(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 202210474913.1 (22)申请日 2022.04.29 (71)申请人 小荷医疗器 械 （海南） 有限公司 地址 571924 海南省澄迈县老城镇高新 技 术产业示范区海南生态软件园沃克公 园8814一层1-2 (72)发明人 王杰祥　边成　张志诚　 (74)专利代理 机构 北京英创嘉友知识产权代理 事务所(普通 合伙) 11447 专利代理师 曹寒梅 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/60(2017.01) G06T 7/73(2017.01) G06T 7/90(2017.01)G06V 10/46(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) (54)发明名称 检测模型的确定方法、 息肉检测方法、 装置、 介质及设备 (57)摘要 本公开涉及一种检测模 型的确定方法、 息肉 检测方法、 装置、 介质及设备， 所述方法包括： 获 取训练样 本集， 训练样本集中的每一训练样本包 括训练内窥镜图像， 以及训练 内窥镜图像中的每 一标注息肉对象的标注信息； 将训练 内窥镜图像 输入预设模 型， 以由预设模型的多个特征提取层 基于注意力机制对训练内窥镜图像进行特征提 取， 获得训练内窥镜图像对应的多个特征图像， 每一特征提取层对应的尺寸不同； 根据多个特征 图像和预设模 型的预测层， 获得训练 内窥镜图像 对应的检测结果信息； 基于各个训练样本对应的 检测结果信息和标注息肉对象的标注信息， 确定 预设模型的目标损失； 根据目标损失对预设模型 进行训练， 并将训练完成的预设模 型确定为息肉 检测模型。 权利要求书3页 说明书19页 附图3页 CN 114782390 A 2022.07.22 CN 114782390 A 1.一种息肉检测模型的确定方法， 其特 征在于， 所述方法包括： 获取训练样本集， 其中， 所述训练样本集中的每一训练样本包括训练内窥镜图像， 以及 所述训练内窥镜图像中的每一标注息肉对象的标注信息； 将所述训练内窥镜图像输入预设模型， 以由所述预设模型的多个特征提取层基于注意 力机制对所述训练内窥镜图像进 行特征提取， 获得所述训练内窥镜图像对应的多个特征图 像， 其中， 每一所述特 征提取层对应的尺寸 不同； 根据所述多个特征图像和所述预设模型的预测层， 获得所述训练内窥镜图像对应的检 测结果信息； 基于各个训练样本对应的检测结果信 息和所述标注息肉对象的标注信 息， 确定所述预 设模型的目标损失； 根据所述目标损失对所述预设模型进行训练， 并将训练完成的预设模型确定为息肉检 测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述训练内窥镜图像输入预设模 型， 以由所述预设模型的多个特征提取层基于注 意力机制对所述训练内窥镜图像进行特征 提取， 获得 所述训练内窥镜图像对应的多个特 征图像， 包括： 若当前的特征提取层为所述预设模型中的第 一个特征提取层， 则基于窗口注意力 机制 对所述训练内窥镜图像进行 特征提取， 获得当前的特 征提取层对应的特 征图像； 若当前的特征提取层不是所述预设模型中的第 一个特征提取层， 则 基于池化注意力 机 制， 对当前 的特征提取层的前一特征提取层对应的特征图像进行降维处理， 获得当前 的特 征提取层对应的初始特征图像， 并基于窗口注意力机制对所述初始特征图像进行特征提 取， 获得当前的特 征提取层对应的特 征图像。 3.根据权利要求2所述的方法， 其特征在于， 所述基于池化注意力机制， 对当前的特征 提取层的前一特征提取层对应的特征图像进 行降维处理， 获得当前的特征提取层对应的初 始特征图像， 包括： 对前一特征提取层对应的特征图像进行分别进行线性映射， 获得查询向量、 键向量和 值向量对应的特 征表示； 分别对所述查询向量、 所述键向量和所述值向量进行池化操作， 获得池化查询向量、 池 化键向量和池化 值向量； 基于所述池化查询向量、 所述池化键向量和所述池化值向量进行注意力计算， 获得所 述当前的特 征提取层对应的初始特 征图像。 4.根据权利要求1所述的方法， 其特 征在于， 所述预测层和所述特 征提取层一 一对应； 所述根据 所述多个特征图像和所述预设模型的预测层， 获得所述训练内窥镜图像对应 的检测结果信息， 包括： 若所述预测层与最后一个特征提取层对应， 则将所述最后 一个特征提取层提取的特征 图像确定为所述预测层的输入特 征； 若所述预测层不与最后 一个特征提取层对应， 则基于所述预测层对应的特征提取层提 取出的特征图像和所述预测层的前一预测层对应的输入特征确定所述预测层对应的输入 特征； 针对每一所述预测层， 根据所述预测层对应的输入特征， 获得所述训练内窥镜 图像在权　利　要　求　书 1/3 页 2 CN 114782390 A 2所述预测层 对应的尺 寸下的候选结果信息， 所述训练内窥镜图像对应的检测结果信息包括 每一所述预测层对应的候选结果信息 。 5.根据权利要求1所述的方法， 其特征在于， 所述检测结果信 息包括预设数量的候选息 肉对象的预测信息； 所述基于各个训练样本对应的检测结果信 息和所述标注息肉对象的标注信 息， 确定所 述预设模型的目标损失， 包括： 从所述候选息肉对象中确定与每一所述标注息肉对象对应的预测息肉对象； 基于各个训练样本 中的标注息肉对象的标注信 息、 与所述标注息肉对象对应的预测息 肉对象的预测信息， 确定所述预设模型的目标损失。 6.根据权利要求5所述的方法， 其特征在于， 所述标注信息包括标注位置信息， 所述预 测信息包括预测位置信息； 所述从所述候选息肉对象中确定与每一所述标注息肉对象对应的预测息肉对象， 包 括： 基于二分匹配法， 确定包含每一所述候选息肉对象对应的预测位置信息的第一集合、 和包含所述训练内窥镜图像中每一标注息肉对 象的标注位置信息第二集合之间的最优分 配； 基于所述最优分配， 将与 所述训练内窥镜图像中每一标注息肉对象所匹配的候选息肉 对象确定为所述标注息肉对象对应的预测息肉对象。 7.根据权利要求5所述的方法， 其特征在于， 所述标注信 息包括标注位置信 息和标注分 类信息， 所述预测信息包括预测位置信息和预测分类信息； 所述基于各个训练样本 中的标注息肉对象的标注信 息、 与所述标注息肉对象对应的预 测息肉对象的预测信息， 确定所述预设模型的目标损失， 包括： 根据所述标注息肉对象的标注位置信 息、 和与所述标注息肉对象对应的预测息肉的预 测位置信息， 基于边框损失函数和距离损失函数确定位置预测损失； 根据所述标注息肉对象的标注分类信 息、 和与所述标注息肉对象对应的预测息肉的预 测分类信息， 基于分类损失函数确定分类预测损失； 基于所述 位置预测损失和所述分类预测损失确定所述目标损失。 8.一种息肉检测方法， 其特 征在于， 所述方法包括： 获取待检测的内窥镜图像； 根据所述内窥镜 图像和息肉检测模型， 确定所述内窥镜 图像对应的输出结果信息， 其 中， 所述输出结果信息包括所述内窥镜图像中每一待定息肉对 象的位置信息和分类信息， 其中， 所述息肉检测模型 是基于权利要求1 ‑7中任一项所述的方法确定出的； 根据每一所述待定息肉对象的位置信 息和分类信 息， 从所述待定息肉对象中确定目标 息肉对象， 获得所述内窥镜图像对应的目标结果， 其中， 所述目标结果包括每一所述目标息 肉对象的位置信息和分类信息 。 9.根据权利要求8所述的方法， 其特征在于， 所述输出结果信 息包括所述息肉检测模型 中每一预测层对应的输出 结果信息； 所述根据每一所述待定息肉对象的位置信 息和分类信 息， 从所述待定息肉对象中确定 目标息肉对象， 获得 所述内窥镜图像对应的目标 结果， 包括：权　利　要　求　书 2/3 页 3 CN 114782390 A 3