本申请涉及计算机视觉与医学图像识别技术领域，尤其涉及一种基于DenseNet的肠息肉LST形态识别方法和装置，获取待识别肠内镜图像数据，对待识别肠内镜图像数据进行预处理操作；将预处理后的待识别肠内镜图像数据输入下消化道检测模型，判断待识别肠内镜图像数据中是否存在病灶；当待识别肠内镜图像数据中存在病灶时，根据病灶的位置裁剪待识别肠内镜图像数据，得到病灶图像数据；将病灶图像数据输入形态分类模型，得到病灶图像数据的肠息肉LST形态识别结果。本发明专利技术通过对LST形态的分类，实现对医生在肠内镜识别的辅助操作，有效提高病灶的检出率和准确性。
【技术实现步骤摘要】
本申请涉及计算机视觉与医学图像识别，尤其涉及一种基于densenet的肠息肉lst形态识别方法和装置。
技术介绍
1、随着人工智能的发展，深度学习被广泛应用于医学影像的识别方向。肠镜目前是肠部主要检查的技术手段，通过肠镜可以观察到息肉的表面形态。大肠侧向发育型肿瘤（lst）分型是目前根据表面形态对肠息肉分型的一种方法，按其形态特征区分为两大类型，颗粒型（granular type：lst-g）和非颗粒型（non-granular type：lst-ng），此外，前者根据病症有无大的结节，分为颗粒均一型和结节混合型；后者根据病症有无凹陷病灶，分为扁平隆起型和假凹陷型。
2、但病灶内常常还有会存在多个地方发生sm浸润的情况，当伴随有纤维化的病灶时，局部注射大多差距不明显，判断sm的浸润情况有一定难度。同时，庞大的工作量也会给医生的决策带来影响，稠密连接网络（densenet）被广泛应用于计算机视觉任务，因此设计一种基于densenet的深度学习的辅助诊断技术刻不容缓。
技术实现思路
>1、本申请的主要目本文档来自技高网...
【技术保护点】
1.一种基于DenseNet的肠息肉LST形态识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于DenseNet的肠息肉LST形态识别方法，其特征在于，所述获取待识别肠内镜图像数据，对所述待识别肠内镜图像数据进行预处理操作，还包括：
3.根据权利要求1所述的一种基于DenseNet的肠息肉LST形态识别方法，其特征在于，所述将预处理后的所述待识别肠内镜图像数据输入下消化道检测模型，判断所述待识别肠内镜图像数据中是否存在病灶，还包括：
4.根据权利要求1所述的一种基于DenseNet的肠息肉LST形态识别方法，其特征在于，所述当所述待识别肠内...
【技术特征摘要】
1.一种基于densenet的肠息肉lst形态识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于densenet的肠息肉lst形态识别方法，其特征在于，所述获取待识别肠内镜图像数据，对所述待识别肠内镜图像数据进行预处理操作，还包括：
3.根据权利要求1所述的一种基于densenet的肠息肉lst形态识别方法，其特征在于，所述将预处理后的所述待识别肠内镜图像数据输入下消化道检测模型，判断所述待识别肠内镜图像数据中是否存在病灶，还包括：
4.根据权利要求1所述的一种基于densenet的肠息肉lst形态识别方法，其特征在于，所述当所述待识别肠内镜图像数据中存在病灶时，根据所述病灶的位置裁剪所述待识别肠内镜图像数据，得到病灶图像数据，还包括：
5.根据权利要求1所述的一种基于dens...
【专利技术属性】
技术研发人员：张美玲，许妙星，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：
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。