CN113989284B - 一种幽门螺杆菌辅助检测系统及检测装置 - Google Patents

Abstract

本发明提供一种幽门螺杆菌辅助检测系统及检测装置，该系统包括数据接收单元、图像特征提取模型、区域识别模型、数据处理单元和幽门螺杆菌识别模型；其中，数据接收单元用于接收待测者的信息数据和若干张胃镜图像；图像特征提取模型用于对各胃镜图像进行特征提取，得到各胃镜图像的表现特征；区域识别模型用于对各胃镜图像进行胃内区域识别，得到各胃镜图像对应的胃内区域；数据处理单元用于根据各胃镜图像的表现特征和对应的胃内区域，计算待测者的第一特征值；还用于根据信息数据计算待测者的第二特征值；幽门螺杆菌识别模型用于根据待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别。本发明能够对幽门螺杆菌进行准确检测，且安全性高。

Description

一种幽门螺杆菌辅助检测系统及检测装置

技术领域

本发明涉及机器学习技术领域，尤其涉及一种幽门螺杆菌辅助检测系统及检测装置。

背景技术

幽门螺杆菌是一种螺旋形、微厌氧、对生长条件要求十分苛刻的细菌，是目前所知能够在人胃中生存的唯一微生物种类。幽门螺杆菌是世界卫生组织认定的胃癌一级致癌物，因此，对幽门螺杆菌进行检测尤为必要。目前针对幽门螺杆菌的检测主要包括非侵入式检测和侵入式检测，非侵入式检测如碳13或碳14呼气检测，粪便幽门螺杆菌抗原检测，以及家庭用幽门螺杆菌检测试纸，侵入式检测如胃内活检（快速尿素酶试验）。然而，非侵入式检测结果的可靠性差，还需要额外再进行胃内活检，而胃内活检具有较大的风险，因此，非侵入式检测和侵入式检测均具有较大的局限性。

发明内容

本发明提供一种幽门螺杆菌辅助检测系统及检测装置，用以解决现有技术中幽门螺杆菌检测局限性大的缺陷，实现对幽门螺杆菌的准确检测，且安全性高。

本发明提供一种幽门螺杆菌辅助检测系统，包括：数据接收单元、图像特征提取模型、区域识别模型、数据处理单元和幽门螺杆菌识别模型；

其中，所述数据接收单元用于接收待测者的信息数据和若干张胃镜图像；

所述图像特征提取模型用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征；

所述区域识别模型用于对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；

所述数据处理单元用于根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值；还用于根据所述信息数据计算所述待测者的第二特征值；

所述幽门螺杆菌识别模型用于根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述数据处理单元包括第一处理模块和第二处理模块；

所述第一处理模块用于将各所述胃镜图像的表现特征和对应的所述胃内区域进行拼接，得到各所述胃镜图像的判别特征，根据所述判别特征计算所述待测者的第一特征值；

所述第二处理模块用于对所述信息数据进行编码，得到所述待测者的第二特征值。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述第一处理模块获取各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，并基于各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算预设判定等级对应的所述判别特征的类别数，以得到所述待测者的第一特征值。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述第一处理模块基于预设的判别特征与幽门螺杆菌判定等级的映射关系，得到各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述数据处理单元还包括第三处理模块，所述第三处理模块用于对所述待测者的第一特征值和第二特征值进行标准化处理。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述图像特征提取模型包括颜色特征提取模型、形状特征提取模型、纹理特征提取模型和融合识别模型；

其中，所述颜色特征提取模型、所述形状特征提取模型和所述纹理特征提取模型分别用于对各所述胃镜图像进行颜色特征提取、形状特征提取和纹理特征提取；

所述融合识别模型用于对所述颜色特征、形状特征和纹理特征进行特征融合与识别，得到各所述胃镜图像的表现特征。

根据本发明提供的一种幽门螺杆菌辅助检测系统，还包括图像预处理单元，所述图像预处理单元用于对所述待测者的若干张胃镜图像进行筛选和图像增强处理。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述图像增强处理包括：B通道分离、Log变换和拉普拉斯锐化中的至少一种。

