CN115661037A - 一种胶囊内镜辅助检测方法、装置、***、设备及介质 - Google Patents
一种胶囊内镜辅助检测方法、装置、***、设备及介质 Download PDFInfo
- Publication number
- CN115661037A CN115661037A CN202211182067.2A CN202211182067A CN115661037A CN 115661037 A CN115661037 A CN 115661037A CN 202211182067 A CN202211182067 A CN 202211182067A CN 115661037 A CN115661037 A CN 115661037A
- Authority
- CN
- China
- Prior art keywords
- acquired image
- recognition model
- semantic segmentation
- image
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Endoscopes (AREA)
Abstract
本申请公开了一种胶囊内镜辅助检测方法、装置、***、设备及存储介质,涉及计算机技术领域。该方法包括:获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。提高了利用胶囊内镜进行检测的检测结果的准确性。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种胶囊内镜辅助检测方法、装置、***、设备及存储介质。
背景技术
胶囊内镜作为一种无创、便捷的诊断方式,在胃肠疾病中的应用已得到业界的一致认可。目前胶囊内镜结合肠道疾病的诊疗取得了革命性突破,但是胶囊内镜图像分析医师必须选择兼备临床和内镜经验丰富的高年资医师,重要原因是肠道清洁度评价指标其中内镜检查视频数据量大,医生也会出现视觉疲劳,很可能造成误检或者漏检。随着近年来机器视觉领域的飞速发展,基于人工智能技术的图像识别、目标检测、图像分割等智能方法也被广泛用于内窥镜的辅助诊断,从而大幅度提高胶囊内镜诊断的检出率,减少人为因素、环境因素的干扰。
现有的胶囊内镜下病灶识别主要有三种主流的解决方法:1、用一般的卷积神经网络对采集到的数据帧做特征提取,然后和人工标注的知识库中病灶图片特征进行比对,最终实现病灶识别。2、对采集到的数据帧做数据增强处理,对数据增强的图片做特征提取,然后再做病灶识别。3、通过单一分割识别模型对采集的数据帧进行分割、识别。第一种方法会由于获取到个别病灶种类图片存在颜色、纹理具有相似性;内镜获取到图片中病灶部位存在不完整性;数据标注人员可能对模糊病灶给予错误的病灶标签等原因,造成模型提取到的特征类间聚类很小,出现图片和某几种病灶图片都很像,造成误检率很大,对医生起不到辅助作用。第二种方法,存在由于小肠疾病种类多,病灶纹理图片复杂多变,加上内镜在采集数据过程中存在较大的干扰,如光强、遮挡物、角度等因素,同样会存在第一种方法面临的问题。第三种方法由于数据标注难度大,每一张图片需要进行像素级别标注任务导致训练数据不全面,造成大量的误检或者漏检,模型的鲁棒性较差,稳定性也差。
发明内容
有鉴于此,本发明的目的在于提供一种胶囊内镜辅助检测方法、装置、***、设备及介质,能够提高利用胶囊内镜进行检测的检测结果的准确性。
其具体方案如下:
第一方面,本申请公开了一种胶囊内镜辅助检测方法,包括:
获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;
若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;
基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
可选的,所述基于所述诊断数据对所述语义分割识别模型进行训练,包括:
对所述诊断数据进行数据预处理,得到对应的符合训练格式的训练数据;
利用所述训练数据对所述语义分割识别模型进行训练。
可选的,所述将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割之后,还包括:
若所述语义分割识别模型生成所述采集图像对应的分割结果,则基于所述分割结果生成诊断结果;
将所述诊断结果发送给所述客户端,以便所述客户端对所述诊断结果进行审核。
可选的,所述将所述采集图像输入至语义分割识别模型之前,还包括:
将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型;
若判断结果为所述采集图像中存在病灶,则执行所述将所述采集图像输入至语义分割识别模型的操作。
可选的,所述将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型之后,还包括:
若判断结果为所述采集图像中不存在病灶,则将所述采集图像发送至所述客户端,并获取所述客户端反馈的所述采集图像对应的诊断数据。
可选的,所述胶囊内镜辅助检测方法,还包括:
基于所述诊断数据对所述二分类模型进行训练,并根据训练更新所述二分类模型的模型权重文件。
第二方面,本申请公开了一种胶囊内镜辅助检测装置,包括:
图像分割模块,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;
