一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种白光模式下胃部标志物评估方法及系统与流程

2021-11-06 03:39:00 来源:中国专利 TAG:

技术特征:
1.一种白光模式下胃部标志物评估方法,其特征在于,包括:获取白光模式下连续的序列化胃镜图像集;对所述序列化胃镜图像集进行胃镜图像部位识别,得到多个不同类型的部位识别图像集;分别将多个所述不同类型的部位识别图像集输入至预设的病灶分割模型进行病灶图像分割,得到多个有病灶图像;将多个所述有病灶图像输入至预设的萎缩病症识别模型进行萎缩病症标志物识别,得到多个萎缩病症标志物识别结果;根据多个所述部位识别图像集和多个所述萎缩病症标志物识别结果,进行胃部标志物风险评估,得到胃部标志物风险评估结果。2.如权利要求1所述的白光模式下胃部标志物评估方法,其特征在于,所述对所述序列化胃镜图像集进行胃镜图像部位识别,得到多个不同类型的部位识别图像集,包括:将所述序列化胃镜图像集中输入至预设的胃镜图像部位识别模型进行胃镜图像部位识别,得到多个列向量;根据多个所述列向量,确定多个所述不同类型的部位识别图像集;所述部位识别图像集包括多个相同类型的部位识别图像,所述部位识别图像的类型包括胃窦小弯部位图像、胃窦大弯部位图像、胃角部位图像、胃体小弯部位图像以及胃体大弯部位图像。3.如权利要求2所述的白光模式下胃部标志物评估方法,其特征在于,所述根据多个所述列向量,确定多个所述不同类型的部位识别图像集,包括所述列向量包括多个部位标签和分别与所述多个部位标签对应的多个概率值;确定所述列向量中与所述多个概率值中数值最大的概率值对应的部位标签,得到目标部位标签;根据所述目标部位标签,确定所述列向量对应的所述部位识别图像;将多个所述部位识别图像按照预设的分类预置信息进行分组,得到多个所述不同类型的部位识别图像集。4.如权利要求2所述的白光模式下胃部标志物评估方法,其特征在于,所述根据多个所述部位识别图像集和多个所述萎缩病症标志物识别结果,进行胃部标志物风险评估,得到胃部标志物风险评估结果,包括:所述萎缩病症标志物识别结果包括有萎缩病症识别结果和非萎缩病症识别结果;若所述部位识别图像集中的胃窦小弯部位图像、胃窦大弯部位图像、胃角部位图像中识别出有萎缩病症识别结果,则为胃部标志物险评估结果为存在低风险萎缩性胃炎;若所述部位识别图像集中的胃体小弯部位图像中识别出有萎缩病症识别结果,则胃部标志物风险评估结果为存在高风险萎缩性胃炎,同时确定部位识别图像集中的胃窦小弯部位图像、胃窦大弯部位图像、胃角部位图像均识别有萎缩病症识别结果;若所述部位识别图像集中的胃体大弯部位图像识别出有萎缩病症识别结果,则胃部标志物风险评估结果为存在高风险萎缩性胃炎,同时确定胃窦小弯部位图像、胃窦大弯部位图像、胃角部位图像、胃体小弯部位图均识别有萎缩病症识别结果。5.如权利要求2所述的白光模式下胃部标志物评估方法,其特征在于,在所述将所述序
列化胃镜图像集中输入至预设的胃镜图像部位识别模型进行胃镜图像部位识别,得到多个列向量之前,包括:获取样本胃镜图像集以及根据所述样本胃镜图像集确定的多个不同类型的样本胃镜标记图像;根据所述样本胃镜图像集和所述多个不同类型的样本胃镜标记图像进行模型训练,得到已训练的胃镜图像部位识别模型。6.如权利要求5所述的白光模式下胃部标志物评估方法,其特征在于,所述根据所述样本胃镜图像集和所述多个不同类型的样本胃镜标记图像进行模型训练,得到已训练的胃镜图像部位识别模型,包括:通过预设的第一损失函数进行损失计算,得到多个第一损失值;其中,所述第一损失函数为:其中m1为所述样本胃镜图像集中的样本胃镜图像数量,n1为多个不同类型的所述样本胃镜标记图像的类型数量,是所述样本胃镜图像集中第i个所述样本胃镜图像属于第j种类型的预测概率,为符号函数0或1,如果所述样本胃镜图像集中的第i个所述样本胃镜图像的真实类型为第j种类型时,则取值为1,否则取值为0,所述胃镜图像部位识别模型训练过程中输出的预测值为a,真实值为;根据多个所述第一损失值对预设的胃镜图像部位识别模型进行模型训练,得到已训练的胃镜图像部位识别模型。