根据本发明提供的一种幽门螺杆菌辅助检测系统，所述图像预处理单元在对所述待测者的若干张胃镜图像进行图像增强处理之前，还对所述待测者的若干张胃镜图像进行平滑处理。

本发明还提供一种幽门螺杆菌辅助检测装置，包括：数据输入装置和处理器，所述数据输入装置与所述处理器连接；

其中，所述数据输入装置用于输入待测者的信息数据和若干张胃镜图像；

所述处理器用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征，并对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值，并根据所述信息数据计算所述待测者的第二特征值；根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别。

本发明提供的幽门螺杆菌辅助检测系统及检测装置，通过图像特征提取模型和区域识别模型来识别胃镜图像的表现特征和胃内区域，数据处理单元根据胃镜图像的表现特征和胃内区域计算待测者的第一特征值，并根据待测者的信息数据计算待测者的第二特征值，从而将第一特征值和第二特征值输入至幽门螺杆菌识别模型能够自动获取到幽门螺杆菌的检测结果，检测结果可靠性高，且检测过程中仅需要待测者的胃镜图像和信息数据，无需进行胃内活检，安全性较高，有效克服了传统非侵入式检测和侵入式检测的局限性。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的幽门螺杆菌辅助检测系统的结构示意图；

图2是本发明提供的幽门螺杆菌辅助检测装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1描述本发明的幽门螺杆菌辅助检测系统。图1为本发明幽门螺杆菌辅助检测系统的结构示意图，如图1所示，该检测系统包括：数据接收单元101、图像特征提取模型102、区域识别模型103、数据处理单元104和幽门螺杆菌识别模型105；

其中，所述数据接收单元101用于接收待测者的信息数据和若干张胃镜图像；

所述图像特征提取模型102用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征；

所述区域识别模型103用于对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；

所述数据处理单元104用于根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值；还用于根据所述信息数据计算所述待测者的第二特征值；

所述幽门螺杆菌识别模型105用于根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别。

具体地，待测者的信息数据可以根据实际情况进行设定，例如，可以包括性别、年龄、消化道症状（如腹胀、腹部隐痛、腹泻等）。胃镜图像可以是内窥镜图像，也可以是胶囊内镜图像。

胃镜图像的表现特征即各胃镜图像对应的表象特征，如点状发红、斑状发红、鸡皮样特征等。胃镜图像对应的胃内区域即该胃镜图像中属于胃内的具体哪个区域，如胃体、胃底、胃体小弯、胃角等。

待测者的第一特征值即根据待测者的胃镜图像的表现特征和对应的胃内区域，得到的胃镜图像所表征的特征值。待测者的第二特征值即待测者的信息数据所表征的特征值。将第一特征值和第二特征值输入至预先训练好的幽门螺杆菌识别模型105，即可得到幽门螺杆菌的检测结果，从而实现了幽门螺杆菌的自动化识别，极大提高了幽门螺杆菌的检测效率，同时，幽门螺杆菌的识别过程中综合考虑了待测者的胃镜图像和信息数据所表征的特征值，保证了幽门螺杆菌检测结果的准确性。现有技术中通过胃镜图像也可以判断是否存在幽门螺杆菌，但对医生的经验要求较高，低年资以及基层医院内镜操作医生难以对是否存在幽门螺杆菌做出准确判断。而本发明通过对待测者胃镜图像和信息数据的处理和识别，能够自动完成幽门螺杆菌的检测，有效降低了对医生的经验要求。