诊断数据获取模块,用于若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;
训练模块,用于基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
第三方面,本申请公开了一种胶囊内镜辅助检测***,包括胶囊内镜图像采集端、服务器和客户端;
所述胶囊内镜图像采集端,用于图像数据流的采集和传输;
所述服务器,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件;
所述客户端,用于对所述采集图像添加相应诊断标记。
第四方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的胶囊内镜辅助检测方法。
第五方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中计算机程序被处理器执行时实现前述的胶囊内镜辅助检测方法。
本申请中,获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。通过将采集图像发送至客户端,然后获取客户端反馈的人工对采集图像添加相应诊断标记后的诊断数据,在利用该诊断数据对语义分割识别模型进行训练和微调,具有检测和在线学习的能力,通过不断迭代更新进行在线学习,最终能提高模型在陌生数据上的鲁棒性和稳定性,避免分割识别模型对没见过的病灶形态存在误识别或者不识别现象,提高了利用胶囊内镜进行检测的检测结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种胶囊内镜辅助检测方法流程图;
图2为本申请提供的一种具体的胶囊内镜辅助检测方法流程图;
图3为本申请提供的一种胶囊内镜辅助检测装置结构示意图;
图4为本申请提供的一种具体的胶囊内镜辅助检测***结构示意图;
图5为本申请提供的一种电子设备结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,用一般的卷积神经网络对采集到的数据帧做特征提取,然后和人工标注的知识库中病灶图片特征进行比对,最终实现病灶识别;或者,对采集到的数据帧做数据增强处理,对数据增强的图片做特征提取,然后再做病灶识别;或者,通过单一分割识别模型对采集的数据帧进行分割、识别;误检漏检率较高。为克服上述技术问题,本申请提出一种胶囊内镜辅助检测方法,能够提高利用胶囊内镜进行检测的检测结果的准确性。
本申请实施例公开了一种胶囊内镜辅助检测方法,参见图1所示,该方法可以包括以下步骤:
步骤S11:获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割。
本实施例中,胶囊内镜图像采集端作为数据采集模块具备图像数据流的采集和传输能力,该模块通过SDI(serial digital interface,数字分量串行接口)/DVI(DigitalVisual Interface,数字视频接口)/HDMI(High Definition Multimedia Interface,高清多媒体接口)等接口从内镜图像处理器逐帧接收待处理的RGB格式的采集图像。获取采集图像后将采集图像输入至预先训练好的语义分割识别模型,以利用该语义分割识别模型对采集图像进行分割,即利用语义分割识别模型对前端送来的疑似病灶的图片完成病灶分割及分类任务。
步骤S12:若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据。
本实施例中,若分割识别模型对采集图片未产生分割结果,图片将传入客户端供医生进行人工标注任务,最后将标注结果等诊断数据送入服务器进行存储。
本实施例中,所述将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割之后,还可以包括:若所述语义分割识别模型生成所述采集图像对应的分割结果,则基于所述分割结果生成诊断结果;将所述诊断结果发送给所述客户端,以便所述客户端对所述诊断结果进行审核。即若语义分割识别模型对病灶图片产生分割结果,***给出诊断结果,***检测结束。其中,客户端可以查询***检测结果,也可以对怀疑的病灶数据进行标注,标注格式可以为:有无病灶(0/1);病灶类别;病灶区域。
步骤S13:基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
本实施例中,所述基于所述诊断数据对所述语义分割识别模型进行训练,可以包括:对所述诊断数据进行数据预处理,得到对应的符合训练格式的训练数据;利用所述训练数据对所述语义分割识别模型进行训练。
本实施例中,为了增加模型对没见过数据的鲁棒性设计的,在每次诊断结束后,利用在线训练模块通过服务器上存储的临床医生标注的诊断数据通过数据预处理方法形成训练格式数据,然后加载至语义分割识别模型进行微调,并更新模型权重文件,更新的模型用于下一次检测使用。实现在线训练的像素级别的语义分割模型胶囊内镜辅助检测。
由上可见,本实施例中获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。通过将采集图像发送至客户端,然后获取客户端反馈的人工对采集图像添加相应诊断标记后的诊断数据,在利用该诊断数据对语义分割识别模型进行训练和微调,具有检测和在线学习的能力,通过不断迭代更新进行在线学习,最终能提高模型在陌生数据上的鲁棒性和稳定性,避免分割识别模型对没见过的病灶形态存在误识别或者不识别现象,提高了利用胶囊内镜进行检测的检测结果的准确性。
