CN110533659A - 消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 - Google Patents
消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN110533659A CN110533659A CN201910825798.6A CN201910825798A CN110533659A CN 110533659 A CN110533659 A CN 110533659A CN 201910825798 A CN201910825798 A CN 201910825798A CN 110533659 A CN110533659 A CN 110533659A
- Authority
- CN
- China
- Prior art keywords
- image
- alimentary canal
- base image
- unclean
- detection segment
- 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.)
- Pending
Links
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
- A61B1/041—Capsule endoscopes for imaging
-
- 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
- A61B1/273—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 upper alimentary canal, e.g. oesophagoscopes, gastroscopes
-
- 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
-
- 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
- A61B1/00016—Operational features of endoscopes characterised by signal transmission using wireless means
-
- 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
- G06T2207/30092—Stomach; Gastric
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Gastroenterology & Hepatology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
Abstract
一种消化道图像判断方法,所述消化道图像判断方法包括:获取摄像装置所拍摄的基础图像;在基础图像中获取色度在D1范围内的像素点的集合H;在基础图像中获取饱和度在D2范围内的像素点的集合S;在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;在有效像素范围内选择集合H和集合S的所有像素点集合并形成检测图块;根据检测图块判断该基础图像是否为不清洁图像。本发明中率先采用亮度、色度和饱和度来确认并区分出基础图像中的检测图块,该检测图块即可体现出胃内的不清洁部位例如气泡、粘液等或胃内的清洁部位,从而,可根据该检测图块判断基础图像是否为不清洁图像,也可进一步判断消化道内的清洁情况。
Description
技术领域
本发明涉及一种胶囊内窥镜技术,特别是一种消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质。
背景技术
现如今,使用胶囊内窥镜进行消化道检测越来越普及,通过获得消化道内的图像,医生可对被测者进行检查。但是,在胶囊内窥镜对消化道特别是胃部进行检查时,若胃内清洁程度较差,例如存在大量粘液、气泡或者胃液浑浊时,胶囊内窥镜则会拍摄到大量包含粘液、气泡、胃液浑浊的图像,导致全面的细致检查变得困难。
因此,必须设计一种消化道图像判断判断方法及可以判断消化道是否清洁的消化道清洁程度判断方法及其计算机设备和可读存储介质。
发明内容
为解决上述问题之一,本发明提供了一种消化道图像判断方法,所述消化道图像判断方法包括:获取摄像装置所拍摄的基础图像;在基础图像中获取色度在D1范围内的像素点的集合H;在基础图像中获取饱和度在D2范围内的像素点的集合S;在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;在有效像素范围内选择集合H和集合S的所有像素点集合并形成检测图块;根据检测图块判断该基础图像是否为不清洁图像。
作为本发明的进一步改进,D1范围为0至40,D2范围为0至60,D3范围为20至170。
作为本发明的进一步改进,步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:计算检测图块的连通域的数量num;当num>T1时,判断该基础图像为不清洁图像。
作为本发明的进一步改进,步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:计算检测图块的连通域的数量num;计算有效像素范围的面积与基础图像总面积之间的比值R1;当num>T1时且R1>T2时,判断该基础图像为不清洁图像。
作为本发明的进一步改进,所述消化道清洁程度判断方法还包括:当num ≤T1或R1≤T2时,计算检测图块与基础图像总面积之间的比值R2;当R2> T3时,判断该基础图像为不清洁图像。
作为本发明的进一步改进,T2的取值在0.5至0.9的范围内。
作为本发明的进一步改进,连通域采取4邻接的计算方式,T1的取值在15 至35的范围内。