其中，图像特征提取模型102和区域识别模型103均可以基于卷积神经网络进行构建，幽门螺杆菌识别模型105可以基于BP神经网络进行构建。

BP神经网络是一种多层前馈神经网络，具有并行分布处理、高度容错能力、分布存储及学习能力、能充分逼近复杂的非线性关系等特点。基于BP神经网络采用信号传递前向，误差传递反向的特点，通过不断调整网络权值和阈值，能够使得网络预测输出不断逼近期望输出。BP神经网络模型基本处理单元为神经元（节点），通常含有输入层、隐藏层（中间层）和输出层，输入层、输出层通常均为1层，隐藏层层数及所含节点数量与处理数据量大小有关，通常隐藏层层数越少、节点数量越小，BP神经网络泛化能力越强，因此在BP神经网络的实际应用中，一般尽可能地减少隐藏层层数和节点数量，从而得到最优网络。当BP神经网络结构合理且权值恰当的情况下，3层BP神经网络可以逼近任意的连续函数。

基于BP神经网络构建幽门螺杆菌识别模型105的过程中，BP神经网络可以根据实 际需求进行设定；例如，采用3层BP神经网络进行幽门螺杆菌识别模型105的构建，即输入层 1层，输入层节点为第一特征值与第二特征值的类别数之和；输出层1层，例如，输出结果为 0，表示不存在幽门螺杆菌，输出结果为1，表示存在幽门螺杆菌；需要说明的是，幽门螺杆菌 检测结果可以作为某些疾病诊断过程中的中间参考特征，仅仅依赖该检测结果还不足以进 行疾病的诊断。隐藏层1层，隐藏层节点个数可以根据公式

进行确定，式 中，

、

、

分别为为隐藏层、输入层、输出层节点个数，

为1~10之间的任意整数。

图像特征提取模型102、区域识别模型103和幽门螺杆菌识别模型105可以通过样本集预先训练，从而在进行幽门螺杆菌检测的过程中，能够直接输入待测者的胃镜图像和信息数据，以得到相应的识别结果。其中，样本集包括信息数据样本集和胃镜图像样本集，信息数据样本集中的各样本数据与胃镜图像样本集中的各样本数据相对应；胃镜图像样本集中各胃镜图像样本采集过程中，纳入幽门螺杆菌阳性和阴性个体的胃镜图像，如，C13呼气试验阳性或胃镜下活检快速尿素酶试验阳性；同时，排除有以下病史的个体的胃镜图像：胃癌、消化性溃疡、粘膜下肿瘤、内镜下有溃疡、肿块或狭窄等；另外，排除近1个月内有服用抗生素或质子泵抑制剂的个体的胃镜图像，从而有效保证样本集的有效性。信息数据样本集中的样本数据可以包括胃镜图像样本集中各个体的信息数据，如，性别、年龄、消化道症状。

在模型训练过程中，图像特征提取模型102和区域识别模型103均通过胃镜图像样本集进行训练；幽门螺杆菌识别模型105通过由胃镜图像样本集计算得到的各个体的第一特征值和由信息数据样本集计算得到的各个体的第二特征值进行训练。其中，BP神经网络可以通过如下方式进行训练：采用Maltab7.0进行训练和测试，使用newff函数建立神经网络，采用mapminmax函数对原始数据进行归一化，并使用train函数和sim函数进行网络训练和仿真。BP神经网络中非线性传递函数值域一般区间为[-1,1]，输入层节点变量取值均需限制于这个区间内，但为了便于明确不同情况赋值的内在关系或程度差别，输入的第一特征值和第二特征值没有固定的值域，通常在这个区间之外，因此，通过Maltab7.0中的mapminmax函数进行归一化处理，能够较好地解决不同性质指标直接加总不能正确反映不同作用力的综合结果的问题，使所有指标对幽门螺杆菌识别模型105的作用力同趋化。另外，BP神经网络训练过程中，需要先对BP神经网络进行初始化，通过初始化来构造各层矩阵，并对各层的权值、阈值赋初值。初始化方式可以根据实际需求进行设定，例如，可以通过如下方式进行初始化：

