(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211299337.8 (22)申请日 2022.10.24 (65)同一申请的已公布的文献号 申请公布号 CN 115359066 A (43)申请公布日 2022.11.18 (73)专利权人 岱川医疗 （深圳） 有限责任公司 地址 518000 广东省深圳市坪 山区坑梓街 道金辉路14号深圳市生物医药创新产 业园区1号楼401A 2号 专利权人 惠州市先 赞科技有限公司 (72)发明人 刘华成　曹歌　李占鹏　廖想宏　 鲁应君　 (74)专利代理 机构 深圳市联鼎知识产权代理有 限公司 4 4232 专利代理师 马凯华(51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 US 11222217 B1,202 2.01.11 US 2020034948 A1,2020.01.3 0 CN 114266786 A,202 2.04.01 CN 114187296 A,202 2.03.15 审查员 张倩倩 (54)发明名称 用于内窥镜的病灶检测方法、 装置、 电子设 备及存储介质 (57)摘要 本申请提出一种用于内窥镜的病灶检测方 法、 装置、 电子设备及存储介质， 属于机器学习领 域， 该方法获取待检测图像， 待检测图像为内窥 镜采集得到的图像； 通过预先训练的内窥镜图像 检测模型对待检测图像进行处理， 输出病灶显著 性图像。 其中， 预先训练的内窥镜图像检测模型 能够应用在内窥镜中， 使 得内窥镜能够对采集得 到的图像进行 实时病灶检测， 在能够保证检测精 度的同时， 提高了检测速率， 有利于医生快速获 取病灶信息和病灶位置。 且在不具备GPU硬件的 条件下也能够对内窥镜采集得到的图像进行病 灶区域的实时检测。 权利要求书4页 说明书12页 附图8页 CN 115359066 B 2022.12.27 CN 115359066 B 1.一种用于内窥镜的病灶检测方法， 其特 征在于， 所述方法包括： 获取待检测图像， 所述待检测图像为内窥镜采集得到的图像； 通过预先训练的内窥镜图像检测模型对所述待检测图像进行处理， 输出病灶显著性图 像； 其中， 所述内窥镜 图像检测模型包括第一编码模块、 第二编码模块、 第三编码模块、 第 四编码模块、 第五编码模块、 第一 解码模块、 第二 解码模块、 第三 解码模块和第四解码模块； 所述第一编码模块的输出输入至所述第 二编码模块和所述第四解码模块， 所述第 二编 码模块的输出输入至所述第三编码模块和所述第三解码模块， 所述第三编 码模块的输出输 入至所述第四编码模块和所述第二解码模块， 所述第四编 码模块的输出输入至所述第五编 码模块和所述第一解码模块， 所述第 五编码模块的输出输入至所述第一解码模块， 所述第 一解码模块的输出输入至所述第二解码模块， 所述第二解码模块的输出输入至所述第三解 码模块， 所述第三 解码模块的输出输入至所述第四解码模块； 所述第一编码模块通过卷积层对所述待检测图像进行卷积操作和池化操作后， 通过批 量归一化层 进行标准化处理， 并通过swish激活函数进 行非线性变换后， 通过下采样单元进 行特征降维， 得到第一特 征图像； 所述第二编码模块通过U型网络结构单元对所述第一特征图像进行多尺度特征提取 后， 通过下采样单 元进行特征降维， 得到第二特 征图像； 所述第三编码模块通过卷积层对所述第 二特征图像进行卷积操作和池化操作后， 通过 批量归一化层 进行标准化处理， 并通过swish激活函数进 行非线性变换后， 通过下采样单元 进行特征降维， 得到第三特 征图像； 所述第四编码模块通过卷积层对所述第 三特征图像进行卷积操作和池化操作后， 通过 批量归一化层 进行标准化处理， 并通过swish激活函数进 行非线性变换后， 通过下采样单元 进行特征降维， 得到第四特 征图像； 所述第五编码模块通过卷积层对所述第四特征图像进行卷积操作和池化操作后， 通过 批量归一化层 进行标准化处理， 并通过swish激活函数进 行非线性变换后， 得到第五特征图 像； 所述第一解码模块通过卷积层对所述第四特征图像和第五特征图像进行卷积操作和 池化操作后， 通过批量归一化层进行标准化处理， 