7.如权利要求1所述的白光模式下胃部标志物评估方法,其特征在于,在所述对所述序列化胃镜图像集进行胃镜图像部位识别,得到多个不同类型的部位识别图像集之前,包括:获取不同类型的样本部位识别图像集以及根据所述样本部位识别图像集确定的多个样本有病灶标记图像;根据所述样本部位识别图像集和多个所述样本有病灶标记图像进行模型训练,得到已训练的病灶分割模型。8.如权利要求7所述的白光模式下胃部标志物评估方法,其特征在于,所述根据所述样本部位识别图像集和多个所述样本有病灶标记图像进行模型训练,得到已训练的病灶分割模型,包括:通过预设的第二损失函数进行损失计算,得到多个第二损失值;其中,所述第二损失函数为:
其中m2所述样本部位识别图像集中的样本部位识别图像数量,为第m2个所述样本部位识别图像的样本预测值,为第m2个所述样本部位识别图像的样本真实值,所述胃镜图像部位识别模型训练过程中输出的预测值为b,真实值为;根据多个所述第二损失值对预设的病灶分割模型进行模型训练,得到已训练的病灶分割模型。9.如权利要求1所述的白光模式下胃部标志物评估方法,其特征在于,在所述对所述序列化胃镜图像集进行胃镜图像部位识别,得到多个不同类型的部位识别图像集之前,包括:获取多个样本有病灶图像以及根据所述样本有病灶图像确定的多个萎缩病症标记图像;根据多个所述样本有病灶图像和多个所述萎缩病症标记图像进行模型训练,得到已训练的萎缩病症识别模型。10.如权利要求9所述的白光模式下胃部标志物评估方法,其特征在于,所述根据多个所述样本有病灶图像和多个所述萎缩病症标记图像进行模型训练,得到已训练的萎缩病症识别模型,包括:通过预设的第三损失函数进行损失计算,得到多个第三损失值;其中,所述第三损失函数为:其中m3为多个所述样本有病灶图像的图像总数量,所述萎缩病症识别模型训练过程中输出的预测值为c,真实值为;根据多个所述第三损失值对预设的萎缩病症识别模型进行模型训练,得到已训练的萎缩病症识别模型。11.一种白光模式下萎缩性胃炎风险评估系统,其特征在于,所述系统包括:获取模块,用于获取白光模式下连续的序列化胃镜图像集;部位识别模块,用于对所述序列化胃镜图像集进行胃镜图像部位识别,得到多个不同类型的部位识别图像集;病灶分割模块,用于分别将多个所述不同类型的部位识别图像集输入至预设的病灶分割模型进行病灶图像分割,得到多个有病灶图像;萎缩病症识别模块,用于将多个所述有病灶图像输入至预设的萎缩病症识别模型进行萎缩病症标志物识别,得到多个萎缩病症标志物识别结果;评估模块,用于根据多个所述部位识别图像集和多个所述萎缩病症标志物识别结果,进行胃部标志物风险评估,得到胃部标志物风险评估结果。

技术总结
本申请提供一种白光模式下胃部标志物评估方法及系统,解决了目前无法辅助白光内镜下对存在慢性萎缩性胃炎的风险进行评估的问题,包括:获取白光模式下连续的序列化胃镜图像集;对序列化胃镜图像集进行胃镜图像部位识别、病灶图像分割、萎缩病症标志物识别,得到多个萎缩病症标志物识别结果;并进行胃部标志物风险评估,得到胃部标志物风险评估结果。本申请可实施对白光模式下的内镜影像进行分析,提供了对胃镜图像部位识别准确,病灶图像分割准确、萎缩病症识别准确的技术方案,可以作为医疗辅助技术,辅助结合观察胃镜部位和症状快速对萎缩性胃炎风险进行评估。对萎缩性胃炎风险进行评估。对萎缩性胃炎风险进行评估。


技术研发人员:李昊 胡珊 胡孝 郑碧清
受保护的技术使用者:武汉楚精灵医疗科技有限公司
技术研发日:2021.10.08
技术公布日:2021/11/5
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献