输入层矩阵：矩阵的元素是样本中输入的数据，样本的个数为矩阵的行数，样本输入层节点个数为矩阵的列数，例如，列数为6种，共6列；

输入层到隐藏层的权值矩阵：输入层的节点个数作为矩阵行数；隐藏层的节点个数作为矩阵的列数；对矩阵中的元素进行随机初始化，初始化值在[-1,1]之间；

隐藏层的阈值矩阵：样本的个数作为矩阵行数；BP神经网络隐藏层的节点个数作为矩阵的列数；随机初始化矩阵中的元素，初始化值在[-1,1]之间；矩阵中每行的数据都和第一行数据相对应的位置相等。

隐藏层与输出层之间权值矩阵：隐藏层的节点个数作为矩阵的行数；输出层的节点个数作为矩阵的列数；对矩阵中的元素进行随机初始化，初始化值在[-1,1]之间；

输出层的阈值矩阵：样本的个数作为矩阵的行数；输出层的节点个数作为矩阵的列数，例如，列数等于4；随机初始化矩阵中的元素，初始化值在[-1,1]之间；矩阵中每行的数据都和第一行数据相对应的位置相等。

在图像特征提取模型102、区域识别模型103和幽门螺杆菌识别模型105训练过程中，可以按照70%：30%的比例随机将样本集划分为训练集和验证集，其中，训练集用于各模型的训练，验证集用于验证各模型的效能。

由此可见，本发明实施例分别通过图像特征提取模型和区域识别模型来识别胃镜图像的表现特征和胃内区域，数据处理单元根据胃镜图像的表现特征和胃内区域计算待测者的第一特征值，并根据待测者的信息数据计算待测者的第二特征值，从而将第一特征值和第二特征值输入至幽门螺杆菌识别模型能够自动获取到幽门螺杆菌的检测结果，检测结果可靠性高，且检测过程中仅需要待测者的胃镜图像和信息数据，无需进行胃内活检，安全性较高，有效克服了传统非侵入式检测和侵入式检测的局限性。

基于上述实施例，所述数据处理单元104包括第一处理模块和第二处理模块；

所述第一处理模块用于将各所述胃镜图像的表现特征和对应的所述胃内区域进行拼接，得到各所述胃镜图像的判别特征，根据所述判别特征计算所述待测者的第一特征值；

所述第二处理模块用于对所述信息数据进行编码，得到所述待测者的第二特征值。

具体地，第一处理模块根据各胃镜图像的表现特征和对应的胃内区域进行拼接，即可得到各胃镜图像的判别特征，通过判别特征，计算得到待测者的第一特征值。其中，判别特征即用于判别该内镜图像是否存在异常的特征，例如，胃体点状发红、胃窦鸡皮样改变。

第二处理模块通过对各信息数据进行编码，得到待测者的第二特征值。信息数据如性别、年龄、消化道症状等，通常包含文字、数字、符号等多种形式，在通过幽门螺杆菌识别模型105进行幽门螺杆菌识别的过程中，无法保证各信息数据形式的统一，因此，本发明实施例对各信息数据进行编码，通过编码实现各信息数据形式的统一。第二处理模块对信息数据进行编码的具体方式该处不做具体限定，可以根据实际需求进行设定，例如，可以根据信息数据的不同取值，将其编码为不同的数字。作为可选方式，对于性别，可以将男性编码为0，将女性编码为1；对于年龄，可以根据待测者年龄所属的范围，对其进行编码，例如，年龄属于18~39，编码为1，年龄属于40~59，编码为2，年龄属于60~85，编码为3；对于消化道症状，有临床症状，编码为1，不存在临床症状，编码为0。

本发明实施例通过第一处理模块对胃镜图像的表现特征和对应的胃内区域进行拼接，得到各胃镜的判别特征，根据判别特征计算待测者的第一特征值，并通过第二处理模块对信息数据进行编码，得到待测者的第二特征值，从而有效提取了待测者胃镜图像和信息数据中的特征，为幽门螺杆菌的检测提供了数据基础。

