[发明专利]胶囊内窥镜图像器官分类方法、装置、设备及存储介质

说明书

本申请公开了一种胶囊内窥镜图像器官分类方法、装置、设备及存储介质，该方法包括：对胶囊内窥镜图像样本进行图像增强，产生胶囊图像数据集；针对胶囊图像数据集，选择并修改预训练模型；对修改后的预训练模型进行迁移学习训练，得到胶囊图像器官分类模型；通过胶囊图像器官分类模型，对待分类器官图像进行器官的初始分类；结合待分类器官图像的时序特性，采用基于路标的方法对初始分类结果进行更正。本申请提供的上述方法是基于深度卷积神经网络的胶囊内窥镜图像识别，主要包括图像增强、迁移学习、器官分类和分类更正这四部分，来实现胶囊内窥镜图像器官的自动化分类，能够帮助医生快速定位器官，效率高，计算成本低，准确率高。

技术领域

本发明涉及图像识别领域，特别是涉及一种胶囊内窥镜图像器官分类方法、装置、设备及存储介质。

背景技术

无线胶囊内窥镜是胃肠道疾病的一线诊断工具。由于胶囊内窥镜图像数量庞大，胶囊内镜医师检查工作是一项艰巨任务。

消化道器官一般包括食道、胃、小肠和大肠。但是由于消化道器官自身特征的相似性、胶囊内窥镜图像样本的数量少和差异性等原因，很难提供高性能的胶囊图像器官分类，导致胶囊内镜医师很难快速定位相应的器官。

因此，如何以低计算成本满足胶囊内窥镜图像器官分类需求，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种胶囊内窥镜图像器官分类方法、装置、设备及存储介质，可以实现胶囊内窥镜图像器官的自动化分类，帮助医生快速定位器官，计算成本低。其具体方案如下：

一种胶囊内窥镜图像器官分类方法，包括：

对胶囊内窥镜图像样本进行图像增强，产生胶囊图像数据集；

针对所述胶囊图像数据集，选择并修改预训练模型；

对修改后的所述预训练模型进行迁移学习训练，得到胶囊图像器官分类模型；

通过所述胶囊图像器官分类模型，对待分类器官图像进行器官的初始分类；

结合所述待分类器官图像的时序特性，采用基于路标的方法对初始分类结果进行更正。

优选地，在本发明实施例提供的上述胶囊内窥镜图像器官分类方法中，对胶囊内窥镜图像样本进行图像增强，具体包括：

确定对胶囊内窥镜图像样本的图像变换方式；

根据确定的所述图像变换方式，确定不同的图像变换组合；

根据确定的所述图像变换组合，对所述胶囊内窥镜图像样本进行图像增强。

优选地，在本发明实施例提供的上述胶囊内窥镜图像器官分类方法中，针对所述胶囊图像数据集，选择并修改预训练模型，具体包括：

针对所述胶囊图像数据集，选择Inception-V3、ResNet152和Efficient B0作为预训练模型，并对所述预训练模型进行结构修改。

优选地，在本发明实施例提供的上述胶囊内窥镜图像器官分类方法中，对修改后的所述预训练模型进行迁移学习训练，具体包括：

对修改后的所述预训练模型的训练参数进行相应的设置；

采用ImageNet数据集的权重作为原始权重，使用所述胶囊图像数据集重新训练除分类输出层以外的所有层权重。

优选地，在本发明实施例提供的上述胶囊内窥镜图像器官分类方法中，结合所述待分类器官图像的时序特性，采用基于路标的方法对初始分类结果进行更正，具体包括：

使用所述待分类器官图像对应的胶囊视频流上的路标信息，结合已有器官分类混淆矩阵数据分布特点，对初始分类结果进行更正。