CN110443797B - 病灶辅助判定装置 - Google Patents
病灶辅助判定装置 Download PDFInfo
- Publication number
- CN110443797B CN110443797B CN201910754758.7A CN201910754758A CN110443797B CN 110443797 B CN110443797 B CN 110443797B CN 201910754758 A CN201910754758 A CN 201910754758A CN 110443797 B CN110443797 B CN 110443797B
- Authority
- CN
- China
- Prior art keywords
- module
- lesion
- focus
- picture
- suspected
- 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
Images
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
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30092—Stomach; Gastric
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Endoscopes (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种病灶辅助判定装置,包括:接收模块,用于接收内镜图片;信号连接于接收模块的对比模块,用于将内镜图片与病灶识别库中各用于确定病灶类别的病灶检测识别模型进行对比,并确定内镜图片上是否存在疑似病灶;信号连接于对比模块的标注模块,用于在对比模块确定内镜图片上存在疑似病灶后,在内镜图片上各疑似病灶所在位置对应标注出各疑似病灶;信号连接于标注模块的显示模块,用于显示标注模块标注后的内镜图片。该装置中,利用病灶检测识别模型进行内镜图片中病灶的识别,且标注出疑似病灶以体现出疑似病灶的位置,再显示出标注疑似病灶后的内镜图片,可提高内镜图片识别环节的自动化程度,降低医生的工作强度。
Description
技术领域
本发明涉及医疗设备技术领域,特别涉及一种病灶辅助判定装置。
背景技术
目前,电子内镜在病人胃部疾病的诊断使用极其广泛,但是,能够对内镜从其在人体内移动控制到识别内镜图片整个过程熟练使用的医生资源相对比较匮乏,特别是在识别图片的环节,占用医生大量的时间,导致医生的工作强度较大。
因此,如何降低医生的工作强度,是本领域技术人员目前需要解决的技术问题。
发明内容
有鉴于此,本发明的目的是提供一种病灶辅助判定装置,能够降低医生的工作强度。
为实现上述目的,本发明提供如下技术方案:
一种病灶辅助判定装置,包括:
接收模块,用于接收内镜图片;
信号连接于所述接收模块的对比模块,用于将所述内镜图片与病灶识别库中各用于确定病灶类别的病灶检测识别模型进行对比,并确定所述内镜图片上是否存在疑似病灶;
信号连接于所述对比模块的标注模块,用于在所述对比模块确定所述内镜图片上存在疑似病灶后,在所述内镜图片上各疑似病灶所在位置对应标注出各疑似病灶,其中,所述内镜图片上与所述病灶检测识别模型的相似概率大于设定阈值的部分为对应病灶类别的疑似病灶;
信号连接于所述标注模块的显示模块,用于显示所述标注模块标注后的所述内镜图片。
优选地,所述标注模块中,所述在所述内镜图片上各疑似病灶所在位置对应标注出各疑似病灶时的标注信息包括:病灶类别信息和相似概率信息。
优选地,还包括:
信号连接于所述对比模块的第一判断模块,用于在所述对比模块确定所述内镜图片上存在疑似病灶后,判断所述内镜图片是否符合存储标准,所述存储标准包括内镜图片的清晰度大于第一设定清晰度且疑似病灶位于内镜图片上的预设居中范围内,若是,驱动保存模块;
信号连接于所述第一判断模块的所述保存模块,用于保存所述内镜图片。
优选地,还包括:
信号连接于所述接收模块与所述对比模块之间的调取模块,用于在所述对比模块进行所述对比操作之前,调取与所述内镜图片光源模式相同的光源模式的病灶模型库,在调取后驱动所述对比模块。
优选地,还包括:
信号连接于所述接收模块、所述调取模块与所述显示模块的第二判断模块,用于在所述调取模块进行所述调取操作之前,判断所述内镜图片的清晰度是否大于第二设定清晰度,若是,再驱动所述调取模块,否则,驱动所述显示模块显示图片不合格的信息,其中,所述第二设定清晰度小于所述第一设定清晰度。
本发明提供的病灶辅助判定装置,包括:接收模块,用于接收内镜图片;信号连接于接收模块的对比模块,用于将内镜图片与病灶识别库中各用于确定病灶类别的病灶检测识别模型进行对比,并确定内镜图片上是否存在疑似病灶;信号连接于对比模块的标注模块,用于在对比模块确定内镜图片上存在疑似病灶后,在内镜图片上各疑似病灶所在位置对应标注出各疑似病灶,其中,内镜图片上与病灶检测识别模型的相似概率大于设定阈值的部分为对应病灶类别的疑似病灶;信号连接于标注模块的显示模块,用于显示标注模块标注后的内镜图片。