基于上述任一实施例，所述第一处理模块获取各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，并基于各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算预设判定等级对应的所述判别特征的类别数，以得到所述待测者的第一特征值。

具体地，幽门螺杆菌判定等级即代表幽门螺杆菌存在的风险的高低。其中，每一种判定等级对应至少一种判别特征，预设判定等级对应的判别特征的类别数，即每一种预设判定等级对应的判别特征有多少种。通过计算待测者的胃镜图像中各预设判定等级对应的判别特征的类别数，即可得到第一特征值，即，每一个预设幽门螺杆菌判定等级对应一个第一特征值。预设判定等级包括至少一种，其划分方式可以根据实际需求进行设定。例如，预设判定等级可以包括高风险、低风险和不存在，三种预设判定等级对应的第一特征值可以根据该预设判定等级对应的判定特征的类别数进行确定，例如，类别数分别为1、2和大于等于3的情况下，该预设幽门螺杆菌判定等级对应的第一特征值分别为1、2和3。

由此可见，本发明实施例通过各胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算待测者的胃镜图像中各预设判定等级对应的判别特征的类别数，得到待测者的第一特征值，能够实现第一特征值的快速准确计算，为幽门螺杆菌的检测提供了数据基础。

基于上述任一实施例，所述第一处理模块基于预设的判别特征与幽门螺杆菌判定等级的映射关系，得到各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级。

具体地，判别特征与幽门螺杆菌判定等级的映射关系即不同的判别特征对应的幽门螺杆菌判定等级。判别特征与幽门螺杆菌判定等级的映射关系可以根据历史数据进行构建。另外，可以通过映射表的形式对该映射关系进行存储，在第一特征值计算过程中，可以直接调用该映射表，将各胃镜图像的判别特征分别与映射关系中的判别特征进行匹配，即可得到各胃镜图像对应的幽门螺杆菌判定等级，从而能够快速准确地获取到各胃镜图像的判别特征对应的幽门螺杆菌判定等级，实现了第一特征值的快速准确计算，为幽门螺杆菌的识别提供了数据基础。

基于上述任一实施例，所述数据处理单元104还包括第三处理模块，所述第三处理模块用于对所述待测者的第一特征值和第二特征值进行标准化处理。

具体地，通过第一处理模块和第二处理模块计算得到的第一特征值和第二特征值均为相同的格式，但其值域不固定，在通过幽门螺杆菌识别模型105进行幽门螺杆菌识别的过程中，无法保证识别结果的有效性。本发明实施例通过第三处理模块对第一特征值和第二特征值进行标准化处理，使其值域均处于相同的区间，例如，可以为[-1,1]，从而能够有效保证幽门螺杆菌识别结果的有效性。

基于上述任一实施例，所述图像特征提取模型102包括颜色特征提取模型、形状特征提取模型、纹理特征提取模型和融合识别模型；

其中，所述颜色特征提取模型、所述形状特征提取模型和所述纹理特征提取模型分别用于对各所述胃镜图像进行颜色特征提取、形状特征提取和纹理特征提取；

所述融合识别模型用于对所述颜色特征、形状特征和纹理特征进行特征融合与识别，得到各所述胃镜图像的表现特征。

具体地，本发明实施例分别通过颜色特征提取模型、形状特征提取模型和纹理特征提取模型对胃镜图像的颜色特征、形状特征和纹理特征进行提取，并通过融合识别模型对三种特征进行融合与识别，得到胃镜图像的表现特征，能够从三个不同的维度对胃镜图像进行特征提取，保证了融合后的表现特征的准确性，进而为幽门螺杆菌的准确检测提供了数据基础。其中，颜色特征如红色、黄色、白色，形状特征如凸起，纹理特征如平滑、鸡皮样。

颜色特征提取模型、形状特征提取模型和纹理特征提取模型可以采用三个相同的卷积神经网络进行构建，输入胃镜图像后，即可输出相应的颜色特征、形状特征和纹理特征；融合识别模型也可以通过神经网络进行构建，对输入的颜色特征、形状特征和纹理特征进行融合和识别，得到各胃镜图像的表现特征。

