摘要
本发明公开了一种基于深度学习的消化道辅助检测方法及装置,涉及辅助检测技术领域,包括,通过内窥镜设备,基于事件驱动式采样策略对患者消化道进行原始图像采集,对原始图像进行去噪、尺寸调整和质量提升处理,得到预处理图像;利用Canny边缘检测,对预处理图像的疑似病变区域进行提取;结合超分辨率对抗生成网络和自注意力机制,对预处理图像进行超分辨率重建和局部增强,得到高清增强图像;基于病变分割掩码和高清增强图像,利用预训练特征提取网络对病变类型进行分类。本发明通过结合超分辨率对抗生成网络和自注意力机制,对预处理图像进行超分辨率重建和局部增强,增强图像细节,特别是微小病变区域的清晰度,有效降低漏检率。
技术关键词
消化道内窥镜图像
辅助检测方法
超分辨率
高清
生成对抗网络
患者消化道
内窥镜设备
特征提取网络
主动轮廓模型
注意力机制
识别病变
颜色分析
图像增强模块
边缘检测
饱和度
分支
图像采集模块
像素点
病变区域特征
系统为您推荐了相关专利信息
图像生成网络
生成对抗网络架构
迁移方法
语义分割网络
语义特征
污染预测方法
生成对抗网络模型
训练机器学习模型
生成样本数据
污染物特征
中央控制系统
自动追踪方法
追踪控制方法
高清摄像头
智能探照灯