小肠状态异常检测方法、装置及电子设备与流程

技术特征：
1.一种小肠状态异常检测方法，其特征在于，所述方法包括：将待检测小肠图像分割成多个子图像；将多个所述子图像输入至预先训练好的异常评估模型，得到每个所述子图像的状态异常置信度；根据每个所述子图像的状态异常置信度，确定所述待检测小肠图像的检测结果。2.根据权利要求1所述的方法，其特征在于，所述异常评估模型包括特征提取模块和状态评估模块；所述将多个所述子图像输入至预先训练好的异常评估模型，得到每个所述子图像的状态异常置信度，包括：对于每个所述子图像，将该子图像输入至所述特征提取模块进行特征提取，得到该子图像的图像特征；将该子图像的图像特征输入至所述状态评估模块进行与无病症图像的比对，得到该子图像相对于所述无病症图像的状态异常置信度。3.根据权利要求1所述的方法，其特征在于，所述根据每个所述子图像的状态异常置信度，确定所述待检测小肠图像的检测结果，包括：从多个所述子图像中筛选出状态异常置信度大于预设的置信度阈值的候选子图像；根据所述候选子图像，确定与所述待检测小肠图像对应的状态异常的小肠部位。4.根据权利要求3所述的方法，其特征在于，所述根据所述候选子图像，确定与所述待检测小肠图像对应的状态异常的小肠部位，包括：将所述候选子图像与预先存储的假状态子图像进行比对，得到特征相似度；其中，所述假状态子图像为无病症图像被分割成的多个正常子图像中差异评分高于预设的状态异常分数阈值的正常子图像；从所述候选子图像中剔除特征相似度高于预设相似度的候选子图像，得到目标子图像；将所述目标子图像对应的小肠部位确定为状态异常的小肠部位。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取原始样本图像；将所述原始样本图像分割成多个样本子图像，得到子图像集；将所述子图像集分为训练子集和测试子集；将所述训练子集输入至待训练的异常评估模型，对所述待训练的异常评估模型进行训练，以生成训练后的异常评估模型；将所述测试子集输入至所述训练后的异常评估模型，对所述异常评估模型进行测试，以得到训练好的异常评估模型。6.一种小肠状态异常检测装置，其特征在于，所述装置包括：图像分割模块，用于将待检测小肠图像分割成多个子图像；异常评估模块，用于将多个所述子图像输入至预先训练好的异常评估模型，得到每个所述子图像的状态异常置信度；异常确定模块，用于根据每个所述子图像的状态异常置信度，确定所述待检测小肠图像的检测结果。
7.根据权利要求6所述的装置，其特征在于，所述异常评估模型包括特征提取模块和状态评估模块：所述异常评估模块具体用于；对于每个所述子图像，将该子图像输入至所述特征提取模块进行特征提取，得到该子图像的图像特征；将该子图像的图像特征输入至所述状态评估模块进行与无病症图像的比对，得到该子图像相对于所述无病症图像的状态异常置信度。8.根据权利要求6所述的装置，其特征在于，所述异常确定模块具体用于：从多个所述子图像中筛选出状态异常置信度大于预设的置信度阈值的候选子图像；根据所述候选子图像，确定与所述待检测小肠图像对应的状态异常的小肠部位。9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1
‑
5中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现权利要求1
‑
5中任一项所述的方法。

技术总结
本发明提供小肠状态异常检测方法、装置及电子设备，涉及医疗影像智能诊断领域。方法包括：将待检测小肠图像分割成多个子图像并输入至预先训练好的异常评估模型，得到每个子图像的状态异常置信度，并根据状态异常置信度确定待检测小肠图像的检测结果。本发明的小肠状态异常检测方法、装置及电子设备，通过将待检测小肠图像分割成多个子图像，并根据预先训练好的异常评估模型来获取每个子图像的状态异常置信度，进而根据状态异常置信度来确定小肠图像是否异常，可确保对待检测小肠图像中任意一块区域都进行独立评估，防止了误诊和漏诊，提高了检测结果的准确性，解决了难以获取足够的标签数据去构造可覆盖所有种类小肠疾病的诊断模型的技术问题。断模型的技术问题。断模型的技术问题。


技术研发人员：高岩 芦维宁 蓝宇
受保护的技术使用者：北京积水潭医院
技术研发日：2021.07.30
技术公布日：2021/10/29