胶囊内窥图像中病灶演化及其动态识别方法研究

Background:The intelligent recognition of lesions in capsule endoscopic images has become the limitation of the application of wireless capsule endoscopy (WCE). There are a variety of lesions in complex Gastrointestinal (GI) tract. The lesions are developing continually, and consequently the features are changing. Therefore, the intelligent recognition of lesions in capsule endoscopic images is difficult. ..Content and Innovation: For this problem, based on the research of bleeding intelligent recognition, (1) a noal study mehod of developing, classifying and eigen is proposed, and the dynamic developing law of lesions including bleeding, ulcer, polypus and tumor will be disclosed. The 3D (three dimensional) optimal feature vectormatrix with the minimum correlation in covariance which include the timeline will be built. (2) The working mechanism of pulse couple neuron (PCN) will be studied, and the internal connections between the parameters of the PCN model and the results of image processing will be disclosed. Then, a PCN model which is suitable for this pattern recognition will be build by improving the existent model, and the lesions intelligent recognition based on PCN network will be developed...Target: The study of this project will develop the supporting theory and algorithm for the intelligent recognition of GI lesions in endoscopic images; will disclose the dynamic developing law of lesions, and build the 3D feature vectormatrix of lesions; will disclose the internal connections between the parameters of the PCN model and the results of image processing. The algorithms of dynamic feature extraction and PCN model can be used for other complex nonlinear pattern recognition.

背景：内窥图像中病灶智能识别技术已成为胶囊内镜检测技术应用的瓶颈。消化道病灶多种多样，而且在不断地演化发展中，病灶特征也在变化，智能识别比较困难。..内容与创新：针对这个难题，在出血智能识别研究成果的基础上，(1) 提出一种时间维与类型本征相结合的三维特征提取方法，揭示出血、溃疡、息肉、肿瘤等病灶的演化规律，构建协方差意义下相关性最小的含时间轴的病灶三维动态特征矩阵；(2) 研究脉冲耦合神经元工作机理，揭示神经元模型参数与图像处理效果间的内联关系，改进既有模型建立适用于本模式识别问题的神经元模型，实现基于脉冲耦合神经网络的病灶动态识别方法。..目标：为内窥图像中病灶智能识别提供直接的理论依据与实现方法；揭示常见病灶的演化规律，构建三维动态特征矩阵；揭示神经元模型参数与图像处理效果间的内联关系，为病灶识别和其它复杂的非线性模式识别问题提供可借鉴或采用的理论工具，具有较好的科研与应用价值。

胶囊内窥镜系统能方便地可视化人体消化胃肠道，是消化道检测重要的发展方向。消化道病灶多种多样，而且在不断地演化发展中，病灶特征也在变化，智能识别比较困难。随着胶囊内窥镜的发展，内窥图像中病灶智能识别技术已成为胶囊内镜检测技术应用的瓶颈。.针对这些难题，项组目研制了一种基于无线能量传输的视频胶囊内窥镜系统。胶囊内窥镜直径为11mm长30mm，采用NTSC制式的视频，帧率达30f/s (frame rate per second)，采用无线能量传输的供电方式，可在体内工作足够长的时间。.由于内窥图像非常复杂，传统的识别方法将图像中所有区域都赋予了相同的优先级，然而病灶分析所关心的区域只占图像中较小的一部分，这种全面加工增加了计算过程的复杂性，导致各种识别方法灵敏度和特异度不高。本项目研究了基于视觉注意（VA，Visual Attention）机制的病灶定位方法，采用了Itti自底向上(bottom-up)的VA模型，在CIELuv颜色空间中计算内窥图像的颜色、亮度、形态特征显著度图，然后得到内窥图像的融合显著度图S，在此基础到得到内窥图像的显著度区域，并在区域内统计计算种子值。经实验验证，病灶区域都能包含在显著度区域内，为后续的病灶模式识别缩小了计算区域，降低了计算难度。.研究了出血、溃疡、息肉、肿瘤等常见消化道病灶的类型图像特征。提出了一种时间维与类型本征相结合的三维特征研究方法，分析了每种病灶演化规律和各个阶段的图像特征，采用核主成分分析的特征提取方法，分阶段地提取病灶的颜色、亮度、形态等特征向量，组建协方差意义下相关性最小的动态三维特征矩阵。但由于同一病灶体在其生长周期内的连续图像非常难获得，因此难以获得病灶准确的演化阶段图像特征，是该研究的缺憾。.研究了脉冲耦合神经网络工作机理，根据病灶智能识别的具体任务特点，选择了交叉皮层（ICM ，Intersecting Cortical Model）神经元模型对其进行改进，通过理论分析、数值计算和大量的试验确定了模型各个参数，初步揭示了神经元模型参数与图像处理结果之间内联关系。在此基础上构建了ICM脉冲耦合神经网络，选择各类型各演化阶段的典型病灶图像作为训练样本与测试样本，初步实现了基于脉冲耦合神经网络的病灶动态识别方法，实验显示病灶检出识别灵敏度达89.7%，特异度达81%。