CN111821021A - 一种基于人工智能的肠镜最优路径计算方法和系统 - Google Patents

一种基于人工智能的肠镜最优路径计算方法和系统 Download PDF

Info

Publication number
CN111821021A
CN111821021A CN202010567227.XA CN202010567227A CN111821021A CN 111821021 A CN111821021 A CN 111821021A CN 202010567227 A CN202010567227 A CN 202010567227A CN 111821021 A CN111821021 A CN 111821021A
Authority
CN
China
Prior art keywords
curve
point
sampling point
sampling
initial
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.)
Granted
Application number
CN202010567227.XA
Other languages
English (en)
Other versions
CN111821021B (zh
Inventor
韩书文
杨茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huzhou Central Hospital
Original Assignee
Huzhou Central Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huzhou Central Hospital filed Critical Huzhou Central Hospital
Priority to CN202010567227.XA priority Critical patent/CN111821021B/zh
Publication of CN111821021A publication Critical patent/CN111821021A/zh
Application granted granted Critical
Publication of CN111821021B publication Critical patent/CN111821021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/102—Modelling of surgical devices, implants or prosthesis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions

Landscapes

  • Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Robotics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于人工智能的肠镜最优路径计算方法和系统，其中，方法包括：步骤S1：获取患者腹腔内造影图像；步骤S2：将造影图像输入预先存储的神经网络模型中得到肠道图像；步骤S3：确定目标位置和起始位置；步骤S4：以起始位置建立坐标系，根据肠道图像在坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；步骤S5：基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径。本发明的基于人工智能的肠镜最优路径计算方法，实现快速计算出肠镜最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。