利用病灶辅助判定装置,在内镜使用过程中的内镜图片识别环节中,利用病灶检测识别模型进行内镜图片中病灶的识别,且标注出疑似病灶以体现出疑似病灶的位置,再显示出标注疑似病灶后的内镜图片,能够提高内镜图片识别环节的自动化程度,为医生对病灶的判断过程提供可靠的参考数据,进而提高内镜的整体使用效率,降低医生的工作强度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明所提供病灶辅助判定装置的示意图。
图1中,1-接收模块,2-对比模块,3-标注模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的核心是提供一种病灶辅助判定装置,能够降低医生的工作强度。
本发明所提供病灶辅助判定装置的一种具体实施例中,包括以下步骤:
接收模块,用于接收内镜图片;
信号连接于接收模块的对比模块,用于将内镜图片与病灶识别库中各用于确定病灶类别的病灶检测识别模型进行对比,并确定内镜图片上是否存在疑似病灶;
信号连接于对比模块的标注模块,用于在对比模块确定内镜图片上存在疑似病灶后,在内镜图片上各疑似病灶所在位置对应标注出各疑似病灶,其中,内镜图片上与病灶检测识别模型的相似概率大于设定阈值的部分为对应病灶类别的疑似病灶;
信号连接于标注模块的显示模块,用于显示标注模块标注后的内镜图片。
其中,病灶辅助判定装置具体可以设置在电子内镜控制主机中,或者在电子内镜外部另外增加该病灶辅助判定装置。
其中,病灶检测识别模型为预存在病灶辅助判定装置中的,具体可以为利用已经手动标注病灶位置的一系列病灶图片采用相应的卷积神经网络算法训练获得的模型。一个病灶检测识别模型可以用于识别一个类别的病灶,即识别病灶为哪种病,例如,胃炎病灶检测识别模型识别胃炎病灶,肠息肉病灶检测识别模型识别肠息肉病灶。
具体地,一种基于CNN算法的建模方法如下:
1)控制器中的图像标注软件对文件夹标注好的病灶图片运用CNN算法进行训练,以构建对应的病灶检测识别模型,进入步骤2);
2)调用构建后的病灶检测识别模型、采用CNN算法对剩余所有未标注的病灶图片中的病灶进行识别和打框,进入步骤3);
3)利用上一步中新打好框的病灶图片对病灶检测识别模型继续训练,获得新的优化后的病灶检测识别模型;
4)判断是否该文件夹中的病灶图片均已经被打框标注,若是,则进入步骤5),否则,进入步骤6);
5)输出目前得到的最新病灶检测识别模型;
6)判断是否剩余未被打框标注的病灶图片的数量不小于第一设定数量,若是,进入步骤2),否则,进入步骤7);
7)在剩余未被打框标注的病灶图片被手动标注后,接收这些图片,进入步骤3)。
其中,内镜图片为医生操作电子内镜得到的视频图片。一张内镜图片上可能有一个疑似病灶,也可能有至少两个疑似病灶。
其中,在病灶辅助判定装置中,对于识别内镜图片的过程,在确定用于对比的病灶检测识别模型后,可以对内镜图片按照设定的顺序进行扫描,以确定是否存在与病灶检测识别模型相同的病灶。在确定存在疑似病灶后,提取该疑似病灶所在的位置信息,根据该位置信息即可对疑似病灶进行标注。
其中,各病灶检测识别模型对应的设定阈值可以相同,也可以不同。
本实施例中,利用病灶辅助判定装置,在内镜使用过程中的内镜图片识别环节中,利用病灶检测识别模型进行内镜图片中病灶的识别,且标注出疑似病灶以体现出疑似病灶的位置,再显示出标注疑似病灶后的内镜图片,能够提高内镜图片识别环节的自动化程度,为医生对病灶的判断过程提供可靠的参考数据,进而提高内镜的整体使用效率,降低医生的工作强度。
进一步地,标注模块中,在内镜图片上各疑似病灶所在位置对应标注出各疑似病灶时的标注信息包括:病灶类别信息和相似概率信息。
其中,病灶类别信息指的是病灶的类别,相似概率信息指的是内镜图片上的疑似病灶与对应的病灶检测识别模型的具体相似概率值。
其中,在标注疑似病灶时,具体可以在疑似病灶所在位置的外侧进行打框,更具体可以打矩形框,且通过矩形框的颜色体现疑似病灶的类别以及相似概率值。又或者,通过增强疑似病灶区域的亮度以体现疑似病灶的位置,通过具体亮度情况的变化显示相似概率值,而病灶类别可以采取文字提示的方式实现。
本实施例中,标注除了能够体现疑似病灶的位置外,还能够对于疑似病灶的病灶类别信息以及相似概率信息进行体现,能够为医生的最终确诊提供更加科学可靠的依据,有利于进一步提高诊断效率。
进一步地,该病灶辅助判定装置还包括:
信号连接于对比模块的第一判断模块,用于在对比模块确定内镜图片上存在疑似病灶后,判断内镜图片是否符合存储标准,存储标准包括内镜图片的清晰度大于第一设定清晰度且疑似病灶位于内镜图片上的预设居中范围内,若是,驱动保存模块;
信号连接于第一判断模块的保存模块,用于保存内镜图片。
其中,病灶辅助判定装置中,对内镜图片清晰度的检测算法具体可以为失焦检测算法、边缘检测算法等算法。另外,自动保存的病灶图片也可以输出到显示模块相关的区域。另外,存储标准还可以包括其他判断参数,例如,疑似病灶的角度在设定拍摄角度范围内。
本实施例中,对于判定为清晰且疑似病灶在图片位置较为居中的图片,病灶辅助判定装置会将此图片进行自动保存,以供进一步诊断用或者用于作为教学素材。
另外,第一判断模块还可以信号连接标注模块,以对标注后的病灶图片进行是否符合存储标准的判断,进而保存模块存储标注后的病灶图片。
进一步地,病灶辅助判定装置还包括:
信号连接于接收模块与对比模块之间的调取模块,用于在对比模块进行对比操作之前,调取与内镜图片光源模式相同的光源模式的病灶模型库,在调取后驱动对比模块。