本申请实施例公开了一种具体的胶囊内镜辅助检测方法,参见图2所示,该方法可以包括以下步骤:
步骤S21:获取胶囊内镜图像采集端发送的采集图像。
步骤S22:将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型。
本实施例中,获取到采集图像后先将采集图像输入至预先训练好的二分类模型,该二分类模型用于判断采集图像中是否存在病灶。即为了降低语义分割识别模型对病灶图片的漏检率,在语义分割识别模型前端加一个轻量级的二分类模型,用于将图片分为有病灶和无病灶两个大类。
步骤S23:若判断结果为所述采集图像中存在病灶,则将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割。
本实施例中,所述将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型之后,还可以包括:若判断结果为所述采集图像中不存在病灶,则将所述采集图像发送至所述客户端,并获取所述客户端反馈的所述采集图像对应的诊断数据。
本实施例中,判别有病灶的图片送往训练好的语义分割识别模型中,判别没有病灶的图片则送往客户端供医生进行再次审核判别。医生判别有病灶并对其进行标注和分类,把最终的标记数据送往服务器进行存储,若医生判别无病灶则***检测结束。
步骤S24:若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据。
步骤S25:基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
本实施例中,所述胶囊内镜辅助检测方法,还可以包括:基于所述诊断数据对所述二分类模型进行训练,并根据训练更新所述二分类模型的模型权重文件。即利用服务器上存储的临床医生标注的诊断数据通过数据预处理方法形成训练格式数据,然后加载至二分类模型进行微调,并更新模型权重文件,更新的二分类模型用于下一次检测使用。在线训练可以通过医生标注数据在线微调二分类轻量级模型和语义分割识别模型,提升网络的识别精度,克服训练数据匮乏的缺点,极大地降低模型的误检率和漏检率,提高模型的鲁棒性。
其中,关于上述步骤S21、步骤S24的具体过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
由上可见,本实施例中将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型;若判断结果为所述采集图像中存在病灶,则执行所述将所述采集图像输入至语义分割识别模型的操作。可见,通过在语义分割识别模型前边加一个二分类模型对数据帧进行预识别,在不降低***耗能的前提下降低了***对病灶的漏检率,提高分割识别模型的识别准确度,为医生提供可靠的病灶分割识别结果。
相应的,本申请实施例还公开了一种胶囊内镜辅助检测装置,参见图3所示,该装置包括:
图像分割模块11,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;
诊断数据获取模块12,用于若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;
训练模块13,用于基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
由上可见,本实施例中获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。通过将采集图像发送至客户端,然后获取客户端反馈的人工对采集图像添加相应诊断标记后的诊断数据,在利用该诊断数据对语义分割识别模型进行训练和微调,具有检测和在线学习的能力,通过不断迭代更新进行在线学习,最终能提高模型在陌生数据上的鲁棒性和稳定性,避免分割识别模型对没见过的病灶形态存在误识别或者不识别现象,提高了利用胶囊内镜进行检测的检测结果的准确性。
在一些具体实施例中,所述训练模块13具体可以包括:
预处理单元,用于对所述诊断数据进行数据预处理,得到对应的符合训练格式的训练数据;
训练单元,用于利用所述训练数据对所述语义分割识别模型进行训练。
在一些具体实施例中,所述胶囊内镜辅助检测装置具体可以包括:
诊断结果生成单元,用于若所述语义分割识别模型生成所述采集图像对应的分割结果,则基于所述分割结果生成诊断结果;
诊断结果发送单元,用于将所述诊断结果发送给所述客户端,以便所述客户端对所述诊断结果进行审核。
在一些具体实施例中,所述胶囊内镜辅助检测装置具体可以包括:
分类单元,用于将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型;
判断单元,用于若判断结果为所述采集图像中存在病灶,则执行所述将所述采集图像输入至语义分割识别模型的操作。
在一些具体实施例中,所述胶囊内镜辅助检测装置具体可以包括:
图像发送单元,用于若判断结果为所述采集图像中不存在病灶,则将所述采集图像发送至所述客户端,并获取所述客户端反馈的所述采集图像对应的诊断数据。
在一些具体实施例中,所述胶囊内镜辅助检测装置具体可以包括:
训练单元,用于基于所述诊断数据对所述二分类模型进行训练,并根据训练更新所述二分类模型的模型权重文件。
