(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677304.8 (22)申请日 2021.12.31 (71)申请人 南京鼓楼医院 地址 210008 江苏省南京市 鼓楼区中山路 321号 申请人 厦门影诺医疗科技有限公司 (72)发明人 邹晓平　徐桂芳　王雷　胡延兴　 唐德华　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 代理人 蒋厦 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) A61B 1/273(2006.01)A61B 1/04(2006.01) (54)发明名称 一种基于目标检测算法的早期胃癌内镜实 时辅助检测系统 (57)摘要 本发明涉及一种基于目标检测算法的早期 胃 癌内 镜实时 辅 助检 测 系统 ， 建 立 基 于 Darknet53 的Yolo检测模型， 建模信息来源于对 胃粘膜早期肿瘤性病变图像进行标注而得到的 计算机可识别标注信息， 所述的早期胃癌内镜实 时辅助检测系统包括模型预测模块、 图像获取模 块和实时识别模块。 本发明在普通光源或电子染 色光源内镜检查下具有高敏感性提示能力的内 镜辅诊系统， 将深度学习技术应用于早期胃癌内 镜实时辅助检测系统， 通过使用该系统能够提高 消化道重大疾病的早期检出率。 权利要求书1页 说明书3页 附图1页 CN 114332056 A 2022.04.12 CN 114332056 A 1.一种基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特征在于： 建立基于 Darknet53的Yolo检测 模型， 建模信息来源于对胃粘膜早期肿瘤性病变图像进行标注而得 到的计算机可识别标注信息， 所述的早期胃癌内镜实时辅助检测系统包括模型预测模块、 图像获取模块和实时识别模块。 2.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 所述的模 型预测模块， 是基于Darknet53的Yolo检测模 型对胃粘膜 早期肿瘤性病变 图像所建立的训练好的检测模块。 3.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 所述的图像获取模块， 是在胃镜检查过程中将胃镜检查时的每一帧内镜检查图像 传输到模 型预测模块中， 通过模 型预测出当前帧是否存在黏膜异常， 以及黏膜异常区域， 并 且将该区域框出， 然后将结果实时反馈 到视频显示装置上。 4.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 所述的实时识别模块， 是对图像获取模块所获得的图像信息通过逐帧分析， 完成在 整个内镜检查过程对上消化道黏膜 异常的实时识别。 5.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 模型 预测模块中， 利用Dark Net‑53结构， 提取图像特 征。 6.根据权利要求5所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 在Dark Net53的中间层增 加目标检测模块， 分别在不同的检测尺度下检测病灶。 7.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统， 其特 征在于： 所述的早期胃癌内镜实时辅助检测系统用于内镜下 的辅助诊断， 不局限于白光内 镜或电子染色内镜 。权　利　要　求　书 1/1 页 2 CN 114332056 A 2一种基于目标 检测算法的早期胃癌内镜实时辅助检测系统 技术领域 [0001]本发明涉及消化内镜检查技术和计算机视觉处理技术领域， 具体涉及 一种基于目 标检测算法的早期胃癌内镜实时辅助检测系统。 背景技术 [0002]病灶检出是早期胃癌诊断的基础， 其核心在于尽可能找出所有可疑病灶， 保证不 出现漏诊。 胃镜结合活组织病理学检查(以下简称胃镜检查)是当前检出早期胃癌最主要的 方法。 由于不同内镜医师知识水平、 操作经验等各不相同， 内镜医师检查质量差异很大， 经 验不足的内镜医师常会出现漏诊。 既往Meta分析显示， 胃镜检查过程中胃癌漏诊率可高达 10％。 [0003]为了提高内镜下病灶的检出率， 防止漏诊， 目前临床上在内镜检查时会采取一些 辅助检查技术， 如利用放大内镜观察胃黏膜血管形态， 利用色素内镜或电子染色内镜增加 对胃粘膜观察的准确性等。 但是目前这些技术 都属于被动应用， 如何使用这些技术， 何 时让 这些辅助技 术介入到内镜观察， 还有赖 于医生的操作经验和意识。 发明内容 [0004]本发明的目的是针对上述问题提供一种基于目标检测算法的早期胃癌内镜实时 辅助检测系统。 [0005]为实现上述目的， 本发明提供的技 术方案是： [0006]一种基于目标检测算法的早期胃癌内镜实时辅助检测系统， 建立基于Darknet53 的Yolo检测模型， 建模信息来源于对胃粘膜早期肿瘤性病变图像进 行标注而得到的计算机 可识别标注信息， 所述的早期胃癌内镜实时辅助检测系统包括模型预测模块、 图像获取模 块和实时识别模块。 [0007]进一步的， 所述的模型预测模块， 是基于Darknet53的Yolo检测模型对胃粘膜早期 肿瘤性病变图像所建立的训练好的检测模块。 [0008]进一步的， 所述的图像获取模块， 是在胃镜检查过程中将胃镜检查时的每一帧内 镜检查图像传输到模型预测模块中， 通过模型预测出当前帧是否存在黏膜异常， 以及黏膜 异常区域， 并且将该区域框出， 然后将结果实时反馈 到视频显示装置上。 [0009]进一步的， 所述的实时识别模块， 是对图像获取模块所获得的图像信息通过逐帧 分析， 完成在整个内镜检查过程对上消化道黏膜 异常的实时识别。 [0010]作为优选的方案， 模型 预测模块中， 利用Dark Net‑53结构， 提取图像特 征。 [0011]作为优选的方案， 在DarkNet53的中间层增加目标检测模块， 分别在不同的检测尺 度下检测病灶。 [0012]本发明的早期胃癌内镜实时辅助检测系统用于内镜下的辅助诊断， 不局限于白光 内镜或电子染色内镜 。 [0013]与现有技 术相比， 本发明的有益效果是：说　明　书 1/3 页 3 CN 114332056 A 3