[发明专利]基于标准站点智能识别的内镜超声扫查控制优化系统及方法

说明书

本发明提供了一种基于标准站点智能识别的内镜超声扫查控制优化系统及方法。所述系统包括数据收集及预处理模块、标准站点实时分类模型构建模块、模型训练及验证优化模块、标准站点扫查可视化模块。数据收集及预处理模块用于收集EUS视频数据集，并对数据集进行预处理；标准站点实时分类模型构建模块用于识别输入的数据当前帧是否为标准站点图像以及标准站点图像的空间位置；模型训练及验证优化模块用于对标准站点实时分类模型的模型参数进行优化；标准站点扫查可视化模块用于对标准站点实时分类模型的数据结果进行统计、分析和可视化，以保证EUS标准站点的连续扫查。本发明可以用于临床环境或医师培训中的EUS操作智能导航和扫查控制优化。

技术领域

本发明涉及深度学习技术领域，具体地说是一种基于标准站点智能识别的内镜超声扫查控制优化系统及方法。

背景技术

内镜超声（endoscopic ultrasound，EUS）通过在胃肠道内近距离的实时内镜（或称光学）与超声扫查，可以很好地显示患者体内肿瘤的大小、位置、与血管的关系、有无淋巴结转移等情况，并且无辐射，是一种敏感度高且安全性好的影像学检查手段。但是内镜超声要求操作者既具备内镜操作能力又具备超声图像解读能力，操作过程难度较高，精确掌握这项技术至少需要12个月的培训时间。

EUS引导的疾病诊断和介入治疗受医生的主观因素和临床经验影响较大，不同技术水平操作者检查结果也各有不同。为了最大程度保证检查的完整性，避免出现漏检，EUS的分站连续扫查已成为标准的检查程序。EUS分站连续扫查的流程是通过快速找到代表某站点的导标来确定标准站点，并按照标准站点的空间顺序实现完整的内镜超声扫查。但是，EUS成像的解剖结构十分复杂，空间信息难以判断，且超声探头细微的角度变化都将导致成像的明显差异。因此，EUS图像的解读十分困难，操作者很难在连续扫查和动态观察中正确理解EUS下的解剖结构，极易造成扫查盲区，从而导致某些部位漏检。

已有研究公布过一种基于人工智能的胰腺内镜超声导航方法及系统，通过训练好的卷积神经网络对获取和筛选的胰腺EUS影像进行若干个站点的识别；另有研究公开过一种医学图像的处理方法、装置、计算机设备及存储介质，通过连续追踪动态的胰腺医学图像帧序列，对识别到的医学图像进行扫查。已有研究的不足之处在于只针对超声视频帧进行站点识别和分类，而EUS检查过程中同时获得的内镜图像提供了重要的上消化道结构信息，这些信息与超声图像的解剖结构有一定的空间对照关系，从而为标准站点的识别提供更丰富的细节信息；此外，已有研究在对EUS视频帧进行实时分类的实时性和准确性方面也有一定的局限。因此，对EUS光学图像和超声图像进行整合，可以提供多维度特征，有助于提高标准站点识别的精度。

发明内容

本发明的目的是提供一种基于标准站点智能识别的内镜超声扫查控制优化系统及方法，以解决EUS动态扫描时图像解读难度大以及因部位漏检导致的EUS扫查质量难以保证的问题。

本发明是这样实现的：一种基于标准站点智能识别的内镜超声扫查控制优化系统，包括：

数据收集及预处理模块，用于收集EUS内镜超声多模态视频数据（包括EUS光学视频和EUS超声视频数据），建立EUS视频数据集，并对EUS视频数据集进行包括匿名化、数据清洗、数据集标注和数据增强在内的预处理操作；

标准站点实时分类模型构建模块，用于根据EUS标准站点实时分类的需求，构建包括标准站点图像实时筛选模型和标准站点空间位置实时分类模型在内的算法模型，利用算法模型判断输入的实时EUS内镜超声多模态视频数据的当前帧是否为标准站点图像，并对确定的标准站点图像进行空间位置分类；