(19)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 202211042016.X (22)申请日 2022.08.29 (71)申请人 合肥工业大 学 地址 230000 安徽省合肥市屯溪路193号 申请人 浙江药科职业大 学 (72)发明人 樊玉琦　姚瑞璇　邹峰　刘佳昊　 (74)专利代理 机构 北京鑫瑞森知识产权代理有 限公司 1 1961 专利代理师 代芳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于局部细粒度轮廓特征的电子喉镜医学 图像检测方法 (57)摘要 本发明提供了一种基于局部细粒度轮廓特 征的电子喉镜医学图像检测方法， 包括： 获取电 子喉镜图像， 并对其进行预处理， 得到训练数据 集， 构建图像分割的网络模型， 并对其进行训练， 得到器官分割模 型， 将训练数据集输入到器官分 割模型中， 生成器官分割数据集， 对器官分割数 据集进行基于像素点值的轮廓边缘提取， 生成器 官内轮廓数据集， 基于器官内轮廓数据集中的器 官边缘各点的切线倾角提取细粒度特征， 并将所 有特征组合成最终特征， 根据最终特征预测喉镜 图像类别。 本发 明提供的基于局部细粒度轮廓特 征的电子喉镜医学图像检测方法， 能够在背景复 杂的情况下识别出器官轮廓并标记， 生成检测结 果， 提高对器官异常检测的准确率。 权利要求书2页 说明书4页 附图1页 CN 115393326 A 2022.11.25 CN 115393326 A 1.一种基于局部细粒度轮廓特征的电子喉镜医学图像检测方法， 其特征在于， 包括如 下步骤： 步骤1： 获取电子喉镜图像， 并对其进行 预处理， 得到训练数据集； 步骤2： 构建图像分割的网络模型， 并对其进行训练， 得到器官分割模型， 将训练数据集 输入到器官分割模型中， 进行分割， 生成器官分割数据集； 步骤3： 对器官分割数据集进行基于像素点值的轮廓 边缘提取， 保留器官边缘显著性特 征， 并对图像剩余部分进行丢弃， 生成器官内轮廓数据集； 步骤4： 基于器官内轮廓数据集中的器官边缘各点的切线倾角提取细粒度 特征， 并将所 有特征组合成最终特 征； 步骤5： 根据最终特 征， 使用ResNet网络进行喉镜图像分类。 2.根据权利要求1所述的基于局部细粒度轮廓特征的电子喉镜医学图像检测方法， 其 特征在于， 步骤1中， 获取电子喉镜图像， 并对其进行 预处理， 得到训练数据集， 具体包括 为： 步骤101： 采集医院电子喉镜分类正确的图像； 步骤102： 对采集的图像进行裁剪， 通过图像处理识别方法识别出用于显示喉镜图像的 矩形边框， 将矩形边框 外部的无用区域进行裁 剪， 得到裁剪后的图像； 步骤103： 去除裁剪后的图像中模糊的图像， 并按照病种、 编号及序号的方式对各个图 像进行命名保存， 得到训练数据集。 3.根据权利要求2所述的基于局部细粒度轮廓特征的电子喉镜医学图像检测方法， 其 特征在于， 步骤2中， 构建图像分割的网络模型， 并对其进行训练， 得到器官分割模型， 将训 练数据集输入到器官分割模型中， 进行分割， 生成器官分割数据集， 具体包括如下步骤： 步骤201： 采集训练数据集， 通过不规则多边形对训练数据集的图像 中的器官边缘进行 标记， 并对器官类别进行 标示； 步骤202： 构建图像分割的网络模型， 将标示后的图像数据作为训练样本， 对网络模型 进行训练， 训练完毕后， 得到器官分割模型； 步骤203： 将训练数据集输入器官分割模型中， 进行分割， 输出器官类别及轮廓图像， 根 据器官类别及轮廓图像生成器官分割数据集。 4.根据权利要求3所述的基于局部细粒度轮廓特征的电子喉镜医学图像检测方法， 其 特征在于， 步骤3中， 对器官分割数据集进行基于像素点值的轮廓边缘提取， 保留器官边缘 显著性特 征， 并对图像剩余部分进行丢弃， 生成器官内轮廓数据集， 具体为： 步骤301： 对器官分割数据集进行基于像素点值的轮廓边缘提取， 保留器官边缘显著性 特征， 并对图像剩余部分进行丢弃， 生成器官内轮廓数据集， 得到器官的内部轮廓数据； 步骤302： 构建图像分割的网络模型， 将器官的内部轮廓数据中的内轮廓曲线图像数据 作为训练样本对网络模型进行训练， 得到器官内轮廓分割模型； 步骤303： 将器官分割数据集输入器官内轮廓分割模型， 得到器官内轮廓数据集。 5.根据权利要求4所述的基于局部细粒度轮廓特征的电子喉镜医学图像检测方法， 其 特征在于， 步骤4中， 基于器官内轮廓数据集中的器官边缘各点的切线倾角提取细粒度特 征， 并将所有特 征组合成最终特 征， 具体包括如下步骤： 步骤401： 采集器官内轮廓数据集中的器官的边缘各点集合， 为C＝{cp1,cp2,cp3,..., cpn}， 计算每个点pn的切线倾斜角a(pn)， 则每个点cpn(i,j)的特征向量表示为Ai,j,a＝[i,j,权　利　要　求　书 1/2 页 2 CN 115393326 A 2ai,j]； 步骤402： 基于器官内轮廓数据集中的器官的边缘各点的切线倾角a(pn)提取细粒度特 征， 并将所有的特 征组合成最终特 征。权　利　要　求　书 2/2 页 3 CN 115393326 A 3