[发明专利]内窥镜图像分类方法

说明书

本发明的内窥镜图像分类方法包括：提取待分类图像的中间层卷积特征；将所述中间层卷积特征进行全接连，生成中间层全连接层。同时或之后，提取待分类图像最高层卷积特征；将所述最高层卷积特征进行全接连，生成最高层全连接层；将中间层全连接层与最高层全连接层进行融合，生成融合全连接层。从融合全连接层生成一组评分值；将所述一组评分值转化为对应的一组概率值；根据所述一组概率值中的最高值所对应的参考图像，确定所述待分类图像所属的类别。

技术领域

本发明涉及图像处理方法，具体涉及一种内窥镜图像分类方法。

背景技术

消化道疾病，例如肿瘤，息肉，出血，溃疡性肠炎等正在困扰着 全球的患者。近年来，中国等发展中国家的消化道疾病的发病率也逐 年升高，并且患者有年轻化的趋势。内窥镜是一种常见的消化道检查 手段，可以协助医生根据图像视频信息进行诊断。

单次消化道内窥镜检测通常会产生超过6万张图像，从所有图像 中筛选出病症图像对于医生来说是一个巨大的挑战。繁复的工作量以 及重复单调的图像审查会造成医生的极大疲劳，降低医生敏感性，导 致准确率下降和漏检比例的提高。因此，有必要发展基于图像分类技 术的辅助阅片系统。

传统的内窥镜图像分类方法主要基于图像的颜色和纹理特征进行 分类。常用的纹理表达方法有灰度共生矩阵法、LBP纹理特征等，常 用的颜色特征有颜色直方图等。也有将颜色特征，纹理特征和sift特征 结合的方法。

发明内容

本发明提供一种内窥镜图像分类方法，该方法可以用来辅助医生 解读内窥镜图像，提高医生的工作效率并为诊断提供参考。

根据一个实施例，本发明的内窥镜图像分类方法包括：提取待分 类图像的中间层卷积特征；将所述中间层卷积特征进行全接连，生成 中间层全连接层。同时或之后，提取待分类图像最高层卷积特征；将 所述最高层卷积特征进行全接连，生成最高层全连接层；将中间层全 连接层与最高层全连接层进行融合，生成融合全连接层。从融合全连 接层生成一组评分值；将所述一组评分值转化为对应的一组概率值； 根据所述一组概率值中的最高值所对应的参考图像，确定所述待分类 图像所属的类别。

根据一个优选方案，所述提取待分类图像的中间层卷积特征为提 取待分类图像的第三层卷积特征。

根据一个优选方案，所述中间层全连接层与最高层全连接层以相 减方式进行融合。

根据一个优选方案，所述生成中间层全连接层及所述生成最高层 全连接层同时进行。

与现有技术相比，本发明内窥镜图像分类方法具有以下有益效果：

本发明可以有效地解决传统方法中所选的卷积网络丢失细节信息 的问题，从而可以提高内窥镜图像分类的精度及处理效率。

附图说明

图1是根据本发明一个实施例内窥镜图像分类方法的流程示意 图。

图2是根据本发明一个实施例内窥镜图像分类方法的处理步骤示 意图。

图3A、3B、3C、3D是根据本发明一个实施例示例内窥镜图像每 一层卷积特征的关注区域(attention map)的可视化示意图。

图4至图21是根据本发明实施例进行分类的样例内窥镜图像。

发明详细描述

本发明采用从公开的内窥镜图像集“The Kvasir dataset”(Kvasir数 据集)中选取的样例内窥镜图像，对本发明的内窥镜图像分类方法进 行描述。在Kvasir数据集中，有两类是手术操作而不是疾病种类，因 此为包括在本文描述中。其余的图像分别是三类健康图像：即“正常盲 肠”、“正常幽门”、“正常z线”，及三类消化道疾病图像：“食管炎”、“息肉”、“溃疡性结肠炎。每一类图像均选区500张，其中的70％作为训 练数据，其余30％作为验证集。