进一步的,本申请实施例还公开了一种胶囊内镜辅助检测***,其特征在于,包括胶囊内镜图像采集端、服务器和客户端;所述胶囊内镜图像采集端,用于图像数据流的采集和传输;所述服务器,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件;所述客户端,用于对所述采集图像添加相应诊断标记。例如图4所示,***至少包含以下四个模块,检测模块和在线训练模块存在服务器当中,客户端可以是医生办公电脑端,也可以是内镜检查的硬件平台。服务器和客户端通过局域网实现数据交互。
进一步的,本申请实施例还公开了一种电子设备,参见图5所示,图中的内容不能被认为是对本申请的使用范围的任何限制。
图5为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的胶囊内镜辅助检测方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作***221、计算机程序222及包括采集图像在内的数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作***221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的胶囊内镜辅助检测方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请实施例还公开了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现前述任一实施例公开的胶囊内镜辅助检测方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种胶囊内镜辅助检测方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种胶囊内镜辅助检测方法,其特征在于,应用于服务器,包括:
获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;
若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;
基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
2.根据权利要求1所述的胶囊内镜辅助检测方法,其特征在于,所述基于所述诊断数据对所述语义分割识别模型进行训练,包括:
对所述诊断数据进行数据预处理,得到对应的符合训练格式的训练数据;
利用所述训练数据对所述语义分割识别模型进行训练。
3.根据权利要求1所述的胶囊内镜辅助检测方法,其特征在于,所述将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割之后,还包括:
若所述语义分割识别模型生成所述采集图像对应的分割结果,则基于所述分割结果生成诊断结果;
将所述诊断结果发送给所述客户端,以便所述客户端对所述诊断结果进行审核。
4.根据权利要求1至3任一项所述的胶囊内镜辅助检测方法,其特征在于,所述将所述采集图像输入至语义分割识别模型之前,还包括:
将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型;
若判断结果为所述采集图像中存在病灶,则执行所述将所述采集图像输入至语义分割识别模型的操作。
5.根据权利要求4所述的胶囊内镜辅助检测方法,其特征在于,所述将所述采集图像输入至用于判断所述采集图像中是否存在病灶的二分类模型之后,还包括:
若判断结果为所述采集图像中不存在病灶,则将所述采集图像发送至所述客户端,并获取所述客户端反馈的所述采集图像对应的诊断数据。
6.根据权利要求4所述的胶囊内镜辅助检测方法,其特征在于,还包括:
基于所述诊断数据对所述二分类模型进行训练,并根据训练更新所述二分类模型的模型权重文件。
7.一种胶囊内镜辅助检测装置,其特征在于,包括:
图像分割模块,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;
诊断数据获取模块,用于若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;
训练模块,用于基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件。
8.一种胶囊内镜辅助检测***,其特征在于,包括胶囊内镜图像采集端、服务器和客户端;
所述胶囊内镜图像采集端,用于图像数据流的采集和传输;
所述服务器,用于获取胶囊内镜图像采集端发送的采集图像,将所述采集图像输入至语义分割识别模型,以利用所述语义分割识别模型对所述采集图像进行分割;若所述语义分割识别模型未生成所述采集图像对应的分割结果,则将所述采集图像发送至客户端,并获取客户端反馈的所述采集图像对应的诊断数据;所述诊断数据为人工对所述采集图像添加相应诊断标记后的数据;基于所述诊断数据对所述语义分割识别模型进行训练,并根据训练更新所述语义分割识别模型的模型权重文件;