作为本发明的进一步改进,步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:计算检测图块与基础图像总面积之间的比值R2;当R2>T3 时,判断该基础图像为不清洁图像。
作为本发明的进一步改进,T3的取值在0.3至0.7的范围内。
为解决上述问题之一,本发明提供了一种包括上述所述的消化道清洁程度判断方法,所述消化道清洁程度判断方法包括:获取N1张摄像装置在消化道拍摄的基础图像;在基础图像中获取色度在D1范围内的像素点的集合H;在基础图像中获取饱和度在D2范围内的像素点的集合S;在基础图像中获取亮度在 D3范围内的像素点的集合,并记为有效像素范围;在有效像素范围内选择集合 H和集合S的所有像素点集合并形成检测图块;根据检测图块判断该基础图像是否为不清洁图像;将判断为不清洁图像的数量计为N2;计算N2和N1的比值 Ratio;当Ratio≥T4时,判断消化道清洁程度较差。
作为本发明的进一步改进,T4的取值在0.3至0.5的范围内。
为解决上述问题之一,本发明提供了一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时可实现如上述任意一项所述的消化道清洁程度判断方法中的步骤。
为解决上述问题之一,本发明提供了一种计算机可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理器执行时可实现如上述任意一项所述的消化道清洁程度判断方法中的步骤。
与现有技术相比,本发明中率先采用色度和饱和度来确认并区分出基础图像中的检测图块,该检测图块即可体现出胃内的不清洁部位例如气泡、粘液等或胃内的清洁部位,从而,可根据该检测图块判断基础图像是否为不清洁图像。从而,用户可以根据胶囊内窥镜所拍摄的基础图像来判断消化道内的清洁状况,判断是否需要预先对消化道内进行清洁后再进行检查。
附图说明
图1是本发明消化道清洁程度判断方法的流程图。
具体实施例
为了使本技术领域的人员更好地理解本发明中的技术方案,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,都应当属于本发明保护的范围。
如图1所示,本发明提供了一种消化道图像判断方法,在本发明的一具体实施例中,该摄像装置采用胶囊内窥镜,胶囊内窥镜可被吞入消化道内,随着消化道的蠕动前进。并且,胶囊内窥镜可与外界的信号接收装置通过无线连接,胶囊内窥镜所拍摄的图像可无线传输至信号接收装置中,并在显示屏上进行显示,以方便用户进行查看和判断。
另外,需要说明的是,在本发明的一具体实施例中,该消化道为胃部,由于胃部可能会存在粘液、气泡、浑浊胃液等,会导致细致检查变得困难,因此,本发明中的消化道清洁程度判断方法通常应用于胃部。当然,本发明也不仅仅局限于胃部,也可应用于消化道的其他部位以作清洁程度的判断。
具体的,所述消化道图像判断方法包括:
获取摄像装置所拍摄的基础图像;
在基础图像中获取色度在D1范围内的像素点的集合H;
在基础图像中获取饱和度在D2范围内的像素点的集合S;
在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;
在有效像素范围内选择集合H和集合S的所有像素点集合,并形成检测图块;
根据检测图块判断该基础图像是否为不清洁图像,在本实施例中,不清洁图像表示胃部存在粘液、气泡、浑浊胃液等。
从而,通过上述步骤,先在基础图像中获取合适的色度及饱和度的像素点的集合,再通过亮度获得有效像素范围,从而叠加形成检测图块。因此,即可从检测图块来判断该基础图像是否为清洁图像。当然,若先进行有效像素范围的判断,再进行集合H和集合S的选择,也均可达到本发明的目的。
通常的,由于胃内环境通常呈现偏红色,因此胃内气泡、粘液等的颜色会和正常的胃内环境有颜色上的区别,因此对于摄像装置即胶囊内窥镜来说,所拍摄出来的基础图像上也会呈现出较为明显的区别。因此,本发明中率先采用亮度来确认可以进行检测的有效像素范围,再通过色度和饱和度来确认并区分出基础图像中的检测图块,该检测图块即可体现出胃内的不清洁部位例如气泡、粘液等或胃内的清洁部位,从而,可根据该检测图块判断基础图像是否为不清洁图像。
具体的,在本发明的一实施例中,所述检测图块为基础图像中不清洁部位的集合,为了获取基础图像的色度和保护度,必须先将基础图像转换为HSV格式。并且在HSV格式的基础图像上获取色度在D1范围内的像素点的集合H及饱和度在D2范围内的像素点的集合S。上述D1范围为0至40,D2范围为0至 60,具体的,由于,色度的取值范围为0至360,饱和度的取值范围在0至100,经过比对、测量和计算,色度在0至40,饱和度在0至60的像素点的集合最能代表拍摄装置所拍摄的基础图像中的不清洁部位的位置。
具体的,在本发明的第一种实施方式中,所述步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块的连通域的数量num;
当num>T1时,判断该基础图像为不清洁图像。
具体的,本发明的该实施例中通过连通域分析来判断不清洁部位的数量,当数量大于阈值T1时,则可确认该基础图像为不清洁图像。该不清洁图像的对应消化道内的位置处即可通过西甲硅油或其他方式进行消泡,以防止对后续的检查病灶或其他过程造成影响。
另外,需要说明的是,连通域的计算通常包括4邻接和8邻接两种计算方式。首先,指定一个像素点为基础像素点,4邻接指基础像素点的上、下、左、右的方向上的邻接像素点可判断为与基础像素点相邻接,并组成一个连通域;8 邻接是指,基础像素点的上、下、左、右、左上、左下、右上、右下的方向上的邻接像素点可判断为基础像素点相邻接,并组成一个连通域。从而可看出,对于同样一副基础图像来说,8邻接的计算方式下的连通域的大小通常比4邻接的计算方式下的连通域要大,相应的,8邻接的计算方式下的连通域的数量也通常比4邻接的计算方式下的连通域要小。
在本发明的该具体实施例中,连通域采用4邻接的计算方式计算,T1的取值在15至35的范围内。具体在本实施方式中,阈值T1取值为25。当然,若连通域采用8邻接或其他的计算方式计算,阈值T1的取值也会相应的发生改变。
