition_52
：
cws_1+cws_2+
…
+cws_i+
…
+cws_LenSet
CWS
=1Condition_53
：集合
Set_Cancer
的权重值大于集合
Set_CancerLess
的权重值；
Condition_54
：集合
Set_Multiple
的权重值大于集合
Set_Single
的权重值；
DataStruct_6
：加细分类权重矩阵定义结肠息肉加细分类
Matrix_SubDataSets=[{msds_1_1, msds_1_2,
ꢀ…
, msds_1_j,
ꢀ…
, msds_1_LenJ},{msds_2_1, msds_2_2,
ꢀ…
, msds_2_j,
ꢀ…
, msds_2_LenJ},
…
,{msds_i_1, msds_i_2,
ꢀ…
, msds_i_j,
ꢀ…
, msds_i_LenJ},
…
,{msds_LenI_1, msds_LenI_2,
ꢀ…
, msds_LenI_j,
ꢀ…
, msds_LenI_LenJ}]
其中，
i
代表矩阵
Matrix_SubDataSets
的第
i
行，
j
代表矩阵
Matrix_SubDataSets
的第
j
列；
DataStruct_7
：获取变元的值定义
GetValue(X_Valueget, Y_Valueget)
代表获得变元
Y_Valueget
的值保存在变元
X_Valueget
中；
DataStruct_8
：设定变元的值定义
SetValue(X_Valueset, Y_Valueset)
代表设定变元
Y_Valueset
的值给变元
X_Valueset
；数据结构定义结束；其次，说明本发明的基本过程定义：
Function_1
：初始化过程定义
Function_1_1
：
InitializingFunction(Para_1, Para_2,
ꢀ…
, Para_i)
代表系统初始化第一个参数
Para_1
，初始化第二个参数
Para_2
和初始化第
i
个参数
Para_i
，其中...

【专利技术属性】
技术研发人员：刘嘉辉，王坤，罗智勇，吕志皓，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：