公开(公告)号：CN108564570A

公开(公告)日：2018-09-21

申请号：CN201810273778.8

申请日：2018-03-29

Applicant: 哈尔滨工业大学(威海) ,  中国人民武装警察部队总医院

Inventor： 孙明健 ,  刘海峰 ,  张笑 ,  屈亚威 ,  马立勇 ,  邹梦书 ,  曲歌

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明实施例提供一种智能化的病变组织定位的方法和装置，包括：将包括病变组织的待识别图像输入至已训练的深度神经网络，输出病变组织在待识别图像中的位置信息；本发明实施例通过深度神经网络实现对待识别图像中病变组织的识别，并输出病变组织在待识别图像中的位置信息，从而避免了目前通过人眼筛选图片中的异常区域的方法来确定病变组织所在区域的过程中存在的由于图像的信息量大，且受内镜检查操作、观察时间、摄像头拍摄的图片的质量以及观察者识别能力等因素造成对病变组织难以定位的不良影响，提高了对图片中病变组织的定位的精确度。

公开(公告)号：CN109165662A

公开(公告)日：2019-01-08

申请号：CN201810716964.4

申请日：2018-07-03

Applicant: 哈尔滨工业大学(威海)

Inventor： 孙明健 ,  张笑 ,  刘海峰 ,  屈亚威 ,  马立勇 ,  邹梦书 ,  曲歌

IPC: G06K9/62

Abstract: 本发明实施例提供一种基于深度学习的消化道内壁病变类型智能识别方法及装置，该方法包括：将待识别消化道内壁图像输入至病变类型识别模型，输出待识别消化道内壁图像的病变类型识别信息，病变类型识别模型是基于样本消化道内壁图像及样本消化道内壁图像对应的病变类型识别结果进行训练后获得的，待识别消化道内壁图像的格式与样本消化道内壁图像的格式相匹配。本发明实施例通过将待识别消化道内壁图像输入至病变类型识别模型，输出病变类型识别信息。由于病变类型识别模型可以直接输出病变类型识别信息，从而相对于人眼识别提高了识别效率，并且，病变类型识别模型能够避免人眼识别中观察者识别能力对识别结果的影响，提高了识别精度。