在本发明的第二种实施方式中,所述步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块的连通域的数量num;
计算有效像素范围的面积与基础图像总面积之间的比值R1;
当num>T1时且R1>T2时,判断该基础图像为不清洁图像。
本实施方式与上述第一种实施方式类似,但是,通常的,若仅采用连通域的数量num这一个参数可能会造成判断的不精确,因此,本实施方式中引入第二个参数:计算有效像素范围的面积与基础图像总面积之间的比值R1,当连通域的数量num大于T1,且上述有效像素范围的面积占比也大于T2时,才判断该基础图像为不清洁图像。该种判断方式相对于第一种判断方式来说,选用了第二个比较参数,使得判断更加精准。
进一步的,所述消化道清洁程度判断方法还包括:
当num≤T1或R1≤T2时,计算检测图块与基础图像总面积之间的比值R2;
当R2>T3时,判断该基础图像为不清洁图像。
即,上述在num>T1且R1>T2时,可确认该检测图块为不清洁图像,那么,当num≤T1或R1≤T2时,也不能直接判断该基础图像为清洁图像,而是需要进行另一步判断。具体为,计算检测图块与基础图像总面积之间的比值R2。由于该检测图块为上述有效像素范围内选择集合H和集合S的所有像素点集合,所以该检测图块可为基础图像中不清洁部位的区域的集合,因此,若该检测图块在基础图像中的占比过高,则可认为该基础图像也为不清洁图像。
具体的,该阈值T2的取值在0.5至0.9的范围内,在本实施方式中,T2取值为0.7。该阈值T3的取值在0.3至0.7的范围内,在本实施方式中,T2取值为0.5。而上述T1的取值和连通域的计算方式与第一种实施方式中类似,在此不再赘述。
在本发明的第三种实施方式中,所述步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块与基础图像总面积之间的比值R2;
当R2>T3时,判断该基础图像为不清洁图像。
与第二种实施方式中类似的,在本实施方式中,不再预先对检测图块上的连通域或有效像素的占比进行计算,而是通过直接计算检测图块与基础图像总面积之间的比值R2来判断。具体的,T3的取值也与第二种实施方式中相同,在此不再赘述。
另外,在本发明中,如上述所述,检测图块还必须在有效像素的范围内。因而,在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围。具体的,为了区分像素点的亮度,还可以将基础图像转换为灰度格式,再进行判断。在本发明的具体实施方式中,D3的范围为20至170。已知的,灰度的范围为0-255,因此,本发明的具体实施方式中祛除了亮度过暗或过亮的区域,过暗或者过亮的区域均不属于本具体实施方式中的有效像素范围。
除了采用亮度进行有效像素范围的确定以外,在上述第二种实施方式中,在对基础图像进行判断的过程中,还引入了有效像素范围与基础图像总面积之间的比值R1这一参数作为另一判断条件,其中的有效像素范围的计算也和上述方法一致。
以上介绍了对消化道内单张基础图像进行是否为不清洁图像的判断方法,以下进行进一步分析。
本发明还介绍了一种基于摄像装置的消化道清洁程度判断方法,所述消化道清洁程度判断方法包括:
获取N1张摄像装置在消化道拍摄的基础图像;
在基础图像中获取色度在D1范围内的像素点的集合H;
在基础图像中获取饱和度在D2范围内的像素点的集合S;
在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;
在有效像素范围内选择集合H和集合S的所有像素点集合并形成检测图块;
根据检测图块判断该基础图像是否为不清洁图像;
将判断为不清洁图像的数量计为N2;
计算N2和N1的比值Ratio;
当Ratio≥T4时,判断消化道清洁程度较差。
跟前述消化道清洁程度判断方法相比,本方案中的获取了N1张基础图像,并对N1张依次或同时进行不清洁图像的判断。其中,判断的方法如上述所述,在此不再赘述。
在本方案中,比较不清洁图像的数量和基础图像的数量的比值Ratio,若比值Ratio过大,超过了阈值T4,则说明消化道清洁程度较差。在判断为消化道、主要是胃内,清洁程度较差时,即可让被检查人服用消泡剂等,抑制黏液气泡,使得后续的检查更加方便。具体的,在本方案的一实施例中,T4的取值在0.3 至0.5的范围内,优选的,取T4的值为0.4。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时可实现上述所述的消化道清洁程度判断方法中的步骤。
另外,本发明也提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时可实现如上述所述所述的消化道清洁程度判断方法中的步骤。
综上所述,本发明提供了一种消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质。在消化道图像判断方法中,通过判断色度和饱和度的范围来确定消化道内黏液、气泡等的范围和大小,再具体以三种实施例对检测图块是否为不清洁图像进行详述。并且,本发明中还引入了亮度进行了有效像素范围的判断,使得对不清洁图像的判断更加精准。本发明提供的消化道清洁程度判断方法中,通过不清洁图像和消化道拍摄图像总数之间的比值,判断消化道内主要是胃内的清洁情况,若判断不清洁,则可让被检查人服用消泡剂等。当然,上述消化道清洁程度判断方法也可应用于计算机设备和计算机可读存储介质上。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (13)
1.一种消化道图像判断方法,其特征在于,所述消化道图像判断方法包括:
获取摄像装置所拍摄的基础图像;
在基础图像中获取色度在D1范围内的像素点的集合H;
在基础图像中获取饱和度在D2范围内的像素点的集合S;
在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;
在有效像素范围内选择集合H和集合S的所有像素点集合并形成检测图块;
