[发明专利]部位类别识别方法及检查质量监控系统

权利要求书

1.一种部位类别识别方法，其特征在于，包括：

对提取自内窥镜装置的多个目标图像进行向量化表示，以获得每个目标图像的图像表示向量，所述多个目标图像为连续帧图像；

对每个目标图像的图像表示向量进行特征提取，获取每个目标图像的具有第一预设维度的特征表示向量；

对每个目标图像的具有第一预设维度的特征表示向量进行维度压缩，以获得每个目标图像的具有第二预设维度的图像压缩中间表示向量；

基于每个目标图像的具有第二预设维度的图像压缩中间表示向量获取每个目标图像的最终图像特征；以及

基于所有目标图像的最终图像特征以及预先获取的各个部位类别之间的依赖关系，生成每个目标图像的各个部位类别的预测值。

2.根据权利要求1所述的部位类别识别方法，其特征在于，对每个目标图像的图像表示向量进行特征提取，获取每个目标图像的具有第一预设维度的特征表示向量，包括：

使用VIT网络对每个目标图像的图像表示向量进行特征提取，以获取每个目标图像的具有第一预设维度的特征表示向量。

3.根据权利要求1所述的部位类别识别方法，其特征在于，对每个目标图像的具有第一预设维度的特征表示向量进行维度压缩，以获得每个目标图像的具有第二预设维度的图像压缩中间表示向量，包括：

对每个目标图像的具有第一预设维度的特征表示向量进行切分，获得第一预设份数的特征表示子向量，对每个目标图像的特征表示子向量进行压缩处理，获得每个目标图像的第一预设份数的特征压缩向量；以及

将每个目标图像的特征压缩向量进行拼接以获得具有第二预设维度的图像压缩中间表示向量，所述第二预设维度小于所述第一预设维度。

4.根据权利要求1所述的部位类别识别方法，其特征在于，基于每个目标图像的具有第二预设维度的图像压缩中间表示向量获取每个目标图像的最终图像特征，包括：

基于每个目标图像的图像压缩中间表示向量使用RNN网络获取每个目标图像的最终图像特征。

5.根据权利要求1所述的部位类别识别方法，其特征在于，至少基于提取自内窥镜装置的多个已标注部位类别的目标图像获取所述各个部位类别之间的依赖关系，所述多个已标注部位类别的目标图像为连续帧图像。

6.根据权利要求5所述的部位类别识别方法，其特征在于，至少基于提取自内窥镜装置的多个已标注部位类别的目标图像获取所述各个部位类别之间的依赖关系，包括：

对多个已标注部位类别的目标图像进行向量化表示，以获得每个已标注部位类别的目标图像的图像表示向量，所述多个已标注部位类别的目标图像为连续帧图像；

对每个已标注部位类别的目标图像的图像表示向量进行特征提取，获取每个已标注部位类别的目标图像的具有第一预设维度的特征表示向量；

对每个已标注部位类别的目标图像的特征表示向量进行切分，获得第一预设份数的特征表示子向量，对每个已标注部位类别的目标图像的特征表示子向量进行压缩处理，获得每个已标注部位类别的目标图像的第一预设份数的特征压缩向量；

将每个已标注部位类别的目标图像的特征压缩向量进行拼接以获得具有第二预设维度的图像压缩中间表示向量，所述第二预设维度小于所述第一预设维度；

基于每个已标注部位类别的目标图像的图像压缩中间表示向量获取每个已标注部位类别的目标图像的最终图像特征；

将各个已标注部位类别的目标图像的最终图像特征进行集成相加，获得集成相加特征；

将所述集成相加特征复制为第二预设份数，所述第二预设份数等于总的部位类别个数；以及

基于所述第二预设份数的集成相加特征以及各个已标注部位类别的目标图像的部位类别获取各个部位类别之间的依赖关系。