CN103325128A - 一种智能识别阴道镜所采集的图像特征的方法及装置 - Google Patents
一种智能识别阴道镜所采集的图像特征的方法及装置 Download PDFInfo
- Publication number
- CN103325128A CN103325128A CN2013101808942A CN201310180894A CN103325128A CN 103325128 A CN103325128 A CN 103325128A CN 2013101808942 A CN2013101808942 A CN 2013101808942A CN 201310180894 A CN201310180894 A CN 201310180894A CN 103325128 A CN103325128 A CN 103325128A
- Authority
- CN
- China
- Prior art keywords
- image
- gynecatoptron
- pixel value
- gathers
- connected region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种智能识别阴道镜所采集的图像特征的方法及装置,选择对生理盐水试验阴道镜原始图像红色特征、原始绿光图像血管分布特征及醋酸试验图像白色上皮分布特征进行自动提取及识别,使用一种易识别的标识形状定位宫颈口中心位置,并且能够自动识别该标识形状和位置,以此表征图像四象限分布,提高图像的可识别性,并在此基础上将提取的特征以直观、可见的形式呈现出来。本发明采用自动识别与显示图像特征相结合的方法,简化了图像判读的复杂性,丰富了图像判读的信息量,为医生提供了直观性、可视且易识别的图像特征,提高了图像判读和评估方法的准确性,一致性及可重复性,减少对主观经验的依赖。
Description
技术领域
本发明涉及医疗设备技术领域,具体涉及一种应用于电子阴道镜检测中智能识别阴道镜所采集的图像特征的方法及装置。
背景技术
电子阴道镜检查可以发现宫颈糜烂、宫颈息肉、宫颈上皮内瘤样病变、宫颈癌、阴道炎、外阴、阴道或宫颈肉头瘤病、毒感染和亚临床乳头瘤病毒感染。电子阴道镜不仅在诊断子宫颈早期癌变和辨别肿瘤与炎症等方面有应用价值,而且在治疗方面,特别在宫颈上皮内瘤样病变的治疗有特殊应用价值。因为电子阴道镜可以看到宫颈上皮变化的位置和范围,电子阴道镜的视频图像或计算机视频图像采集和存储对宫颈病变的追踪观察非常重要。
在电子阴道镜检查过程中,现有技术就是医生根据采集的阴道镜所采集的图像,用肉眼去观察宫颈上皮在使用生理盐水、5%醋酸溶液和5%复方碘溶液后的变化,对阴道镜所采集的图像进行判读和评估。图像判读专注使用生理盐水后上皮血管的情况、使用5%醋酸溶液和5%复方碘溶液后上皮的变化,而忽视了使用生理盐水后阴道镜所采集的图像中宫颈上皮的红色特征,这种特征包括红色所占的象限数、时钟方向、偏移度,而在阴道镜检查中,缺少对红色特征的判读会降低评估结果的准确性;同时由于人为因素的存在,使得对使用生理盐水及醋酸溶液的阴道镜所采集的图像的判读也存在较大的偏差,从而影响对图像评估的准确性,一致性及可重复性。
发明内容
为克服上述缺陷,本发明的目的即在于提供一种将阴道镜所采集的图像导入预设的象限图并将阴道镜所采集的图像中的连通区域进行颜色标识,简化图像判读的复杂性,丰富图像判读的信息量,提高阴道镜所采集的图像的可识别性的智能识别阴道镜所采集的图像特征的方法。
本发明的目的还在于提供一种应用上述智能识别阴道镜所采集的图像特征方法的装置。
本发明的目的是通过以下技术方案来实现的:
本发明的一种智能识别阴道镜所采集的图像特征的方法,包括以下步骤:
导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标;
对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值;
利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点;
对阴道镜所采集的图像进行连通区域识别,将阴道镜所采集的图像中相邻的可疑目标像素点归为一个连通区域并对该连通区域进行标识;
通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识。
作为本发明的一种改进,所述导入并扫描的阴道镜所采集的图像包括生理盐水试验阴道镜原始图像、原始绿光图像、醋酸试验图像;
所述通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上为:将阴道镜所采集的图像中记录的宫颈口坐标中心与预设象限图中十字形状的中心点一一对应;
所述对阴道镜所采集的图像中的连通区域以预设的颜色进行标识为:将生理盐水试验阴道镜原始图像、原始绿光图像及醋酸试验图像中的连通区域分别以红色、黑色及白色进行标识。