所述客户端,用于对所述采集图像添加相应诊断标记。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至6任一项所述的胶囊内镜辅助检测方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中计算机程序被处理器执行时实现如权利要求1至6任一项所述的胶囊内镜辅助检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211182067.2A CN115661037A (zh) | 2022-09-27 | 2022-09-27 | 一种胶囊内镜辅助检测方法、装置、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211182067.2A CN115661037A (zh) | 2022-09-27 | 2022-09-27 | 一种胶囊内镜辅助检测方法、装置、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115661037A true CN115661037A (zh) | 2023-01-31 |
Family
ID=84986159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211182067.2A Pending CN115661037A (zh) | 2022-09-27 | 2022-09-27 | 一种胶囊内镜辅助检测方法、装置、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661037A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740363A (zh) * | 2023-08-15 | 2023-09-12 | 苏州凌影云诺医疗科技有限公司 | 一种基于肠道区域分割的清洁度检测方法和*** |
-
2022
- 2022-09-27 CN CN202211182067.2A patent/CN115661037A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740363A (zh) * | 2023-08-15 | 2023-09-12 | 苏州凌影云诺医疗科技有限公司 | 一种基于肠道区域分割的清洁度检测方法和*** |
CN116740363B (zh) * | 2023-08-15 | 2023-10-13 | 苏州凌影云诺医疗科技有限公司 | 一种基于肠道区域分割的清洁度检测方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909780B (zh) | 一种图像识别模型训练和图像识别方法、装置及*** | |
US11861829B2 (en) | Deep learning based medical image detection method and related device | |
CN111933251B (zh) | 一种医学影像标注方法及*** | |
CN110211087B (zh) | 可分享的半自动糖尿病眼底病变标注方法 | |
EP4006831A1 (en) | Image processing method and apparatus, server, medical image processing device and storage medium | |
CN111091559A (zh) | 基于深度学习的小肠镜下淋巴瘤辅助诊断*** | |
CN111462049B (zh) | 一种乳腺超声造影视频中病灶区形态自动标注方法 | |
CN109785311B (zh) | 一种疾病诊断装置、电子设备及存储介质 | |
CN110767292A (zh) | 病理编号识别方法、信息识别方法、装置及信息识别*** | |
CN112927776A (zh) | 一种面向医学检验报告的人工智能自动解读*** | |
CN115880266B (zh) | 一种基于深度学习的肠道息肉检测***和方法 | |
CN115661037A (zh) | 一种胶囊内镜辅助检测方法、装置、***、设备及介质 | |
CN117237351B (zh) | 一种超声图像分析方法以及相关装置 | |
CN116779093B (zh) | 一种医学影像结构化报告的生成方法、装置和计算机设备 | |
CN111898528B (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN110197722B (zh) | Ai-cpu***平台 | |
CN117195911A (zh) | 一种语言模型驱动的零样本目标检测方法及*** | |
CN112489053A (zh) | 一种舌像分割方法、装置及存储介质 | |
CN116993699A (zh) | 一种眼动辅助训练下的医学图像分割方法及*** | |
CN111047582A (zh) | 基于深度学习的小肠镜下克罗恩病辅助诊断*** | |
CN116703837A (zh) | 一种基于mri图像的肩袖损伤智能识别方法及装置 | |
CN116168328A (zh) | 一种甲状腺结节超声检查***及方法 | |
CN116091427A (zh) | 一种皮肤病分类装置、分类方法及存储介质 | |
CN115910264A (zh) | 一种基于ct与医学报告的医学图像分类方法、装置和*** | |
CN111753916B (zh) | 高清医疗图像中的小型病变的自动标记方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |