[发明专利]用于诊断肠胃肿瘤的系统和方法

权利要求书

1.一种在内视镜检查系统中诊断胃肠道肿瘤或病理的方法，该内视镜系统包含用于显示图像增强内视镜IEE图像的一内视镜系统显示器，该方法包括以下步骤：

借由对抗网络AN随机生成具有或不具有癌症区域的训练图像样本，包括以下步骤：

收集内视镜训练图像T1；

根据相应分段地图(S1)，将所述训练图像划分为训练正常块并训练癌变图块；

使用来自所述训练癌变区块的癌变生成对抗网络(CGAN)，学习自动生成癌性区块；

使用来自所述训练正常区块的正常生成对抗网络(NGAN)，学习自动生成正常IEE图像区块；

随机生成分段地图(S2)，所述分段地图包括基于该自动生成的癌变区块及该自动生成的正常IEE图像区块的黑白图像，其中任何白色像素表示癌变区域，并且其中该分段地图能仅有黑色像素，其为无癌症的表示；

使用来自该被生成之分段地图中的该AN中的生成器网络，学习自动生成逼真的IEE图像作为新的训练图像样本T2；

使用1级预测网络L1PN学习1级预测结果，该1级预测结果为该从所收集的T1及T2之IEE图像的癌变概率，其中T2由该AN生成；

使用2级预测网络L2PN，学习2级预测结果，该2级预测结果为来自该所收集的T1及T2的IEE图像所侦测到的癌变区域，其中T2由该AN生成；及

使用该L1PN及该L2PN并且不使用该AN，预测IEE图像的该1级结果及该2级结果。

2.根据权利要求1所述的方法，其中所述IEE图像包含放大的窄频成像、内视镜显微镜、i-SCAN、柔性光谱成像颜色增强、蓝色激光成像及亮激光成像中的至少一种。

3.根据权利要求1所述的方法，其中该分段地图(S1)包括参考标准。

4.根据权利要求3所述的方法，其中该参考标准系由医师定义。

5.根据权利要求1所述的方法，额外包括以下步骤：

基于所述所收集的内视镜训练图像，生成附加训练图像，该生成步骤包括以下步骤：

旋转或翻转所收集的内视镜训练图像，以创建一个或更多个增强训练图像。

提供引导分段地图，该引导分段地图具有分辨率大于所述所收集的内视镜训练图像；

随机裁剪该引导分段地图，以获得子地图，该子地图的分辨率等于所述所收集的内视镜训练图像的该分辨率；及

将该子地图与每个增强的训练图像相乘，以便产生额外的训练图像。

6.根据权利要求1所述的方法，其中该2级预测结果的所侦测到的癌变区域为像素级别的分辨率。

7.一种用于诊断内视镜检查系统中的胃肠道肿瘤或病理的系统，包含用于显示图像增强内视镜IEE图像的内视镜系统显示器，该系统包括：

借由对抗网络AN随机生成具有或不具有癌症区域的训练图像样本的装置，包括：

用于收集内视镜训练图像T1的装置；

用于根据相应的分段地图(S1)将所述训练图像划分为训练正常区块及训练癌变区块；

使用来自所述训练癌变区块的癌变生成对抗网络(CGAN)，用于学习自动生成癌变区块的装置；

使用来自所述训练正常区块的正常对抗网络(NGAN)，用于学习自动生成正常IEE图像区块的装置；

用于随机生成分段地图(S2)的装置，所述分段地图包括基于该自动生成的癌变区块及该自动生成的正常IEE图像区块的黑白图像，其中任何白色像素表示癌变区域，并且其中该分段地图能仅有黑色像素，其为无癌症的表示；

使用来自该所生成的分段地图的该AN中的生成器网络，用于学习自动生成逼真的IEE图像作为新的训练图像样本T2的装置；

使用1级预测网络L1PN，用于学习1级预测结果的装置，该1级预测结果为来自该所收集的T1及T2的IEE图像的癌变概率，其中T2由该AN生成；

使用2级预测网络L2PN，用于学习2级预测结果的装置，该2级预测结果为该从所收集的T1及T2的IEE图像所侦测到的癌变区域，其中T2由该AN生成；以及

使用该L1PN及该L2PN并且不使用该AN，用于预测IEE图像的该1级结果及该2级的装置。