CN108968892B - 一种肠镜下盲区监测的系统及方法 - Google Patents
一种肠镜下盲区监测的系统及方法 Download PDFInfo
- Publication number
- CN108968892B CN108968892B CN201810834804.XA CN201810834804A CN108968892B CN 108968892 B CN108968892 B CN 108968892B CN 201810834804 A CN201810834804 A CN 201810834804A CN 108968892 B CN108968892 B CN 108968892B
- Authority
- CN
- China
- Prior art keywords
- image
- enteroscope
- mirror
- sliding
- client
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 2
- 230000000968 intestinal effect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000005016 Intestinal Neoplasms Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 210000004347 intestinal mucosa Anatomy 0.000 description 1
- 206010022694 intestinal perforation Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008855 peristalsis Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000002627 tracheal intubation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- A61B1/00011—Operational features of endoscopes characterised by signal transmission
-
- 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
- A61B1/0002—Operational features of endoscopes provided with data storages
-
- 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
- A61B1/00043—Operational features of endoscopes provided with output arrangements
-
- 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
- A61B1/31—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 rectum, e.g. proctoscopes, sigmoidoscopes, colonoscopes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Endoscopes (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种肠镜下盲区监测的系统及方法,主动提示医师滑镜的发生,并监督医师回镜到位,使肠镜检查覆盖肠腔内全部部位。主要包括如下步骤:首先肠镜设备进行图像采集,并将所采集的肠镜图像发送至客户端和服务端,服务端接收肠镜图像作为参数,调用卷积神经网络模型识别滑镜图像,调用感知哈希算法判断是否回镜成功,并在客户端进行显示,为操作者提供更为可靠的参考依据,提高检测的全面性和有效性,简单易用,避免因为一次检查不到位而让患者二次痛苦。
Description
技术领域
本发明属于医疗检测辅助领域,具体涉及一种肠镜下盲区监测的系统及方法。
背景技术
为提高早期肠癌发现率,大面积的普查是必要的,而目前主要的手段是肠镜检查。肠镜检查要做到无遗漏的发现肠粘膜中所有的病灶,对操作医生的熟练度和判断准确度都提出了很高的要求。而对于患者,肠镜检查也绝不轻松,除了检查前至少需要禁食6小时,插管带来的痛苦也让很多患者望而生畏。
在肠镜检查过程中,由于退镜速度过快、肠道蠕动快或肠腔角度大等因素,镜子可能在退镜过程中向外滑出,即出现滑镜。滑镜可能导致肠腔观察不全,同时还可能造成肠壁损伤,引起肠穿孔。一般情况下,出现滑镜较难避免,若漏掉检查部位或者未能发现可疑区域,会将患者的生命置于危险的境地。
发明内容
