CN107220975B - 宫颈图像智能辅助判断系统及其处理方法 - Google Patents

宫颈图像智能辅助判断系统及其处理方法 Download PDF

Info

Publication number
CN107220975B
CN107220975B CN201710642446.8A CN201710642446A CN107220975B CN 107220975 B CN107220975 B CN 107220975B CN 201710642446 A CN201710642446 A CN 201710642446A CN 107220975 B CN107220975 B CN 107220975B
Authority
CN
China
Prior art keywords
uterine neck
image
detected
primary dcreening
dcreening operation
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.)
Active
Application number
CN201710642446.8A
Other languages
English (en)
Other versions
CN107220975A (zh
Inventor
丁帅
王泽源
杨善林
赵卫东
马杰
傅强
张�林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI DVL ELECTRON CO Ltd
Hefei University of Technology
Original Assignee
HEFEI DVL ELECTRON CO Ltd
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HEFEI DVL ELECTRON CO Ltd, Hefei University of Technology filed Critical HEFEI DVL ELECTRON CO Ltd
Priority to CN201710642446.8A priority Critical patent/CN107220975B/zh
Publication of CN107220975A publication Critical patent/CN107220975A/zh
Application granted granted Critical
Publication of CN107220975B publication Critical patent/CN107220975B/zh
Priority to US15/975,725 priority patent/US10127665B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00006—Operational features of endoscopes characterised by electronic signal processing of control signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/303—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the vagina, i.e. vaginoscopes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • A61B5/4318—Evaluation of the lower reproductive system
    • A61B5/4331—Evaluation of the lower reproductive system of the cervix
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
    • A61B1/045—Control thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/06—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor with illuminating arrangements
    • A61B1/0661—Endoscope light sources
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Optics & Photonics (AREA)
  • Databases & Information Systems (AREA)
  • Gynecology & Obstetrics (AREA)
  • Signal Processing (AREA)
  • Reproductive Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及医疗器械技术领域，公开了一种宫颈图像智能辅助判断系统及其处理方法。其中，本发明的一种宫颈图像智能辅助判断系统，包括：阴道镜检测装置和辅助判断装置。本发明通过将阴道镜检测装置与辅助判断装置结合在一起，利用阴道镜检测装置获取待检测宫颈图像，配合辅助判断装置将待检测宫颈图像和其特征数据进行对比分析，不仅可判断当前待检测宫颈是否是正常宫颈，而且还可以利用待检测宫颈图像的特征数据得到当前待检测宫颈有可能是属于什么病变类型及病变的特征参数，以协助医生做出正确的诊断和判断，从而达到提高医生诊断水平，降低误诊和漏诊的概率。

