CN111403029B - 一种提高评估质量的信息处理方法及装置 - Google Patents
一种提高评估质量的信息处理方法及装置 Download PDFInfo
- Publication number
- CN111403029B CN111403029B CN202010511859.4A CN202010511859A CN111403029B CN 111403029 B CN111403029 B CN 111403029B CN 202010511859 A CN202010511859 A CN 202010511859A CN 111403029 B CN111403029 B CN 111403029B
- Authority
- CN
- China
- Prior art keywords
- information
- evaluation
- obtaining
- assessment
- experts
- 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
- 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
- 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
- G06T2207/10068—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
Abstract
本发明公开了一种提高评估质量的信息处理方法及装置,涉及数据处理技术领域,包括:通过内镜图像识别模块获得第一图像信息;根据第一图像信息,提取第一数据信息;根据第一数据信息,获得第一评估信息;构建评估专家数据库,其中,评估专家数据库中包括N位评估专家,N为正整数;将第一图像信息发送至评估专家数据库中的N位评估专家,获得N个第二评估信息;根据N个第二评估信息,获得第三评估信息,第三评估信息为N位评估专家的综合评估信息;根据第三评估信息修正第一评估信息。达到了根据评估专家对病内镜图像的评估,对临床医生的评估进行修正,提高临床医生评估的准确性,提高诊断的准确性的技术效果。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种提高评估质量的信息处理方法及装置。
背景技术
内窥镜泛指经各种管道进入人体,以观察人体内部状况的医疗仪器。利用内窥镜可以看到X射线不能显示的病变,因此它对医生非常有用。如借助内窥镜医生可以观察胃内的溃疡或肿瘤,据此制定出最佳的治疗方案。部份内窥镜同时具备治疗的功能,如膀胱镜、胃镜、大肠镜、支气管镜、腹腔镜等。
但本申请发明人在实现本申请实施例中技术方案的过程中,发现上述现有技术至少存在如下技术问题:
由于临床医生经验不足、知识储备不够等原因,根据内镜采集到的病灶部位的图像对病灶进行评估时,评估质量不高的情况。
发明内容
本申请实施例通过提供一种提高评估质量的信息处理方法及装置,用以解决现有技术中根据内镜图像对图像采集部位进行评估时,评估质量不高的技术问题,达到了根据远程评估专家对内镜图像的综合评估,对评估进行修正,提高评估的准确性的技术效果。
为了解决上述问题,第一方面,本申请实施例提供了一种提高评估质量的信息处理方法,所述方法应用于内镜筛查质量评估系统,所述系统包括内镜图像识别模块和质量评估模块,其中,所述内镜图像识别模块和质量评估模块通讯连接,所述方法包括:通过所述内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。
优选的,所述获得N个第二评估信息,包括:获得所述N位评估专家的履历图像信息;将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;获得所述N位评估专家的初始评估信息;根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息。
优选的,所述根据所述N个第二评估信息,获得第三评估信息,包括:获得所述N位评估专家的擅长类别信息;根据所述第一图像信息,获得所述第一图像信息的类别信息;根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
优选的,所述方法包括:根据所述N个第二评估信息,获得评估数据信息;获得预定数据有效性阈值;根据所述预定数据有效性阈值,判断所述评估数据的有效性,获得判断结果;根据所述判断结果,获得所述N个第二评估信息中的M个第四评估信息,所述第四评估信息为有效评估信息,其中,所述M为小于等于N的整数;根据所述M个第四评估信息,获得第三评估信息。
优选的,所述根据所述第一图像信息,提取第一数据信息,包括:构建内镜图像信息数据库;根据所述第一图像信息,从所述内镜图像信息数据库中获得第二图像信息,所述第二图像信息为与所述第一图像信息具有第一相似度的图像信息;对比所述第一图像信息与所述第二图像信息,获得图像区别特征信息;根据所述第一图像信息获得第一基础数据信息,所述第一基础数据信息为所述第一图像信息的基础数据信息;根据所述第二图像信息获得第二基础数据信息,所述第二基础数据信息为所述第二图像信息的基础数据信息;对比所述第一基础数据信息和所述第二基础数据信息,获得区别数据信息;根据所述图像区别特征信息和所述区别数据信息,提取第一数据信息。
