[发明专利]一种无线胶囊内窥镜病灶自动检测方法、装置及存储介质

说明书

本发明提供一种无线胶囊内窥镜病灶自动检测方法、装置及存储介质。方法主要包括：将视频文件转换为带时间戳的图像序列，通过关键帧专家标注和相似区间序列的目标跟踪，得到带标注的数据集；通过卷积神经网络训练病灶检测模型，加载训练后模型预测待检测视频的病灶检测结果，包括所有带病灶图像的时间戳、病灶位置、病灶类别和置信度；获取专家对于检测结果中的“难例”样本的人工修正结果，得到错检区域；将错检区域经变换后与背景重新合成新数据集，微调原模型以逐步优化模型效果。本发明在尽可能少的专家标注数据情况下，获得高性能病灶检测模型，以辅助专家完成病灶自动检测，提高阅片效率和检测性能。

技术领域

本发明涉及图像处理及智能疾病诊断技术领域，具体而言，尤其涉及一种无线胶囊内窥镜病灶自动检测方法、装置及存储介质。

背景技术

无线胶囊内窥镜(Wireless Capsule Endoscopy,WCE)，是一种用于窥探人体肠胃和食道部位异常情况的仪器。通过微型胶囊进入人体，随胃肠肌肉运动沿消化方向运行并拍照图像，再把图像传输至影像工作站，由医生对受检者消化道疾患进行诊断。

目前临床使用无线胶囊内窥镜进行诊断主要依赖于医生人工阅片方式，然而，一个受检者采集视频可达8-12小时，采集图片约为12万张，专家人工筛查主观性强、耗时耗力，且易发生漏检或误检情况。也有研究采用深度学习方法对无线胶囊内窥镜病灶自动诊断，但与临床实际需求与应用还有一定差距，主要存在以下缺陷与技术挑战：

第一，难以获得大量标注数据集用于训练。在医学任务中，病灶标注依赖于专家知识，甚至需要综合多位专家结论才能获得正确标注，标注成本耗时且昂贵，难以满足模型训练对大型标注数据集的要求。

第二，正例数量少、病灶区域目标小。对目标检测任务而言，包含病灶的正例样本量少，且病灶区域相对整个图像所占区域小，容易漏检。

第三，图像多样性强且背景复杂，病灶检测精度较低。无线胶囊内窥镜拍摄照片易受残渣、气泡等影响，可能造成误检，降低病灶检测的准确率。

发明内容

为了在尽可能少的专家标注数据情况下，获得高性能病灶检测模型，本发明提供一种无线胶囊内窥镜病灶自动检测方法、装置及存储介质，为医生提供相对精确病灶检测支持。

本发明采用的技术手段如下：

一种无线胶囊内窥镜病灶自动检测方法，其特征在于，包括以下步骤：

S1、获取无线胶囊采集的视频文件，将所述视频文件转换为带有时间戳的图像序列，并对所述带有时间戳的图像序列进行关键帧识别，获取专家对于关键帧的标注结果，并采用自动跟踪的方法获取非关键帧的标注结果，从而得到标注后的数据集；

S2、将标注后的数据集作为训练数据训练病灶检测模型，获取待检测无线胶囊内窥镜视频，基于训练完成的病灶检测模型对待检测无线胶囊内窥镜视频进行病灶检测，得到的病灶检测结果包括所有带病灶图像的时间戳、病灶位置、病灶类别和置信度，所述置信度表示带病灶图像属于对应病灶类别的概率；

S3、根据所述待检测无线胶囊内窥镜视频的病灶检测结果，将所有带病灶图像按置信度从小到大排序，将置信度小于一定阈值范围的图像作为“难例”样本，获取专家对于“难例”样本的修正结果，得到“漏检”的病灶信息和“误检”的病灶信息，进而生成“漏检库”和“误检库”，同时基于专家对于“难例”样本的修正结果对所述病灶检测模型进行主动学习；

S4、对所述“漏检库”和“误检库”中的数据进行合成处理，从而生成新的合成数据集，基于所述合成数据集对所述病灶检测模型进行迭代优化，从而微调病灶检测模型权重。

进一步地，S1中将所述视频文件转换为带有时间戳的图像序列，包括：

S111、按预设的视频帧计数间隔频率将视频转换成图像；