基于上述任一实施例，还包括图像预处理单元，所述图像预处理单元用于对所述待测者的若干张胃镜图像进行筛选和图像增强处理。

具体地，采集的胃镜图像通常会存在一些不清晰的图像，尤其是通过胶囊内镜采集的图像，例如，胃中的食物残渣、活检后出血、过曝过暗、光晕等，因此，通过图像预处理单元对不清晰的图像进行筛除，能够有效保证图像特征提取的准确性。

同时，图像预处理单元还对胃镜图像进行图像增强处理，通过图像增强，能够有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，从而改善图像质量，丰富信息量，加强图像判读和识别效果，从而能够有效保证图像特征提取的准确性，进而为幽门螺杆菌的准确检测提供了数据基础。

另外，为实现各模型训练过程中对样本集的处理，图像预处理单元还用于对胃镜图像样本集中的各样本进行图像预处理和标注。例如，针对胃镜图像样本集中的各胃镜图像样本，在进行模型训练之前按如下过程进行处理：

首先，进行图像筛选，排除由于各种原因而不清楚的胃镜图像。

其次，按照胃内粘膜特征性表现和胃内区域对各胃镜图像样本进行标注；其中，标注的方式可以根据实际需求进行设定，例如，按照胃内粘膜特征性表现进行标注的过程中，可以参考京都胃炎诊断标准，对筛选后的各胃镜图像样本进行标注；按照胃内区域进行标注的过程中，可以对如下9个区域进行标注：责门、胃底、胃体上部、胃体下部、胃体小弯、胃体大弯、胃角、胃窦、幽门。

再次，进行图像预处理，以增加样本数量，提高样本的质量；图像预处理的具体方式可以根据实际情况进行设定，例如，可以将原始胃镜图像样本裁剪掉边缘黑框，裁剪完成后的图片，在0到359度之间自由旋转，并任意放大或缩小0.9-1.5倍，再将每个胃镜图像样本调整为243×243像素大小。

最后，对图像预处理后的各胃镜图像样本进行图像增强。

通过处理后的胃镜图像样本集，同时对图像特征提取模型102和区域识别模型103进行训练。

基于上述任一实施例，所述图像增强处理包括：B通道分离、Log变换和拉普拉斯锐化中的至少一种。

具体地，彩色图像是包含多通道的图像，例如，RGB三通道，通过B通道分离能够更好地凸显彩色胃镜图像的颜色信息，从而通过颜色特征提取模型能够提取更为准确的颜色特征。Log变换即对数变换，通过Log变换，能够有效提升胃镜图像中较暗区域的对比度，增强图像的暗部细节，从而更好地凸显胃镜图像的形状信息，通过形状特征提取模型能够提取更为准确的颜色特征。通过拉普拉斯锐化能够增强图像的细节，找到图像的边缘，从而更好地凸显胃镜图像的纹理信息，通过纹理特征提取模型能够提取更为准确的纹理特征。

由此可见，本发明实施例通过B通道分离、Log变换和拉普拉斯锐化来凸显胃镜图像的颜色、形状和纹理信息，能够有效提高图像特征提取模型102所提取的胃镜图像的表现特征的准确性，进而为幽门螺杆菌的准确检测提供了数据基础。

基于上述任一实施例，所述图像预处理单元在对所述待测者的若干张胃镜图像进行图像增强处理之前，还对所述待测者的若干张胃镜图像进行平滑处理。

具体地，胃镜图像在采集过程中存在较多的噪声干扰，通过图像增强处理，不仅对胃镜图像感兴趣的信息进行增强，还会增强噪声干扰，因此，在对胃镜图像进行图像增强处理之前，对其进行平滑处理，能够有效消除胃镜图像中的噪声干扰，从而在图像增强过程中，能够有效得到感兴趣的信息，为幽门螺杆菌的准确检测提供了数据基础。

