成果简介：

本成果致力于解决基于压缩感知理论的无线胶囊内镜视频图像（如图 1 和图2）数据分析与处理以及其它大数据处理系统等相关领域中存在的共性和难点问题并为止提供新的理论算法。探讨一种基于压缩感知理论的视频图像分析与处理技术，针对目前压缩感知算法方面存在的三大热点问题：稀疏基的选择、测量矩阵的设计和快速精确的图像重构算法展开研究与分析。首先构造具有针对性和稀疏能力的基，确保处理后的非零元数据足够少，令过完备字典足够稀疏以确保视频图像“少采样”；其次，设计能够满足非相干性和限制等容性原则的测量矩阵，克服测量矩阵确定性差的缺点，降低内存需求，提高算法精度和收敛速度；再次，在前述研究工作的基础上，将图像重建转化为目标泛函最优问题，利用广义全变p 范数重加权优化思想，寻求一种重建效果好、精度高、能快速有效的实现视频图像重构的算法；最后，在前述工作基础上，提出基于压缩感知理论的病变分类识别算法，实现动态纹理视频数据的筛选分类，降低医生阅片时间，提高其在辅助诊断中的准确性和有效性。

本成果围绕基于压缩感知的无线胶囊内镜视频图像分析与处理研究中的核心问题及关键技术，以视频图像的压缩重构为切入点、同时结合申请人近年来对无线胶囊内镜图像分析与处理技术的积累与跟踪，将主要研究如下几方面内容：

稀疏基的选择：构造适合于胶囊内镜视频数据的稀疏基，设计低复杂度的稀疏分解算法，确保采集到的视频图像数据表示足够稀疏、直接与非零稀疏相关的压缩测量数目足够少，能便于后期高概率精确地重构视频图像。

测量矩阵的选取与设计：测量矩阵的选取与设计将直接影响到采集到的视频影像数据是否能够保留足够的原始信息。项目从测量矩阵的数学结构、采集性能以及测量值权重均等方面考虑，针对研究对象提出适合于此类特殊视频数据的确定性测量矩阵，保证内存需求少、算法鲁棒性好。

压缩感知视频图像重构算法：重构算法是研究中最为重要且关键的部分，有效的重构视频图像将为后期快速准确的病变特征动态筛选提取提供坚实的基础。具体研究内容包括：首先把小肠胶囊内镜视频序列从整个消化道序列中提取出来，然后基于 p-范数( 0 p 1 )重加权优化求解算法，寻求一种复杂度低、稳定性强且适合小肠胶囊内镜视频图像的重构算法，解决压缩感知不适合场景切换频繁和剧烈运动序列的问题。

基于压缩感知的病变分类识别：根据小肠不同部位不同病变类型的纹理和颜色特征，实现基于压缩感知理论的视频图像动态纹理视频数据的筛选分类，能够高准确率地自动完成在线实时病变分类识别，减轻医务工作者的阅片负担。

应用范围：

应用于临床医学辅助诊断领域。

推广潜力及前景分析：

我国现有可靠稳定的临床辅助诊断系统资源非常紧缺，通过与医疗相关企业合作，研发基于压缩感知的医学视频图像分析辅助诊断系统平台，无线胶囊内镜以其无痛、无创伤、可全程检测包括食道、胃、小肠和大肠在内的所有消化器官的优势，扩展了消化道检查的视野，克服了传统插入式内镜使受检者遭受不同程度疼痛的缺点，已经被作为消化道疾病尤其是小肠疾病诊断的首选方法，成为内窥镜领域的一项重大突破，尤其为小肠疾病的诊断和处理提供了有价值且更为人性化的检查手段，提高患者生活质量，其临床检测的有效性也逐步获得医学界的认同，同时打破相关产品依赖进口的局面，并带动相关产业发展，增加就业，必将产生巨大的经济效益和良好的社会效益。本项目目标产品科技含量高，具有自主知识产权、且成本低、社会经济效益大，并且可以一举解决视频数据量大、医生阅读视频需要时间长、负担重以及阅片效率低下的难题，意义非常重大。

 

联系地址：山东省济南市历下区科院路19号

联系人：俞女士     联系电话：0531-88728357