Description

宫颈图像智能辅助判断系统及其处理方法
技术领域
本发明涉及医疗器械技术领域，更具体地，涉及一种宫颈图像智能辅助判断系统及其处理方法。
背景技术
宫颈癌是目前人类所有癌症病变中唯一病因明确的癌症，也是唯一可以有望通过人为预防减少或消灭的癌症。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。阴道镜检查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。因为阴道镜可以看到宫颈上皮变化的位置和范围，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。但是，目前懂得阴道镜检查和诊断的妇科医生不足，同时在宫颈癌检查中，缺失规范的诊断标准，因而，无法保证基层医务人员正确的检查操作，错误的图像分析会导致错误的异常部位活检，因而会误诊、漏诊或过度活检。另外，由于没有量化标准，没有统一的评估标准，即便汇集专家对所检查和采集的图像进行评估，对于同一患者的图像，可能不同的专家都会有不同的评估结果(受到主观因素的影响)，从而影响评估的准确性和一致性。
基于上述的技术问题，在中国专利申请CN201510870263.2中提供了一种阴道镜图像的智能识别方法，通过仅选取疑似病变区域的图像进行特征提取，提高其甄别速度，并借助计算机辅助诊断技术和标准阴道镜图库同屏对比，在一定程度上提高不同医生对同副图像的诊断相符性。虽然，上述发明在一定程度上解决了现有宫颈癌诊断过程中所存在的问题，但是，由于其仅仅是采用病变区域对比，故导致其判断会产生一定误差，且其仅是针对宫颈癌病患的诊断，而对于普通宫颈体检无法不适用。
发明内容
本发明提供一种使用范围广、使用方便且判断更加精准的宫颈图像智能辅助判断系统及其处理方法，以解决现有宫颈诊断装置的诊断不准确和使用范围不广的问题。
根据本发明的一个方面，提供一种宫颈图像智能辅助判断系统，包括：阴道镜检测装置，用于获取宫颈图像，并采集所述宫颈图像的特征数据；
辅助判断装置，与所述阴道镜检测装置通讯相连，且其包括处理单元、存储模块和对比分析模块，所述存储模块和对比分析模块分别与所述处理单元电性相连，
所述存储模块内设有初筛模型和多个特征模型，所述初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，所述初筛病例模型由处于病态的宫颈图像所构成，所述初筛正常模型由处于正常状态的宫颈图像所构成，所述特征模型与所述初筛病例模型对应。
所述特征模型由多个不同病态的特征子模型所构成，且所述特征子模型内包括所述特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
在上述方案基础上优选，所述对比分析模块包括像素分析模块和数据分析模块，所述像素分析模块，用于将所述待检测宫颈图像与所述存储模块内的初筛模型进行像素分析对比，以获取与所述待检测宫颈图像对应的所述初筛病例模型；
所述数据分析模块，用于将所述待检测宫颈图像与所述特征模型进行对比分析，以找到与所述待检测宫颈图像数据相近似的特征子模型。
在上述方案基础上优选，所述辅助判断装置还包括显示单元，所述显示单元与所述处理单元电性相连。
在上述方案基础上优选，所述宫颈图像包括六种状态图，所述六种状态图由宫颈处于白光状态下的白光状态图、宫颈处于绿光状态下的绿光状态图、宫颈处于醋酸60秒下的醋酸状态图、宫颈处于醋酸90秒下的醋酸次状态图、宫颈处于醋酸120秒状态下的醋酸二次状态图和宫颈处于碘染状态下的碘染状态图所组成。
在上述方案基础上优选，每一个所述初筛病例模型和每一个所述初筛正常模型均由6种不同状态的宫颈图像所构成，且所述特征子模型内病变区域的特征图像包括6种不同状态图像。
在上述方案基础上优选，所述阴道镜检测装置包括主镜体、控制器、成像探头、照明光源和成像相机，所述照明光源、控制器和成像相机装设在所述主镜体上，所述照明光源、成像探头、照明光源与所述控制器电性相连。
本发明还提供了一种如上所述的宫颈图像智能辅助判断系统的处理方法，包括以下步骤：
步骤A1.基于待检测宫颈图像和所述待检测宫颈图像的特征数据，将所述待检测宫颈图像与初筛模型进行分析，以确定与所述待检测宫颈图像近似的特征模型；
步骤A2.将所述待检测宫颈图像的图像特征数据与特征子模型进行对比，以获取与所述待检测宫颈图像对应的所述特征子模型；
