用于结合支气管镜进行人体内支气管的分级识别，通过深度学习构建的模型快速识别支气管的分级分类，识别记录病灶发生的支气管位置，极大的提高了医生的工作效率，显著降低医疗事故。
本数据和算法仅针对人体内的支气管视频或图像画面显示，不含个人数据、公共数据，无数据标识体现。本算法是对支气管中的不同分级的支气管进行识别和判断。对于图像识别进行训练，得到的估计误差值越小，识别的越准确。得到估计误差值的算法是在实例视频中，第一次出现置信度大于thresh（阈值）的图像时，记录当前矩形框的横向宽度L1。下一个时间节点（一般在上一次数据处理完时触发）记录矩形框的横向宽度L2，依次记录L3、L4、Lk一直记录到不识别或者置信度低。取当前的平均值Xk为估计的真实数据，根据卡尔曼增益的算法公式得出卡尔曼增益值Kk。在本系统中采用第一次测量的3%为测量误差E，估计误差e=（1-Kk）*E。此时得到当前支气管平均像素值，在像素值判断趋近于该值时，判断为预定义的支气管等级。
| 字段名 | 类型 | 描述 |
|---|---|---|
图片编号 |
-- | -- |
支气管坐标 |
-- | -- |
测量像素值 |
-- | -- |
估计值 |
-- | -- |
测量误差值 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 图片编号 | 20200825006_2348 |
| 支气管坐标 | [89,101,694,507] |
| 测量像素值 | 605 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/596