本申请公开了一种状态检测装置、方法、系统及可读存储介质，在本申请中，将消化道中目标部位的实时图像输入至训练好的机器学习模型中进行分类识别，可得到每个实时图像的分类结果。由于该机器学习模型是基于目标部位对应的有标签图像训练而得，且该有标签图像的标签与目标部位的检测需求对应。因此，可基于分类结果确定出目标部位对应的达标检测结果。如此，便可自动化进行目标部位的达标判断工作，减轻医生负担，提高消化道检测的可靠性。
【技术实现步骤摘要】
一种状态检测装置、方法、系统及可读存储介质
本申请涉及图像处理
，特别是涉及一种状态检测装置、方法、系统及可读存储介质。
技术介绍
胶囊内镜(智能胶囊消化道内镜系统，又称医用无线内镜)具有检查方便、无创伤、无导线、无痛苦、无交叉感染、不影响患者的正常工作等优点，扩展了消化道检查的视野，克服了传统的插入式内镜所具有的耐受性差、不适用于年老体弱和病情危重等缺陷，可作为消化道疾病尤其是小肠疾病诊断的首选方法。使用胶囊内镜对消化道进行检测，需要消化道本身达到一定的检测条件(通常上消化道与胃部需要达到充盈状态，而下消化道需处于清洁状态)。以胃部为例：胶囊内镜通过实时拍摄胃部进行检查，需要病人在检查前喝足一定量的清水，使得胃部在处于一个充盈的状态进行检查。由于个体的胃部大小差异大，个体胃部要达到充盈状态所需的喝水量不固定。检测过程可能会出现以下问题：1、胃部检查前期，如果由于病人喝水量未达到检查条件而开始进行检查，此时会导致检查存在无效及漏病灶的可能发生。2、胃部检查中后期，胃内的水会慢慢的流失，胃部会慢慢的回到未充盈的状态，此时已经不满足检查要求，如果未及时发现检查条件，也有可能会导致检查存在无效及漏病灶的可能发生。3、对新手操作医生，无法准确判断胃部充盈情况，如若判断失误，则也会导致检查存在无效及漏病灶的可能发生。综上所述，如何有效地解决消化道是否达到检测条件等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本申请的目的是提供一种状态检测装置、方法、系统及可读存储介质，以对实时图像进行分类识别，并基于分类识别结果确定检测达标结果，以规避医生判断检测条件失误或检测过程中忽略当前是否满足检测条件。为解决上述技术问题，本申请提供如下技术方案：一种状态检测装置，包括：图像采集模块，用于获取消化道中目标部位的实时图像；图像分类识别模块，用于将所述实时图像输入至训练好的深度学习模型中进行分类识别，得到每个所述实时图像对应的分类结果；达标确定模块，用于利用所述分类结果，确定所述目标部位对应的达标检测结果；模型训练模块，用于利用所述目标部位对应的有标签图像训练出所述深度学习模型；所述有标签图像的标签与所述目标部位的检测需求对应。优选地，还包括：图片相似度判断模块，用于计算所述实时图像之间的相似度；相应地，所述图像分类识别模块，具体用于判断所述相似度是否大于预设阈值，如果是，则保留所述分类结果；如果否，则不保留所述分类结果。优选地，所述图片相似度判断模块，具体用于提取所述实时图像的图像特征向量，利用所述图像特征向量计算所述相似度。优选地，所述达标确定模块，具体用于若指定数量的分类结果均相同，则确定并输出所述分类结果对应的所述达标检测结果。优选地，若所述目标部位需在充盈情况下进行检测，则所述分类结果包括充盈或未充盈，所述充盈对应所述达标检测结果为达标，所述未充盈对应所述达标检测结果为未达标；若所述目标部位需在清洁情况下进行检测，则所述分类结果包括清洁度；所述清洁度大于预设阈值，则所述达标检测结果为达标，所述清洁度小于等于所述预设阈值，则所述达标检测结果为未达标。一种状态检测方法，包括：获取消化道中目标部位的实时图像；将所述实时图像输入至训练好的深度学习模型中进行分类识别，得到每个所述实时图像对应的分类结果；利用所述分类结果，确定所述目标部位对应的达标检测结果；其中，训练所述深度学习模型的过程，包括：利用所述目标部位对应的有标签图像训练出所述深度学习模型；所述有标签图像的标签与所述目标部位的检测需求对应。优选地，还包括：计算所述实时图像之间的相似度；相应地，利用所述分类结果，确定所述目标部位对应的达标检测结果，包括：判断所述相似度是否大于预设阈值；如果是，则保留所述分类结果；如果否，则不保留所述分类结果。优选地，所述计算所述实时图像之间的相似度，包括：提取所述实时图像的图像特征向量，利用所述图像特征向量计算所述相似度。优选地，包括：若指定数量的分类结果均相同，则确定并输出所述分类结果对应的所述达标检测结果。优选地，若所述目标部位需在充盈情况下进行检测，则所述分类结果包括充盈或未充盈，所述充盈对应所述达标检测结果为达标，所述未充盈对应所述达标检测结果为未达标；若所述目标部位需在清洁情况下进行检测，则所述分类结果包括清洁度；所述清洁度大于预设阈值，则所述达标检测结果为达标，所述清洁度小于等于所述预设阈值，则所述达标检测结果为未达标。