其中,根据电子内镜的拍摄模式,内镜图片中的疑似病灶可能为白光下的病灶、NBI(Narrow Band Imaging,窄频影像)下的病灶或者其他光源模式下的病灶。在病灶辅助判定装置中,一个光源模式对应一个病灶识别库,一个病灶识别库中存储有各种该光源模式下的病灶检测识别模型。另外,在一个病灶识别库中,可以包括同一类别的病灶在不同角度下的病灶检测识别模型,以保证不同拍摄角度下的病灶均能够被识别出。
本实施例中,由于在对比模块进行对比前,根据内镜图片的光源模式调取对应光源模式下的各病灶模型库,再驱动对比模块,可以减少需要对比的病灶检测识别模型的数量,提高识别效率。
进一步地,病灶辅助判定装置还包括:
信号连接于接收模块、调取模块与显示模块的第二判断模块,用于在调取模块进行调取操作之前,判断内镜图片的清晰度是否大于第二设定清晰度,若是,再驱动调取模块,否则,驱动显示模块显示图片不合格的信息,其中,第二设定清晰度小于第一设定清晰度。
其中,第二设定清晰度对应于内镜图片可以被病灶辅助判定装置辨认的程度,而第一设定清晰度对应于更高要求的清晰度,第一设定清晰度下的图片更加清晰,以提供可用于后期利用的内镜图片。
本实施例中,通过根据清晰度情况预先判断内镜图片是否可以利用并在不可利用时显示相应的信息,能够提醒医生及时重新进行图片的提供,且可以避免因清晰度问题导致的误诊。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
以上对本发明所提供的病灶辅助判定装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (1)
1.一种病灶辅助判定装置,其特征在于,包括:接收模块,用于接收内镜图片;信号连接于所述接收模块的对比模块,用于将所述内镜图片与病灶识别库中各用于确定病灶类别的病灶检测识别模型进行对比,并确定所述内镜图片上是否存在疑似病灶;信号连接于所述对比模块的标注模块,用于在所述对比模块确定所述内镜图片上存在疑似病灶后,在所述内镜图片上各疑似病灶所在位置对应标注出各疑似病灶,其中,所述内镜图片上与所述病灶检测识别模型的相似概率大于设定阈值的部分为对应病灶类别的疑似病灶;信号连接于所述标注模块的显示模块,用于显示所述标注模块标注后的所述内镜图片;
所述标注模块中,所述在所述内镜图片上各疑似病灶所在位置对应标注出各疑似病灶时的标注信息包括:病灶类别信息和相似概率信息;
所述病灶辅助判定装置还包括:
信号连接于所述对比模块的第一判断模块,用于在所述对比模块确定所述内镜图片上存在疑似病灶后,判断所述内镜图片是否符合存储标准,所述存储标准包括内镜图片的清晰度大于第一设定清晰度且疑似病灶位于内镜图片上的预设居中范围内,若是,驱动保存模块;信号连接于所述第一判断模块的所述保存模块,用于保存所述内镜图片;
信号连接于所述接收模块与所述对比模块之间的调取模块,用于在所述对比模块进行所述对比操作之前,调取与所述内镜图片光源模式相同的光源模式的病灶模型库,在调取后驱动所述对比模块;
信号连接于所述接收模块、所述调取模块与所述显示模块的第二判断模块,用于在所述调取模块进行所述调取操作之前,判断所述内镜图片的清晰度是否大于第二设定清晰度,若是,再驱动所述调取模块,否则,驱动所述显示模块显示图片不合格的信息,其中,所述第二设定清晰度小于所述第一设定清晰度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754758.7A CN110443797B (zh) | 2019-08-15 | 2019-08-15 | 病灶辅助判定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910754758.7A CN110443797B (zh) | 2019-08-15 | 2019-08-15 | 病灶辅助判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443797A CN110443797A (zh) | 2019-11-12 |
CN110443797B true CN110443797B (zh) | 2022-06-03 |
Family
ID=68435827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910754758.7A Active CN110443797B (zh) | 2019-08-15 | 2019-08-15 | 病灶辅助判定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443797B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012131A (zh) * | 2021-03-19 | 2021-06-22 | 重庆金山医疗器械有限公司 | 一种内镜图像处理方法、装置、设备和介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6574357B2 (en) * | 1993-09-29 | 2003-06-03 | Shih-Ping Wang | Computer-aided diagnosis method and system |
CN105718952B (zh) * | 2016-01-22 | 2018-10-30 | 武汉科恩斯医疗科技有限公司 | 使用深度学习网络对断层医学影像进行病灶分类的系统 |
