基于内窥镜图像的胃出血检测算法设计

作者：王相茹; 谢垚; 刘海旺^*

来源：自动化与仪器仪表, 2022, (11): 11-16.

DOI：10.14016/j.cnki.1001-9227.2022.11.011

• 内窥镜图像
• 深度卷积神经网络
• 胃出血检测
• 微小病灶
• 特征融合

针对传统内窥镜图像中微小出血病灶特征丢失导致出血点检测准确率低的问题，提出基于深度卷积神经网络的内窥镜图像胃出血检测算法。首先，利用深度卷积神经网络提取内窥镜图像中的出血点特征；然后通过多尺度区域建议神经网络从特征金字塔中筛选出血目标的候选区域；之后构建自顶向下的特征网络进行目标浅层特征和深层特征融合，由此实现微小出血点的精准检测。实验表明，在微小出血病灶检测中，本方法的灵敏度、精确率和F1值分别取值为97.75%、94.52%和96.53%,相较于传统的DCNN出血检测方法分别高出了10.42%、12.85%和10.41%。而在复杂出血病灶图像中，本算法的检测率明显高于Faster RCNN算法。由此证明，本算法可有效解决内窥镜图像的特征丢失问题，检测准确率显著提升，具备较高的出血检测性能。

• 单位
  西安大兴医院; 西安交通大学城市学院