一种基于图像识别的预防医源性肠壁穿孔的方法技术

本发明专利技术公开一种基于图像识别的预防医源性肠壁穿孔的方法，包括步骤：肠镜视频截图处理，获取训练用图片数据；从图片数据中获取目标图片，形成有效图片数据；利用使用OpenCV大量有效图片数据处理，将图片无效信息区域截取，保留包含肠道背景的图片部分；制作VOC数据集；搭建深度学习框架；使用VOC数据集在深度学习框架中训练，目标检测算法采用YOLOv3算法，最终得到目标检测模型，用来实时识别肠镜手术检查过程中的结肠镜镜头与肠壁距离小于阈值的图像。本发明专利技术用于在结肠镜手术检查过程中实时分析肠镜视频，发现视频中距离肠壁过近的图像时，给予提示，避免术者操作过程中由于用力过度导致医源性肠壁穿孔。

A method of preventing iatrogenic intestinal perforation based on image recognition

【技术实现步骤摘要】
一种基于图像识别的预防医源性肠壁穿孔的方法
本专利技术涉及图像处理
，特别是涉及一种基于图像识别的预防医源性肠壁穿孔的方法。
技术介绍
由于肠镜检查导致结肠穿孔的医源性结肠损伤，临床上较少发生，但一旦发生，结肠内细菌进入腹腔，导致腹腔污染，能迅速演变成腹膜炎、败血症，后果严重，出现并发症及死亡的风险明显增高。对于诊断性的结肠镜检查，医源性结肠穿孔的发生概率为0.01％～0.35％；对于治疗性的结肠镜检查，医源性结肠穿孔的发生概率为0.029％～2.14％，有些报道甚至高达3％。而且，随着人们对自身健康的重视，临床上日益增多的结肠镜手术检查，以及结肠镜下息肉的摘除、粘膜下早期结肠肿瘤的切除等技术的广泛应用，医源性的结肠损伤的发生出现上升趋势。并且有充分的证据表明治疗性结肠穿孔发生率明显高于诊断性结肠穿孔的发生率。医源性结肠穿孔最常见的部位为直肠和乙状结肠交界处，最典型的临床特点是在结肠镜检查过程中看到结肠外的结构，但是许多情况下，结肠镜检查过程中未必能意识到穿孔，而在结肠镜检查过后的数小时患者出现腹痛、体温升高、出现腹膜刺激征、血白细胞升高等表现。因此，防止在结肠镜检查手术中导致的结肠穿孔，以保证病人的基本安全，是十分有必要的。近几年来精准医学与人工智能成为了医学界以及健康产业界的热门话题，医学影像成为人工智能在医学领域的重要研究热点，其中，基于计算机视觉的医学图像处理与自动分析技术发展迅速。
技术实现思路
本专利技术的目的是针对现有技术中存在的技术缺陷，而提供一种基于图像识别的预防医源性肠壁穿孔的方法，利用OpenCV图像处理的技术实时分析检测肠镜检查过程中的图像，当手术过程中发现进镜困难，距离肠壁距离过近时，能够在智能检测CAD系统中给予提示医生，避免出现用力过大操作不当导致的医源性穿孔现象。为实现本专利技术的目的所采用的技术方案是：一种基于图像识别的预防医源性肠壁穿孔的方法，包括步骤：(1)肠镜视频截图处理，获取训练用的图片数据；(2)从所述图片数据中获取目标图片，形成有效图片数据；(3)利用使用OpenCV对步骤(2)获得的大量有效图片数据进行处理，将图片的无效信息区域截取，保留包含肠道背景的图片部分；(4)用步骤(3)获得的数据制作VOC数据集；(5)搭建用于对VOC数据集中的数据进行训练的深度学习框架；(6)使用VOC数据集在深度学习框架中进行训练，目标检测算法采用YOLOv3算法，最终得到目标检测模型，用来实时识别肠镜手术检查过程中的结肠镜镜头与肠壁距离小于阈值的图像。所述步骤(1)具体为，使用Python编写脚本处理大量肠镜视频，将视频每隔5帧保存为一幅格式为JPEG的图片，从而获取大量肠镜手术过程中各阶段的图片。所述步骤(2)中的具体步骤为，从获取的大量肠镜视频截图中挑选出结肠镜镜头与肠壁距离小于阈值的图片，尤其是在手术过程中出现医源性穿孔现象前的关键帧。所述图片的无效信息区域包括图片的黑色边框。所述的步骤(4)中的具体步骤为：使用图像标注工具对OpenCV图片处理后的图片进行标注处理，使用矩形框标出图片中的结肠镜镜头与肠壁距离小于阈值时的肠道环境，生成XML格式文档，然后使用Python编写脚本将XML文件转换为TXT格式文件。