根据检测图块判断该基础图像是否为不清洁图像。
2.根据权利要求1所述的消化道图像判断方法,其特征在于,D1范围为0至40,D2范围为0至60,D3范围为20至170。
3.根据权利要求1所述的消化道图像判断方法,其特征在于,
步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块的连通域的数量num;
当num>T1时,判断该基础图像为不清洁图像。
4.根据权利要求1所述的消化道图像判断方法,其特征在于,
步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块的连通域的数量num;
计算有效像素范围的面积与基础图像总面积之间的比值R1;
当num>T1时且R1>T2时,判断该基础图像为不清洁图像。
5.根据权利要求4所述的消化道图像判断方法,其特征在于,所述消化道清洁程度判断方法还包括:
当num≤T1或R1≤T2时,计算检测图块与基础图像总面积之间的比值R2;
当R2>T3时,判断该基础图像为不清洁图像。
6.根据权利要求4所述的消化道图像判断方法,其特征在于,T2的取值在0.5至0.9的范围内。
7.根据权利要求3或4所述的消化道图像判断方法,其特征在于,连通域采取4邻接的计算方式,T1的取值在15至35的范围内。
8.根据权利要求1所述的消化道图像判断方法,其特征在于,
步骤“根据检测图块判断该基础图像是否为不清洁图像”包括:
计算检测图块与基础图像总面积之间的比值R2;
当R2>T3时,判断该基础图像为不清洁图像。
9.根据权利要求5或8所述的消化道图像判断方法,其特征在于,T3的取值在0.3至0.7的范围内。
10.一种包括权利要求1至9中任意一项所述的消化道清洁程度判断方法,其特征在于,所述消化道清洁程度判断方法包括:
获取N1张摄像装置在消化道拍摄的基础图像;
在基础图像中获取色度在D1范围内的像素点的集合H;
在基础图像中获取饱和度在D2范围内的像素点的集合S;
在基础图像中获取亮度在D3范围内的像素点的集合,并记为有效像素范围;
在有效像素范围内选择集合H和集合S的所有像素点集合并形成检测图块;
根据检测图块判断该基础图像是否为不清洁图像;
将判断为不清洁图像的数量计为N2;
计算N2和N1的比值Ratio;
当Ratio≥T4时,判断消化道清洁程度较差。
11.根据权利要求10所述的消化道清洁程度判断方法,其特征在于,T4的取值在0.3至0.5的范围内。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时可实现权利要求10至11中任意一项所述的消化道清洁程度判断方法中的步骤。
13.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该计算机程序被处理器执行时可实现权利要求10至11中任意一项所述的消化道清洁程度判断方法中的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910825798.6A CN110533659A (zh) | 2019-09-03 | 2019-09-03 | 消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 |
US17/011,343 US11622676B2 (en) | 2019-09-03 | 2020-09-03 | Method of examining digestive tract images, method of examining cleanliness of digestive tract, and computer device and readable storage medium thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910825798.6A CN110533659A (zh) | 2019-09-03 | 2019-09-03 | 消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533659A true CN110533659A (zh) | 2019-12-03 |
Family
ID=68666270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910825798.6A Pending CN110533659A (zh) | 2019-09-03 | 2019-09-03 | 消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11622676B2 (zh) |
CN (1) | CN110533659A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112843369A (zh) * | 2021-01-05 | 2021-05-28 | 重庆天如生物科技有限公司 | 一种基于深度学习的黏膜清洁系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093180A (zh) * | 2011-10-28 | 2013-05-08 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN104658014A (zh) * | 2015-02-10 | 2015-05-27 | 重庆金山科技(集团)有限公司 | 一种检测活体内色度异常的方法 |
CN107025716A (zh) * | 2017-06-05 | 2017-08-08 | 深圳怡化电脑股份有限公司 | 检测纸币冠字号污损的方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155414B2 (en) * | 2006-09-29 | 2012-04-10 | Given Imaging Ltd. | Device, system and method of in-vivo varix detection |
