[发明专利]一种基于深度学习和图像增强的NBI图像处理方法及其应用

摘要

本发明公开了一种基于深度学习和图像增强的NBI图像处理方法及其应用，利用深度学习算法和图像增强技术提取NBI图片的微血管和微结构等特征，将特征化后的图片呈现给内镜医生，克服现有技术瓶颈，利用人工智能使医生对NBI下早癌给出更为精确的辅助诊断意见。经过本发明方法处理后的图像，胃早癌图像中的病灶区域被得到加强，病灶和正常区域的边界经过高亮处理，变得更加清晰，医生在诊断时，可以参考处理过的图像，对该患者是否患有早癌进行辅助判断，避免因为胃镜检查太快或者医生疲劳操作而导致错过对病灶的识别。

主权项

1.一种基于深度学习和图像增强的NBI图像处理方法，其特征在于，包括如下步骤：步骤S1，收集大量NBI胃早癌或者非癌放大图像；步骤S2，由专业医师标注图像中的白区和血管，使背景及结构复杂的原始NBI图像转变为特征清晰的简笔画图像，得到标注图像；步骤S3，将原始NBI图像和标注图像输入深度卷积神经网络模型进行训练，所述深度卷积神经网络模型用于不断计算原始图像和标注图像之间突出的信息特征，包括纹理差异L_texture、内容差异L_content、颜色差异L_color和总体差异L_tv，并基于上述差异加权得到总的损失函数值，完成原始NBI图像到标注图像的映射关系；步骤S4，基于上述映射关系得到待处理图像的目标图像，将每个像素点映射成由数字组成的一维数组，步骤S5，通过调整目标图像的RGB颜色空间，使数组中不同数字显示深浅不一的不同颜色，得到血管和表面结构增强、且隐去其余背景的胃粘膜图像。