其中，所述初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，所述初筛病例模型由处于病态的宫颈图像所构成，所述初筛正常模型由处于正常状态的宫颈图像所构成，所述特征模型与所述初筛病例模型对应；所述特征模型由多个不同病态的特征子模型所构成，且所述特征子模型内包括所述特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
在上述方案基础上优选，所述步骤A1中所述待检测宫颈图像是通过阴道镜检测装置以获取。
在上述方案基础上优选，所述步骤A2详细包括以下步骤：
步骤A21.将所述待检测宫颈图像与所述初筛模型进行分析，以确定与所述待检测宫颈图像近似的初筛病例模型；
步骤A22.基于所述初筛病例模型与所述特征模型对应关系，获取与所述待检测宫颈图像对应的特征模型。
本发明提供了一种宫颈图像智能辅助判断系统，通过将阴道镜检测装置与辅助判断装置结合在一起，利用阴道镜检测装置获取待检测宫颈图像及其特征数据，配合辅助判断装置将待检测宫颈图像和其特征数据进行对比分析，不仅可判断当前待检测宫颈是否是正常宫颈，而且还可以利用待检测宫颈图像的特征数据得到当前待检测宫颈有可能是属于什么病变类型及病变的特征参数，以协助医生做出正确的诊断和判断，从而达到提高医生诊断水平，降低误诊和漏诊的概率。
附图说明
图1为本发明的一种宫颈图像智能辅助判断系统的结构框图；
图2为本发明的存储单元内的初筛模型和特征模型的结构框图；
图3为本发明的一种宫颈图像智能辅助判断系统的处理方法流程图；
图4为本发明的宫颈处于白光状态下的白光状态图；
图5为根据本发明的宫颈处于绿光状态下的绿光状态图；
图6为根据本发明的宫颈处于醋酸60秒下的醋酸状态图；
图7为根据本发明的宫颈处于醋酸90秒下的醋酸次状态图；
图8为根据本发明的宫颈处于醋酸120秒下的醋酸次状态图；
图9为根据本发明的宫颈处于碘染状态下的碘染状态图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
请参阅图1和图2所示，本发明提供了一种宫颈图像智能辅助判断系统，包括：
阴道镜检测装置，用于获取宫颈图像，并采集宫颈图像的特征数据；
辅助判断装置，与阴道镜检测装置通讯相连，用以获取阴道镜检测装置所采集的待检测宫颈图像和宫颈图像的特征数据。
其中，本发明的辅助判断装置包括处理单元、存储模块和对比分析模块，存储模块和对比分析模块分别与处理单元电性相连。
本发明的存储模块内设有初筛模型和多个特征模型，初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，初筛病例模型由处于病态的宫颈图像所构成，初筛正常模型由处于正常状态的宫颈图像所构成，特征模型与初筛病例模型对应。
而本发明的特征模型由多个不同病态的特征子模型所构成，且特征子模型内包括与特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
使用时，通过阴道镜检测装置，以获取待检测宫颈图像和该宫颈图像的特征数据，然后，将其发送至辅助判断装置。
辅助判断装置，通过处理单元读取存储模块内的初筛模型数据，并控制对比分析模块将待检测宫颈图像与初筛模型进行图像像素分析，以判断待检测宫颈的图像属于初筛正常模型还是初筛病例模型，当待检测宫颈属于初筛正常模型时，则通过处理模块反应当前待检测宫颈为正常状态，从而以实现其初筛的目的。
当通过对比分析模块进行图像分析时，得到当前待检测宫颈与初筛模型中的其中某一个初筛病例模型对应时，则反应该待检测宫颈为病态宫颈，此时，为了进一步确定其该宫颈的具体信息，本发明的对比分析模块还将其与对应的特征模型进行对比分析，从而以获取与该待检测宫颈近似的特征子模型，以确定该宫颈的病态信息，辅助医生判断。
在本发明的另一实施例中，本发明的对比分析模块包括像素分析模块和数据分析模块，其中，像素分析模块，用于将获取待检测宫颈图像与存储模块内的初筛模型进行像素分析对比，以获取与待检测宫颈图像对应的初筛病例模型。
数据分析模块，用于将待检测宫颈图像与特征模型进行对比分析，以找到与待检测宫颈图像数据相近似的特征子模型。
进一步的，本发明的辅助判断装置还包括显示单元，显示单元与处理单元电性相连，当对比分析模块获取到当前待检测宫颈的检测结果信息时，将其通过处理单元发送至显示单元，予以显示，从而使医生能够直观了解当前宫颈检测结果，以辅助判断。
为了确保本发明的辅助判断装置的准确性，本发明的宫颈图像包括六种状态图，如图4、图5、图6、图7、图8和图9所示。其中，六种状态图由宫颈处于白光状态下的白光状态图、宫颈处于绿光状态下的绿光状态图、宫颈处于醋酸60秒下的醋酸状态图、宫颈处于醋酸90秒下的醋酸次状态图、宫颈处于醋酸120秒状态下的醋酸二次状态图和宫颈处于碘染状态下的碘染状态图所组成。
