一种肠胃病患者肠道信息监测管理方法及系统

本发明涉及医学肠道信息处理，尤其是一种肠胃病患者肠道信息监测管理方法及系统。

背景技术：

1、结直肠息肉是隆起于结直肠表面异常肿物，其存在一定的恶变风险，可导致直结肠癌。目前对此应用较为广泛也十分有效的诊断方式是应用内窥镜对肠道进行检查。现代内窥镜一般在末端安装有摄像头，其可以将采集的图像传输给计算机进行显示，医生通过对内窥镜图像的检视来发现息肉等病灶，来确定患者的病情。在目前的内窥镜检查过程中，主要依靠医生肉眼对内窥镜图像进行观察，从而检出息肉。其检出率受到医生经验、状态影响，存在漏检的可能。针对此问题，可以在内窥镜连接的计算机上运行计算机辅助诊断系统，实时地对内窥镜图像进行检测，并将检测结果实时反馈给医生，以降低息肉漏检率并提升内窥镜检查的效率。

2、但是肠镜检查存在一定局限性，并不是所有人群都可以进行肠镜检查，所以检查前需要和医生交代清楚病史，排除禁忌症，如直肠严重狭窄者，急性重度结肠炎患者，妊娠期妇女等人群不适合进行肠镜。同时部分人群比较敏感，可能会产生不适感或疼痛，一般很快可缓解。肠镜还有可能会引起肠穿孔、肠出血、肠系膜裂伤、心脑血管意外等并发症。

技术实现思路

1、本方案结合深度学习技术，旨在提出一种肠胃病患者肠道信息监测管理方法及系统，分割出肠胃病的特征并进行分类任务，从而实现对医生的辅助诊断。

2、根据本发明第一方面，本发明请求保护一种肠胃病患者肠道信息监测管理方法，包括：

3、采集待监听肠道信息元，对所述待监听肠道信息元执行肠道信息预处理，得到标准监听肠道信息元；

4、将所述标准监听肠道信息元导入到肠胃病特征监听模型，输出肠胃病的特征监听输出；

5、依据所述特征监听输出，将符合条件的标准监听肠道信息元导入到评价模型，输出肠胃病的评价输出；

6、所述依据所述特征监听输出，将符合条件的标准监听肠道信息元导入到评价模型，输出肠胃病的评价输出，还包括：

7、所述评价模型，采用cnn模型；

8、所述cnn模型包括第一等级层、第二等级层、第三等级层、第四等级层和全连接层；

9、通过所述第一等级层、第二等级层、第三等级层和第四等级层提取所述标准监听肠道信息元的肠道信息特征后，在全连接层的作用下，输出肠胃病的评价标签以及对应的评价分数。

10、进一步的，所述采集待监听肠道信息元，对所述待监听肠道信息元执行肠道信息预处理，得到标准监听肠道信息元，包括：

11、对所述待监听肠道信息元进行甄别处理，如果所述待监听肠道信息元的表面受食物残渣或者其他异物影响导致信息元中存在非息肉以外颜色不均时，舍弃该待监听肠道信息元重新拍摄，或者剔除颜色色差大的区域，或通过软件将颜色差别大的部位进行处理，将息肉部位与正常部位进行颜色区分；

12、对所述待监听肠道信息元进行裁剪和抠图处理，使得所有信息元中肠道表面的实际面积为信息元数据采集时划分的部位相同、面积相同，且将所述待监听肠道信息元处理成相同尺寸大小；

13、将处理过的相同尺寸的所述待监听肠道信息元进行二值化处理，二值信息元中息肉部位变成黑色，平整的平面位置呈现出白色，区分出息肉与周围正常平面，得到标准监听肠道信息元。

14、进一步的，所述将所述标准监听肠道信息元导入到肠胃病特征监听模型，输出肠胃病的特征监听输出，包括：

15、所述肠胃病特征监听模型采用单等级实例分割网络，结构包括主干网络backbone、neck、以及掩膜头mask head；

16、所述主干网络backbone采用cnn网络模型，包括四个等级层：

17、将h×w×3的训练肠道信息导入到主干网络中，在cnn网络模型的第一等级，输出特征图大小为h/4×w/4×64，提取训练肠道信息的边缘、纹理信息；

18、在cnn网络模型的第二等级，输出特征图大小为h/8×w/8×128，提取训练肠道信息的颜色、对比度信息；

19、在第一、二等级，通过低级信息挖掘肠道信息中的不同对象实例；

20、在cnn网络模型的第三等级，输出特征图大小为h/16×w/16×320，挖掘训练肠道信息中目标位置、像素间的语义相似度信息；

21、在cnn网络模型的第四等级，输出特征图大小为h/32×w/32×512，再对输出的特征图中的类别信息进行挖掘；

22、在第三、四等级，通过对象类别、位置、语义关系高级信息对肠道信息中的不同实例进行识别和分割；

23、所述neck采用fpn结构，所述掩膜头mask head由类别分支category branch和掩膜分支mask branch构成；

24、所述类别分支category branch关注所述标准监听肠道信息元的语义类别，所述掩膜分支mask branch提取所述标准监听肠道信息元的实例掩膜。

25、进一步的，所述类别分支category branch关注所述标准监听肠道信息元的语义类别，所述掩膜分支mask branch提取所述标准监听肠道信息元的实例掩膜，包括：

26、将所述标准监听肠道信息元导入所述主干网络backbone的cnn网络提取所述标准监听肠道信息元的浅层肠道信息特征和深层语义特征；

27、将所述浅层肠道信息特征和深层语义特征导入特征金字塔fpn对颜色、边界、区域信息进行融合，得到第一特征图，所述第一特征图包括第一子特征图f1和第二子特征图f2；

28、在所述类别分支category branch，将第一子特征图f1划分为s×s的网格，得到预测的s2个实例，再通过卷积细化信息和卷积控制通道数，输出s×s×c1的特征图，其中，c1表示输出的类别数，s为[40,36,24,16,12]，c1＝1；

29、在所述掩膜分支mask branch中，在h×w×256大小的第二子特征图f2中引入位置坐标信息，生成h×w×(256+2)的特征图，依次在多个不同大小卷积的作用下，得到特征图2h×2w×c2；

30、将所述掩膜分支mask branch的通道数c2与所述类别分支category branch中s2个实例相对应，即c2＝s2，将mask branch的预测掩膜和category branch的对应通道进行连接，得到所有实例的掩膜输出；

31、其中，连接是指当监听目标的中心点落到哪个单元格中，就由对应通道数的掩膜进行预测，通过所述掩膜分支mask branch和类别分支category branch的作用，输出肠胃病的特征监听输出。

32、进一步的，所述依据所述特征监听输出，将符合条件的标准监听肠道信息元导入到评价模型，输出肠胃病的评价输出，包括：

33、依据所述特征监听输出，将具有特征的完整图片导入到所述评价模型，无需进行裁剪操作。

34、进一步的，所述第一等级层、第二等级层、第三等级层、第四等级层和全连接层，还包括：

35、所述第一等级层和第二等级层中，关注所述标准监听肠道信息元的边缘纹理特征，在所述第一等级层和第二等级层的可视化中，柱状上皮和鳞状上皮的交界线被高亮出来；

36、所述第三等级层和第四等级层为深层网络结构中，模型关注于用于评价的高级语义信息，包括特征的模糊范围、纵向长度信息；

37、所述第三等级层中，提取特征的纵向长度信息；

38、所述第四等级层中，模型关注特征的区域特征；

39、最后，经过全连接层，加权后得到每个类的对应分数，以此完成评价任务。

40、进一步的，所述通过所述第一等级层、第二等级层、第三等级层和第四等级层提取所述标准监听肠道信息元的肠道信息特征，包括：

41、所述第一等级层接收第一导入特征，即导入肠道信息h×w×3，采用第一切片嵌入处理，其中切片大小为p1×p1×3，将导入肠道信息分解为hw/p12个切片，将这些切片进行线性映射后，得到第一嵌入切片，其尺寸大小变为hw/p12×c1，完成切片嵌入操作，将第一嵌入切片和位置特征作为导入，依次经过l1次第一编码器中，输出具有第一通道数的第一输出特征h/4×w/4×c1，其中，p1为4，c1为64，l1为3；

42、所述第二等级层接收所述第一输出特征，将h/4×w/4×c1作为第二等级层的导入，采用第二切片嵌入处理，其中切片大小为p2×p2×3，将导入肠道信息分解为hw/p22个切片，将这些切片进行线性映射后，得到第二嵌入切片，其尺寸大小变为hw/p22×c2，完成切片嵌入操作，将第二嵌入切片和位置特征作为导入，依次经过l2次第二编码器中，输出具有第二通道数的第二输出特征h/8×w/8×c2，其中，p2为2，c2为128，l2为3；

43、所述第三等级层接收所述第二输出特征，将h/8×w/8×c2作为第三等级层的导入，采用第三切片嵌入处理，其中切片大小为p3×p3×3，将导入肠道信息分解为hw/p32个切片，将这些切片进行线性映射后，得到第三嵌入切片，其尺寸大小变为hw/p32×c3，完成切片嵌入操作，将第三嵌入切片和位置特征作为导入，依次经过l3次第三编码器中，输出具有第三通道数的第三输出特征h/16×w/16×c3，其中，p3为2，c3为320，l3为6；

44、所述第四等级层接收所述第三输出特征，将h/16×w/16×c3作为第四等级层的导入，采用第四切片嵌入处理，其中切片大小为p4×p4×3，将导入肠道信息分解为hw/p42个切片，将这些切片进行线性映射后，得到第四嵌入切片，其尺寸大小变为hw/p42×c4，完成切片嵌入操作，将第四嵌入切片和位置特征作为导入，依次经过l4次第四编码器中，输出具有第四通道数的第四输出特征h/32×w/32×c4，其中，p4为2，c4为512，l4为3；

45、所述第一编码器、第二编码器、第三编码器和第四编码器中包括空间缩减注意力的缩减比例ri，空间缩减注意力的注意力头ni的个数和前馈网络的膨胀比例ei三个参数。

46、进一步的，编码器由正则化、空间缩减注意力以及前馈网络构成；

47、采用位置编码，将空间信息引入到网络中，捕捉肠道信息中的结构信息，其中，位置编码的维度和嵌入切片维度一致，为hw/pi2×ci；

48、将第i嵌入切片hw/pi2×ci和位置编码进行相加，得到导入特征；

49、通过正则化、线性变化和维度分割操作，将导入特征分割成3个张量块q、k、v导入到空间缩减注意力中，分别表示导入特征的向量特征、索引以及权值，得到缩减的注意力特征；

50、将缩减的注意力特征通过正则化以及前馈网络输出特征图；

51、所述前馈网络，采用1×1卷积替换线性层。

52、根据本发明第二方面，本发明请求保护一种肠胃病患者肠道信息监测管理系统，包括：

53、肠道信息预处理单元，采集待监听肠道信息元，对所述待监听肠道信息元执行肠道信息预处理，得到标准监听肠道信息元；

54、特征监听单元，将所述标准监听肠道信息元导入到肠胃病特征监听模型，输出肠胃病的特征监听输出；

55、特征评价单元，依据所述特征监听输出，将符合条件的标准监听肠道信息元导入到评价模型，输出肠胃病的评价输出；

56、所述一种肠胃病患者肠道信息监测管理系统用于实现所述的一种肠胃病患者肠道信息监测管理方法。

57、本发明涉及医学肠道信息处理技术领域，尤其涉及一种肠胃病患者肠道信息监测管理方法及系统，采集待监听肠道信息元，对所述待监听肠道信息元执行肠道信息预处理，得到标准监听肠道信息元；将所述标准监听肠道信息元导入到肠胃病特征监听模型，输出肠胃病的特征监听输出；依据所述特征监听输出，将符合条件的标准监听肠道信息元导入到评价模型，输出肠胃病的评价输出。本发明达到的有益效果包括可以分割出肠胃病的特征并进行分类任务，从而实现对肠胃病的特征区域自动标识和特征等级自动判别，为病理医生对病人特征区域的快速判别提供有力的参考数据。