作为本发明的进一步改进,所述通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识步骤前包括:
计算各个连通区域的面积并对各个连通区域进行目标识别,将面积小于阈值的连通区域去除。
其中,所述对各个连通区域进行目标识别,将面积小于阈值的连通区域去除为:将面积小于阈值的连通区域内所有可疑目标像素点的像素值设为255。
作为本发明的更进一步改进,所述对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值的步骤为:将阴道镜所采集的图像从RGB计算颜色模型转换至HIS视觉颜色模型,并提取HIS视觉颜色模型中的色调分量作为图像像素值。
作为本发明一种优选的实施方式,所述导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标的步骤前包括:读取存储的阴道镜所采集的图像,存入缓冲区。
作为本发明另一种优选的实施方式,所述利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点的步骤为:从左到右从上到下依次扫描阴道镜所采集的图像,若像素值在阈值范围内,则将此像素值设为像素值0,该像素值点标识为可疑目标像素点;否则,将此像素值设为像素值255,该像素值点标识为背景像素点。
一种应用上述智能识别阴道镜所采集的图像特征方法的装置,所述装置主要包括:
图像坐标定位单元,用于导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标;
图像颜色模型转换单元,与所述图像坐标定位单元连接,用于对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值;
图像阈值分割处理单元,与所述图像颜色模型转换单元连接,利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点;
目标区域粗识别单元,与所述图像阈值分割处理单元连接,对阴道镜所采集的图像进行连通区域识别,将阴道镜所采集的图像中相邻的可疑目标像素点归为一个连通区域并对该连通区域进行标识;
显示单元,与所述目标区域粗识别单元连接,通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识。
作为本发明的一种改进,所述装置还包括依次连接于所述目标区域粗识别单元与所述显示单元之间的目标区域面积计算单元、目标区域识别单元;所述目标区域面积计算单元计算各个连通区域的面积;所述目标区域识别单元对各个连通区域进行目标识别,将面积小于阈值的连通区域去除。
作为本发明的进一步改进,所述装置还包括设置于所述图像坐标定位单元之前并与所述图像坐标定位单元连接的图像获取单元;所述图像获取单元读取存储的阴道镜所采集的图像,存入缓冲区。
本发明提供的一种智能识别阴道镜所采集的图像特征方法及装置,选择对生理盐水试验阴道镜原始图像红色特征、原始绿光图像血管分布特征及醋酸试验图像白色上皮分布特征进行自动提取及识别,使用一种易识别的标识形状定位宫颈口中心位置,并且能够自动识别该标识形状,并将提取的特征以直观、可见的形式呈现出来。本发明采用自动识别与显示图像特征相结合的方法,简化了图像判读的复杂性,丰富了图像判读的信息量,为医生提供了直观性、可视且易识别的图像特征,提高了图像判读和评估方法的准确性,一致性及可重复性,减少对主观经验的依赖。
附图说明
为了易于说明,本发明由下述的较佳实施例及附图作以详细描述。
图1为本发明一种智能识别阴道镜所采集的图像特征方法的一种实施例的流程图;
图2为本发明一种智能识别阴道镜所采集的图像特征方法的另一种实施例的流程图;
图3为本发明一种智能识别阴道镜所采集的图像特征方法中阴道镜原始图像获取的结构示意图;
图4为本发明一种智能识别阴道镜所采集的图像特征方法阴道镜原始绿光图像获取的结构示意图;
图5为本发明一种智能识别阴道镜所采集的图像特征方法阴道镜醋酸试验图像获取的结构示意图;
图6为本发明一种智能识别阴道镜所采集的图像特征方法中宫颈口中心对准十字形状交点的示意图;
图7为本发明一种智能识别阴道镜所采集的图像特征方法中红色特征一种示意图;
图8为本发明一种智能识别阴道镜所采集的图像特征方法中红色特征另一种示意图;
图9为本发明一种智能识别阴道镜所采集的图像特征装置的一个实施例的结构示意图;
图10为本发明一种智能识别阴道镜所采集的图像特征装置的另一个实施例的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,本发明一种智能识别阴道镜所采集的图像特征的方法流程图,包括以下步骤:
101 检测宫颈口中心
利用十字形状的符号像素特征,扫描阴道镜所采集的图像,检测图像中宫颈口中心位置,并记录该中心位置坐标,以便后续进行坐标转换。
102转换颜色模型
对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值。
103 图像阈值分割