第二方面,本申请实施例还提供了一种提高评估质量的信息处理装置,所述装置包括:
第一获得单元,所述第一获得单元用于通过内镜图像识别模块获得第一图像信息;
第一提取单元,所述第一提取单元用于根据所述第一图像信息,提取第一数据信息;
第二获得单元,所述第二获得单元用于根据所述第一数据信息,获得第一评估信息;
第一构建单元,所述第一构建单元用于构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
第三获得单元,所述第三获得单元用于将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
第四获得单元,所述第四获得单元用于根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
第一修正单元,所述第一修正单元用于根据所述第三评估信息修正所述第一评估信息。
优选的,所述装置包括:
第五获得单元,所述第五获得单元用于获得所述N位评估专家的履历图像信息;
第一输入单元,所述第一输入单元用于将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
第六获得单元,所述第六获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
第七获得单元,所述第七获得单元用于获得所述N位评估专家的初始评估信息;
第八获得单元,所述第八获得单元用于根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息。
优选的,所述第四获得单元包括:
第九获得单元,所述第九获得单元用于获得所述N位评估专家的擅长类别信息;
第十获得单元,所述第十获得单元用于根据所述第一图像信息,获得所述第一图像信息的类别信息;
第一分类单元,所述第一分类单元用于根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
第十一获得单元,所述第十一获得单元用于获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
第十二获得单元,所述第十二获得单元用于根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
优选的,所述装置包括:
第十三获得单元,所述第十三获得单元用于根据所述N个第二评估信息,获得评估数据信息;
第十四获得单元,所述第十四获得单元用于获得预定数据有效性阈值;
第十五获得单元,所述第十五获得单元用于根据所述预定数据有效性阈值,判断所述评估数据的有效性,获得判断结果;
第十六获得单元,所述第十六获得单元用于根据所述判断结果,获得所述N个第二评估信息中的M个第四评估信息,所述第四评估信息为有效评估信息,其中,所述M为小于等于N的整数;
第十七获得单元,所述第十七获得单元用于根据所述M个第四评估信息,获得第三评估信息。
优选的,所述第一提取单元包括:
第二构建单元,所述第二构建单元用于构建内镜图像信息数据库;
第十八获得单元,所述第十八获得单元用于根据所述第一图像信息,从所述内镜图像信息数据库中获得第二图像信息,所述第二图像信息为与所述第一图像信息具有第一相似度的图像信息;
第十九获得单元,所述第十九获得单元用于对比所述第一图像信息与所述第二图像信息,获得图像区别特征信息;
第二十获得单元,所述第二十获得单元用于根据所述第一图像信息获得第一基础数据信息,所述第一基础数据信息为所述第一图像信息的基础数据信息;
第二十一获得单元,所述第二十一获得单元用于根据所述第二图像信息获得第二基础数据信息,所述第二基础数据信息为所述第二图像信息的基础数据信息;
第二十二获得单元,所述第二十二获得单元用于对比所述第一基础数据信息和所述第二基础数据信息,获得区别数据信息;
第二提取单元,所述第二提取单元用于根据所述图像区别特征信息和所述区别数据信息,提取第一数据信息。
第三方面,本申请实施例还提供了一种提高评估质量的信息处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:通过内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:通过内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本申请实施例通过提供一种提高评估质量的信息处理方法及装置,所述方法应用于内镜筛查质量评估系统,所述系统包括内镜图像识别模块和质量评估模块,其中,所述内镜图像识别模块和质量评估模块通讯连接,所述方法包括:通过所述内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。解决现有技术中根据内镜图像对图像采集部位进行评估时,评估质量不高的技术问题,达到了根据远程评估专家对内镜图像的综合评估,对评估进行修正,提高评估的准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本发明实施例中一种提高评估质量的信息处理方法的流程示意图;
图2为本发明实施例中一种提高评估质量的信息处理装置的结构示意图;
图3为本发明实施例中另一种提高评估质量的信息处理装置的结构示意图。