进一步的，本发明的每一个初筛病例模型和每一个初筛正常模型均由6种不同状态的宫颈图像所构成，且特征子模型内病变区域的特征图像包括6种不同状态图像的特征图像。
其中，初筛正常模型的6种不同状态的宫颈图像分别为正常宫颈处于白光状态下的白光状态图、正常宫颈处于绿光状态下的绿光状态图、正常宫颈处于醋酸60秒下的醋酸状态图、正常宫颈处于醋酸90秒下的醋酸次状态图、正常宫颈处于醋酸120秒状态下的醋酸二次状态图和正常宫颈处于碘染状态下的碘染状态图。
本发明的初筛病例模型的6种不同状态的宫颈图像分别为病态宫颈处于白光状态下的白光状态图、病态宫颈处于绿光状态下的绿光状态图、病态宫颈处于醋酸60秒下的醋酸状态图、病态宫颈处于醋酸90秒下的醋酸次状态图、病态宫颈处于醋酸120秒状态下的醋酸二次状态图和病态宫颈处于碘染状态下的碘染状态图。
使用时，利用通过阴道镜检测装置获取6中不同状态的待检测宫颈图像，然后分别与初筛模型和特征模型对比，利用初筛模型和特征模型中的6种不同状态的宫颈图像，对每一个图像分别一一对应对比，对比时，当6种图片都近似时才予以判断两者近似，从而以提高其判断准确性。
为了进一步说明本发明的技术方案，请继续参阅图1所示，本发明的阴道镜检测装置包括主镜体、控制器、成像探头、照明光源和成像相机，照明光源、控制器和成像相机装设在主镜体上，照明光源、成像探头、照明光源与控制器电性相连。在进行宫颈图像和数据采集时，利用照明光源发出白光和绿光照射在宫颈上经过成像探头以获取成像数据，发送至控制器，通过控制器发送至辅助判断装置。
请继续参阅图3所示，发明还提供了一种如述的宫颈图像智能辅助判断系统的处理方法，包括以下步骤：
步骤A1.基于待检测宫颈图像和待检测宫颈图像的特征数据，将待检测宫颈图像与初筛模型进行查找对比分析，以确定与待检测宫颈图像相近似的的特征模型；
步骤A2.将待检测宫颈图像的图像特征数据与特征子模型进行对比，以获取与待检测宫颈图像对应的特征子模型；
其中，初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，初筛病例模型由处于病态的宫颈图像所构成，初筛正常模型由处于正常状态的宫颈图像所构成，特征模型与初筛病例模型对应；特征模型由多个不同病态的特征子模型所构成，且特征子模型内包括特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
在本发明的另一实施例中，本发明的步骤A2详细包括以下步骤：
步骤A21.将待检测宫颈图像与初筛模型进行查找对比分析，以确定与待检测宫颈图像相近似的初筛病例模型；
步骤A22.基于初筛病例模型与特征模型对应关系，获取与待检测宫颈图像对应的特征模型。
使用时，通过阴道镜检测装置，以获取待检测宫颈图像和该宫颈图像的特征数据，然后，将其发送至辅助判断装置。
辅助判断装置，通过处理单元读取存储模块内的初筛模型数据，并控制对比分析模块将待检测宫颈图像与初筛模型进行图像像素对比分析，以判断待检测宫颈的图像属于初筛正常模型还是初筛病例模型，当待检测宫颈属于初筛正常模型时，则通过处理模块反应当前待检测宫颈为正常状态，从而以实现其初筛的目的。
当通过对比分析模块进行图像分析以获取当前待检测宫颈与初筛模型中的其中某一个初筛病例模型对应时，则反应该待检测宫颈为病态宫颈，此时，为了进一步确定其该宫颈的具体信息，本发明的对比分析模块还将其与对应的特征模型进行对比分析，从而以获取对该检测宫颈近似的特征子模型，以确定该宫颈的病态信息，辅助医生判断。
本发明提供了一种宫颈图像智能辅助判断系统，通过将阴道镜检测装置与辅助判断装置结合在一起，利用阴道镜检测装置获取待检测宫颈图像及其特征数据，配合辅助判断装置将待检测宫颈图像和其特征数据进行对比分析，不仅可判断当前待检测宫颈是否是正常宫颈，而且还可以利用待检测宫颈图像的特征数据得到当前待检测宫颈有可能是属于什么病变类型及病变的特征参数，以协助医生做出正确的诊断和判断，从而达到提高医生诊断水平，降低误诊和漏诊的概率。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种宫颈图像智能辅助判断系统，其特征在于，包括：
阴道镜检测装置，用于获取待检测宫颈图像，并采集所述待检测宫颈图像的特征数据；
辅助判断装置，与所述阴道镜检测装置通讯相连，且所述辅助判断装置包括处理单元、存储模块和对比分析模块，所述存储模块和对比分析模块分别与所述处理单元电性相连，