CN108695001A (zh) * | 2018-07-16 | 2018-10-23 | 武汉大学人民医院(湖北省人民医院) | 一种基于深度学习的癌症病灶范围预测辅助系统及方法 |
CN109523532B (zh) * | 2018-11-13 | 2022-05-03 | 腾讯医疗健康(深圳)有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
-
2019
- 2019-08-15 CN CN201910754758.7A patent/CN110443797B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110443797A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180308235A1 (en) | SYSTEM and METHOAD FOR PREPROCESSING CAPSULE ENDOSCOPIC IMAGE | |
EP1849402B1 (en) | Medical image processing device, lumen image processing device, lumen image processing method, and programs for them | |
EP1994878A1 (en) | Image processing device for medical use and image processing method for medical use | |
EP4446983A1 (en) | Image processing method, apparatus and device | |
WO2021147429A1 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
CN113498323B (zh) | 医用图像处理装置、处理器装置、内窥镜系统、医用图像处理方法、及记录介质 | |
TWI432168B (zh) | 內視鏡導航方法以及內視鏡導航系統 | |
US20130064436A1 (en) | Medical image processing apparatus and method of operating medical image processing apparatus | |
JP6952214B2 (ja) | 内視鏡用プロセッサ、情報処理装置、内視鏡システム、プログラム及び情報処理方法 | |
WO2020224153A1 (zh) | 一种基于深度学习和图像增强的nbi图像处理方法及其应用 | |
JP7304951B2 (ja) | コンピュータプログラム、内視鏡用プロセッサの作動方法及び内視鏡用プロセッサ | |
US11457876B2 (en) | Diagnosis assisting apparatus, storage medium, and diagnosis assisting method for displaying diagnosis assisting information in a region and an endoscopic image in another region | |
KR101875004B1 (ko) | 캡슐 내시경 영상을 이용한 자동 출혈 감지 방법 및 컴퓨터 프로그램 | |
CN111839445A (zh) | 一种基于图像识别的结肠镜手术中窄带成像检测方法 | |
CN110443797B (zh) | 病灶辅助判定装置 | |
CN111784686A (zh) | 一种内窥镜出血区域的动态智能检测方法、系统及可读存储介质 | |
US20240268627A1 (en) | Artificial intelligence-based endoscopic diagnosis aid system and method for controlling same | |
CN113139937A (zh) | 一种基于深度学习的消化道内窥镜视频图像识别方法 | |
WO2019088178A1 (ja) | 生検支援装置、内視鏡装置、生検支援方法、及び生検支援プログラム | |
Kukushkin et al. | Recognition of hemorrhage in the images of wireless capsule endoscopy | |
CN114845624A (zh) | 医用图像处理装置、医用图像处理方法及程序 | |
JP7162744B2 (ja) | 内視鏡用プロセッサ、内視鏡システム、情報処理装置、プログラム及び情報処理方法 | |
CN113744266B (zh) | 一种病灶检测框的显示方法、装置、电子设备及存储介质 | |
EP4241650A1 (en) | Image processing method, and electronic device and readable storage medium | |
CN112862754B (zh) | 一种基于智能识别的留图漏检提示系统和方法 |
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 |