一种状态检测系统，包括：消化胶囊内镜，用于拍摄消化道中目标部位的实时图像，并发送给图像接收器；所述图像接收器：用于接收所述实时图像；人机交互器件，用于实现人机交互；存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述状态检测方法的步骤。一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述状态检测方法的步骤。应用本申请实施例所提供的装置，图像采集模块，用于获取消化道中目标部位的实时图像；图像分类识别模块，用于将实时图像输入至训练好的深度学习模型中进行分类识别，得到每个实时图像对应的分类结果；达标确定模块，用于利用分类结果，确定目标部位对应的达标检测结果；模型训练模块，用于利用目标部位对应的有标签图像训练出深度学习模型；有标签图像的标签与目标部位的检测需求对应。本装置中，将消化道中目标部位的实时图像输入至训练好的机器学习模型中进行分类识别，可得到每个实时图像的分类结果。由于该机器学习模型是基于目标部位对应的有标签图像训练而得，且该有标签图像的标签与目标部位的检测需求对应。因此，可基于分类结果确定出目标部位对应的达标检测结果。如此，便可自动化进行目标部位的达标判断工作，减轻医生负担，提高消化道检测的可靠性。相应地，本申请实施例还提供了与上述状态检测装置相对应的状态检测方法、系统和可读存储介质，具有上述技术效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例中一种状态检测方法的实施流程图；图2为本申请实施例中一种状态检测装置的结构示意图；图3为本申请实施例中一种状态检测系统的结构示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部位实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做本文档来自技高网...
【技术保护点】
1.一种状态检测装置，其特征在于，包括：/n图像采集模块，用于获取消化道中目标部位的实时图像；/n图像分类识别模块，用于将所述实时图像输入至训练好的深度学习模型中进行分类识别，得到每个所述实时图像对应的分类结果；/n达标确定模块，用于利用所述分类结果，确定所述目标部位对应的达标检测结果；/n模型训练模块，用于利用所述目标部位对应的有标签图像训练出所述深度学习模型；所述有标签图像的标签与所述目标部位的检测需求对应。/n
【技术特征摘要】
1.一种状态检测装置，其特征在于，包括：
图像采集模块，用于获取消化道中目标部位的实时图像；
图像分类识别模块，用于将所述实时图像输入至训练好的深度学习模型中进行分类识别，得到每个所述实时图像对应的分类结果；
达标确定模块，用于利用所述分类结果，确定所述目标部位对应的达标检测结果；
模型训练模块，用于利用所述目标部位对应的有标签图像训练出所述深度学习模型；所述有标签图像的标签与所述目标部位的检测需求对应。
2.根据权利要求1所述的状态检测装置，其特征在于，还包括：
图片相似度判断模块，用于计算所述实时图像之间的相似度；
相应地，所述图像分类识别模块，具体用于判断所述相似度是否大于预设阈值，如果是，则保留所述分类结果；如果否，则不保留所述分类结果。
3.根据权利要求2所述的状态检测装置，其特征在于，所述图片相似度判断模块，具体用于提取所述实时图像的图像特征向量，利用所述图像特征向量计算所述相似度。
4.根据权利安全2所述的状态检测装置，其特征在于，所述达标确定模块，具体用于若指定数量的分类结果均相同，则确定并输出所述分类结果对应的所述达标检测结果。
5.根据权利要求1所述的状态检测装置，其特征在于，若所述目标部位需在充盈情况下进行检测，则所述分类结果包括充盈或未充盈，所述充盈对应所述达标检测结果为达标，所述未充盈对应所述达标检测结果为未达标；
若所述目标部位需在清洁情况下进行检测，则所述分类结果包括清洁度；所述清洁度大于预设阈值，则所述达标检测结果为达标，所述清洁度小于等于所述预设阈值，则所述达标检测结果为未达标。
6.一种状态检测方法，其特征在于，包括：
获取消化道中目标部位的实时图像；
将所述实时图像输入至训练好的深度学习模型中进行分类识别，得到每个所述实时图像对应的分类结果；
利用所述分类结果，确定所述目标部位对应的达标检测结果；
...
【专利技术属性】
技术研发人员：彭合娟，黄访，范伟亚，
申请(专利权)人：重庆金山医疗技术研究院有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。