本发明要解决的技术问题是:提供一种肠镜下盲区监测的系统及方法,主动提示医师滑镜的发生,并监督医师回镜到位,使肠镜检查覆盖肠腔内全部部位。
本发明为解决上述技术问题所采取的技术方案为:一种肠镜下盲区监测的系统,它包括:
至少一个客户端,用于监听并通过网络上传当前肠镜设备采集的肠镜图像,接收和显示反馈的分析结果,所述客户端包括通信模块和图像演示模块;其中,
通信模块用于发送请求到服务端,及从服务端获取分析结果;
图像演示模块用于根据获取的分析结果,进行实时提示。
服务端,采用REST架构,根据从客户端采集的肠镜图像,即时判断肠镜图像的类型及回镜结果,将分析结果反馈给客户端;
所述的服务端包括样本数据库、卷积神经网络模型、感知哈希算法模块和web服务模块;其中,
样本数据库用于存储典型肠镜图像的样本,包括合格图片库、滑镜图片库,合格图片库中存储的是拍摄清楚的正常肠镜图像,滑镜图片库中储存的是滑镜发生时模糊的肠镜图像;
卷积神经网络模型为根据合格图片库和滑镜图片库训练好的模型,用于判断肠镜检查中是否发生滑镜;
感知哈希算法模块用于遇到滑镜、重新回镜寻找滑镜前的位置时,检测图片之间的相似性,并分析回镜后的画面是否与滑镜前有重叠,从而判断镜头是否到达滑镜前的位置,并将结果反馈给客户端;
Web服务模块用于接收客户端的请求,将接收到的肠镜图像作为参数调用卷积神经网络模型判断是否滑镜,针对滑镜的情况,则通过感知哈希算法模块进行回镜是否成功的分析,得到分析结果反馈给客户端。
进一步的,所述卷积神经网络模型的训练过程为,首先获取大量肠镜图片,并由内镜医师将肠镜图片分为“正常肠镜图片”和“滑镜图片”两类,将标注好的图片输入机器进行深度学习,并检验机器预测滑镜的能力;若机器预测滑镜的能力未达到预期,则增大样本量继续训练;若达到预期,则停止训练。
进一步的,所述感知哈希算法模块判断镜头是否到达滑镜前的位置的具体步骤为,⑴缩小图片;⑵转化为灰度图;⑶计算相邻像素的差异值;⑷获得图片的“指纹”;⑸比较滑镜图片与回镜后图片的指纹,判断滑镜图片与回镜后图片的重叠率,当重叠率大于某一阈值时,则判断镜头已到达滑镜前的位置;该阈值按照实际效果确定,一般大于等于85%。
此外,本发明还提供一种肠镜下盲区监测的方法,包括以下步骤:
S1、当肠镜设备进行图像采集,客户端被触发获取所采集的肠镜图像,并上传至服务端;
S2、服务端接收肠镜图像作为参数,调用卷积神经网络模型进行识别:
首先判断肠镜图像是否为滑镜图像,若是,则输出“出现滑镜,请回镜”至客户端;
若肠镜图像为合格图像,直接将显示结果发送到客户端;
S3、客户端接收并显示分析结果,操作人员根据客户端显示的分析结果进行下一步操作:
当显示“出现滑镜,请回镜”时,操作人员回镜采集肠镜图像,系统将回镜后的肠镜图像发送到服务端;
当肠镜图像为合格图像时,继续采集下一处的肠镜图像;
S4、服务端接收回镜后的肠镜图像,利用感知哈希算法模块,判断回镜后的图片是否与滑镜前有重叠,分析镜头是否到达滑镜前的位置,若否,则输出“尚未达到原位置,请继续回镜”,若是,则输出“已成功回镜”;
S5、客户端接收并显示分析结果,操作人员根据客户端显示的分析结果进行下一步操作:
当显示“尚未达到原位置,请继续回镜”时,操作人员再回镜采集肠镜图像,并将回镜后的肠镜图像发送到服务端;
当显示“已成功回镜”时,继续采集下一处的肠镜图像。
进一步的,所述感知哈希算法模块判断镜头是否到达滑镜前的位置的具体步骤为,⑴缩小图片;⑵转化为灰度图;⑶计算相邻像素的差异值;⑷获得图片的“指纹”;⑸比较滑镜图片与回镜后图片的指纹,判断滑镜图片与回镜后图片的重叠率,当重叠率大于某一阈值时,则判断镜头已到达滑镜前的位置;该阈值大于等于85%。
本发明的有益效果为:通过本发明对采集的图像进行识别,卷积神经网络模型识别滑镜图像,感知哈希算法判断是否回镜成功,并在客户端进行显示,为操作者提供更为可靠的参考依据,提高检测的全面性和有效性,简单易用,避免因为一次检查不到位而让患者二次痛苦。
附图说明
图1为本发明实施例的系统结构框图。
图2为卷积神经网络模型训练图。
图3为系统训练逻辑结构图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
本发明提供一种肠镜下盲区监测的系统,如图1所示,它包括:
至少一个客户端,用于监听并通过网络上传当前肠镜设备采集的肠镜图像,接收和显示反馈的分析结果。每个客户端均包括通信模块和图像演示模块;其中,通信模块用于发送请求到服务端,及从服务端获取分析结果,具体实现为http通信方式;图像演示模块用于根据获取的分析结果,进行实时提示。
服务端,用于采用REST架构,根据从客户端采集的肠镜图像,即时判断肠镜图像的类型及回镜结果,将分析结果反馈给客户端。所述的服务端包括样本数据库、卷积神经网络模型、感知哈希算法模块和web服务模块。
