基于人工智能的内镜下胃肠道图像分割识别系统及方法

本申请涉及图像处理，且更为具体地，涉及一种基于人工智能的内镜下胃肠道图像分割识别系统及方法。

背景技术：

1、内镜是一种细长的管状设备，通常带有光源和摄像头，医生可以通过内镜直接观察患者的肠道内部情况。在胃肠道疾病的诊断与治疗中，内镜检查是一种常见且有效的手段。

2、传统的内镜检查方法往往依赖于医生对胃肠道内镜图像进行分析判断。由于胃肠道结构的复杂性和病变的多样性，这种检查方法不仅要求医生具备丰富的临床经验和专业知识，而且难以避免人为因素的干扰，如视觉疲劳、注意力分散等，可能导致诊断的准确性和效率受到影响。

3、近年来，随着人工智能技术的快速发展，为胃肠道内镜图像的自动分析和诊断提供了新的可能。因此，期待一种基于人工智能的内镜下胃肠道图像分割识别系统及方法，以实现自动化的胃肠道图像解析，提高胃肠道疾病诊断的效率。

技术实现思路

1、为了解决上述技术问题，提出了本申请。

2、相应地，根据本申请的一个方面，提供了一种基于人工智能的内镜下胃肠道图像分割识别系统，其包括：

3、内镜图像获取模块，用于获取胃肠道内镜图像；

4、医学影像特征提取模块，用于提取所述胃肠道内镜图像的影像特征以得到胃肠道内镜图像特征图；

5、内部自相关强化模块，用于对所述胃肠道内镜图像特征图进行内部自相关强化以得到强化胃肠道内镜图像特征图；

6、语义分割模块，用于对所述强化胃肠道内镜图像特征图进行语义分割以得到内镜下胃肠道图像分割结果；

7、其中，所述内部自相关强化模块，包括：

8、特征散化单元，用于沿着所述胃肠道内镜图像特征图的通道维度，对所述胃肠道内镜图像特征图进行特征散化以得到胃肠道内镜像素级跨通道表示向量的集合；

9、特征增强单元，用于将所述胃肠道内镜像素级跨通道表示向量的集合通过基于序列内部相关性的特征增强模块以得到自相关强化胃肠道内镜像素级跨通道表示向量的集合；

10、特征聚合单元，用于将所述自相关强化胃肠道内镜像素级跨通道表示向量的集合按照特征散化的模式进行特征聚合以得到所述强化胃肠道内镜图像特征图。

11、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述医学影像特征提取模块，包括：图像细节强化处理单元，用于对所述胃肠道内镜图像进行细节强化处理以得到细节强化胃肠道内镜图像；图像特征提取单元，用于将所述细节强化胃肠道内镜图像通过基于densenet模型的胃肠道医学影像特征提取器以得到所述胃肠道内镜图像特征图。

12、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述图像细节强化处理单元，用于：对所述胃肠道内镜图像进行对比度归一化和广义高斯拟合以得到所述细节强化胃肠道内镜图像。

13、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述特征增强单元，包括：序列分布聚类中心计算子单元，用于计算所述胃肠道内镜像素级跨通道表示向量的集合的均值向量作为序列分布聚类中心；语义相关度计算子单元，用于计算所述胃肠道内镜像素级跨通道表示向量的集合中各个胃肠道内镜像素级跨通道表示向量与所述序列分布聚类中心之间的语义相关度以得到语义相关度的序列；特征自相关强化子单元，用于基于所述语义相关度的序列，对所述胃肠道内镜像素级跨通道表示向量的集合进行加权处理以得到所述自相关强化胃肠道内镜像素级跨通道表示向量的集合。

14、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述语义相关度计算子单元，用于：分别计算所述胃肠道内镜像素级跨通道表示向量的集合中各个胃肠道内镜像素级跨通道表示向量与各个预定权重矩阵之间的矩阵乘积以得到胃肠道内镜像素级跨通道表示编码特征向量的集合；将所述胃肠道内镜像素级跨通道表示编码特征向量的集合中各个胃肠道内镜像素级跨通道表示编码特征向量加上偏置向量后通过sigmoid激活函数以得到激活胃肠道内镜像素级跨通道表示编码特征向量的集合；分别计算所述激活胃肠道内镜像素级跨通道表示编码特征向量的集合中各个激活胃肠道内镜像素级跨通道表示编码特征向量与所述序列分布聚类中心的转置向量之间的向量乘积以得到所述语义相关度的序列。

15、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述特征自相关强化子单元，用于：将所述语义相关度的序列输入softmax函数进行基于软最大值归一化处理以得到序列相关强度权重因子的序列；以所述序列相关强度权重因子的序列作为权重序列，对所述胃肠道内镜像素级跨通道表示向量的集合进行逐向量加权以得到所述自相关强化胃肠道内镜像素级跨通道表示向量的集合。

16、在上述基于人工智能的内镜下胃肠道图像分割识别系统中，所述语义分割模块，用于：将所述强化胃肠道内镜图像特征图输入基于softmax函数的语义分割器以得到所述内镜下胃肠道图像分割结果。

17、根据本申请的另一个方面，提供了一种基于人工智能的内镜下胃肠道图像分割识别方法，其包括：

18、获取胃肠道内镜图像；

19、提取所述胃肠道内镜图像的影像特征以得到胃肠道内镜图像特征图；

20、对所述胃肠道内镜图像特征图进行内部自相关强化以得到强化胃肠道内镜图像特征图；

21、对所述强化胃肠道内镜图像特征图进行语义分割以得到内镜下胃肠道图像分割结果；

22、其中，对所述胃肠道内镜图像特征图进行内部自相关强化以得到强化胃肠道内镜图像特征图，包括：

23、沿着所述胃肠道内镜图像特征图的通道维度，对所述胃肠道内镜图像特征图进行特征散化以得到胃肠道内镜像素级跨通道表示向量的集合；

24、将所述胃肠道内镜像素级跨通道表示向量的集合通过基于序列内部相关性的特征增强模块以得到自相关强化胃肠道内镜像素级跨通道表示向量的集合；

25、将所述自相关强化胃肠道内镜像素级跨通道表示向量的集合按照特征散化的模式进行特征聚合以得到所述强化胃肠道内镜图像特征图。

26、与现有技术相比，本申请提供的基于人工智能的内镜下胃肠道图像分割识别系统及方法，其采用基于深度学习的计算机视觉技术对胃肠道内镜图像进行图像处理，提取出胃肠道内镜图像的图像特征表示，并对其进行像素级特征自相关增强以提高图像中病变区域的特征表达强度，进而通过softmax函数对其进行像素级语义分割，以得到胃肠道内镜图像的分割识别结果。这样，可以实现内镜下胃肠道图像的精确分割和识别，提高病变区域的检测准确率，从而为胃肠道疾病的诊断和治疗提供有力的支持。

技术特征：

1.一种基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，包括：

2.根据权利要求1所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述医学影像特征提取模块，包括：

3.根据权利要求2所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述图像细节强化处理单元，用于：

4.根据权利要求3所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述特征增强单元，包括：

5.根据权利要求4所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述语义相关度计算子单元，用于：

6.根据权利要求5所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述特征自相关强化子单元，用于：

7.根据权利要求6所述的基于人工智能的内镜下胃肠道图像分割识别系统，其特征在于，所述语义分割模块，用于：

8.一种基于权利要求1-7任一项所述的基于人工智能的内镜下胃肠道图像分割识别系统的基于人工智能的内镜下胃肠道图像分割识别方法，其特征在于，包括：

技术总结本申请公开了一种基于人工智能的内镜下胃肠道图像分割识别系统及方法，涉及图像处理技术领域，其采用基于深度学习的计算机视觉技术对胃肠道内镜图像进行图像处理，提取出胃肠道内镜图像的图像特征表示，并对其进行像素级特征自相关增强以提高图像中病变区域的特征表达强度，进而通过Softmax函数对其进行像素级语义分割，以得到胃肠道内镜图像的分割识别结果。这样，可以实现内镜下胃肠道图像的精确分割和识别，提高病变区域的检测准确率，从而为胃肠道疾病的诊断和治疗提供有力的支持。技术研发人员：金国花受保护的技术使用者：吉林大学技术研发日：技术公布日：2024/7/29