并通过swish激活函数进行非线性变换 后， 通过上采样单 元进行特征升维， 得到第六 特征图像； 所述第二解码模块通过卷积层对所述第三特征图像和第六特征图像进行卷积操作和 池化操作后， 通过批量归一化层进行标准化处理， 并通过swish激活函数进行非线性变换 后， 通过上采样单 元进行特征升维， 得到第七特 征图像； 所述第三解码模块通过U型网络结构单元对所述第 二特征图像和第七特征图像进行多 尺度特征提取后， 通过 上采样单 元进行特征升维， 得到第八特 征图像； 所述第四解码模块通过卷积层对所述第一特征图像和第八特征图像进行卷积操作和 池化操作后， 通过批量归一化层进行标准化处理， 并通过swish激活函数进行非线性变换 后， 通过上采样单元进 行特征升维， 得到所述病灶显著性图像， 所述病灶显著 性图像与所述 待检测图像的尺寸相同； 所述第一编码模块包括卷积层、 批量归一化层、 swish激活函数和下采样单元， 所述第权　利　要　求　书 1/4 页 2 CN 115359066 B 2三编码模块和第四编码模块与所述第一编码模块的结构相同； 所述第一解码模块包括卷积层、 批量归一化层、 swish激活函数和上采样单元， 所述第 二解码模块和第四解码模块与所述第一 解码模块的结构相同； 所述第五编码模块包括卷积层、 批量归一 化层和sw ish激活函数； 所述第二编码模块包括U型网络结构单元和下采样单元， 所述U型网络结构单元包括第 一编码子模块、 第二编码子模块、 第三编码子模块、 第四编 码子模块、 第一解码子模块、 第二 解码子模块和第三 解码子模块； 所述第一编码子模块、 第 二编码子模块和第 三编码子模块与 所述第一编码模块的结构 相同， 所述第四编码子模块与所述第五编码模块的结构相同， 所述第一解码 子模块、 第二解 码子模块和第三 解码子模块与所述第一 解码模块的结构相同； 所述第一编码子模块的输出输入至所述第 二编码子模块和所述第 三解码子模块， 所述 第二编码子模块的输出输入至所述第三编 码子模块和所述第二解码子模块， 所述第三编码 子模块的输出输入至所述第四编码子模块和所述第一解码子模块， 所述第四编 码子模块的 输出输入至所述第一解码子模块， 所述第一解码子模块的输出输入至所述第二解码子模 块， 所述第二 解码子模块的输出输入至所述第三 解码子模块； 所述第三 解码模块包括所述U型网络结构单 元和上采样单 元。 2.根据权利要求1所述的方法， 其特 征在于， 在获取待检测图像之后， 所述方法还 包括： 将所述待检测图像裁 剪成预设像素值大小的图像； 获取裁剪后的图像各个通道的像素均值和像素 方差； 将裁剪后的图像的各个通道的像素值减去对应通道的像素均值和像素 方差。 3.根据权利要求1所述的方法， 其特征在于， 所述通过预先训练 的内窥镜图像检测模型 对所述待检测图像进行处 理， 输出病灶显著性图像， 包括： 通过预先训练的内窥镜图像 检测模型对所述待检测图像进行处 理， 输出显著概 率图； 对所述显著概 率图进行归一 化处理； 对归一化处理后的显著概 率图乘以25 5， 得到病灶显著性图像。 4.根据权利要求1所述的方法， 其特征在于， 所述通过预先训练 的内窥镜图像检测模型 对所述待检测图像进行处 理， 输出病灶显著性图像之后， 所述方法还 包括： 确定分割阈值； 根据所述分割阈值， 基于阈值分割技术对所述病灶显著性图像进行分割， 得到病灶区 域的分割图像。 5.根据权利要求1所述的方法， 其特 征在于， 预 先训练所述内窥镜图像 检测模型包括： 根据内窥镜采集的图像， 构建得到训练样本集， 并对所述训练样本集中的每一幅图像 的病灶区域进行 标注， 得到标注后的训练样本集； 对标注后的训练样本集中的每一幅图像按通道进行 标准化处理； 获取标准化处理后的所述训练样本集对所述内窥镜图像 检测模型进行训练； 确定损失函数， 并根据所述损失函数 更新所述内窥镜图像 检测模型的参数； 判断所述内窥镜 图像检测模型训练是否满足结束条件， 若满足结束条件， 则输出所述 内窥镜图像 检测模型， 若不满足结束条件， 则继续训练。 6.根据权利要求5所述的方法， 其特征在于， 预先训练所述内窥镜图像检测模型还包权　利　要　求　书 2/4 页 3 CN 115359066 B 3