卷积神经网络模型为根据合格图片库、滑镜图片库训练好的模型,分别用于肠镜是否滑镜的识别。模型为Resnet50,采用Python语言开发,封装成RESTful API(REST风格的网络接口)后被其他模块调用。卷积神经网络模型的训练过程如图2所示,首先由内镜医师将肠镜图片分为“正常肠镜图片”“滑镜图片”两类,将标注好的图片输入机器进行深度学习,并检验机器预测滑镜的能力。若机器预测滑镜的能力未达到预期,则增大样本量继续训练;若达到预期,则停止训练。卷积神经网络模型用于图像识别领域为常规技术手段,具体细节在此不再详述。
感知哈希算法模块用于遇到滑镜、重新回镜寻找滑镜前的位置时,检测图片之间的相似性。哈希算法对每张图片生成一个“指纹”(fingerprint)字符串,然后比较不同图片的指纹。结果越接近,就说明图片越相似。判断回镜后的图片是否与滑镜前有重叠,分析镜头是否到达滑镜前的位置,若否,则输出“尚未达到原位置,请继续回镜”,并继续分析计算新出现的图片,直至回镜成功(图3)。在此,需要强调的是,本实施例中所提及的“滑镜”和“是否成功回镜”并非强制性的结论,只是作为辅助判断,帮助医生更好的完成肠镜检查。
Web服务模块用于接收客户端的请求,将接收到的肠镜图像作为参数调用卷积神经网络模型和感知哈希算法模块,依次进行肠镜是否滑镜、回镜是否成功的分析,将结果反馈给客户端。
本发明实施例还提供一种肠镜下盲区监测的方法,包括以下步骤:
S1、当肠镜设备进行图像采集,客户端被触发获取所采集的肠镜图像,并上传至服务端;
S2、服务端接收肠镜图像作为参数,调用卷积神经网络模型进行识别:
首先判断肠镜图像是否为滑镜图像,若是,则输出“出现滑镜,请回镜”至客户端;
若肠镜图像为合格图像,直接将显示结果发送到客户端;
S3、客户端接收并显示分析结果,操作人员根据客户端显示的分析结果进行下一步操作:
当显示“出现滑镜,请回镜”时,操作人员回镜采集肠镜图像,系统将回镜后的肠镜图像发送到服务端;
当肠镜图像为合格图像时,继续采集下一处的肠镜图像;
S4、服务端接收回镜后的肠镜图像,利用感知哈希算法模块,判断回镜后的图片是否与滑镜前有重叠,分析镜头是否到达滑镜前的位置,若否,则输出“尚未达到原位置,请继续回镜”,若是,则输出“已成功回镜”;
S5、客户端接收并显示分析结果,操作人员根据客户端显示的分析结果进行下一步操作:
当显示“尚未达到原位置,请继续回镜”时,操作人员再回镜采集肠镜图像,并将回镜后的肠镜图像发送到服务端;
当显示“已成功回镜”时,继续采集下一处的肠镜图像。
其中,所述感知哈希算法模块判断镜头是否到达滑镜前的位置的具体步骤为,⑴缩小图片;⑵转化为灰度图;⑶计算相邻像素的差异值;⑷获得图片的“指纹”;⑸比较滑镜图片与回镜后图片的指纹,判断滑镜图片与回镜后图片的重叠率,当重叠率大于某一阈值时,则判断镜头已到达滑镜前的位置;该阈值按照实际效果确定,一般大于等于85%。
本发明具有如下优点:解决肠镜检查容易出现图像盲区的问题,通过卷积神经网络模型对于采集的肠镜图像进行是否出现滑镜的识别,通过感知哈希算法模块进行回镜是否成功的判断,在图像显示系统上进行实时提示,为医师提供准确可靠的参考,提高检测的全面性和有效性,简单易用,具有显著的社会及经济价值。一个服务器能够对应若干个客户端,每个客户端对应一台肠镜设备。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (3)
1.一种肠镜下盲区监测的系统,其特征在于,包括:
至少一个客户端,用于监听并通过网络上传当前肠镜设备采集的肠镜图像,接收和显示反馈的分析结果,所述客户端包括通信模块和图像演示模块;其中,
通信模块用于发送请求到服务端,及从服务端获取分析结果;
图像演示模块用于根据获取的分析结果,进行实时提示;
服务端,采用REST架构,根据从客户端采集的肠镜图像,即时判断肠镜图像的类型及回镜结果,将分析结果反馈给客户端;
所述的服务端包括样本数据库、卷积神经网络模型、感知哈希算法模块和web服务模块;其中,
样本数据库用于存储典型肠镜图像的样本,包括合格图像库、滑镜图像库,合格图像库中存储的是拍摄清楚的正常肠镜图像,滑镜图像库中储存的是滑镜发生时模糊的肠镜图像;
卷积神经网络模型为根据合格图像库和滑镜图像库训练好的模型,用于判断肠镜检查中是否发生滑镜;
感知哈希算法模块用于遇到滑镜、重新回镜寻找滑镜前的位置时,检测图像之间的相似性,并分析回镜后的画面是否与滑镜前有重叠,从而判断镜头是否到达滑镜前的位置,并将结果反馈给客户端;
web服务模块用于接收客户端的请求,将接收到的肠镜图像作为参数调用卷积神经网络模型判断是否滑镜,针对滑镜的情况,则通过感知哈希算法模块进行回镜是否成功的分析,得到分析结果反馈给客户端。
2.如权利要求1所述的一种肠镜下盲区监测系统,其特征在于:所述卷积神经网络模型的训练过程为,首先获取大量肠镜图像,并由内镜医师将肠镜图像分为正常肠镜图像和滑镜图像两类,将标注好的图像输入机器进行深度学习,并检验机器预测滑镜的能力;若机器预测滑镜的能力未达到预期,则增大样本量继续训练;若达到预期,则停止训练。
