本发明涉及医疗设备技术领域，尤其涉及一种医用电子内窥镜的实时病变智能识别方法及装置。
背景技术：
目前医用电子内窥镜应用范围很广，随着近几年电子内窥镜技术的不断发展，很多科室的医生能够做到无创甚至微创的检查和手术，越来越多的患者选择医用电子内窥镜进行检查或手术，但是，懂得运用各种内窥镜进行诊断的医生没有大幅度增加，导致很多医生缺乏足够的经验和专业知识，高强度的临床压力下会导致在内窥镜诊断中出现误诊、漏诊或过度活检。此外，由于缺乏规范的诊断标准，导致很多病变没有及时或者有效的发现治疗，造成很多初期病变发展为癌。本发明提出一种辅助诊断方法，协助医生对医用电子内窥镜的病变进行诊断，为医生提示病变类型、病变位置以及病变概率，大大提升了普通医生对病变的检出率，为经验不足的医师提供辅助指导，更进一步为科研教学提供图像和数据支撑，尤其对内镜诊断技术在基层医疗的推广具有深远的影响。
经过对现有技术的检索发现，中国专利文献号cn105512473a公开日2016.04.20，公开了一种阴道镜图像的智能识别方法，它的原理是通过采集阴道镜图像，在所述阴道镜图像中选取疑似病变区域；提取所述疑似病变区域图像特征；从标准阴道镜图库中搜索与所述疑似病变区域图像特征相似的若干标准阴道镜图像；同时标识每张所述标准阴道镜图像的确诊病变类型和病变区域；同屏对比显示选取的所述疑似病变区域的图像与所述标准阴道镜图像确诊病变区域的图像。该发明虽然也是对于病变的智能识别，但是存在以下不足。
1、所用的识别方法是简单得基于标准的的阴道镜图库进行搜索和对比，这样对于一些与标准图库差异较大的图像，这样的方法识别率会很低。
2、该发明只是针对图像的识别以及同屏对比图像的病变区域，而临床上最为常用的是对于医用电子内窥镜视频的检查和诊断，图像的识别和视频的实时识别差异很大，临床上进行视频的识别更为关键。
3、该发明需要人为提取病变图像特征，找到的特征只适用于阴道镜中，不具备推广性，因为每个科室的内窥镜下的病变特征都不同，如果采用人工统计病变特征，存在很大的局限性。
技术实现要素：
本发明的目的就在于为了解决上述问题而提供一种医用电子内窥镜的实时病变智能识别方法及装置，能够协助医生在电子内窥镜检查和手术过程中对视频中的病变进行更准确更快速得诊断。
本发明通过以下技术方案来实现上述目的：
一种医用内窥镜的实时病变智能识别方法，包括以下步骤：
s1，利用faster-rcnn网络方式建立病变智能识别的模型；
s2，获取医用内窥镜的视频流；
s3，对获取的视频流数据进行解码、抽样，得到抽样后的帧图片数据；
s4，利用建立好的病变智能识别模型，对抽样后的帧图片数据进行识别，得到病变标签，所述病变标签包含：
识别的病变类型；
识别的病变区域；
识别的病变概率；
s5，根据抽样前和抽样后的数据以及病变标签，按时间轴进行合并，得到实时的病变识别后的视频流。
进一步地，医用内窥镜包含电子食道镜、电子胃镜、电子十二指肠镜、电子小肠镜、电子结肠镜、电子喉镜、电子支气管镜、电子腹腔镜、电子胆道镜、阴道镜、宫腔镜、血管内腔镜、关节腔镜。
更进一步地，所述s1中病变智能识别模型包含以下步骤：
a1，至少获取1000个待检测病变的数据；
a2，对待检测病变数据进行预处理；
a3，配置faster-rcnn网络的参数；
a4，利用faster-rcnn网络对病变数据进行训练；
a5，通过微调训练参数重复进行a4步骤，直至网络收敛；
a6，得到收敛后的病变识别模型。
更进一步地，所述s2的获取医用内窥镜的视频流的接口形式，包含av接口、sdi接口、vga接口、hdmi接口、dvi接口。
更进一步地，上面所述病变包括消化道病变、鼻病变、咽喉病变、肺部病变、肾部病变、腹腔病变、阴道病变、关节病变。
更进一步地，所述s3的视频流数据的解码是根据视频流的接口形式进行相应的解码，得到每秒多帧图像数据，所述抽样的方法为至少0.1秒抽样一次，保证了抽样数据识别的有效性以及延时最小。
更进一步地，所述s5的时间轴是按照s3规定的抽样的频率决定，其延时不超过0.5秒，保证最终的视频流与源视频流时间轴上的同步。
本发明还提出一种医用内窥镜的实时病变智能识别装置，包括视频接收单元、视频解码及抽样单元、病变自动识别单元、识别后内窥镜视频输出显示单元、视频存储单元；
所述视频接收单元用于接收医用内窥镜的视频数据；
所述视频解码及抽样单元用于对接收到的视频进行解码并按照要求进行抽样；
所述病变自动识别单元用于每一帧采样的图片数据进行智能识别；
所述识别后内窥镜视频输出显示单元用于处理识别后的数据以及未采样的数据，最终输出与原视频同步的视频数据。
所述视频存储单元用于存储识别前与识别后的视频数据。
进一步地，每个单元之间都是通过异步的方式执行，保证了最大化利用系统的资源，保证了识别后的视频流与源视频流延时最小，便于医生在检查或手术时能够同时观看两个视频，为医生提供辅助诊断的支持。
本发明的有益效果在于：
本发明具有更广泛的适用性，病变模型采用faster-rcnn网络的方式通过人工智能训练产生，自动寻找每种病变的特征，减少了人工统计特征的工作量和局限性，同时特征找到后不需要与标准图库进行对照，能够对没有见过的图像但是具备相同的特征也可以精准得定位和诊断。本发明还可以对实时电子内窥镜检查进行比对和识别，并提供自动识别病灶区域和病变信息，其实时性有助于医师在既有人为诊断的已有方式下融入本发明的方法和装置，快速提示和定位病变位置，大大提高病变的检出率。
附图说明
为了易于说明，本发明由下述的实施例及附图进行详细描述。
图1为实施例医用电子内窥镜实时病变智能识别方法的示意图。
图2为智能识别病变模型建立流程的示意图。
图3为实施例医用内窥镜的实时病变智能识别装置的示意图。