以下通过一种可选的方式对本发明幽门螺杆菌辅助检测系统的工作过程进行详细说明；工作过程包括：

S101、输入数据：通过数据接收单元101输入待测者原始胶囊内镜图像和信息数据；信息数据包括：年龄、性别、是否存在消化道临床症状（腹胀、腹部隐痛、腹泻等）。

S102、图片处理：通过图像预处理单元对原始胶囊内镜图像进行去重，并过滤掉低质量图片；低质量图片包括：过曝过暗、贴壁过近、气泡、粘膜皱缩厉害、模糊图片。

S103、图像分析：将处理后的胶囊内镜图像分别输入到训练好的图像特征提取模型102和区域识别模型103，并根据模型识别结果，通过数据处理单元104计算待测者的第一特征值。

S104、根据待测者的信息数据，通过数据处理单元104计算待测者的第二特征值。

S105、将第一特征值和第二特征值输入至幽门螺杆菌识别模型105，得到幽门螺杆菌检测结果。

下面对本发明提供的幽门螺杆菌辅助检测装置进行描述，下文描述的幽门螺杆菌辅助检测装置与上文描述的幽门螺杆菌辅助检测系统可相互对应参照。图2为本发明提供的幽门螺杆菌辅助检测装置的结构示意图，如图2所示，该装置包括数据输入装置201和处理器202，所述数据输入装置201与所述处理器202电性连接；

其中，所述数据输入装置201用于输入待测者的信息数据和若干张胃镜图像；

所述处理器202用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征，并对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值，并根据所述信息数据计算所述待测者的第二特征值；根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别。

具体地，作为可选方案，该装置还可以包括显示器和控制开关，显示器用于对输入的待测者的信息数据和胃镜图像、以及幽门螺杆菌检测结果进行显示，便于数据的查看。控制开关用于控制该装置的开启和关闭。

基于上述实施例，所述处理器202具体用于将各所述胃镜图像的表现特征和对应的所述胃内区域进行拼接，得到各所述胃镜图像的判别特征，根据所述判别特征计算所述待测者的第一特征值；并对所述信息数据进行编码，得到所述待测者的第二特征值。

基于上述任一实施例，所述处理器202具体用于获取各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，并基于各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算预设判定等级对应的所述判别特征的类别数，以得到所述待测者的第一特征值。

基于上述任一实施例，所述处理器202基于预设的判别特征与幽门螺杆菌判定等级的映射关系，得到各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级。

基于上述任一实施例，所述处理器202还用于对所述待测者的第一特征值和第二特征值进行标准化处理。

基于上述任一实施例，所述处理器202具体用于通过颜色特征提取模型、形状特征提取模型和纹理特征提取模型分别对各所述胃镜图像进行颜色特征提取、形状特征提取和纹理特征提取；并通过融合识别模型对所述颜色特征、形状特征和纹理特征进行特征融合与识别，得到各所述胃镜图像的表现特征。

基于上述任一实施例，所述处理器202还用于对所述待测者的若干张胃镜图像进行筛选和图像增强处理。

基于上述任一实施例，所述图像增强处理包括：B通道分离、Log变换和拉普拉斯锐化中的至少一种。

基于上述任一实施例，所述处理器202在对所述待测者的若干张胃镜图像进行图像增强处理之前，还对所述待测者的若干张胃镜图像进行平滑处理。

通过该装置，能够自动获取到幽门螺杆菌的检测结果，检测结果可靠性高，且检测过程中仅需要待测者的胃镜图像和信息数据，无需进行胃内活检，安全性较高，有效克服了传统非侵入式检测和侵入式检测的局限性。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种幽门螺杆菌辅助检测系统，其特征在于，包括：数据接收单元、图像特征提取模型、区域识别模型、数据处理单元和幽门螺杆菌识别模型；