与现有技术相比，本专利技术的有益效果是：本专利技术使用YOLOv3目标检测算法构建结肠镜镜头与肠壁距离过近识别模型，模型检测速度快，可用于处理肠镜视频，实时发现有可能即将导致医源性肠壁穿孔的手术情况。使用图像识别的方法用来辅助检测，可以在临床结肠镜手术中辅助医生完成检查，尽可能避免术者在肠镜手术过程中由于用力过度而导致的医源性肠壁穿孔。本专利技术基于图像识别的预防医源性肠壁穿孔的方法，用于在结肠镜手术检查过程中实时分析肠镜视频，当发现视频中距离肠壁过近的图像时，能够给予提示，避免术者在操作过程中由于用力过度导致医源性肠壁穿孔。附图说明图1所示为基于图像识别的预防医源性肠壁穿孔的方法流程图。具体实施方式以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术基于图像识别的预防医源性肠壁穿孔的方法，包括：步骤101，肠镜视频截图处理。使用Python编写脚本处理大量肠镜视频，将视频每隔5帧保存为一幅格式为JPEG的图片，从而获取大量肠镜手术过程中各阶段的图片。步骤102，有效数据整理。从步骤101中获取的大量肠镜视频截图中挑选出结肠镜镜头距离肠壁距离过近时的图片，尤其是在手术过程中出现医源性穿孔现象前的关键帧。步骤103，OpenCV图片处理。使用OpenCV对步骤102获得的大量有效图片进行处理，将图中的黑色边框等无效信息区域截取，保留包含肠道背景的图片部分。步骤104，VOC数据集制作。使用Labelimg对原始图片进行标注。使用矩形框标出图片中的结肠镜镜头与肠壁距离小于阈值时的肠道环境，生成XML格式文档，然后使用Python编写脚本将XML文件转换为TXT格式文件。本实施例中，上述图像标注工具可以为Labelimg、Labelme、Vatic、Sloth等可用于目标检测任务数据集制作的软件，本实施例对此不做限定。步骤105，搭建深度学习框架。本实施例中，上述深度学习框架可以为Darknet、Tensorflow、Caffe等，本实施例对此不做限定，利用深度学习框架可以对处理后的图像数据进行训练。步骤106，训练数据获取模型。使用步骤104获取的VOC数据集在步骤105搭建的深度学习框架中进行训练，目标检测算法采用YOLOv3算法。最终得到距离肠壁过近的目标检测模型，用来实时识别肠镜手术检查过程中的镜头与肠壁距离过近时的图像。以上所述仅是本专利技术的优选实施方式，应当指出的是，对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于图像识别的预防医源性肠壁穿孔的方法，其特征在于，包括步骤：/n(1)肠镜视频截图处理，获取训练用的图片数据；/n(2)从所述图片数据中获取目标图片，形成有效图片数据；/n(3)利用使用OpenCV对步骤(2)获得的大量有效图片数据进行处理，将图片的无效信息区域截取，保留包含肠道背景的图片部分；/n(4)用步骤(3)获得的数据制作VOC数据集；/n(5)搭建用于对VOC数据集中的数据进行训练的深度学习框架；/n(6)使用VOC数据集在深度学习框架中进行训练，目标检测算法采用YOLOv3算法，最终得到目标检测模型，用来实时识别肠镜手术检查过程中的结肠镜镜头与肠壁距离小于阈值的图像。/n

【技术特征摘要】
1.一种基于图像识别的预防医源性肠壁穿孔的方法，其特征在于，包括步骤：
(1)肠镜视频截图处理，获取训练用的图片数据；
(2)从所述图片数据中获取目标图片，形成有效图片数据；
(3)利用使用OpenCV对步骤(2)获得的大量有效图片数据进行处理，将图片的无效信息区域截取，保留包含肠道背景的图片部分；
(4)用步骤(3)获得的数据制作VOC数据集；
(5)搭建用于对VOC数据集中的数据进行训练的深度学习框架；
(6)使用VOC数据集在深度学习框架中进行训练，目标检测算法采用YOLOv3算法，最终得到目标检测模型，用来实时识别肠镜手术检查过程中的结肠镜镜头与肠壁距离小于阈值的图像。


2.如权利要求1所述基于图像识别的预防医源性肠壁穿孔的方法，其特征在于，所述步骤(1)具体为，使用Python编写脚本处理大量肠镜视频，将视频每隔5帧...

【专利技术属性】
技术研发人员：王玉峰，
申请(专利权)人：天津御锦人工智能医疗科技有限公司，
类型：发明
国别省市：天津;12