所述存储模块内设有初筛模型和多个特征模型，所述初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，所述初筛病例模型由处于病态的宫颈图像所构成，所述初筛正常模型由处于正常状态的宫颈图像所构成，所述特征模型与所述初筛病例模型对应；所述特征模型由多个不同病态的特征子模型所构成，且所述特征子模型内包括所述特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
2.如权利要求1所述的一种宫颈图像智能辅助判断系统，其特征在于，
所述对比分析模块包括像素分析模块和数据分析模块，所述像素分析模块，用于将所述待检测宫颈图像与所述存储模块内的初筛模型进行像素分析对比，以获取与所述待检测宫颈图像对应的所述初筛病例模型；
所述数据分析模块，用于将所述待检测宫颈图像与所述特征模型进行对比分析，以找到与所述待检测宫颈图像数据相近似的特征子模型。
3.如权利要求1或2所述的一种宫颈图像智能辅助判断系统，其特征在于，所述辅助判断装置还包括显示单元，所述显示单元与所述处理单元电性相连。
4.如权利要求1所述的一种宫颈图像智能辅助判断系统，其特征在于，所述宫颈图像包括六种状态图，所述六种状态图由宫颈处于白光状态下的白光状态图、宫颈处于绿光状态下的绿光状态图、宫颈处于醋酸60秒下的醋酸状态图、宫颈处于醋酸90秒下的醋酸次状态图、宫颈处于醋酸120秒状态下的醋酸二次状态图和宫颈处于碘染状态下的碘染状态图所组成。
5.如权利要求4所述的一种宫颈图像智能辅助判断系统，其特征在于，每一个所述初筛病例模型和每一个所述初筛正常模型均由6种不同状态的宫颈图像所构成，且所述特征子模型内病变区域的特征图像包括6种不同状态图像。
6.如权利要求1所述的一种宫颈图像智能辅助判断系统，其特征在于，所述阴道镜检测装置包括主镜体、控制器、成像探头、照明光源和成像相机，所述照明光源、控制器和成像相机装设在所述主镜体上，所述照明光源、成像探头、照明光源与所述控制器电性相连。
7.一种宫颈图像智能辅助判断系统的处理方法，其特征在于，包括以下步骤：
步骤A1.基于待检测宫颈图像和所述待检测宫颈图像的特征数据，将所待检测宫颈图像与初筛模型进行分析，以确定与所述待检测宫颈图像近似的特征模型；
步骤A2.将所述待检测宫颈图像的图像特征数据与特征子模型进行对比，以获取与所述待检测宫颈图像对应的所述特征子模型；
其中，所述初筛模型内设有多个不同的初筛病例模型和多个不同的初筛正常模型，所述初筛病例模型由处于病态的宫颈图像所构成，所述初筛正常模型由处于正常状态的宫颈图像所构成，所述特征模型与所述初筛病例模型对应；所述特征模型由多个不同病态的特征子模型所构成，且所述特征子模型内包括所述特征子模型对应的病变类型名称、病变区域的特征参数和病变区域的特征图像。
8.如权利要求7所述的宫颈图像智能辅助判断系统的处理方法，其特征在于，所述步骤A1中所述待检测宫颈图像是通过阴道镜检测装置以获取。
9.如权利要求7所述的宫颈图像智能辅助判断系统的处理方法，其特征在于，所述步骤A2详细包括以下步骤：
步骤A21.基于辅助判断装置，通过比较分析模块将所待检测宫颈图像与所述初筛模型进行分析，以确定与所述待检测宫颈图像相近似的初筛病例模型；
步骤A22.基于初筛病例模型与所述特征模型对应关系，获取与所述待检测宫颈图像对应的特征模型。
CN201710642446.8A 2017-07-31 2017-07-31 宫颈图像智能辅助判断系统及其处理方法 Active CN107220975B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710642446.8A CN107220975B (zh) 2017-07-31 2017-07-31 宫颈图像智能辅助判断系统及其处理方法
US15/975,725 US10127665B1 (en) 2017-07-31 2018-05-09 Intelligent assistant judgment system for images of cervix uteri and processing method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710642446.8A CN107220975B (zh) 2017-07-31 2017-07-31 宫颈图像智能辅助判断系统及其处理方法

