基于深度学习的胶囊内窥镜图像辅助诊断方法

本申请涉及医疗检测的技术领域，公开了一种基于深度学习的胶囊内窥镜图像辅助诊断方法，其包括以下步骤：采集无线胶囊内窥镜拍摄的消化道的原始图像序列，筛选出原始图像序列中与消化道相关的图像序列，并对图像序列进行标注；对标注后的图像序列依次进行数据增强、几何变换和标准化处理，并利用K‑means算法聚类先验锚框，形成胶囊内窥镜图像数据集；搭建深度学习模型LD‑YOLO，选取YOLOv5模型为基础，在基础模型上进行优化，构建胶囊内窥镜图像辅助诊断模型；通过胶囊内窥镜图像数据集训练胶囊内窥镜图像辅助诊断模型，利用训练完成的胶囊内窥镜图像辅助诊断模型检测待诊断图像。本申请能够大幅度减少医生在图像分析中的工作量，提高阅片效率。