JP2009050321A (ja) * | 2007-08-23 | 2009-03-12 | Olympus Corp | 画像処理装置 |
TWI432168B (zh) * | 2009-12-31 | 2014-04-01 | Univ Nat Yunlin Sci & Tech | 內視鏡導航方法以及內視鏡導航系統 |
JP6067264B2 (ja) * | 2012-07-17 | 2017-01-25 | Hoya株式会社 | 画像処理装置及び内視鏡装置 |
CN104640496A (zh) * | 2013-05-31 | 2015-05-20 | 奥林巴斯医疗株式会社 | 医疗装置 |
KR20150049585A (ko) * | 2013-10-30 | 2015-05-08 | 삼성전자주식회사 | 용종 검출 장치 및 그 동작방법 |
-
2019
- 2019-09-03 CN CN201910825798.6A patent/CN110533659A/zh active Pending
-
2020
- 2020-09-03 US US17/011,343 patent/US11622676B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093180A (zh) * | 2011-10-28 | 2013-05-08 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN104658014A (zh) * | 2015-02-10 | 2015-05-27 | 重庆金山科技(集团)有限公司 | 一种检测活体内色度异常的方法 |
CN107025716A (zh) * | 2017-06-05 | 2017-08-08 | 深圳怡化电脑股份有限公司 | 检测纸币冠字号污损的方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112843369A (zh) * | 2021-01-05 | 2021-05-28 | 重庆天如生物科技有限公司 | 一种基于深度学习的黏膜清洁系统 |
Also Published As
Publication number | Publication date |
---|---|
US11622676B2 (en) | 2023-04-11 |
US20210059510A1 (en) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104363815B (zh) | 图像处理装置以及图像处理方法 | |
Rees et al. | Expert opinions and scientific evidence for colonoscopy key performance indicators | |
US7567692B2 (en) | System and method for detecting content in-vivo | |
CN102525381A (zh) | 图像处理装置、图像处理方法及计算机可读取的记录装置 | |
CN106102554A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
US7577283B2 (en) | System and method for detecting content in-vivo | |
CN104665836B (zh) | 长度量测方法与长度量测装置 | |
CN103945755B (zh) | 图像处理装置 | |
EP3263011A1 (en) | Image processing device | |
JP2007243852A (ja) | 色調整用のカラーチャートおよび色調整方法 | |
CN104116485A (zh) | 损伤评估信息生成器及其方法 | |
CN106412573A (zh) | 一种检测镜头污点的方法和装置 | |
WO2002073507A2 (en) | Method and system for detecting colorimetric abnormalities | |
CA2889886A1 (en) | System and method of adaptive color correction for pill recognition in digital images | |
CN103327883A (zh) | 医用图像处理装置和医用图像处理方法 | |
JP5478103B2 (ja) | 画像処理方法 | |
CN106455956A (zh) | 通过置信度匹配重建来自体内多相机胶囊的图像 | |
CN110533659A (zh) | 消化道图像判断方法及包括其的消化道清洁程度判断方法及其计算机设备和可读存储介质 | |
CN103218802B (zh) | 图像处理装置以及图像处理方法 | |
CN103200349B (zh) | 一种扫描图像色偏自动检测方法 | |
TW201326735A (zh) | 寬度量測方法及系統 | |
JP3972647B2 (ja) | 画像診断装置,画像診断システム及び画像診断方法 | |
JP2003167530A (ja) | ディスプレイ画面検査方法およびディスプレイ画面検査装置 | |
JP2018126632A (ja) | 画像処理装置 | |
CN111956168A (zh) | 一种胶囊内窥镜系统和用于胶囊内窥镜的测距方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |
|
RJ01 | Rejection of invention patent application after publication |