3.如权利要求1所述的一种肠镜下盲区监测系统,其特征在于:所述感知哈希算法模块判断镜头是否到达滑镜前的位置的具体步骤为,⑴缩小图像;⑵转化为灰度图;⑶计算相邻像素的差异值;⑷获得图像的“指纹”;⑸比较滑镜图像与回镜后图像的指纹,判断滑镜图像与回镜后图像的重叠率,当重叠率大于某一阈值时,则判断镜头已到达滑镜前的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834804.XA CN108968892B (zh) | 2018-07-26 | 2018-07-26 | 一种肠镜下盲区监测的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810834804.XA CN108968892B (zh) | 2018-07-26 | 2018-07-26 | 一种肠镜下盲区监测的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108968892A CN108968892A (zh) | 2018-12-11 |
CN108968892B true CN108968892B (zh) | 2020-07-10 |
Family
ID=64551429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810834804.XA Active CN108968892B (zh) | 2018-07-26 | 2018-07-26 | 一种肠镜下盲区监测的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108968892B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111839427A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于图像识别的预防医源性肠壁穿孔的方法 |
CN115035152B (zh) * | 2022-08-12 | 2022-10-25 | 武汉楚精灵医疗科技有限公司 | 医学图像处理方法、装置以及相关设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8712120B1 (en) * | 2009-09-28 | 2014-04-29 | Dr Systems, Inc. | Rules-based approach to transferring and/or viewing medical images |
WO2014157479A1 (ja) * | 2013-03-29 | 2014-10-02 | 富士フイルム株式会社 | 内視鏡下外科手術装置 |
US9978142B2 (en) * | 2014-04-24 | 2018-05-22 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for quality assessment of optical colonoscopy images |
CN204863093U (zh) * | 2015-08-06 | 2015-12-16 | 桂林电子科技大学 | 具有轨迹显示功能的肠镜系统 |
CN105902253A (zh) * | 2016-04-28 | 2016-08-31 | 深圳市鹏瑞智能图像有限公司 | 一种内窥镜插入控制方法及系统 |
CN108209843A (zh) * | 2018-01-16 | 2018-06-29 | 陈晓阳 | 一种内窥镜体内方向判断方法 |
-
2018
- 2018-07-26 CN CN201810834804.XA patent/CN108968892B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108968892A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967946B (zh) | 基于深度学习的胃镜操作实时辅助系统及方法 | |
US10860930B2 (en) | Learning method, image recognition device, and computer-readable storage medium | |
US11526983B2 (en) | Image feature recognition method and apparatus, storage medium, and electronic apparatus | |
US7319781B2 (en) | Method and system for multiple passes diagnostic alignment for in vivo images | |
JP6799301B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