附图标记说明:第一获得单元11,第一提取单元12,第二获得单元13,第一构建单元14,第三获得单元15,第四获得单元16,第一修正单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例提供了一种提高评估质量的信息处理方法及装置,解决现有技术中根据内镜图像对图像采集部位进行评估时,评估质量不高的技术问题,达到了根据远程评估专家对内镜图像的综合评估,对评估进行修正,提高评估的准确性的技术效果。
为了解决上述技术问题,本申请提供的技术方案总体思路如下:通过所述内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。达到了根据远程评估专家对内镜图像的综合评估,对评估进行修正,提高评估的准确性的技术效果。
下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
实施例一
图1为本发明实施例中一种提高评估质量的信息处理方法的流程示意图,所述方法应用于内镜筛查质量评估系统,所述系统包括内镜图像识别模块和质量评估模块,其中,所述内镜图像识别模块和质量评估模块通讯连接,所述方法包括:
步骤110:通过所述内镜图像识别模块获得第一图像信息;
具体而言,本发明适用的内镜包括食道镜、胃镜、十二指肠镜、小肠镜、结肠镜、超声内镜、胆道镜、胶囊内镜、喉镜、支气管镜、腹腔镜、胆道镜、阴道镜、宫腔镜、血管内腔镜、关节腔镜。所述评估系统还包括客户端,所述客户端以APP的形式安装在用户的智能设备上,所述智能设备可以是手机、平板等移动智能客户端,也可以是台式电脑、笔记本电脑。所述内镜包括摄像头,所述摄像头用于拍摄病灶部位的图像信息,所述摄像头与所述图像识别模块通讯连接,并将采集到的图像信息实时传递给所述图像识别模块。临床医生通过所述内镜对患者的病灶部位进行检查,所述摄像头将采集到的图像信息传递给所述图像识别模块,然后从所述内镜图像识别模块中获得一张图像,即所述第一图像信息,所述第一图像信息可清晰反映患者病灶部位的状况。
步骤120:根据所述第一图像信息,提取第一数据信息;
进一步的,所述根据所述第一图像信息,提取第一数据信息,包括:
构建内镜图像信息数据库;
根据所述第一图像信息,从所述内镜图像信息数据库中获得第二图像信息,所述第二图像信息为与所述第一图像信息具有第一相似度的图像信息;
对比所述第一图像信息与所述第二图像信息,获得图像区别特征信息;
根据所述第一图像信息获得第一基础数据信息,所述第一基础数据信息为所述第一图像信息的基础数据信息;
根据所述第二图像信息获得第二基础数据信息,所述第二基础数据信息为所述第二图像信息的基础数据信息;
对比所述第一基础数据信息和所述第二基础数据信息,获得区别数据信息;
根据所述图像区别特征信息和所述区别数据信息,提取第一数据信息。
具体而言,将大量病灶部位的内镜图像信息和所述内镜图像的基础信息一一对应输入数据库,构建所述内镜图像信息数据库。其中,所述内镜图像的基础信息包括病变部位、病变种类、病变大小、病变程度等信息,即所述内镜信息数据库中的一组数据包含图像信息、病变部位、病变种类、病变大小、病变程度等信息。将所述第一图像信息与所述内镜图像数据库中的内镜图像信息进行对比,当某一图像信息与所述第一图像信息的相似度大于等于所述第一相似度时,将该图像信息确定为所述第二图像信息。所述内镜图像识别模块将对所述第一图像信息、所述第二图像信息进行对比,获得所述图像区别特征信息,所述图像区别特征信息包括颜色不同、灰度不同、对比度不同等信息。
临床医生通过所述第一图像信息对图像采集部位的基础信息做出初步判断,得到所述第一基础数据信息。在所述内镜图像信息数据库中获得所述第二图像的基础数据信息,即所述第二基础数据信息。将所述第一基础数据信息与所述第二基础信息进行对比,获得所述区别数据信息。将所述图像区别特征信息和所述区别数据信息提取出来,获得所述第一数据信息。临床医生根据所述第一数据信息,将关注点放在所述第一图像信息与所述第二图像信息的图像不同和病灶信息的不同上,提高诊断的准确性。
步骤130:根据所述第一数据信息,获得第一评估信息;
具体而言,临床医生根据所述第一数据信息,重新对所述第一基础数据进行判断,获得所述第一评估信息,所述第一评估信息包含所述第一图像信息的病灶部位的病灶部位、病灶类型、病灶大小、病灶程度等信息。达到根据患者的内镜图像与数据库中相似病灶图像之间的区别作为判断依据,对临床医生的初步诊断进行修正,提高临床医生诊断的准确性。
步骤140:构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
具体而言,对各大医院、医学院校的医生的信息进行收集,当所述医生满足预设条件时,将所述医生选入所述评估专家数据库,成为所述评估专家。所述评估系统包括所述评估专家数据库,并可读取所述评估专家数据库中的每位专家的信息。
步骤150:将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
具体而言,所述评估专家通过所述客户端与所述评估系统进行通讯,所述评估系统将所述第一图像信息发送给所述评估专家,所述评估专家根据所述第一图像信息对患者的病灶部位作出诊断,得到N个所述第二评估信息,并将N个所述第二评估信息通过所述客户端传递给所述评估系统。
进一步的,所述获得N个第二评估信息,包括:获得所述N位评估专家的履历图像信息;
将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
获得所述N位评估专家的初始评估信息;
根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息。
具体而言,因为每个所述评估专家擅长的领域不同、工作经验、技术水平等不同,对所述第一图像信息作出的评估信息的准确性不同,所以应所述评估专家作出的评估信息进行区别对待。训练模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。通过用多组训练数据对所述训练模型进行训练,所述训练模型可根据输入的所述履历图像信息,输出所述履历信息对应的评估定级信息和参考参数信息。
将每位所述评估专家的履历信息按照固定格式进行填写,然后存储为图像格式,获得所述N位评估专家的履历图像信息,即获得N份所述履历图像信息。将N份所述履历图像信息输入到所述训练模型中,所述训练模型输出N位所述评估专家对应的评估登记信息和参考参数信息。即获得N组输出信息,每组所述输出信息包括一个评估等级信息和一个参考参数信息,每组所述输出信息对应一位所述评估专家。所述评估专家的工作经验越丰富、技术水平越高,所述评估专家所对应的评估等级信息的值越高,所述评估专家所对应的参考参数信息的值越大,即每个所述评估等级信息的值对应一个所述参考参数信息的值。
将所述第一图像信息发送给N位所述评估专家,N位所述评估专家根据所述第一图像信息作出自己对于病灶部位相关信息的判断,得到N份所述初始评估信息。所述初始评估信息中的各项信息由数据来表示,一组所述初始评估信息由多个数据组成。将所述初始评估信息分别乘以所述初始评估信息所对应的所述参考参数信息,获得一个所述第二评估信息,N个所述初始评估信息获得N个所述第二评估信息。
步骤160:根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
进一步的,所述根据所述N个第二评估信息,获得第三评估信息,包括:
获得所述N位评估专家的擅长类别信息;
根据所述第一图像信息,获得所述第一图像信息的类别信息;
根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
具体而言,根据病灶部位对所述评估专家擅长的类别进行分类,例如胃、肠道、支气管、宫腔等,所述履历图像信息中包含有所述评估专家的擅长类别信息。从N份所述履历图像信息中获得N位所述评估专家的擅长类别信息,所述临床医生提供所述第一图像信息的类别信息,根据所述第一图像的类别信息、所述N位评估专家的擅长类别信息将N为所述评估专家分为两类,第一类评估专家擅长的类别信息与所述第一图像信息的类别信息相同,第二类评估专家擅长的类别信息与所述第一图像的类别信息不相同。将所有所述第一类评估专家的所述第二评估信息综合在一起,剔除相同、重复的信息后获得第一类评估信息;将所有第二类评估专家的所述第二评估信息综合在一起,剔除相同、重复的信息后获得第二类评估信息。在所述第一权重比中,所述第一类评估信息的权重比比所述第二类评估信息的权重比大。将所述第一类评估信息、所述第二类评估信息按照所述第一权重比进行加权运算,获得所述第三评估信息,在所述第三评估信息中,所述第一类评估信息所占的权重更大一点。
进一步的,所述方法包括:根据所述N个第二评估信息,获得评估数据信息;
获得预定数据有效性阈值;
根据所述预定数据有效性阈值,判断所述评估数据的有效性,获得判断结果;
根据所述判断结果,获得所述N个第二评估信息中的M个第四评估信息,所述第四评估信息为有效评估信息,其中,所述M为小于等于N的整数;
根据所述M个第四评估信息,获得第三评估信息。
具体而言,所述第二评估信息中的各项信息由数据来表示,一组所述第二评估信息由多个数据组成。在所述评估系统中获得所述第二评估信息的数据信息,即所述评估数据信息。所述评估系统内设置有所述有效性阈值,所述有效性阈值可以是一个数据、也可以是一组数据,如果是一个数据的话,是以某项信息为筛选条件对N个所述第二评估信息进行筛选,如果是一组数据的话,是以多项信息为筛选条件对N个所述第二评估信息进行筛选。例如,若是一个数据的话,以病变部位、病变程度、病变大小作中的一个为筛选条件;若是一组数据的话,以病变部位、病变程度、病变大小中的几个作为筛选条件。
若所述评估数据信息满足所述有效性阈值时,则所述评估数据有效,将所述第二评估信息确定为所述第四评估信息。若所述评估数据信息不满足所述有效阈值,则所述评估数据信息无效,舍弃所述评估数据信息。N个所述第二评估信息中由M个满足所述有效性阈值,则获得M个所述第四评估信息,将M个所述第四评估信息进行综合,获得所述第三评估信息。所述第三评估信息中删除了偏差较大的无效评估信息,准确性更强。
步骤170:根据所述第三评估信息修正所述第一评估信息。
具体而言,所述评估系统将所述第三评估信息传输到所述临床医生的客户端,并在所述客户端上进行显示。所述临床医生阅读所述第三评估信息,根据所述第三评估信息对所述第一评估信息进行修成,获得第五评估信息,所述第五评估信息即最终的诊断信息。达到了将评估专家的评估意见作为参考,提高临床医生对图像采集部位诊断准确性的技术效果。
实施例二
基于与前述实施例中一种提高评估质量的信息处理方法同样的发明构思,本发明还提供一种提高评估质量的信息处理装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于通过所述内镜图像识别模块获得第一图像信息;
第一提取单元12,所述第一提取单元12用于根据所述第一图像信息,提取第一数据信息;
第二获得单元13,所述第二获得单元13用于根据所述第一数据信息,获得第一评估信息;
第一构建单元14,所述第一构建单元14用于构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
第三获得单元15,所述第三获得单元15用于将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
第四获得单元,所述第四获得单元用于根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
第一修正单元,所述第一修正单元用于根据所述第三评估信息修正所述第一评估信息。
优选的,所述装置包括:
第五获得单元,所述第五获得单元用于获得所述N位评估专家的履历图像信息;
第一输入单元,所述第一输入单元用于将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
第六获得单元,所述第六获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
第七获得单元,所述第七获得单元用于获得所述N位评估专家的初始评估信息;
第八获得单元,所述第八获得单元用于根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息。
优选的,所述第四获得单元包括:
第九获得单元,所述第九获得单元用于获得所述N位评估专家的擅长类别信息;
第十获得单元,所述第十获得单元用于根据所述第一图像信息,获得所述第一图像信息的类别信息;
第一分类单元,所述第一分类单元用于根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
第十一获得单元,所述第十一获得单元用于获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
第十二获得单元,所述第十二获得单元用于根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
优选的,所述装置包括:
第十三获得单元,所述第十三获得单元用于根据所述N个第二评估信息,获得评估数据信息;
第十四获得单元,所述第十四获得单元用于获得预定数据有效性阈值;
第十五获得单元,所述第十五获得单元用于根据所述预定数据有效性阈值,判断所述评估数据的有效性,获得判断结果;
第十六获得单元,所述第十六获得单元用于根据所述判断结果,获得所述N个第二评估信息中的M个第四评估信息,所述第四评估信息为有效评估信息,其中,所述M为小于等于N的整数;
第十七获得单元,所述第十七获得单元用于根据所述M个第四评估信息,获得第三评估信息。
优选的,所述第一提取单元包括:
第二构建单元,所述第二构建单元用于构建内镜图像信息数据库;
第十八获得单元,所述第十八获得单元用于根据所述第一图像信息,从所述内镜图像信息数据库中获得第二图像信息,所述第二图像信息为与所述第一图像信息具有第一相似度的图像信息;
第十九获得单元,所述第十九获得单元用于对比所述第一图像信息与所述第二图像信息,获得图像区别特征信息;
第二十获得单元,所述第二十获得单元用于根据所述第一图像信息获得第一基础数据信息,所述第一基础数据信息为所述第一图像信息的基础数据信息;
第二十一获得单元,所述第二十一获得单元用于根据所述第二图像信息获得第二基础数据信息,所述第二基础数据信息为所述第二图像信息的基础数据信息;
第二十二获得单元,所述第二十二获得单元用于对比所述第一基础数据信息和所述第二基础数据信息,获得区别数据信息;
第二提取单元,所述第二提取单元用于根据所述图像区别特征信息和所述区别数据信息,提取第一数据信息。
前述图1实施例一中的一种提高评估质量的信息处理方法的各种变化方式和具体实例同样适用于本实施例的一种提高评估质量的信息处理装置,通过前述对一种提高评估质量的信息处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高评估质量的信息处理装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种提高评估质量的信息处理方法同样的发明构思,本发明还提供一种提高评估质量的信息处理装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种提高评估质量的信息处理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种提高评估质量的信息处理方法同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
通过所述内镜图像识别模块获得第一图像信息;
根据所述第一图像信息,提取第一数据信息;
根据所述第一数据信息,获得第一评估信息;
构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
根据所述第三评估信息修正所述第一评估信息。
在具体实施过程中,该程序被处理器执行时,还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本申请实施例通过提供一种提高评估质量的信息处理方法及装置,所述方法应用于内镜筛查质量评估系统,所述系统包括内镜图像识别模块和质量评估模块,其中,所述内镜图像识别模块和质量评估模块通讯连接,所述方法包括:通过所述内镜图像识别模块获得第一图像信息;根据所述第一图像信息,提取第一数据信息;根据所述第一数据信息,获得第一评估信息;构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;根据所述第三评估信息修正所述第一评估信息。解决现有技术中根据内镜图像对图像采集部位进行评估时,评估质量不高的技术问题,达到了根据远程评估专家对内镜图像的综合评估,对评估进行修正,提高评估的准确性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种提高评估质量的信息处理装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于通过内镜图像识别模块获得第一图像信息;
第一提取单元,所述第一提取单元用于根据所述第一图像信息,提取第一数据信息;
第二获得单元,所述第二获得单元用于根据所述第一数据信息,获得第一评估信息;
第一构建单元,所述第一构建单元用于构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
第三获得单元,所述第三获得单元用于将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
第四获得单元,所述第四获得单元用于根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
第一修正单元,所述第一修正单元用于根据所述第三评估信息修正所述第一评估信息;
第五获得单元,所述第五获得单元用于获得所述N位评估专家的履历图像信息;
第一输入单元,所述第一输入单元用于将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
第六获得单元,所述第六获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
第七获得单元,所述第七获得单元用于获得所述N位评估专家的初始评估信息;
第八获得单元,所述第八获得单元用于根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息;
第九获得单元,所述第九获得单元用于获得所述N位评估专家的擅长类别信息;
第十获得单元,所述第十获得单元用于根据所述第一图像信息,获得所述第一图像信息的类别信息;
第一分类单元,所述第一分类单元用于根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
第十一获得单元,所述第十一获得单元用于获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
第十二获得单元,所述第十二获得单元用于根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
2.一种提高评估质量的信息处理装置,包括存储器、处理器及存储在存储器上并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程序时实现以下步骤:
通过内镜图像识别模块获得第一图像信息;
根据所述第一图像信息,提取第一数据信息;
根据所述第一数据信息,获得第一评估信息;
构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
根据所述第三评估信息修正所述第一评估信息;
所述获得N个第二评估信息,包括:
获得所述N位评估专家的履历图像信息;
将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
获得所述N位评估专家的初始评估信息;
根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息;
所述根据所述N个第二评估信息,获得第三评估信息,包括:
获得所述N位评估专家的擅长类别信息;
根据所述第一图像信息,获得所述第一图像信息的类别信息;
根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
通过内镜图像识别模块获得第一图像信息;
根据所述第一图像信息,提取第一数据信息;
根据所述第一数据信息,获得第一评估信息;
构建评估专家数据库,其中,所述评估专家数据库中包括N位评估专家,所述N为正整数;
将所述第一图像信息发送至所述评估专家数据库中的N位评估专家,获得N个第二评估信息;
根据所述N个第二评估信息,获得第三评估信息,所述第三评估信息为所述N位评估专家的综合评估信息;
根据所述第三评估信息修正所述第一评估信息;
所述获得N个第二评估信息,包括:
获得所述N位评估专家的履历图像信息;
将所述履历图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述履历图像信息、预定分级标准和与所述预定分级标准相互匹配的预定参考参数标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括N位评估专家的评估等级信息和对应的参考参数信息;
获得所述N位评估专家的初始评估信息;
根据所述N位评估专家的评估等级信息、所述参考参数信息和所述初始评估信息,获得N个第二评估信息;
所述根据所述N个第二评估信息,获得第三评估信息,包括:
获得所述N位评估专家的擅长类别信息;
根据所述第一图像信息,获得所述第一图像信息的类别信息;
根据所述第一图像信息的类别信息和所述N位评估专家的擅长类别信息,将所述N个第二评估信息分为第一类评估信息和第二类评估信息,其中,所述第一类评估信息包括擅长类别与所述第一图像信息的类别相同的评估专家对应的第二评估信息;所述第二类评估信息包括擅长类别与所述第一图像信息的类别不同的评估专家对应的第二评估信息;
获得第一权重比,所述第一权重比为所述第一类评估信息与所述第二类评估信息的权重比;
根据所述第一类评估信息、所述第二类评估信息和所述第一权重比,获得第三评估信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010511859.4A CN111403029B (zh) | 2020-06-08 | 2020-06-08 | 一种提高评估质量的信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010511859.4A CN111403029B (zh) | 2020-06-08 | 2020-06-08 | 一种提高评估质量的信息处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111403029A CN111403029A (zh) | 2020-07-10 |
CN111403029B true CN111403029B (zh) | 2020-09-08 |
Family
ID=71431927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010511859.4A Active CN111403029B (zh) | 2020-06-08 | 2020-06-08 | 一种提高评估质量的信息处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111403029B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215835A (zh) * | 2020-10-22 | 2021-01-12 | 刘茗露 | 一种图文系统中模板化报告的信息处理方法及装置 |
CN113076636B (zh) * | 2021-03-29 | 2022-03-11 | 南京贝迪新材料科技股份有限公司 | 一种光学膜裁切质量的评估方法及系统 |
CN114841626B (zh) * | 2022-07-01 | 2022-09-27 | 张家港市欧凯医疗器械有限公司 | 一种导尿管质量智能评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102578995A (zh) * | 2011-12-22 | 2012-07-18 | 诊断有限公司 | 人类和动物器官的诊断方法和实施装置 |
US20160054901A1 (en) * | 2014-08-22 | 2016-02-25 | Samsung Medison Co., Ltd. | Method, apparatus, and system for outputting medical image representing object and keyboard image |
CN110648750A (zh) * | 2019-09-04 | 2020-01-03 | 杭州憶盛医疗科技有限公司 | 一种数字化切片系统和病理切片分析方法 |
CN110909236A (zh) * | 2019-10-24 | 2020-03-24 | 东莞成电智信信息科技有限公司 | 一种基于大数据的专家推荐方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6949999B2 (ja) * | 2017-12-26 | 2021-10-13 | 富士フイルム株式会社 | 画像処理装置、内視鏡システム、画像処理方法、プログラム及び記録媒体 |
CN108737428B (zh) * | 2018-05-24 | 2021-07-27 | 中国联合网络通信集团有限公司 | 基于图像识别的皮肤病确定方法和装置 |
-
2020
- 2020-06-08 CN CN202010511859.4A patent/CN111403029B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102578995A (zh) * | 2011-12-22 | 2012-07-18 | 诊断有限公司 | 人类和动物器官的诊断方法和实施装置 |
US20160054901A1 (en) * | 2014-08-22 | 2016-02-25 | Samsung Medison Co., Ltd. | Method, apparatus, and system for outputting medical image representing object and keyboard image |
CN110648750A (zh) * | 2019-09-04 | 2020-01-03 | 杭州憶盛医疗科技有限公司 | 一种数字化切片系统和病理切片分析方法 |
CN110909236A (zh) * | 2019-10-24 | 2020-03-24 | 东莞成电智信信息科技有限公司 | 一种基于大数据的专家推荐方法 |
Non-Patent Citations (1)
Title |
---|
群体综合评价中兼顾权威与共识的专家权重方法研究;孙霞 等;《数学的实践与认识》;20140430;第44卷(第8期);第42-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111403029A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111403029B (zh) | 一种提高评估质量的信息处理方法及装置 | |
Khan et al. | Automatic detection of tympanic membrane and middle ear infection from oto-endoscopic images via convolutional neural networks | |
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
JP5926728B2 (ja) | 内科医が直接用いるのに適応したビジュアライゼーション | |
CN111292328B (zh) | 一种基于内镜筛查的图像信息处理方法及装置 | |
CN111767963A (zh) | 一种基于内镜筛查提高质量评估的方法及装置 | |
JP2024045234A (ja) | 腸の病理学のための画像スコアリング | |
EP3699920A1 (en) | Methods and apparatus for the application of machine learning to radiographic images of animals | |
CN112233752B (zh) | 一种用于内镜检查报告的信息处理方法和装置 | |
CN103458765B (zh) | 图像处理装置 | |
CN109460717B (zh) | 消化道共聚焦激光显微内镜病变图像识别方法及装置 | |
US11893659B2 (en) | Domain adaption | |
CN117274270B (zh) | 基于人工智能的消化内镜实时辅助系统及方法 | |
Venkataramani et al. | Towards continuous domain adaptation for medical imaging | |
DE112016007005T5 (de) | Bildverarbeitungsvorrichtung, Lernvorrichtung, Bildverarbeitungsverfahren, Verfahren zum Erstellen eines Klassifizierungskriteriums, Lernverfahren und Programm | |
TWI728369B (zh) | 人工智慧雲端膚質與皮膚病灶辨識方法及其系統 | |
Sengan et al. | Echocardiographic image segmentation for diagnosing fetal cardiac rhabdomyoma during pregnancy using deep learning | |
CN117338234A (zh) | 一种屈光度与视力联合检测方法 | |
CN110110750B (zh) | 一种原始图片的分类方法及装置 | |
CN112991333B (zh) | 一种内窥镜手术中基于语音分析的图像处理方法及系统 | |
CN113554641B (zh) | 一种儿科咽部图像采集方法及装置 | |
Dey et al. | Image Examination System to Detect Gastric Polyps from Endoscopy Images. | |
Magoulas | Neuronal networks and textural descriptors for automated tissue classification in endoscopy | |
Brown et al. | Deep learning for computer-aided diagnosis in ophthalmology: a review | |
CN111340778A (zh) | 一种青光眼图像处理方法和设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210127 Address after: 201314 3rd floor, No.20, Lane 15, Gudan Road, Pudong New Area, Shanghai Patentee after: Qiangji (Shanghai) medical equipment Co.,Ltd. Address before: 1 / F and 4 / F, No.20, Lane 15, Gudan Road, Xinchang Town, Pudong New Area, Shanghai, 200120 Patentee before: Shanghai Fuci Medical Technology Co.,Ltd. |