基本信息
摘要：Disclosed is a deep-learning-based method for improving a colonoscope adenomatous polyp detection rate. The method comprises the following steps: dividing a video stream transmitted from a camera of a colonoscope of an operating table into two parts, with one part of the video stream being transmitted to an operating platform of a doctor and the other part of the video stream being pre-processed and then being transmitted to a polyp detection model embedded in a colonoscope operating system for identification; the polyp detection model detecting whether there is a polyp in each frame of image and the occurrence probability of the polyp; returning a detection result from the polyp detection model to the operating platform of the doctor and displaying same; and if there is a polyp in the video stream, framing the polyp and giving a prompt. By virtue of an artificial intelligence deep neural network, a polyp occurring within the range of a camera of a colonoscope during an operation can be automatically detected, thereby improving the identification rate of a polyp during a colonoscopy and thus indirectly improving the detection rate of an adenomatous polyp. L'invention concerne un procédé basé sur un apprentissage profond pour améliorer un taux de détection de polype adénomateux par coloscope. Le procédé comprend les étapes suivantes consistant à : diviser un flux vidéo transmis par une caméra d'un coloscope d'une table d'opération en deux parties, une partie du flux vidéo étant transmise à une plate-forme opérationnelle d'un médecin et l'autre partie du flux vidéo étant prétraitée puis transmise à un modèle de détection de polype inclus dans un système d'exploitation de coloscope pour l'identification ; le modèle de détection de polype détecte s'il y a un polype dans chaque trame d'image et la probabilité d'occurrence du polype ; renvoyer un résultat de détection du modèle de détection de polype à la plate-forme opérationnelle du médecin et l'afficher ; et s'il y a un polype dans le flux vidéo, cadrer le polype et présenter une notification. Grâce à un réseau neuronal profond d'intelligence artificielle, un polype se trouvant dans le rayon d'action d'une caméra d'un coloscope pendant une opération peut être automatiquement détecté, ce qui permet d'améliorer le taux d'identification d'un polype pendant une coloscopie et d'améliorer ainsi indirectement le taux de détection d'un polype adénomateux. 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法，包括以下步骤：将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流进行预处理后送到嵌入到肠镜操作系统中的息肉检测模型进行识别；息肉检测模型对每一帧图像是否出现息肉以及息肉出现概率进行检测；将息肉检测模型的检测结果返回到医生操作平台显示，若视频流中出现息肉，将息肉框出提示。借助人工智能深度神经网络，可自动检测肠镜手术过程中镜头内出现的息肉，提高在结肠镜检查过程中息肉的识别率，从而间接的提高了腺瘤性息肉的检出率。
摘要附图：