US20220301159A1 (en) | Artificial intelligence-based colonoscopic image diagnosis assisting system and method | |
CN109615633A (zh) | 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法 | |
EP3940585A1 (en) | Image processing method based on artificial intelligence, microscope, system and medium | |
KR102155381B1 (ko) | 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 판단방법, 장치 및 소프트웨어 프로그램 | |
JPWO2006100808A1 (ja) | カプセル内視鏡画像表示制御装置 | |
US20180177434A1 (en) | Image based jaundice diagnosing method and apparatus and image based jaundice diagnosis assisting apparatus | |
US11553829B2 (en) | Information processing apparatus, control method and program | |
CN111179252B (zh) | 基于云平台的消化道病灶辅助识别与正反馈系统 | |
EP3998579A1 (en) | Medical image processing method, apparatus and device, medium and endoscope | |
CN108968892B (zh) | 一种肠镜下盲区监测的系统及方法 | |
CN109117890A (zh) | 一种图像分类方法、装置和存储介质 | |
US20230206435A1 (en) | Artificial intelligence-based gastroscopy diagnosis supporting system and method for improving gastrointestinal disease detection rate | |
US20240206700A1 (en) | Information processing apparatus, control method, and program | |
CN113823400A (zh) | 肠道退镜速度监测方法、装置及计算机可读存储介质 | |
CN111862090A (zh) | 一种基于人工智能的食管癌术前管理的方法和系统 | |
CN108962356A (zh) | 基于深度学习的肠镜操作实时辅助系统及其操作方法 | |
US12094113B2 (en) | Artificial intelligence-based gastroscopic image diagnosis assisting system and method | |
KR102163108B1 (ko) | 영상에서 관심 대상 실시간 검출 방법 및 시스템 | |
US11490968B2 (en) | Devices, systems, and methods for labeling objects of interest during a medical procedure | |
KR20210033902A (ko) | 인공지능 기반 기술의 의료영상분석을 이용한 자궁경부암 진단방법, 장치 및 소프트웨어 프로그램 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200310 Address after: 430223 Room 001, Building D2, 10 Building, Phase III, Huacheng Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Applicant after: Wuhan Chujingling Medical Technology Co., Ltd. Address before: 430060 No. 99 Zhang Zhidong Road, Wuchang District, Hubei, Wuhan Applicant before: People's Hospital of Wuhan University (People's Hospital of Hubei Province) |
|
GR01 | Patent grant | ||
GR01 | Patent grant |