Publications (2)

Publication Number Publication Date
CN107220975A CN107220975A (zh) 2017-09-29
CN107220975B true CN107220975B (zh) 2018-03-09

Family

ID=59954187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710642446.8A Active CN107220975B (zh) 2017-07-31 2017-07-31 宫颈图像智能辅助判断系统及其处理方法

Country Status (2)

Country Link
US (1) US10127665B1 (zh)
CN (1) CN107220975B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110352461A (zh) * 2017-11-16 2019-10-18 韩国宝之铂株式会社 用于确定受试者中是否发生宫颈癌的方法和设备
JP6956853B2 (ja) * 2018-03-30 2021-11-02 オリンパス株式会社 診断支援装置、診断支援プログラム、及び、診断支援方法
CN109222859A (zh) * 2018-08-03 2019-01-18 广州高通影像技术有限公司 一种带有ai辅助诊断功能的智能内窥镜影像系统
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
KR102316557B1 (ko) * 2019-06-04 2021-10-25 주식회사 아이도트 자궁경부암 자동 진단 시스템
CN110826576B (zh) * 2019-10-10 2022-10-04 浙江大学 一种基于多模态特征级融合的宫颈病变预测系统
CN110897593A (zh) * 2019-10-24 2020-03-24 南京航空航天大学 一种基于光谱特征参数的宫颈癌前病变诊断方法
TWI750572B (zh) * 2020-01-30 2021-12-21 虹光精密工業股份有限公司 運用機器學習進行文件分類的文件處理系統及方法
CN111387915A (zh) * 2020-03-30 2020-07-10 北京万孛力医疗器械有限公司 一种基于大数据云平台的智能诊断装置
CN111899229A (zh) * 2020-07-14 2020-11-06 武汉楚精灵医疗科技有限公司 一种基于深度学习多模型融合技术的胃早癌辅助诊断方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105520712A (zh) * 2015-11-30 2016-04-27 广州三瑞医疗器械有限公司 一种阴道镜图像智能采集评估方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3089650B1 (en) * 2013-12-30 2021-10-27 Koninklijke Philips N.V. Method and apparatus for colposcopic image analysis with improved reliability

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105520712A (zh) * 2015-11-30 2016-04-27 广州三瑞医疗器械有限公司 一种阴道镜图像智能采集评估方法及装置

Also Published As

Publication number Publication date
US10127665B1 (en) 2018-11-13
CN107220975A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
CN107220975B (zh) 宫颈图像智能辅助判断系统及其处理方法
US8503747B2 (en) Image analysis for cervical neoplasia detection and diagnosis
US9107569B2 (en) Medical instrument for examining the cervix
JP4437202B2 (ja) 色素沈着部位の遠隔診療システム
CN102138827B (zh) 图像显示装置
EP2305091A1 (en) Image processing apparatus, image processing program, and image processing method
US20160228008A1 (en) Image diagnosis device for photographing breast by using matching of tactile image and near-infrared image and method for aquiring breast tissue image
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
WO2020215810A1 (zh) 一种基于图像识别的结肠镜手术中窄带成像检测方法
WO2020215807A1 (zh) 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法
CN103975364A (zh) 针对宫颈的光学检查的图像选择
CN109907720A (zh) 电子内镜辅助检查方法及电子内镜控制系统
CN113080862A (zh) 一种基于舌象偏振光成像技术的中医诊断系统及方法
CN105512473A (zh) 一种阴道镜图像的智能识别方法及装置
CN101564323A (zh) 基于乳腺x线摄片的乳腺病灶辅助诊断设备
CN105520712B (zh) 一种阴道镜图像智能采集评估方法及装置
CN104809331A (zh) 一种计算机辅助诊断技术(cad)检测放射图像发现病灶的方法和系统
CN112200794A (zh) 一种基于卷积神经网络的多模型糖网病变自动筛查方法
CN103750810A (zh) 对电子阴道镜取得图像进行特征分析的方法及装置
CN112545479A (zh) 在mpMRI上分割前列腺和精囊分带解剖的系统及方法
CN110251074A (zh) 多功能医用检测系统
WO2013150419A1 (en) Quality-check during medical imaging procedure
WO2022120212A1 (en) Apparatus and method for detecting cervical cancer
CN115035086A (zh) 一种基于深度学习的结核皮试智能筛查分析方法和装置
Figueiredo et al. An automatic blood detection algorithm for wireless capsule endoscopy images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant