CN111784668A - 基于感知哈希算法的消化内镜检查影像自动冻结的方法 - Google Patents
基于感知哈希算法的消化内镜检查影像自动冻结的方法 Download PDFInfo
- Publication number
- CN111784668A CN111784668A CN202010620041.6A CN202010620041A CN111784668A CN 111784668 A CN111784668 A CN 111784668A CN 202010620041 A CN202010620041 A CN 202010620041A CN 111784668 A CN111784668 A CN 111784668A
- Authority
- CN
- China
- Prior art keywords
- image
- picture
- hash algorithm
- perceptual hash
- freezing
- 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.)
- Withdrawn
Links
- 238000007710 freezing Methods 0.000 title claims abstract description 38
- 238000001839 endoscopy Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008014 freezing Effects 0.000 title claims abstract description 30
- 230000001079 digestive effect Effects 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 14
- 230000014509 gene expression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- A61B1/06—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
- A61B1/0638—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 providing two or more wavelengths
-
- 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
- A61B1/2736—Gastroscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2628—Alteration of picture size, shape, position or orientation, e.g. zooming, rotation, rolling, perspective, translation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Surgery (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Gastroenterology & Hepatology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
- Endoscopes (AREA)
Abstract
本发明涉及医疗图像处理技术领域,具体为基于感知哈希算法的消化内镜检查影像自动冻结的方法,包括如下步骤:S1、将内镜设备获取的内镜检查视频流解析为图像数据;S2、计算t时间点图片与前n帧图片相似度,得出图片的加权相似度k;S3、将t时间点的图片加权相似度k与冻结分界线l相比较,当k值达到l值时触发冻结图像指令。运用此方法后,内镜医师需要仔细查看某视野图像时只需要停止内镜镜体移动来保持视野不变,即可自动判断为冻结图像,无需医师手动操作“冻结”按钮,减轻医生工作量。系统自动执行冻结指令,可以避免人因反应慢或操作不熟练导致冻结图像视野偏移或有效信息丢失,从而有效获取最佳视野的清晰图像。
Description
技术领域
本发明涉及医疗图像处理技术领域,具体为基于感知哈希算法的消化内镜检查影像自动冻结的方法。
背景技术
消化内镜是消化道病变的筛查和诊断的金标准,是临床诊断和治疗的核心环节。消化内镜检查是通过内镜医师的操作,使消化内镜进入人体消化道进行拍摄,并实时传输视频影像到内窥镜影像系统,经过系统的处理后传输到显示端供内镜医师查看。图像冻结功能是内镜检查过程中常用的基本功能,内镜医师通过按下内镜设备的“冻结”按钮冻结实时图像,获取静态图像以供仔细观察。
对于冻结显示的图像,需要在当前时刻的内镜检查视频中抓取到最清晰稳定的帧。目前冻结的图像存在可能模糊的情况,在保证冻结图像清晰度的方面,相关人员提出相关看法。冯进伟等在专利号为CN108063920A的发明专利“一种图像冻结方法、装置、设备及计算机可读存储介质”中,提出一种图像冻结方法将清晰度值最高的图像与前预定帧图像和后预定帧图像融合,生成最终的冻结图像从而使冻结图像更清晰,避免图像有用信息的丢失。此方法必须依赖内镜医师操作按下按钮,来发出冻结指令,受限于内镜医师的操作水平不高、反应速度慢等因素,冻结时检查视频影像中的视野有偏移,导致冻结的图像不是医师想要的有效区域图像。为此,我们提出基于感知哈希算法的消化内镜检查影像自动冻结的方法。
发明内容
本发明的目的在于提供基于感知哈希算法的消化内镜检查影像自动冻结的方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于感知哈希算法的消化内镜检查影像自动冻结的方法,包括如下步骤:
S1、将内镜设备获取的内镜检查视频流解析为图像数据;
S2、计算t时间点图片与前n帧图片相似度,得出图片的加权相似度k;
S3、将t时间点的图片加权相似度k与冻结分界线l相比较,当k值达到l值时触发冻结图像指令。
优选的,所述步骤S1中解析为图像数据后,还需剔除模糊的无效帧图片,对图片进行裁剪,然后对裁剪的图片进一步缩小,只保留图片的结构信息,并将图片转化成灰度图。
优选的,所述步骤S1中采用双立方插值法对裁剪后的图片进一步缩小。
优选的,所述步骤S1中将图片转化为灰度图的计算公式如下:
Gray=0.30*R+0.59*G+0.11*B;
其中,R、G、B分别表示红色光,绿色光,蓝色光的信息值。
优选的,所述步骤S1中比较灰度图的每行相邻像素的灰度值,若前一个像素的灰度值大于后一个像素,则dHash值设置为“1”,若不大于则dHash值设置为“0”。
优选的,所述步骤S2中通过计算不同图片间的汉明距离来计算不同图片之间的相似度。
优选的,所述步骤S2中不同图片之间的汉明距离表示将图片A对应的dHash值修改为图片B对应的dHash需要修改的位数。
优选的,所述步骤S2中计算当前图片与前n帧图片的相似度的公式为:
Sim=100*(64-d(x,y))/64;
其中,d(x,y)表示不同图片之间的汉明距离,d(x,y)=Σx⊕y,x和y分别表示不同图片对应的dHash值,⊕表示异或。
优选的,所述步骤S3中的冻结分界线l由内镜医师在内镜检查过程中手动进行冻结图像操作的视频中分析所得。
与现有技术相比,本发明的有益效果是:运用此方法后,内镜医师只需要仔细查看某视野图像时只需要停止内镜镜体移动来保持视野不变,即可自动判断为冻结图像,无需医师手动操作“冻结”按钮,减轻医生工作量。系统自动执行冻结指令,可以避免人因反应慢或操作不熟练导致冻结图像视野偏移或有效信息丢失,从而有效获取最佳视野的清晰图像。
附图说明
图1为本发明流程图;
图2为本发明利用双立方插值缩放图像的原理图;
图3为本发明目标插值图中的某像素点(x,y)在原图中最接近的映射点示意图;
图4为本发明像素灰度图。
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。
请参阅图1-4,本发明提供一种技术方案:基于感知哈希算法的消化内镜检查影像自动冻结的方法,包括如下步骤:
S1、将内镜设备获取的内镜检查视频流解析为图像数据;
S2、计算t时间点图片与前n帧图片相似度,得出图片的加权相似度k;
S3、将t时间点的图片加权相似度k与冻结分界线l相比较,当k值达到l值时触发冻结图像指令。
实施例一:
S1,通过内镜检查设备获取内镜检查视频流,将视频流解析为图片(每秒钟30帧),剔除模糊无效帧图片,取其中10帧图片;
S2,将有效帧图片裁剪为360*360像素大小,进一步缩小图片,只保留图片的结构信息;
一张360*360的图片,有10万多个像素点,包含相当庞大的信息量,非常多的细节需要处理。因此,我们需要把图片缩放到非常小,作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。
缩放图片采用双立方插值法,虽然计算量大点但缩放后图像质量高,不易失真。根据图2与双立方插值的数学表达式可以看出,插值后的缩小图中(i',j')坐标点对应的像素值是原图中(i,j)处邻近16个像素点的权重卷积之和,图3中的P00代表目标插值图中的某像素点(x,y)在原图中最接近的映射点。设原图中每一个(i,j)坐标点的像素值的表达式为f(i,j),则插值后对应坐标的像素值为F(i',j'),可由以下公式得出:
其中v代表行数偏差,u代表列数偏差;row代表某一行,col代表某一列;S(x)表示插值表达式,可以根据需要选择的表达式不同,常见有基于三角取值、Bell分布表达、B样条曲线表达式。本发明实施例中选取Bell分布表达式。
为了更好的计算转换图片的dHash值,本发明实施例将图片缩小至9*8,共72个像素。
将图片转化为灰度图;
缩小后的图片是彩色的,由RGB值组成,表示为(R,G,B)。R、G、B分别为红色光、绿色光、蓝色光的信息值,其值越大颜色越亮,值越小颜色越暗,如白色表示为(255,255,255),黑色表示为(0,0,0)。通常对比图片相似度和颜色关系不大,所以将图片处理为灰度图,参阅图4最终所得的9*8像素灰度图,减少后期计算的复杂度。可以将RGB值转换为灰度值(只由一个0至255的整数表示灰度)。
采用加权平均法:由于人眼对红色、绿色、蓝色的敏感程度不同,给图片的每个像素点赋予不同的权重来计算灰度值,公式如下:
Gray=0.30*R+0.59*G+0.11*B
比较灰度图的像素灰度差异,计算出差异值,生成图片的dHash值;
灰度图每行有9个像素,共有8行。比较每行相邻两个像素的差异,则每行会生成8个差异值。若前一个像素的灰度值大于后一个像素,则差异值设置为“1”,若不大于则设置为“0”。然后将像素从上至下、从左至右的顺序比较计算出的差异值按顺序拼接为64位的二进制字符串,即为图片的dHash值。
实施例二:
与实施例一的区别技术如下:
步骤S2中通过计算不同图片间的汉明距离来计算不同图片之间的相似度。不同图片之间的汉明距离表示将图片A对应的dHash值修改为图片B对应的dHash需要修改的位数。计算当前图片与前n帧图片的相似度的公式为:
Sim=100*(64-d(x,y))/64;
其中,d(x,y)表示不同图片之间的汉明距离,d(x,y)=Σx⊕y,x和y分别表示不同图片对应的dHash值,⊕表示异或。
计算不同图片间的汉明距离;
汉明距离表示两个等长字符串在对应位置上不同字符的数目,dHash中的汉明距离是将两张图片的二进制dHash值取异或,计算异或结果的“1”的位数,也就是二进制dHash值不相同的位数。我们以d(x,y)表示字符串x和y之间的汉明距离。
S6,比较t时间点的图片与前9帧图片的dHash值,分别得到当前图片与前9帧图片的重叠率,即为相似度。两张图片的相似度Sim计算公式为Sim=100*(64-d(x,y))/64,得出t时间点的图片的加权相似度, Simi是指t时间点的图片与前面第i帧(取值范围为1-9)图片之间的相似度;
实施例三:
与实施例二的区别技术如下:
通过分析内镜医师在内镜检查过程中手动进行冻结图像操作的视频,设置判断为图像冻结时加权相似度的分界线l;
采用本技术方案替代人工冻结图像的操作,既能有效获取最佳视野的清晰图像,也能减少内镜医师操作的工作量。其核心在于,如何去触发冻结指令。基于人为操作的习惯,医师想要抓取静态图像进行冻结操作时,会尽量控制内镜镜体与检查区域保持相对静止,输出的视频影像中连续的帧的相似度是很高的。感知哈希算法被广泛应用于图片相似度的判断,感知哈希算法(以下简称PHA)是哈希算法的一类,主要用来做相似图片的搜索工作。感知哈希算法是一类哈希算法的总称,其作用在于生成每张图像的“指纹”(fingerprint)字符串,比较不同图像的指纹信息来判断图像的相似性。结果越接近图像越相似。感知哈希算法包括均值哈希(aHash)、感知哈希(pHash)和dHash(差异值哈希)。
从上述分析可以看出,采用感知哈希算法对消化内镜检查影像单位时间内的相邻帧图像进行分析计算相似度,若相似度越高则越趋于图像冻结,相似度达到预设的分界线时可视为冻结操作,即可自动发出冻结指令,完成后续的流程。
本发明在内镜医师仔细查看某视野图像时只需要停止内镜镜体移动来保持视野不变,即可自动判断为冻结图像,无需医师手动操作“冻结”按钮,减轻医生工作量。系统自动执行冻结指令,可以避免人因反应慢或操作不熟练导致冻结图像视野偏移或有效信息丢失,从而有效获取最佳视野的清晰图像。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:包括如下步骤:
S1、将内镜设备获取的内镜检查视频流解析为图像数据;
S2、计算t时间点图片与前n帧图片相似度,得出图片的加权相似度k;
S3、将t时间点的图片加权相似度k与冻结分界线l相比较,当k值达到l值时触发冻结图像指令。
2.根据权利要求1所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S1中解析为图像数据后,还需剔除模糊的无效帧图片,对图片进行裁剪,然后对裁剪的图片进一步缩小,只保留图片的结构信息,并将图片转化成灰度图。
3.根据权利要求2所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S1中采用双立方插值法对裁剪后的图片进一步缩小。
4.根据权利要求2所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S1中将图片转化为灰度图的计算公式如下:
Gray=0.30*R+0.59*G+0.11*B;
其中,R、G、B分别表示红色光,绿色光,蓝色光的信息值。
5.根据权利要求2所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S1中比较灰度图的每行相邻像素的灰度值,若前一个像素的灰度值大于后一个像素,则dHash值设置为“1”,若不大于则dHash值设置为“0”。
6.根据权利要求1所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S2中通过计算不同图片间的汉明距离来计算不同图片之间的相似度。
7.根据权利要求6所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S2中不同图片之间的汉明距离表示将图片A对应的dHash值修改为图片B对应的dHash需要修改的位数。
8.根据权利要求7所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S2中计算当前图片与前n帧图片的相似度的公式为:
Sim=100*(64-d(x,y))/64;
其中,d(x,y)表示不同图片之间的汉明距离,d(x,y)=Σx⊕y,x和y分别表示不同图片对应的dHash值,⊕表示异或。
9.根据权利要求1所述的基于感知哈希算法的消化内镜检查影像自动冻结的方法,其特征在于:所述步骤S3中的冻结分界线l由内镜医师在内镜检查过程中手动进行冻结图像操作的视频中分析所得。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010620041.6A CN111784668A (zh) | 2020-07-01 | 2020-07-01 | 基于感知哈希算法的消化内镜检查影像自动冻结的方法 |
US17/138,868 US20220006981A1 (en) | 2020-07-01 | 2020-12-30 | Method of automatic image freezing of digestive endoscopy |
EP21155695.6A EP3933672A1 (en) | 2020-07-01 | 2021-02-08 | Method of automatic image freezing of digestive endoscopy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010620041.6A CN111784668A (zh) | 2020-07-01 | 2020-07-01 | 基于感知哈希算法的消化内镜检查影像自动冻结的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111784668A true CN111784668A (zh) | 2020-10-16 |
Family
ID=72761435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010620041.6A Withdrawn CN111784668A (zh) | 2020-07-01 | 2020-07-01 | 基于感知哈希算法的消化内镜检查影像自动冻结的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220006981A1 (zh) |
EP (1) | EP3933672A1 (zh) |
CN (1) | CN111784668A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419395A (zh) * | 2020-11-24 | 2021-02-26 | 上海理工大学 | 一种利用图像处理技术确定冻干物料塌陷温度的方法 |
CN113679327A (zh) * | 2021-10-26 | 2021-11-23 | 青岛美迪康数字工程有限公司 | 内镜检查图像采集方法及装置 |
CN113989125A (zh) * | 2021-12-27 | 2022-01-28 | 武汉楚精灵医疗科技有限公司 | 内镜图像的拼接方法、装置、计算机设备及存储介质 |
CN116258700A (zh) * | 2023-02-28 | 2023-06-13 | 南京索图科技有限公司 | 一种内窥镜冻结状态检测的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523918B (zh) * | 2023-07-04 | 2023-09-26 | 深圳英美达医疗技术有限公司 | 内镜图像的冻结方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04241832A (ja) * | 1991-01-11 | 1992-08-28 | Fuji Photo Optical Co Ltd | 電子内視鏡装置 |
US5387928A (en) * | 1990-05-29 | 1995-02-07 | Fuji Photo Optical Co., Ltd. | Electronic endoscope system having both still and moving images |
CN103099598A (zh) * | 2011-11-09 | 2013-05-15 | 富士胶片株式会社 | 内窥镜系统、其处理器设备和显示氧饱和度水平的方法 |
JP2014220690A (ja) * | 2013-05-09 | 2014-11-20 | オリンパスメディカルシステムズ株式会社 | 信号処理装置、信号処理方法 |
US20150348253A1 (en) * | 2014-05-30 | 2015-12-03 | General Electric Company | Remote visual inspection image capture system and method |
US20160128545A1 (en) * | 2013-09-24 | 2016-05-12 | Olympus Corporation | Endoscope apparatus and method for controlling endoscope apparatus |
US20170236280A1 (en) * | 2015-10-29 | 2017-08-17 | Olympus Corporation | Endoscope apparatus |
US20170353666A1 (en) * | 2015-11-18 | 2017-12-07 | Olympus Corporation | Image processing device, image processing method, and computer-readable storage device |
CN109598716A (zh) * | 2018-12-05 | 2019-04-09 | 上海珍灵医疗科技有限公司 | 基于计算机视觉的肠镜退镜速度实时监测方法和系统 |
CN110916606A (zh) * | 2019-11-15 | 2020-03-27 | 武汉楚精灵医疗科技有限公司 | 一种基于人工智能的实时肠道清洁度评分系统和方法 |
CN111274568A (zh) * | 2020-02-27 | 2020-06-12 | 中国平安财产保险股份有限公司 | 用户端权限控制方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108063920A (zh) | 2017-12-26 | 2018-05-22 | 深圳开立生物医疗科技股份有限公司 | 一种图像冻结方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-07-01 CN CN202010620041.6A patent/CN111784668A/zh not_active Withdrawn
- 2020-12-30 US US17/138,868 patent/US20220006981A1/en not_active Abandoned
-
2021
- 2021-02-08 EP EP21155695.6A patent/EP3933672A1/en not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5387928A (en) * | 1990-05-29 | 1995-02-07 | Fuji Photo Optical Co., Ltd. | Electronic endoscope system having both still and moving images |
JPH04241832A (ja) * | 1991-01-11 | 1992-08-28 | Fuji Photo Optical Co Ltd | 電子内視鏡装置 |
CN103099598A (zh) * | 2011-11-09 | 2013-05-15 | 富士胶片株式会社 | 内窥镜系统、其处理器设备和显示氧饱和度水平的方法 |
JP2014220690A (ja) * | 2013-05-09 | 2014-11-20 | オリンパスメディカルシステムズ株式会社 | 信号処理装置、信号処理方法 |
US20160128545A1 (en) * | 2013-09-24 | 2016-05-12 | Olympus Corporation | Endoscope apparatus and method for controlling endoscope apparatus |
US20150348253A1 (en) * | 2014-05-30 | 2015-12-03 | General Electric Company | Remote visual inspection image capture system and method |
US20170236280A1 (en) * | 2015-10-29 | 2017-08-17 | Olympus Corporation | Endoscope apparatus |
US20170353666A1 (en) * | 2015-11-18 | 2017-12-07 | Olympus Corporation | Image processing device, image processing method, and computer-readable storage device |
CN109598716A (zh) * | 2018-12-05 | 2019-04-09 | 上海珍灵医疗科技有限公司 | 基于计算机视觉的肠镜退镜速度实时监测方法和系统 |
CN110916606A (zh) * | 2019-11-15 | 2020-03-27 | 武汉楚精灵医疗科技有限公司 | 一种基于人工智能的实时肠道清洁度评分系统和方法 |
CN111274568A (zh) * | 2020-02-27 | 2020-06-12 | 中国平安财产保险股份有限公司 | 用户端权限控制方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
姚永明;杨纯;吴凌燕;沈烨;: "关于对图像哈希算法的研究与应用", 西安文理学院学报(自然科学版), no. 05 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419395A (zh) * | 2020-11-24 | 2021-02-26 | 上海理工大学 | 一种利用图像处理技术确定冻干物料塌陷温度的方法 |
CN112419395B (zh) * | 2020-11-24 | 2022-09-20 | 上海理工大学 | 一种利用图像处理技术确定冻干物料塌陷温度的方法 |
CN113679327A (zh) * | 2021-10-26 | 2021-11-23 | 青岛美迪康数字工程有限公司 | 内镜检查图像采集方法及装置 |
CN113679327B (zh) * | 2021-10-26 | 2022-02-18 | 青岛美迪康数字工程有限公司 | 内镜检查图像采集方法及装置 |
CN113989125A (zh) * | 2021-12-27 | 2022-01-28 | 武汉楚精灵医疗科技有限公司 | 内镜图像的拼接方法、装置、计算机设备及存储介质 |
CN113989125B (zh) * | 2021-12-27 | 2022-04-12 | 武汉楚精灵医疗科技有限公司 | 内镜图像的拼接方法、装置、计算机设备及存储介质 |
CN116258700A (zh) * | 2023-02-28 | 2023-06-13 | 南京索图科技有限公司 | 一种内窥镜冻结状态检测的方法 |
CN116258700B (zh) * | 2023-02-28 | 2024-04-26 | 南京索图科技有限公司 | 一种内窥镜冻结状态检测的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220006981A1 (en) | 2022-01-06 |
EP3933672A1 (en) | 2022-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11800969B2 (en) | Method and device for monitoring colonoscope withdrawal speed | |
CN111784668A (zh) | 基于感知哈希算法的消化内镜检查影像自动冻结的方法 | |
CN111383214B (zh) | 实时内窥镜肠镜息肉检测系统 | |
CN111091109B (zh) | 基于人脸图像进行年龄和性别预测的方法、系统和设备 | |
US11694114B2 (en) | Real-time deployment of machine learning systems | |
WO2006100808A1 (ja) | カプセル内視鏡画像表示制御装置 | |
CN109840485B (zh) | 一种微表情特征提取方法、装置、设备及可读存储介质 | |
CN110599421A (zh) | 模型训练方法、视频模糊帧转换方法、设备及存储介质 | |
CN113012140A (zh) | 基于深度学习的消化内镜视频帧有效信息区域提取方法 | |
CN112446880B (zh) | 图像处理方法、电子设备及可读存储介质 | |
Li et al. | Hdrnet: Single-image-based hdr reconstruction using channel attention cnn | |
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 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN113781489A (zh) | 一种息肉影像语义分割方法及装置 | |
CN113643297A (zh) | 一种基于神经网络的计算机辅助牙龄分析方法 | |
Zheng et al. | Overwater image dehazing via cycle-consistent generative adversarial network | |
Yang et al. | Endoscopic image deblurring and super-resolution reconstruction based on deep learning | |
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 | |
CN110458223B (zh) | 一种内镜下支气管肿瘤自动检测方法及检测系统 | |
Pinneli et al. | A Bayesian approach to predicting the perceived interest of objects | |
CN115100730B (zh) | 虹膜活体检测模型的训练方法、虹膜活体检测方法及装置 | |
TWI831640B (zh) | 具有除霧機制的影像處理系統 | |
CN110010228A (zh) | 一种基于图像分析的脸部皮肤透视算法 | |
CN117197166B (zh) | 基于边缘和邻域信息的息肉图像分割方法及成像方法 | |
CN114418920B (zh) | 一种内窥镜多焦点图像融合方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201016 |