利用阈值分割法对上述阴道镜所采集的图像做阈值分割处理,得到二值图像。具体实施过程为:从左到右从上到下依次扫描阴道镜所采集的图像,若像素值在阈值范围内,则将此像素值设为一个新的像素值,以表示可疑目标像素,如0(即为黑色);否则,将此像素值设为另一个像素值,以表示背景像素,如255(即为白色)。
104 识别连通区域
利用连通区域识别算法,将阴道镜所采集的图像中相邻的可疑目标像素归为一个连通区域,并将此连通区域内的所有像素点的像素值设为一个序号;将不相邻的可疑目标像素归为另一个新的连通区域,并将此连通区域内的所有像素点的像素值设为一个新的序号;以此类推,直到将所有可疑目标像素归类。
105 显示图像特征
将连通区域轮廓利用阴道镜所采集的图像中的十字形状与预设象限图中的十字形状之间的一一对应坐标映射关系,显示在象限图上,并以相应特征的颜色标识。
为了便于理解,下面以另一个实施例对本发明方法进行描述,参见图2,具体实施的步骤如下:
201 获取阴道镜所采集的图像
从硬盘中读取存储的阴道镜所采集的图像,存入缓冲区,该阴道镜所采集的图像包括图像像素值、图像高度、图像宽度。
202 检测宫颈口中心
利用十字形状的符号像素特征,扫描阴道镜所采集的图像,检测图像中宫颈口中心位置,并记录该中心位置坐标,以便后续进行坐标转换。
203 转换颜色模型
将阴道镜所采集的图像从RGB计算颜色模型转换至HIS(色调(Hue)-亮度(Intensity)-饱和度(Saturation))视觉颜色模型,并提取色调分量作为图像像素值,得到一幅新的图像,降低图像的维度,以减少运算量。同时,由于HIS模型具有与人眼对颜色感知视觉一致性的特性,可更准确地提取出与人眼视觉感知一致的颜色特征。
204 图像阈值分割
利用阈值分割法对上述阴道镜所采集的图像做阈值分割处理,得到二值图像。具体实施过程为:从左到右从上到下依次扫描图像,若像素值在阈值范围内,则将此像素值设为一个新的像素值,以表示可疑目标像素,如0(即为黑色);否则,将此像素值设为另一个像素值,以表示背景像素,如255(即为白色)。
205 识别连通区域
利用连通区域识别算法,将阴道镜所采集的图像中相邻的可疑目标像素归为一个连通区域,并将此连通区域内的所有像素点的像素值设为一个序号;将不相邻的可疑目标像素归为另一个新的连通区域,并将此连通区域内的所有像素点的像素值设为一个新的序号;以此类推,直到将所有可疑目标像素归类。
206 计算连通区域面积
计算各个连通区域的面积。由于同一个连通区域内的所有像素值均被标记为同一个序号,因此连通区域的面积即具有相同像素值的像素个数之和。
207 识别目标区域
根据目标面积阈值,去除面积小(即离散、点状)的连通区域,保留面积较大的连通区域。将面积小于阈值的连通区域内所有像素的像素值设为255(即白色),其他不变。此时,图像中所有像素点就被分成目标区域(所有像素值不为255的区域)与背景区域(所有像素值为255的区域)。
208 显示图像特征
将连通区域轮廓通过坐标映射关系,显示在象限图上,并以相应特征的颜色标识。
其中,对于上述进行处理的阴道镜所采集的图像包括经过储存处理后的阴道镜原始图像、原始绿光图像、醋酸试验图像,具体参见图3,阴道镜原始图像的获取途径如下:
301 图像预览单元
在图像预览窗口中利用符号图标绘制十字形状,将预览窗口分成四等分;在预览窗口中显示实时阴道镜所采集的图像;使宫颈口中心对准十字形状的交点,如图6所示。
302 原始图像采集单元
触发采集原始图像信号,采集实时原始阴道镜所采集的图像,并存入缓冲区。
303 图像预处理单元
对缓冲区图像利用图像增强技术提高图像信噪比,抑制图像光斑。
304 图像标记单元
将十字形状写入图像,保证十字形状的可识别性。
305 存储图像单元
将标记处理过的图像保存为硬盘图片文件。
详见图4,在本发明实施例中,原始绿光图像的获取途径如下,
401 图像预览单元
在图像预览窗口中利用符号图标绘制十字形状,将预览窗口分成四等分;在预览窗口中显示实时阴道镜所采集的图像;使宫颈口中心对准十字形状的交点,如图6所示。
402 原始绿光图像采集单元
触发采集原始绿光图像信号,使用一种滤镜技术,使采集到的图像中血管颜色呈现黑色或近似黑色;采集实时原始绿光图像,并存入缓冲区。
403 图像预处理单元
对缓冲区图像利用图像增强技术提高图像信噪比,抑制图像光斑。
404 图像标记单元
将十字形状写入图像,保证十字形状的可识别性。
405 存储图像单元
将标记处理过的图像保存为硬盘图片文件。
参见图5,在本发明实施例中,醋酸试验图像的获取途径如下,
501 图像预览单元
在图像预览窗口中利用符号图标绘制十字形状,将预览窗口分成四等分;在预览窗口中显示实时阴道镜所采集的图像;使宫颈口中心对准十字形状的交点,如图6所示。
502 醋酸试验图像采集单元
醋酸试验开始后触发计时信号,计时开始后90秒时刻触发采集醋酸试验图像信号,采集实时醋酸试验图像,并存入缓冲区。此后每隔30秒触发一次采集醋酸试验图像信号,采集实时醋酸试验图像(共采集3张)。
503 图像预处理单元
对缓冲区图像利用图像增强技术提高图像信噪比,抑制图像光斑。
504 图像标记单元
将十字形状写入图像,保证十字形状的可识别性。
505 存储图像单元
将标记处理过的图像保存为硬盘图片文件。
利用生理盐水试验阴道镜原始图像、原始绿光图像、醋酸试验图像中的可视特征,即图像中目标与非目标之间的颜色对比差异,提取出图像中的目标特征(生理盐水试验阴道镜原始图像、原始绿光图像、醋酸试验图像的颜色特征分别对应为红色、黑色、白色)。
为了对阴道镜检查提供有意义的特征分类方法,我们将提取出的红色特征定义为三类,该红色特征均指从宫颈管内向外的连续分布,排除宫颈管以外的零散的点状红,即:
A.全红:是指观察宫颈上皮红色分布在四个象限均存在。根据离宫颈口中心的距离远近,又将“全红”分为三个等级(如I °、II°、III °)。全红可以为三个等级的任意组合,或者为含一个以上等级与非全红的任意组合。图7所示为几种全红示意图。
B.部分红:是指观察宫颈上皮红色分布小于四个象限,具体来讲,即除全红以外的所有小区域及区域组合。
C.无红:是指观察宫颈上皮无红色分布。
我们将血管分布及醋白上皮分布特征以其分布所占象限位置及个数,在图上以直线与弧线表示,如图8所示为其中两种特征示意图。
参见图9,一种应用上述智能识别阴道镜所采集的图像特征方法的装置,主要包括:
601 图像坐标定位单元
利用十字形状的符号像素特征,扫描阴道镜所采集的图像,检测图像中宫颈口中心位置,并记录该中心位置坐标,以便后续进行坐标转换。
602 图像颜色模型转换单元
对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值。
603 图像阈值分割处理单元
与所述图像坐标定位单元连接,利用阈值分割法对上述阴道镜所采集的图像做阈值分割处理,得到二值图像。具体实施过程为:从左到右从上到下依次扫描阴道镜所采集的图像,若像素值在阈值范围内,则将此像素值设为一个新的像素值,以表示可疑目标像素,如0(即为黑色);否则,将此像素值设为另一个像素值,以表示背景像素,如255(即为白色)。
604 目标区域粗识别单元
与所述图像阈值分割处理单元连接,利用连通区域识别方法,将图像中所有相邻的可疑目标像素归类为一个连通区域,不相邻的可疑目标像素归类为另一个新的连通区域,以分离不相邻的可疑目标像素。
605 显示单元
与所述目标区域粗识别单元连接将连通区域轮廓通过坐标映射关系,显示在象限图上,并以相应特征的颜色标识。
为了便于理解,下面以另一个实施例对本发明装置进行描述,参见图10,该装置主要包括:
701图像获取单元
从硬盘中读取存储的阴道镜所采集的图像,存入缓冲区,该阴道镜所采集的图像包括图像像素值、图像高度、图像宽度。
702 图像坐标定位单元
与所述图像获取单元连接,利用十字形状的符号像素特征,扫描阴道镜所采集的图像,检测图像中宫颈口中心位置,并记录该中心位置坐标,以便后续进行坐标转换。
703 图像颜色模型转换单元
与所述图像坐标定位单元连接,将阴道镜所采集的图像从RGB计算颜色模型转换至HIS(色调(Hue)-亮度(Intensity)-饱和度(Saturation))视觉颜色模型,并提取色调分量作为图像像素值,得到一幅新的图像,降低图像的维度,以减少运算量。同时,由于HIS模型具有与人眼对颜色感知视觉一致性的特性,可更准确地提取出与人眼视觉感知一致的颜色特征。
704图像阈值分割处理单元
与所述图像颜色模型转换单元连接,利用阈值分割法对上述阴道镜所采集的图像做阈值分割处理,得到二值图像。具体实施过程为:从左到右从上到下依次扫描图像,若像素值在阈值范围内,则将此像素值设为一个新的像素值,以表示可疑目标像素,如0(即为黑色);否则,将此像素值设为另一个像素值,以表示背景像素,如255(即为白色)。
705目标区域粗识别单元
与所述图像阈值分割处理单元连接,利用连通区域识别算法,将阴道镜所采集的图像中相邻的可疑目标像素归为一个连通区域,并将此连通区域内的所有像素点的像素值设为一个序号;将不相邻的可疑目标像素归为另一个新的连通区域,并将此连通区域内的所有像素点的像素值设为一个新的序号;以此类推,直到将所有可疑目标像素归类。
706 目标区域面积计算单元
与所述目标区域粗识别单元连接,用于计算各个连通区域的面积。由于同一个连通区域内的所有像素值均被标记为同一个序号,因此连通区域的面积即具有相同像素值的像素个数之和。
707 目标区域识别单元
与所述目标区域面积计算单元连接,根据目标面积阈值,去除面积小(即离散、点状)的连通区域,保留面积较大的连通区域。将面积小于阈值的连通区域内所有像素的像素值设为255(即白色),其他不变。此时,图像中所有像素点就被分成目标区域(所有像素值不为255的区域)与背景区域(所有像素值为255的区域)。
708 显示单元
将连通区域轮廓通过坐标映射关系,显示在象限图上,并以相应特征的颜色标识。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能识别阴道镜所采集的图像特征的方法,其特征在于,包括以下步骤:
导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标;
对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值;
利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点;
对阴道镜所采集的图像进行连通区域识别,将阴道镜所采集的图像中相邻的可疑目标像素点归为一个连通区域并对该连通区域进行标识;
通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识。
2.根据权利要求1所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述导入并扫描的阴道镜所采集的图像包括生理盐水试验阴道镜原始图像、原始绿光图像、醋酸试验图像;
所述通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上为:将阴道镜所采集的图像中记录的宫颈口坐标中心与预设象限图中十字形状的中心点一一对应;
所述对阴道镜所采集的图像中的连通区域以预设的颜色进行标识为:将生理盐水试验阴道镜原始图像、原始绿光图像及醋酸试验图像中的连通区域分别以红色、黑色及白色进行标识。
3.根据权利要求1或2所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识步骤前包括:
计算各个连通区域的面积并对各个连通区域进行目标识别,将面积小于阈值的连通区域去除。
4.根据权利要求3所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述对各个连通区域进行目标识别,将面积小于阈值的连通区域去除为:
将面积小于阈值的连通区域内所有可疑目标像素点的像素值设为255。
5.根据权利要求1所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值的步骤为:
将阴道镜所采集的图像从RGB计算颜色模型转换至HIS视觉颜色模型,并提取HIS视觉颜色模型中的色调分量作为图像像素值。
6.根据权利要求1所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标的步骤前包括:
读取存储的阴道镜所采集的图像,存入缓冲区。
7.根据权利要求1所述的一种智能识别阴道镜所采集的图像特征的方法,其特征在于,所述利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点的步骤为:
从左到右从上到下依次扫描阴道镜所采集的图像,若像素值在阈值范围内,则将此像素值设为像素值0,该像素值点标识为可疑目标像素点;否则,将此像素值设为像素值255,该像素值点标识为背景像素点。
8.一种应用权利要求1所述智能识别阴道镜所采集的图像特征方法的装置,其特征在于,所述装置主要包括:
图像坐标定位单元,用于导入并扫描阴道镜所采集的图像,找出宫颈口中心并记录该宫颈口中心坐标;
图像颜色模型转换单元,与所述图像坐标定位单元连接,用于对阴道镜所采集的图像进行颜色模型转换,提取转换后的颜色模型中的色调分量作为图像像素值;
图像阈值分割处理单元,与所述图像颜色模型转换单元连接,利用阈值分割法对阴道镜所采集的图像中的像素值做阈值分割处理,将像素值在阈值范围内的像素值点标识为可疑目标像素点,将像素值在阈值范围外的像素值点标识为背景像素点;
目标区域粗识别单元,与所述图像阈值分割处理单元连接,对阴道镜所采集的图像进行连通区域识别,将阴道镜所采集的图像中相邻的可疑目标像素点归为一个连通区域并对该连通区域进行标识;
显示单元,与所述目标区域粗识别单元连接,通过坐标映射关系将阴道镜所采集的图像导入到预设的象限图上,并对阴道镜所采集的图像中的连通区域以预设的颜色进行标识。
9.根据权利要求8所述的一种智能识别阴道镜所采集的图像特征的装置,其特征在于,所述装置还包括依次连接于所述目标区域粗识别单元与所述显示单元之间的目标区域面积计算单元、目标区域识别单元;
所述目标区域面积计算单元计算各个连通区域的面积;
所述目标区域识别单元对各个连通区域进行目标识别,将面积小于阈值的连通区域去除。
10.根据权利要求8或9所述的一种智能识别阴道镜所采集的图像特征的装置,其特征在于,所述装置还包括设置于所述图像坐标定位单元之前并与所述图像坐标定位单元连接的图像获取单元;所述图像获取单元读取存储的阴道镜所采集的图像,存入缓冲区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180894.2A CN103325128B (zh) | 2013-05-16 | 2013-05-16 | 一种智能识别阴道镜所采集的图像特征的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310180894.2A CN103325128B (zh) | 2013-05-16 | 2013-05-16 | 一种智能识别阴道镜所采集的图像特征的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103325128A true CN103325128A (zh) | 2013-09-25 |
CN103325128B CN103325128B (zh) | 2016-08-17 |
Family
ID=49193851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310180894.2A Active CN103325128B (zh) | 2013-05-16 | 2013-05-16 | 一种智能识别阴道镜所采集的图像特征的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103325128B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103750810A (zh) * | 2013-12-30 | 2014-04-30 | 深圳市理邦精密仪器股份有限公司 | 对电子阴道镜取得图像进行特征分析的方法及装置 |
CN103767658A (zh) * | 2013-12-30 | 2014-05-07 | 深圳市理邦精密仪器股份有限公司 | 电子阴道镜图像的采集方法及装置 |
CN103932665A (zh) * | 2014-03-17 | 2014-07-23 | 深圳市理邦精密仪器股份有限公司 | 一种电子阴道镜图像的显示方法及装置 |
CN104173020A (zh) * | 2014-09-03 | 2014-12-03 | 深圳市理邦精密仪器股份有限公司 | 一种对阴道镜检查阶段实时进行远程控制的系统及方法 |
CN105512473A (zh) * | 2015-11-30 | 2016-04-20 | 广州三瑞医疗器械有限公司 | 一种阴道镜图像的智能识别方法及装置 |
CN107708523A (zh) * | 2015-05-19 | 2018-02-16 | 泰拓卡尔有限公司 | 用于咽喉成像的系统和方法 |
CN108388841A (zh) * | 2018-01-30 | 2018-08-10 | 浙江大学 | 基于多特征深度神经网络的宫颈活检区域识别方法及装置 |
CN108961222A (zh) * | 2018-06-19 | 2018-12-07 | 江西大福医疗科技股份有限公司 | 一种基于阴道镜图像的宫颈癌早期筛查识别方法 |
CN109543719A (zh) * | 2018-10-30 | 2019-03-29 | 浙江大学 | 基于多模态注意力模型的宫颈非典型病变诊断模型和装置 |
CN109691969A (zh) * | 2019-02-21 | 2019-04-30 | 中尚医疗仪器(深圳)有限公司 | 一种阴道镜系统和控制方法 |
CN109859159A (zh) * | 2018-11-28 | 2019-06-07 | 浙江大学 | 一种基于多模态分割网络的宫颈病变区域分割方法和装置 |
CN110123254A (zh) * | 2018-02-09 | 2019-08-16 | 深圳市理邦精密仪器股份有限公司 | 电子阴道镜图像调节方法、系统及终端设备 |
CN110786818A (zh) * | 2018-08-01 | 2020-02-14 | 深圳市理邦精密仪器股份有限公司 | 宫颈管镜和电子阴道镜集成系统和方法 |
CN112890736A (zh) * | 2019-12-03 | 2021-06-04 | 精微视达医疗科技(武汉)有限公司 | 一种内窥成像系统视场掩模的获得方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080226148A1 (en) * | 2007-03-16 | 2008-09-18 | Sti Medical Systems, Llc | Method of image quality assessment to produce standardized imaging data |
US20090034824A1 (en) * | 2007-08-03 | 2009-02-05 | Sti Medical Systems Llc | Computerized image analysis for acetic acid induced Cervical Intraepithelial Neoplasia |
WO2012123881A2 (en) * | 2011-03-16 | 2012-09-20 | Koninklijke Philips Electronics N.V. | Medical instrument for examining the cervix |
CN103096786A (zh) * | 2010-05-03 | 2013-05-08 | 国际科学技术医疗系统有限责任公司 | 宫颈瘤变检测和诊断的图像分析 |
-
2013
- 2013-05-16 CN CN201310180894.2A patent/CN103325128B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080226148A1 (en) * | 2007-03-16 | 2008-09-18 | Sti Medical Systems, Llc | Method of image quality assessment to produce standardized imaging data |
WO2008115405A2 (en) * | 2007-03-16 | 2008-09-25 | Sti Medicals Systems, Llc | A method of image quality assessment to procuce standardized imaging data |
US20090034824A1 (en) * | 2007-08-03 | 2009-02-05 | Sti Medical Systems Llc | Computerized image analysis for acetic acid induced Cervical Intraepithelial Neoplasia |
CN103096786A (zh) * | 2010-05-03 | 2013-05-08 | 国际科学技术医疗系统有限责任公司 | 宫颈瘤变检测和诊断的图像分析 |
WO2012123881A2 (en) * | 2011-03-16 | 2012-09-20 | Koninklijke Philips Electronics N.V. | Medical instrument for examining the cervix |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103750810A (zh) * | 2013-12-30 | 2014-04-30 | 深圳市理邦精密仪器股份有限公司 | 对电子阴道镜取得图像进行特征分析的方法及装置 |
CN103767658A (zh) * | 2013-12-30 | 2014-05-07 | 深圳市理邦精密仪器股份有限公司 | 电子阴道镜图像的采集方法及装置 |
CN103750810B (zh) * | 2013-12-30 | 2015-10-07 | 深圳市理邦精密仪器股份有限公司 | 对电子阴道镜取得图像进行特征分析的方法及装置 |
CN103932665A (zh) * | 2014-03-17 | 2014-07-23 | 深圳市理邦精密仪器股份有限公司 | 一种电子阴道镜图像的显示方法及装置 |
CN104173020A (zh) * | 2014-09-03 | 2014-12-03 | 深圳市理邦精密仪器股份有限公司 | 一种对阴道镜检查阶段实时进行远程控制的系统及方法 |
CN107708523A (zh) * | 2015-05-19 | 2018-02-16 | 泰拓卡尔有限公司 | 用于咽喉成像的系统和方法 |
US11141047B2 (en) | 2015-05-19 | 2021-10-12 | Tyto Care Ltd. | Systems and methods for throat imaging |
CN105512473A (zh) * | 2015-11-30 | 2016-04-20 | 广州三瑞医疗器械有限公司 | 一种阴道镜图像的智能识别方法及装置 |
CN108388841A (zh) * | 2018-01-30 | 2018-08-10 | 浙江大学 | 基于多特征深度神经网络的宫颈活检区域识别方法及装置 |
CN108388841B (zh) * | 2018-01-30 | 2021-04-16 | 浙江大学 | 基于多特征深度神经网络的宫颈活检区域识别方法及装置 |
CN110123254A (zh) * | 2018-02-09 | 2019-08-16 | 深圳市理邦精密仪器股份有限公司 | 电子阴道镜图像调节方法、系统及终端设备 |
CN108961222A (zh) * | 2018-06-19 | 2018-12-07 | 江西大福医疗科技股份有限公司 | 一种基于阴道镜图像的宫颈癌早期筛查识别方法 |
CN110786818A (zh) * | 2018-08-01 | 2020-02-14 | 深圳市理邦精密仪器股份有限公司 | 宫颈管镜和电子阴道镜集成系统和方法 |
CN109543719A (zh) * | 2018-10-30 | 2019-03-29 | 浙江大学 | 基于多模态注意力模型的宫颈非典型病变诊断模型和装置 |
