肠息肉识别方法、装置、电子设备和存储介质与流程

本发明涉及医学图像处理，尤其涉及一种肠息肉识别方法、装置、电子设备和存储介质。

背景技术：

1、肠息肉是人体肠道内局部粘膜表面突出的异常生长的组织，这些组织会随着时间的推移发生变化，其中的一种发展方向便是转变为肠癌，会对人体造成不可估量的伤害，因此，如何及时地发现肠息肉是预防肠癌的关键，对人体健康有着重要的意义。

2、肠镜检查是临床上发现肠息肉的重要工具，但肠镜检查和息肉的识别依赖于临床医生的经验，易受主观因素的影响，而且肠息肉的形状和结构比较复杂，在进行肠镜检查时容易出现肠息肉的漏检，会对人体健康造成不利的影响。

3、计算机深度学习技术的发展为肠镜检查的息肉识别提供了有力的帮助，如何通过深度学习技术对肠镜检查出的肠镜图像进行分析，以准确地识别出肠息肉，是目前亟待解决的技术问题。

技术实现思路

1、针对现有技术存在的技术问题，本发明提供一种肠息肉识别方法、装置、电子设备和存储介质。

2、本发明提供一种肠息肉识别方法，包括：

3、获取待识别肠镜图像；

4、将所述待识别肠镜图像输入肠息肉识别模型，得到所述肠息肉识别模型输出的图像分类结果和肠息肉分割结果；其中，所述肠息肉识别模型为基于样本肠镜图像和对应的标签数据对初始肠息肉识别模型进行训练得到的，所述标签数据包括图像分类标签和肠息肉标签；

5、基于所述图像分类结果和所述肠息肉分割结果确定所述待识别肠镜图像的肠息肉识别结果。

6、根据本发明提供的一种肠息肉识别方法，所述基于所述图像分类结果和所述肠息肉分割结果确定所述待识别肠镜图像的肠息肉识别结果，包括：

7、对所述图像分类结果和所述肠息肉分割结果进行加权融合，得到所述待识别肠镜图像的所述肠息肉识别结果。

8、根据本发明提供的一种肠息肉识别方法，所述肠息肉识别模型是基于如下步骤训练得到的：

9、获取样本肠镜图像；

10、对所述样本肠镜图像进行图像分类类别的标记，以及对所述样本肠镜图像中的肠息肉样本图像进行肠息肉的掩码标记，得到所述标签数据；

11、基于所述样本肠镜图像、所述标签数据和损失函数，对所述初始肠息肉识别模型进行训练，得到所述肠息肉识别模型。

12、根据本发明提供的一种肠息肉识别方法，所述获取样本肠镜图像，包括：

13、获取正常肠镜样本图像、肠息肉样本图像和模糊肠镜样本图像，得到所述样本肠镜图像。

14、根据本发明提供的一种肠息肉识别方法，所述对所述样本肠镜图像进行图像分类类别的标记，包括：

15、对所述正常肠镜样本图像、所述肠息肉样本图像和所述模糊肠镜样本图像分别标记不同的图像分类标签。

16、根据本发明提供的一种肠息肉识别方法，所述损失函数为基于分类损失函数和分割损失函数确定的联合损失函数。

17、根据本发明提供的一种肠息肉识别方法，所述肠息肉识别模型为以深度卷积神经网络作为骨干网络的深度学习医疗分割网络模型。

18、本发明还提供一种肠息肉识别装置，包括：

19、图像获取模块，用于获取待识别肠镜图像；

20、肠息肉识别模块，用于将所述待识别肠镜图像输入肠息肉识别模型，得到所述肠息肉识别模型输出的图像分类结果和肠息肉分割结果；其中，所述肠息肉识别模型为基于样本肠镜图像和对应的标签数据对初始肠息肉识别模型进行训练得到的，所述标签数据包括图像分类标签和肠息肉标签；

21、识别结果确定模块，用于基于所述图像分类结果和所述肠息肉分割结果确定所述待识别肠镜图像的肠息肉识别结果。

22、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的肠息肉识别方法。

23、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的肠息肉识别方法。

24、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的肠息肉识别方法。

25、本发明提供的肠息肉识别方法、装置、电子设备和存储介质，利用基于样本肠镜图像以及对应的图像分类标签和肠息肉标签对初始肠息肉识别模型进行训练得到的肠息肉识别模型，对获取到的待识别肠镜图像进行识别，得到肠息肉识别模型输出的图像分类结果和肠息肉分割结果，并基于图像分类结果和肠息肉分割结果确定待识别肠镜图像的肠息肉识别结果，从而利用深度学习技术实现了肠息肉的识别。在该识别过程中进行了肠息肉的分割，考虑了肠息肉本身的特性，能够很好地描述和保留肠息肉的形状信息，同时，对待识别肠镜图像进行了分类识别，充分考虑了待识别肠镜图像的整体信息，这样，同时进行待识别肠镜图像的分类和分割，并利用图像分类结果和肠息肉分割结果共同确定待识别肠镜图像的肠息肉识别结果，可以提高肠息肉识别的准确性。

技术特征：

1.一种肠息肉识别方法，其特征在于，包括：

2.根据权利要求1所述的肠息肉识别方法，其特征在于，所述基于所述图像分类结果和所述肠息肉分割结果确定所述待识别肠镜图像的肠息肉识别结果，包括：

3.根据权利要求1所述的肠息肉识别方法，其特征在于，所述肠息肉识别模型是基于如下步骤训练得到的：

4.根据权利要求3所述的肠息肉识别方法，其特征在于，所述获取样本肠镜图像，包括：

5.根据权利要求4所述的肠息肉识别方法，其特征在于，所述对所述样本肠镜图像进行图像分类类别的标记，包括：

6.根据权利要求3所述的肠息肉识别方法，其特征在于，所述损失函数为基于分类损失函数和分割损失函数确定的联合损失函数。

7.根据权利要求1至6任一项所述的肠息肉识别方法，其特征在于，所述肠息肉识别模型为以深度卷积神经网络作为骨干网络的深度学习医疗分割网络模型。

8.一种肠息肉识别装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并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如权利要求1至7任一项所述的肠息肉识别方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的肠息肉识别方法。

技术总结本发明提供一种肠息肉识别方法、装置、电子设备和存储介质，涉及医学图像处理技术领域，该方法包括：获取待识别肠镜图像；将待识别肠镜图像输入肠息肉识别模型，得到肠息肉识别模型输出的图像分类结果和肠息肉分割结果，其中，肠息肉识别模型为基于样本肠镜图像和对应的标签数据对初始肠息肉识别模型进行训练得到的，标签数据包括图像分类标签和肠息肉标签；基于图像分类结果和肠息肉分割结果确定待识别肠镜图像的肠息肉识别结果。本发明提供的技术方案可以提高肠息肉识别的准确性。技术研发人员：王国华,刘贤,舒谦,严胜,张顾恒,钟华春受保护的技术使用者：重庆天如生物科技有限公司技术研发日：技术公布日：2024/8/20