其中，所述数据接收单元用于接收待测者的信息数据和若干张胃镜图像；

所述图像特征提取模型用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征；

所述区域识别模型用于对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；

所述数据处理单元用于根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值；还用于根据所述信息数据计算所述待测者的第二特征值；所述第一特征值为所述胃镜图像所表征的特征值；

所述幽门螺杆菌识别模型用于根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别；

所述数据处理单元包括第一处理模块和第二处理模块；

所述第一处理模块用于将各所述胃镜图像的表现特征和对应的所述胃内区域进行拼接，得到各所述胃镜图像的判别特征，根据所述判别特征计算所述待测者的第一特征值；

所述第二处理模块用于对所述信息数据进行编码，得到所述待测者的第二特征值；

所述第一处理模块获取各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，并基于各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算预设判定等级对应的所述判别特征的类别数，以得到所述待测者的第一特征值；

所述第一处理模块基于预设的判别特征与幽门螺杆菌判定等级的映射关系，得到各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级；幽门螺杆菌判定等级代表幽门螺杆菌存在的风险的高低。

2.根据权利要求1所述的一种幽门螺杆菌辅助检测系统，其特征在于，所述数据处理单元还包括第三处理模块，所述第三处理模块用于对所述待测者的第一特征值和第二特征值进行标准化处理。

3.根据权利要求1所述的一种幽门螺杆菌辅助检测系统，其特征在于，所述图像特征提取模型包括颜色特征提取模型、形状特征提取模型、纹理特征提取模型和融合识别模型；

其中，所述颜色特征提取模型、所述形状特征提取模型和所述纹理特征提取模型分别用于对各所述胃镜图像进行颜色特征提取、形状特征提取和纹理特征提取；

所述融合识别模型用于对所述颜色特征、形状特征和纹理特征进行特征融合与识别，得到各所述胃镜图像的表现特征。

4.根据权利要求1所述的一种幽门螺杆菌辅助检测系统，其特征在于，还包括图像预处理单元，所述图像预处理单元用于对所述待测者的若干张胃镜图像进行筛选和图像增强处理。

5.根据权利要求4所述的一种幽门螺杆菌辅助检测系统，其特征在于，所述图像增强处理包括：B通道分离、Log变换和拉普拉斯锐化中的至少一种。

6.根据权利要求4所述的一种幽门螺杆菌辅助检测系统，其特征在于，所述图像预处理单元在对所述待测者的若干张胃镜图像进行图像增强处理之前，还对所述待测者的若干张胃镜图像进行平滑处理。

7.一种幽门螺杆菌辅助检测装置，其特征在于，包括数据输入装置和处理器，所述数据输入装置与所述处理器连接；

其中，所述数据输入装置用于输入待测者的信息数据和若干张胃镜图像；

所述处理器用于对各所述胃镜图像进行特征提取，得到各所述胃镜图像的表现特征，并对各所述胃镜图像进行胃内区域识别，得到各所述胃镜图像对应的胃内区域；根据各所述胃镜图像的表现特征和对应的所述胃内区域，计算所述待测者的第一特征值，并根据所述信息数据计算所述待测者的第二特征值；根据所述待测者的第一特征值和第二特征值，进行幽门螺杆菌的识别；所述第一特征值为所述胃镜图像所表征的特征值；

所述处理器具体用于将各所述胃镜图像的表现特征和对应的所述胃内区域进行拼接，得到各所述胃镜图像的判别特征，根据所述判别特征计算所述待测者的第一特征值；并对所述信息数据进行编码，得到所述待测者的第二特征值；

所述处理器具体用于获取各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，并基于各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级，计算预设判定等级对应的所述判别特征的类别数，以得到所述待测者的第一特征值；

所述处理器基于预设的判别特征与幽门螺杆菌判定等级的映射关系，得到各所述胃镜图像的判别特征对应的幽门螺杆菌判定等级；幽门螺杆菌判定等级代表幽门螺杆菌存在的风险的高低。

Images