CN109543719B (zh) * | 2018-10-30 | 2020-09-08 | 浙江大学 | 基于多模态注意力模型的宫颈非典型病变诊断模型和装置 |
CN109859159B (zh) * | 2018-11-28 | 2020-10-13 | 浙江大学 | 一种基于多模态分割网络的宫颈病变区域分割方法和装置 |
CN109859159A (zh) * | 2018-11-28 | 2019-06-07 | 浙江大学 | 一种基于多模态分割网络的宫颈病变区域分割方法和装置 |
CN109691969A (zh) * | 2019-02-21 | 2019-04-30 | 中尚医疗仪器(深圳)有限公司 | 一种阴道镜系统和控制方法 |
CN112890736A (zh) * | 2019-12-03 | 2021-06-04 | 精微视达医疗科技(武汉)有限公司 | 一种内窥成像系统视场掩模的获得方法及装置 |
CN112890736B (zh) * | 2019-12-03 | 2023-06-09 | 精微视达医疗科技(武汉)有限公司 | 一种内窥成像系统视场掩模的获得方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103325128B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103325128A (zh) | 一种智能识别阴道镜所采集的图像特征的方法及装置 | |
US9107569B2 (en) | Medical instrument for examining the cervix | |
Jitpakdee et al. | A survey on hemorrhage detection in diabetic retinopathy retinal images | |
WO2016091016A1 (zh) | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 | |
CN106373137A (zh) | 用于胶囊内窥镜的消化道出血图像检测方法 | |
US20140018681A1 (en) | Ultrasound imaging breast tumor detection and diagnostic system and method | |
CN108257129A (zh) | 基于多模态检测网络的宫颈活检区域辅助识别方法及装置 | |
CN106483130B (zh) | 一种水稻病害的检测方法及其自动检测装置 | |
CN109389129A (zh) | 一种图像处理方法、电子设备及存储介质 | |
JP2014138691A (ja) | 画像処理装置、電子機器、内視鏡装置、プログラム及び画像処理方法 | |
CN103886297B (zh) | 真假指纹的动态光学检测方法 | |
CN105069818A (zh) | 一种基于图像分析的皮肤毛孔识别方法 | |
CN106228157A (zh) | 基于图像识别技术的彩色图像文字段落分割与识别方法 | |
CN108198167A (zh) | 一种基于机器视觉的烧伤智能检测识别装置及方法 | |
CN112001895B (zh) | 一种甲状腺钙化检测装置 | |
CN108961334A (zh) | 一种基于图像配准的视网膜血管壁厚度测量方法 | |
CN103975364A (zh) | 针对宫颈的光学检查的图像选择 | |
CN108416767A (zh) | 基于全息成像的红细胞多项生理参数检测方法 | |
CN113657339A (zh) | 一种基于机器视觉的仪表指针计数读取方法及介质 | |
EP3089650B1 (en) | Method and apparatus for colposcopic image analysis with improved reliability | |
CN103750810A (zh) | 对电子阴道镜取得图像进行特征分析的方法及装置 | |
CN110543802A (zh) | 眼底图像中左右眼识别方法与装置 | |
Gao et al. | Evaluation of GAN architectures for visualisation of HPV viruses from microscopic images | |
TWI324750B (en) | Microscopic image analysis method and system of microfluidic cells | |
CN113012184A (zh) | 基于Radon变换与多类型图像联合分析的微血管瘤检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |