首页 > 资讯 > 消化道图像辅助识别方法及装置与流程

消化道图像辅助识别方法及装置与流程

泰然健康网
2025-07-10 03:34

本申请涉及图像处理，具体地，涉及消化道图像辅助识别方法及装置，更具体地，涉及一种消化道图像辅助识别方法及装置、计算机设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、消化道疾病是全球范围内常见且多发的健康问题，包括但不限于胃炎、胃溃疡、结肠炎、克罗恩病、消化道出血以及肠道肿瘤等。这些疾病不仅发病率高，而且症状复杂多样，给患者的健康和生活质量带来了严重影响。因此，准确且及时的诊断对于消化道疾病的预防和治疗来说显得尤为重要。

2、胶囊内窥镜(capsule endoscopy，ce)是一种用于现代消化内科诊疗领域的创新型医疗器械，以无痛无创的非侵入性方式对消化道进行检查。然而，目前胶囊内窥镜检测过程中产生的图像数量庞大，人工筛查耗时费力，增加医生负担；消化道病变形态复杂多样，涵盖溃疡、息肉、肿瘤等不同类型，每种病变在影像上呈现出独特的特征，导致病变特征提取困难；相关模型在不同病变类型检测方面表现不足，易引发漏诊和误诊风险。

技术实现思路

1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种能够有效降低漏诊和误诊风险，减少人工成本的消化道图像辅助识别方法及装置。

2、具体而言，本申请技术方案如下所示：

3、在本申请的第一方面，本申请提出了一种消化道图像辅助识别方法。根据本申请的实施例，该方法包括：获取目标对象的胶囊内窥镜图像数据；将图像数据输入至图像分类模型中，获得分类图像数据；将分类图像数据输入至异常检测模型中，获得图像数据的辅助识别结果；其中，异常检测模型是通过如下方式训练获得的：获取第一训练图像数据，第一训练图像数据包括：正常图像、遮挡图像、病变图像、第一训练的病变分类和病变位置坐标信息；将第一训练图像数据输入至第一目标检测模型中，以第一训练的病变分类和病变位置坐标信息作为标签，对第一目标检测模型进行训练，得到异常检测模型。

4、胶囊内窥镜检查会生成大量图像，人工逐帧分析不仅耗时费力，还容易因疲劳而降低诊断准确性。本申请方法通过图像分类模型和异常检测模型，实现胶囊内窥镜图像的自动化分类和病变检测，显著提高了医生阅片的效率，降低了人工工作负担。

5、相关的目标检测模型(如yolov5n、yolov8n、swin-transformer等)在消化道疾病的复杂病变识别上准确率和稳定性较差。本申请通过图像分类模型对消化道遮挡图像及出血图像进行整体判断，进一步结合异常检测模型准确识别病变(如溃疡、血管瘤等)及病变对应位置，在复杂病变识别上展现出更高的准确率和稳定性，能有效减少漏诊、误诊情况，增强了临床适用性。

6、前述方法在疾病早期即可进行筛查和诊断，有助于及早采取医疗干预措施，从而改善患者的预后。

7、在本申请的第二方面，本申请提出了一种消化道图像辅助识别装置。根据本申请的实施例，该装置包括：图像数据获取模块，用于获取目标对象的胶囊内窥镜图像数据；图像数据分类模块，用于将图像数据输入至图像分类模型中，获得分类图像数据；图像检测模块，用于将分类图像数据输入至异常检测模型中，获得图像数据的辅助识别结果；其中，异常检测模型是通过如下方式训练获得的：获取第一训练图像数据，第一训练图像数据包括：正常图像、遮挡图像、病变图像、第一训练的病变分类和病变位置坐标信息；将第一训练图像数据输入至第一目标检测模型中，以第一训练的病变分类和病变位置坐标信息作为标签，对第一目标检测模型进行训练，得到异常检测模型。

8、前述装置集成图像数据获取、分类和检测模块，实现了胶囊内窥镜图像的自动化分析，提高了病变检测的准确性和诊断效率。该装置通过图像分类模型和异常检测模型提高了消化道复杂病变的识别准确性和稳定性，有效减少漏诊、误诊，提高辅助诊断的临床应用价值。

9、在本申请的第三方面，本申请提出了一种电子设备。根据本申请的实施例，设备包括：处理器和存储器；存储器，用于存储计算机程序；处理器，用于执行计算机程序以实现第一方面的消化道图像辅助识别方法。

10、在本申请的第四方面，本申请提出了一种计算机可读存储介质。根据本申请实施例，计算机可读存储介质包括计算机指令，当指令被计算机执行时，使得计算机实现第一方面的消化道图像辅助识别方法。

11、在本申请的第五方面，本申请提出可一种计算机程序产品。根据本申请的实施例，计算机程序产品包括计算机指令，当部分或全部计算机指令在计算机上运行时，使得如第一方面的消化道图像辅助识别方法被执行。

12、前述电子设备、计算机可读存储介质以及计算机程序产品通过计算机指令的自动执行消化道图像辅助识别方法，实现了高效自动化。此外，基于指令的特性使得其在不同的应用场景具有更好的稳定性。

13、本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种消化道图像辅助识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第一目标检测模型选自yolov8n模型变体。

3.根据权利要求2所述的方法，其特征在于，所述yolov8n模型变体包括：将yolov8n基础网络结构的c2f层替换为dcn层；和

4.根据权利要求1-3任一项所述的方法，其特征在于，所述图像分类模型是通过如下方式训练获得的：

5.根据权利要求4所述的方法，其特征在于，所述第二训练图像数据是通过对消化道影像抽帧数据进行预处理获得的；

6.根据权利要求4所述的方法，其特征在于，所述第二目标检测模型选自yolov8n基础网络结构。

7.一种消化道图像辅助识别装置，其特征在于，包括：

8.一种电子设备，其特征在于，包括：处理器和存储器；

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令或程序，当计算机指令或程序在计算机上运行时，使得如权利要求1至6任一项所述的消化道图像辅助识别方法被执行。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，当部分或全部所述计算机指令在计算机上运行时，使得如权利要求1至6任一项所述的消化道图像辅助识别方法被执行。

技术总结
本申请提出了消化道图像辅助识别方法及装置，属于图像处理技术领域。该方法包括：获取目标对象的胶囊内窥镜图像数据；将图像数据输入至图像分类模型中，获得分类图像数据；将分类图像数据输入至异常检测模型中，获得图像数据的辅助识别结果；其中，异常检测模型是通过如下方式训练获得的：获取第一训练图像数据，第一训练图像数据包括：正常图像、病变图像、第一训练的病变分类病变位置坐标信息；将第一训练图像数据输入至第一目标检测模型中，以第一训练病变类型和病变位置坐标信息作为标签，对第一目标检测模型进行训练，得到异常检测模型。该方法在复杂病变识别上展现出更高的准确率和稳定性，能有效减少漏诊、误诊情况。

技术研发人员：韩涟漪,卢建瑜,耿岚岚,陈佩瑜,龚四堂,任路,熊莉娅,李慧雯
受保护的技术使用者：粤港澳大湾区精准医学研究院（广州）
技术研发日：
技术公布日：2025/7/7