基于深度学习的气管镜图像管腔识别系统及识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114445861A(43)申请公布日2022.05.06(21)申请号202210038827.6G06V10/82(2022.01)(22)申请日2022.01.13(71)申请人上海镜影信息科技有限公司地址201703上海市青浦区崧煌路77号1幢五层541室(72)发明人吴炜进刘奇为(74)专利代理机构上海双霆知识产权代理事务所(普通合伙)31415专利代理师张骥(51)Int.Cl.G06V40/10(2022.01)G06T7/13(2017.01)G06N3/08(2006.01)G06N3/04(2006.01)G06V10/25(2022.01)权利要求书3页说明书7页附图5页(54)发明名称基于深度学习的气管镜图像管腔识别系统及识别方法(57)摘要本发明公开了一种基于深度学习的气管镜图像管腔识别系统，包括输入层、识别层、判断层和输出层；识别层对来自于输入层的气管镜图像进行识别，判断气管镜图像是否为支气管管腔图像，并将识别出的支气管管腔图像传递给判断层；判断层对来自于识别层的支气管管腔图像进行判断，判断图像中存在的支气管管腔的开口数，并将识别结果传递给输出层；输出层用于将来自于判断层的识别结果进行显示。通过本发明可以对支气管管腔开口进行识别，并在输出端进行展示，为操作者提供更为可靠的参考依据，同时准确提取并储存支气管管腔开口图像，为操作者进入更深的支气管腔提供依据。本发明还公开了一种基于深度学习的气管镜图像管腔识别方法。CN114445861ACN114445861A权利要求书1/3页1.一种基于深度学习的气管镜图像管腔识别系统，其特征在于，包括：输入层，用于接收当前气管镜设备所采集的气管镜图像，并将气管镜图像传递给识别层；识别层，对来自于输入层的气管镜图像进行识别，判断气管镜图像是否为支气管管腔图像，并将识别出的支气管管腔图像传递给判断层；判断层，对来自于识别层的支气管管腔图像进行判断，判断图像中存在的支气管管腔的开口数，并将识别结果传递给输出层；以及输出层，用于将来自于判断层的识别结果进行显示。2.根据权利要求1所述的基于深度学习的气管镜图像管腔识别系统，其特征在于，所述识别层包括模型一；模型一为根据支气管管腔图像库训练完成的深度学习网络模型，用于判断气管镜图像是否为支气管管腔图像。3.根据权利要求1所述的基于深度学习的气管镜图像管腔识别系统，其特征在于，所述判断层包括模型二，用于识别支气管管腔开口数；模型二为根据支气管管腔开口图像库训练的深度学习网络模型。4.根据权利要求1所述的基于深度学习的气管镜图像管腔识别系统，其特征在于，所述判断层包括模型三和模型四；模型三为根据由标记框标记或感兴趣区域标记或数字形式标注的支气管管腔开口图像数据库训练的深度学习网络模型；模型三为目标检测模型，用于检测每个支气管管腔开口；模型四为根据正常和异常图片组成的图片数据库训练的深度学习网络模型；模型四用于过滤模型三识别的异常结果。5.根据权利要求1所述的基于深度学习的气管镜图像管腔识别系统，其特征在于，所述判断层包括模型五，使用传统图像方法处理支气管管腔图片，然后识别支气管管腔开口并计数；模型五为传统图像处理模型。6.一种基于深度学习的气管镜图像管腔识别方法，其特征在于，包括以下步骤：步骤S102，通过输入层接收来自于气管镜设备所采集的气管镜图像，然后将气管镜图像传递给识别层；步骤S104，识别层接收输入层传递的气管镜图像，调用模型一，通过模型一识别气管镜图像是否为支气管管腔图像；若识别为支气管管腔图像，则模型一将该图片标记为“管腔图片”，并传输给判断层；若识别为非支气管管腔图像，则模型一将该图片标记为“非管腔图片”，并作为识别结果直接传输给输出层；步骤S106，判断层接收识别层传递的支气管管腔图片，然后调用判断层模型判断支气管管腔的开口数，并将结果传输给输出层；步骤S108，输出层接收来自于识别层或判断层的图像，然后在图像演示模块中展示。7.根据权利要求6所述的基于深度学习的气管镜图像管腔识别方法，其特征在于，所述步骤S106中判断层所调用的判断层模型为模型二；模型二对支气管管腔图片的识别方法包括如下步骤：步骤S202，接收识别层传递的支气管管腔图片，对管腔图片中的管腔开口数进行识别，输出管腔开口数的结果至输出层。8.根据权利要求6所述的基于深度学习的气管镜图像管腔识别方法，其特征在于，所述步骤S106中判断层所调用的判断层模型为模型三和模型四；模型三和模型四对支气管管腔2CN114445861A权利要求书2/3页图片的识别方法包括如下步骤：步骤S302，通过模型三接收识别层传递的支气管管腔图片；步骤S304，通过模型三对管腔图片中的每个管腔开口进行识别，并以标