一种人工智能扫描内窥影像样本库管理系统的制作方法

本发明涉及医疗影像样本库收集领域，尤其涉及一种人工智能扫描内窥影像样本库管理系统。

背景技术：

医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。

由一款围棋人工智能程序alphago(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在ai领域的发明成果如潮水般涌现。

在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。

技术实现要素：

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种人工智能扫描内窥影像样本库管理系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种人工智能扫描内窥影像样本库管理系统，该系统包括以下模块：

图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位通过医院内窥镜系统进行图像采集，后通过人工智能系统，利用深度学习的卷积神经网络对采集的图片进行分类。卷积神经网络模型为根据胃镜部位库、肠镜部位库和肠镜清洁度库训练好的三个模型，分别用于胃镜图像部位判断、肠镜部位判断和肠道清洁度。模型为resnet50，采用python语言开发，卷积神经网络模型的训练过程如图3、图4、图5所示，卷积神经网络模型用于图像识别领域为常规技术手段，在此不再复述。并将影像数据上传至系统指定文件目录；

登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；

系统主控界面，用于进行人机交互，并对图像进行显示；

业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；其中：

图像分类单元，包括胃镜分类、肠镜分类、肠道清洁度三个子模块；

视频库单元，包括图像视频校准、最佳图片校准、人工采图校准三个子模块；

病灶标记单元，通过集成第三方标记工具实现病灶标记；

我的任务单元，用于显示当前账户被管理员分配评图任务的状态，包括已完成、完成和已审核；

用户信息单元，用于展示当前账号信息，修改密码；

系统设置模块，用于管理用户与权限。

进一步地，本发明的视频库单元中，通过采集胃镜视频和肠镜视频，系统从胃镜视频和肠镜视频从选取最佳图片，并从视频中进行人工采图，管理员将图像视频、最佳图片和人工采图打包作为评图任务分配给注册医生。

进一步地，本发明的该系统是在intellijpycharm开发平台下，采用python、javascript和html5语言开发的。

进一步地，本发明的图像分类单元中的三个子模块具体为：

胃镜分类模块包含：无法判断、试管、贲门、胃窦、十二指肠球部、十二指肠降部、正镜胃体下部、正镜胃体中上部、倒镜胃体、倒镜胃体中上部、倒镜胃角十一个选项；

肠镜分类模块包含：回盲瓣、阑尾开口、直肠肛管、回盲末端、其它肠、无法判断六个选项；

肠道清洁度包含：0分、1分、2分、3分四个选项。

本发明提供一种人工智能扫描内窥影像样本库管理方法，包括以下步骤：

s1、采图：将内窥镜收集的影像样本进行数据上传；

s2、登陆：通过浏览器和系统网址，注册医师登陆到系统主控界面；

s3、系统主控界面：系统登录成功后进入功能界面后，出现主控界面，功能窗体包括有平台名称、功能菜单栏、显示栏；

s4、业务功能：进入图像分类功能菜单后，选择胃镜分类、肠镜分类或肠道清洁度，进而选择相应部位进行评图；通过视频库，进行胃镜和肠镜视频校准任务的分配，管理员将校准任务分配给注册医师；病灶标记，通过集成的第三方标记工具实现对病灶的自动标记；我的任务，显示当前账户被管理员分配评图任务的状态；

s5、系统设置：设置用户与权限；

s6、退出系统。

进一步地，本发明的进行图像分类时，具体方法为：

按官方标准，胃部或者肠部内镜视野分成多个部位；将内镜采图收集的影像数据上传至系统指定文件目录，注册医生登录系统进入当前功能菜单后对图片进行评图，确认该图片类别是否正确；

胃镜分类：包含无法判断、试管、贲门、胃窦、十二指肠球部、十二指肠降部、正镜胃体下部、正镜胃体中上部、倒镜胃体、倒镜胃体中上部、倒镜胃角十一个选项；

肠镜分类：包含回盲瓣、阑尾开口、直肠肛管、回盲末端、其它肠、无法判断六个选项；

肠道清洁度：包含：0分、1分、2分、3分四个选项。

进一步地，本发明的在视频库中，进行任务分配的具体方法为：

胃镜视频库：胃镜视频校准任务分配，管理员将图像视频、最佳图片和人工采图的评图任务分配给注册医生；

肠镜视频库：肠镜视频校准任务分配，管理员将图像视频、最佳图片和人工采图的评图任务分配给注册医生。

本发明产生的有益效果是：本发明的人工智能扫描内窥影像样本库管理系统，一、界面美观友好、信息查询灵活方便；二、对上传影像数据智能分类，减少医生操作，只需最终确定；三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能；四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠；五、用户权限设置合理，系统安全级别高；六、防错退出模式，保证系统安全稳定运行。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的系统结构示意图；

图2是本发明实施例的方法流程图；

图3、图4、图5分别是本发明实施例的系统示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的人工智能扫描内窥影像样本库管理系统，该系统包括以下模块：

图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过内窥镜系统进行图像采集，并将影像数据上传至系统指定文件目录；

登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；

系统主控界面，用于进行人机交互，并对图像进行显示；

业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；其中：

图像分类单元，包括胃镜分类、肠镜分类、肠道清洁度三个子模块；

视频库单元，包括图像视频校准、最佳图片校准、人工采图校准三个子模块；

病灶标记单元，通过集成第三方标记工具实现病灶标记；

我的任务单元，用于显示当前账户被管理员分配评图任务的状态，包括已完成、完成和已审核；

用户信息单元，用于展示当前账号信息，修改密码；

系统设置模块，用于管理用户与权限。

视频库单元中，通过采集胃镜视频和肠镜视频，系统从胃镜视频和肠镜视频从选取最佳图片，并从视频中进行人工采图，管理员将图像视频、最佳图片和人工采图打包作为评图任务分配给注册医生。

该系统是在intellijpycharm开发平台下，采用python、javascript和html5语言开发的。

图像分类单元中的三个子模块具体为：

胃镜分类模块包含：无法判断、试管、贲门、胃窦、十二指肠球部、十二指肠降部、正镜胃体下部、正镜胃体中上部、倒镜胃体、倒镜胃体中上部、倒镜胃角十一个选项；

肠镜分类模块包含：回盲瓣、阑尾开口、直肠肛管、回盲末端、其它肠、无法判断六个选项；

肠道清洁度包含：0分、1分、2分、3分四个选项。

如图2所示，本发明实施例将对胃镜收集图片进行图片分类，具体步骤如下：

s1.内镜采图收集的影像数据上传。

s2.注册医师登录到主控界面。

s3.进入“图像分类”功能菜单后，选择“胃镜分类”，进而选择相应部位(如“十二指肠球部”)进行评图。其它功能同理。

s4.进入“我的任务”，可查看完成及审核情况。

s5.退出系统。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。