(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211235387.X (22)申请日 2022.10.10 (65)同一申请的已公布的文献号 申请公布号 CN 115311268 A (43)申请公布日 2022.11.08 (73)专利权人 武汉楚精灵医疗科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区高新大道818号武汉高科医疗器 械园B地块一期B10栋5层03号 (72)发明人 李昊　胡珊　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 李莎 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/13(2017.01) G06T 7/90(2017.01) G06V 10/764(2022.01)(56)对比文件 CN 111862090 A,2020.10.3 0 CN 113192064 A,2021.07.3 0 CN 113990456 A,2022.01.28 CN 101021946 A,20 07.08.22 CN 114022880 A,202 2.02.08 WO 2020087960 A1,2020.0 5.07 WO 202010 5699 A1,2020.0 5.28 麦慧珍等.基 于BLI /LCI 的胃镜 检查策略. 《现代消化及 介入诊疗》 .2020,第25卷(第6期), 第819-821页. Endoscopic Clas sificati on Review Group.消化道浅表性瘤变的巴黎分型(更新版). 《中国继续医学教育》 .201 1,第11-22页. (续) 审查员 张娇 (54)发明名称 食管内窥镜图像的识别方法及装置 (57)摘要 本申请提供一种食管内窥镜图像的识别方 法及装置， 该食管内窥镜图像的识别方法包括： 获取待识别食 管内窥镜图像； 若巴黎分型结果为 第一预设巴黎分型， 得到第一病灶分割区域； 将 第一病灶分割区域分割为多个分割子区域； 得到 各个分割子区域的水平粗糙量化值和竖向粗糙 量化值； 根据各个 分割子区域的水平 粗糙量化值 和竖向粗糙量化值确定各个分割子区域的第一 当前粗糙量化值； 对各个分割子区域的第一当前 粗糙量化值进行加权求和， 得到第一病灶分割区 域的第二当前粗糙量化值； 得到病灶分类结果； 根据第二当前粗糙量化值和病灶分类结果对应 的粗糙度映射策略确定当前表 面粗糙度； 根据当 前表面粗糙度确定待识别食管内窥镜图像的识别结果。 [转续页] 权利要求书3页 说明书18页 附图5页 CN 115311268 B 2022.12.27 CN 115311268 B (56)对比文件 Do Han Kim等.Co nfocal Laser Endomicroscopy i n the Dia gnosis of Biliary and Pancreatic Disorders: A Systematic Analysis. 《Cl inical Endoscopy》 .2022,第197-207页.2/2 页 2[接上页] CN 115311268 B1.一种食管内窥镜图像的识别方法， 其特征在于， 所述食管内窥镜图像的识别方法包 括： 获取待识别食管内窥镜图像； 将所述待识别食管内窥镜图像输入巴黎分型模型进行分类， 得到巴黎分型结果， 其中， 所述巴黎分型 结果为多个巴黎分型中的一个； 若所述巴黎分型结果为第 一预设巴黎分型， 则将所述待识别食管内窥镜图像输入预设 病灶分割模型， 得到第一病灶分割区域； 将所述第一病灶分割区域分割为多个分割子区域； 对于每个分割子区域， 获取分割子区域的区域像素平均值、 过分割子区域形心 的水平 基准线的水平像素平均值以及过分割子区域形心的竖向基准线的竖向像素平均值； 将水平像素平均值与区域像素平均值之间的差值确定为水平粗糙量化值， 将竖向像素 平均值与区域像素平均值之 间的差值确定为竖向粗糙量化值， 得到各个分割子区域的水平 粗糙量化值和竖向粗 糙量化值； 根据各个分割子区域的水平粗糙量化值和竖向粗糙量化值确定各个分割子区域的第 一当前粗 糙量化值； 根据预设的各个分割子区域的权重系数对各个分割子区域的第一当前粗糙量化值进 行加权求和， 得到所述第一病灶分割区域的第二当前粗 糙量化值； 将所述第一病灶分割区域输入预设分类模型， 得到病灶分类结果， 所述病灶分类结果 为平坦型、 凹陷型以及隆起型中的任意 一种； 根据第二当前粗糙量化值和病灶分类结果对应的粗糙度映射策略确定当前表面粗糙 度， 其中， 不同病灶分类结果对应不同的粗糙度映射策略， 其中， 若病灶分类结果为平坦型， 则病灶分类结果对应的粗糙度映射策略为： 将第二当前粗糙量化值确定为表面粗糙度； 若 病灶分类结果为凹陷型， 则病灶分类结果对应的粗糙度映射策略为： 将第二当前粗糙量化 值增加第一预设值之后确定为表面粗糙度； 若病灶分类结果为隆起型， 则病灶分类结果对 应的粗糙度映射策略为： 将第二预设值与第二当前粗糙量化值的差值确定为表面粗糙度， 其中， 第二预设值大于第一预设值； 根据当前表面 粗糙度确定所述待识别食管内窥镜图像的识别结果。 2.根据权利要求1所述的食管内窥镜图像的识别方法， 其特征在于， 所述根据当前表面 粗糙度确定所述待识别食管内窥镜图像的识别结果， 包括： 判断当前表面 粗糙度是否大于预设量 化值； 若当前表面粗糙度大于预设量化值， 则确定所述待识别食管内窥镜图像的识别结果为 深层浸润型， 若当前表面粗糙度不大于预设量化值， 则确定所述待识别食管内窥镜图像的 识别结果 为非深层浸润型。 3.根据权利要求1所述的食管内窥镜图像的识别方法， 其特征在于， 所述将所述第 一病 灶分割区域分割为多个分割子区域， 包括： 将所述第一病灶分割区域 边界上的像素点按序排列， 得到像素点序列； 分别将像素点序列中各个 像素点确定为目标像素点； 对目标像素点和目标像素点一侧的多个像素点进行拟合， 得到以目标像素点为起点的 第一射线；权　利　要　求　书 1/3 页 2 CN 115311268 B 3