一种基于深度学习的内窥镜图像识别系统及方法技术方案

本申请提供了一种基于深度学习的内窥镜图像识别系统及方法，涉及智能诊疗领域，其通过获取待识别疑似病变部位的内窥镜检测图像，且从数据库中提取所述待识别疑似病变部位的正常状态图像，并采用基于深度学习的图像识别和分析技术来对所述内窥镜检测图像和所述正常状态图像进行特征提取和显著性优化，以此基于优化后检测状态和正常状态之间的语义差异系数来自动地判别所述待识别疑似病变部位是否发生病变。这样，能够捕捉到肉眼难以察觉的细微特征，从而更准确地识别微小病变，减少漏诊和误诊的可能性，同时减少了对人工操作的依赖，提升了内窥镜图像识别的自动化程度。

【技术实现步骤摘要】

本申请涉及智能诊疗领域，且更为具体地，涉及一种基于深度学习的内窥镜图像识别系统及方法。

技术介绍

1、在医疗诊断领域，特别是消化道疾病的筛查和诊断中，内窥镜检查因其无创性和直观性而成为一种不可或缺的手段。内窥镜检查能够直接观察消化道内部的情况，包括食道、胃、十二指肠乃至结肠等部位，帮助医生发现早期病变的迹象，如炎症、息肉、溃疡或肿瘤等。

2、然而，传统内窥镜图像识别方法主要依赖于医生或技术人员使用肉眼观察图像来进行手动特征提取。具体地，一些手工设计的视觉特征，如纹理、颜色和形状等，这些特征虽然能在一定程度上反映病变的基本信息，但在面对复杂多变的内窥镜图像时，其识别准确性受到了限制。也就是，手工特征的选择和提取过程主观性强，容易遗漏重要的细微特征。此外，在复杂的内窥镜图像中，由于背景纹理的干扰、病变区域的微小尺寸或与周围组织的相似性，使得微小病变往往难以通过传统的肉眼检测。

3、因此，需要一种优化的内窥镜图像识别方案。

技术实现思路

1、为了解决上述技术问题，提出了本申请。

本文档来自技高网...

【技术保护点】

1.一种基于深度学习的内窥镜图像识别系统，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述部位状态特征提取模块，用于：将所述内窥镜检测图像和所述正常状态图像通过基于AlexNet模型的部位状态语义特征提取器以得到所述内窥镜检测部位状态特征图和所述部位正常状态特征图。

3.根据权利要求2所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述内窥镜检测部位状态特征梯度幅度值计算单元，用于：

4.根据权利要求3所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述内窥镜检测部位状态特征梯度幅值局部描述算子计算...

【技术特征摘要】

1.一种基于深度学习的内窥镜图像识别系统，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述部位状态特征提取模块，用于：将所述内窥镜检测图像和所述正常状态图像通过基于alexnet模型的部位状态语义特征提取器以得到所述内窥镜检测部位状态特征图和所述部位正常状态特征图。

3.根据权利要求2所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述内窥镜检测部位状态特征梯度幅度值计算单元，用于：

4.根据权利要求3所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述内窥镜检测部位状态特征梯度幅值局部描述算子计算单元，用于：

5.根据权利要求4所述的基于深度学习的内窥镜图像识别系统，其特征在于，所述部位语义差异计算模块，用于：将所述优化内窥镜检测部位状态特征图和所述优化部位正常状态特征图通过特征差异计算器以得到...

【专利技术属性】
技术研发人员：李长锋，李丹丹，张莹，
申请(专利权)人：吉林大学，
类型：发明
国别省市：