技術(shù)特征：

1.基于深度卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)窺鏡圖像腸道出血檢測(cè)方法，其特征在于包括以下步驟：

步驟1、在訓(xùn)練深度網(wǎng)絡(luò)的過程中，首先將出血圖像和不出血圖像分別進(jìn)行旋轉(zhuǎn)、亮度調(diào)節(jié)、高斯模糊、加泊松噪聲四種變換，然后將變換后的圖像和原始圖像一起構(gòu)成新的數(shù)據(jù)集；

步驟2、在訓(xùn)練深度網(wǎng)絡(luò)的過程中，復(fù)制所有的出血圖像，使得出血圖像和不出血圖像數(shù)量一樣多，從而得到擴(kuò)增數(shù)據(jù)集；

步驟3、對(duì)步驟2得到的擴(kuò)增數(shù)據(jù)集，訓(xùn)練VGGNet、GoogLeNet、AlexNet這三個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，得到三個(gè)非線性映射關(guān)系；

步驟4、依據(jù)得到的三個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)做內(nèi)窺鏡圖像腸道出血檢測(cè)，以內(nèi)窺鏡圖像作為輸入，得到三個(gè)卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)結(jié)果，然后根據(jù)多數(shù)投票規(guī)則，得到最終的檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)窺鏡圖像腸道出血檢測(cè)方法，其特征在于步驟1所述的將出血圖像和不出血圖像進(jìn)行旋轉(zhuǎn)、亮度、高斯模糊、加噪四種變換，具體如下：

1-1.將原始圖像分別旋轉(zhuǎn)60度、120度、180度、240度、300度，每張?jiān)紙D像將得到5張經(jīng)過旋轉(zhuǎn)變換的圖像；

1-2.隨機(jī)產(chǎn)生5個(gè)0-1均勻分布的隨機(jī)數(shù)作為5個(gè)亮度因子，記為λ₁,λ₂,λ₃,λ₄,λ₅，將原始圖像由RGB顏色空間轉(zhuǎn)到Y(jié)CbCr空間，將Y通道分別乘以5個(gè)亮度因子，得到5張經(jīng)過亮度變換的圖片；

1-3.對(duì)原始圖像進(jìn)行高斯模糊，計(jì)算公式為：

G(x,y)＝exp(-(x²+y²)/2σ²)/2πσ²，

設(shè)置高斯濾波器的大小和參數(shù)，即([x,y],σ)分別為([3,3],1)，([5,5],3)，([7,7],5)，([9,9],7)，([11,11],9)；根據(jù)這五種高斯濾波器，對(duì)原始圖像做5種高斯模糊，每張?jiān)紙D像將得到5張經(jīng)過高斯模糊變換的圖像；

1-4.給原始圖像添加符合泊松分布模型的噪聲，泊松分布公式：

P(x＝k)＝exp(-λ)·λ^k/k！,

每張?jiān)紙D像將得到1張?zhí)砑硬此稍肼暤膱D像。

3.根據(jù)權(quán)利要求1所述的基于深度卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)窺鏡圖像腸道出血檢測(cè)方法，其特征在于步驟2所述的基于步驟1得到的圖像復(fù)制所有出血圖像，使得出血圖像和不出血圖像一樣多，具體如下：

2-1.經(jīng)過步驟1，每張?jiān)紙D像都會(huì)得到由自身經(jīng)過變換的16張圖像；在原始圖像中，由于不出血圖像數(shù)量是出血圖像數(shù)量的30倍，將每張?jiān)汲鲅獔D像及其經(jīng)過變換的所有圖像復(fù)制30倍，使得出血圖像和不出血圖像在數(shù)量上達(dá)到一致，從而得到擴(kuò)增數(shù)據(jù)集。

4.根據(jù)權(quán)利要求1所述的基于深度卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)窺鏡圖像腸道出血檢測(cè)方法，其特征在于步驟3中所述的對(duì)步驟2得到的擴(kuò)增數(shù)據(jù)集，訓(xùn)練VGGNet、GoogLeNet、AlexNet這三個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，得到三個(gè)非線性映射關(guān)系，具體如下：

3-1.使用原始圖像的80％及其對(duì)應(yīng)的變換圖像作為訓(xùn)練集，其余的20％及其變換圖像作為測(cè)試集；

3-2.使用訓(xùn)練集訓(xùn)練VGGNet、GoogLeNet、AlexNet三個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)；采用Softmax損失函數(shù)作為目標(biāo)函數(shù)，利用反向傳播算法優(yōu)化目標(biāo)函數(shù)；

3-3.訓(xùn)練結(jié)束后，將測(cè)試圖像庫(kù)中的任意一幅內(nèi)窺鏡圖像作為三個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)的輸入，然后基于得到的三個(gè)檢測(cè)結(jié)果，根據(jù)多數(shù)投票原則，得到最終的檢測(cè)結(jié)果。