Description

一种基于人工智能的肠镜最优路径计算方法和系统
技术领域
本发明涉及路径计算技术领域，特别涉及一种基于人工智能的肠镜最优路径计算方法和系统。
背景技术
目前，患者在做肠镜检查的时候，在肠镜伸入肠内操作时，易造成肠子的破裂，这会对患者的身体造成很大损害；
因此，亟需一种肠镜路径计算方法，实现快速计算出肠镜最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
发明内容
本发明目的之一在于提供了一种基于人工智能的肠镜最优路径计算方法，实现快速计算出肠镜最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
本发明实施例提供的一种基于人工智能的肠镜最优路径计算方法，包括：
步骤S1：获取患者腹腔内造影图像；
步骤S2：将造影图像输入预先存储的神经网络模型中得到肠道图像；
步骤S3：确定目标位置和起始位置；
步骤S4：以起始位置建立坐标系，根据肠道图像在坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
步骤S5：基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径。
优选的，步骤S5：基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径，具体包括：
步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点；
步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
步骤S13：对第一起始采样点和第一终止采样点之间的第一曲线进行采样获取N-2个第一采样位置；对第二起始采样点和第二终止采样点之间的第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以第一起始采样点和第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以第一终止采样点和第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将第一采样位置和第二采样位置按照在第一曲线和第二曲线的位置进行一一对应，依次以一一对应的第一采样位置和第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将轨迹起始点、N-2个轨迹点和轨迹的终止点进行拟合，获得最优路径。
优选的，步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
确定目标位置在坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于焦距长度f、摄角θ、目标坐标(x标,y标)对第一曲线和第二曲线上的点进行筛选；筛选公式如下：
Figure BDA0002548000950000031
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
优选的，步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点，具体包括：
以第一曲线与坐标系的横坐标轴的交点为第一起始采样点，以第二曲线与坐标系的横坐标轴的交点为第二起始采样点。
优选的，基于人工智能的肠镜最优路径计算方法，还包括：
步骤S6:实时获取肠镜的末端位置和造影图像，以末端位置对起始位置进行更新；以造影图像对第一曲线和第二曲线进行更新；重复执行步骤S5，获取更新后的最优路径。
本发明还提供一种基于人工智能的肠镜最优路径计算系统，包括：
图像获取模块，用于获取患者腹腔内造影图像；
图像解析模块，用于将造影图像输入预先存储的神经网络模型中得到肠道图像；
位置确定模块，用于确定目标位置和起始位置；
第一约束建立模块，用于以起始位置建立坐标系，根据肠道图像在坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
路径确定模块，用于基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径。
优选的，路径确定模块执行包括如下操作：
步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点；
步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
步骤S13：对第一起始采样点和第一终止采样点之间的第一曲线进行采样获取N-2个第一采样位置；对第二起始采样点和第二终止采样点之间的第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以第一起始采样点和第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以第一终止采样点和第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将第一采样位置和第二采样位置按照在第一曲线和第二曲线的位置进行一一对应，依次以一一对应的第一采样位置和第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将轨迹起始点、N-2个轨迹点和轨迹的终止点进行拟合，获得最优路径。
优选的，步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
确定目标位置在坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于焦距长度f、摄角θ、目标坐标(x标,y标)对第一曲线和第二曲线上的点进行筛选；筛选公式如下：
Figure BDA0002548000950000051
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
优选的，步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点，具体包括：
以第一曲线与坐标系的横坐标轴的交点为第一起始采样点，以第二曲线与坐标系的横坐标轴的交点为第二起始采样点。
优选的，基于人工智能的肠镜最优路径计算系统，还包括：
实时更新模块，用于实时获取肠镜的末端位置和造影图像，以末端位置对起始位置进行更新；以造影图像对第一曲线和第二曲线进行更新；
路径确定模块根据更新后的起始位置、第一曲线和第二曲线更新最优路径。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于人工智能的肠镜最优路径计算方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于人工智能的肠镜最优路径计算方法，如图1所示，包括：
步骤S1：获取患者腹腔内造影图像；
步骤S2：将造影图像输入预先存储的神经网络模型中得到肠道图像；
步骤S3：确定目标位置和起始位置；
步骤S4：以起始位置建立坐标系，根据肠道图像在坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
步骤S5：基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径。
上述技术方案的工作原理及有益效果为：
在对肠癌进行确诊时，需要通过采用肠镜进行局部观察；在做肠镜时通过医生人为去凭经验判断路径，有时候不准确，造成距离长、容易弄破管道等风险。针对此种情况，本发明的方案为：通过医院的造影设备对患者的腹腔进行造影，根据造影图像，采用预先存储的神经网络模型识别出肠道图像，确定目标位置，一般是医生在肠道图像上进行点选，医生可以点选疑似肠癌的位置；起始位置，一般为患者肛门；以起始位置建立坐标系，在坐标系内根据肠道图像绘制出代表肠道两侧壁的第一曲线和第二曲线；然后根据第一曲线、第二曲线、起始位置和目标位置快速确定肠镜的最优路径。其中神经网络模型为事先经过历史造影图像进增强训练后得到的模型。
本发明的基于人工智能的肠镜最优路径计算方法，实现快速计算出肠镜最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
在一个实施例中，步骤S5：基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径，具体包括：
步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点；
步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
步骤S13：对第一起始采样点和第一终止采样点之间的第一曲线进行采样获取N-2个第一采样位置；对第二起始采样点和第二终止采样点之间的第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以第一起始采样点和第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以第一终止采样点和第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将第一采样位置和第二采样位置按照在第一曲线和第二曲线的位置进行一一对应，依次以一一对应的第一采样位置和第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将轨迹起始点、N-2个轨迹点和轨迹的终止点进行拟合，获得最优路径。
上述技术方案的工作原理及有益效果为：
首先在根据起始位置和终止位置在第一曲线上确定作为定位的第一起始采样点、第一终止采样点；在第一起始采样点和第一终止采样点之间进行位置采样，连同第一起始采样点和第一终止采样点一共进行N次采样；同理，在第二曲线上进行N次采样；然后以各个对应采样点之间的终点为轨迹点绘制轨迹，保证轨迹距离肠道两侧壁距离为安全距离，从而实现快速计算出肠镜最优路径，能够降低肠镜造成肠子破裂的情况的发生概率。
在一个实施例中，步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
确定目标位置在坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于焦距长度f、摄角θ、目标坐标(x标,y标)对第一曲线和第二曲线上的点进行筛选；筛选公式如下：
Figure BDA0002548000950000081
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
上述技术方案的工作原理及有益效果为：
通过本实施例中的第一终止采样点和第二终止采样点的确定方法，实现了肠镜镜头到达轨迹的终点时能够清晰的监测到目标位置的肠镜图像。
为了快速确定第一起始采样点和第二起始采样点，在一个实施例中，步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点，具体包括：
以第一曲线与坐标系的横坐标轴的交点为第一起始采样点，以第二曲线与坐标系的横坐标轴的交点为第二起始采样点。
在一个实施例中，基于人工智能的肠镜最优路径计算方法，还包括：
步骤S6:实时获取肠镜的末端位置和造影图像，以末端位置对起始位置进行更新；以造影图像对第一曲线和第二曲线进行更新；重复执行步骤S5，获取更新后的最优路径。
上述技术方案的工作原理及有益效果为：
在患者做肠镜过程中，实时更新最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
本发明还提供一种基于人工智能的肠镜最优路径计算系统，包括：
图像获取模块，用于获取患者腹腔内造影图像；
图像解析模块，用于将造影图像输入预先存储的神经网络模型中得到肠道图像；
位置确定模块，用于确定目标位置和起始位置；
第一约束建立模块，用于以起始位置建立坐标系，根据肠道图像在坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
路径确定模块，用于基于第一曲线、第二曲线、起始位置和目标位置，确定肠镜的最优路径。
上述技术方案的工作原理及有益效果为：
通过医院的造影设备对患者的腹腔进行造影，根据造影图像，采用预先存储的神经网络模型识别出肠道图像，确定目标位置，一般是医生在肠道图像上进行点选；起始位置，一般为患者肛门；以起始位置建立坐标系，在坐标系内根据肠道图像绘制出代表肠道两侧壁的第一曲线和第二曲线；然后根据第一曲线、第二曲线、起始位置和目标位置快速确定肠镜的最优路径。其中神经网络模型为事先经过历史造影图像进增强训练后得到的模型。
本发明的基于人工智能的肠镜最优路径计算系统，实现快速计算出肠镜最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
在一个实施例中，路径确定模块执行包括如下操作：
步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点；
步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
步骤S13：对第一起始采样点和第一终止采样点之间的第一曲线进行采样获取N-2个第一采样位置；对第二起始采样点和第二终止采样点之间的第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以第一起始采样点和第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以第一终止采样点和第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将第一采样位置和第二采样位置按照在第一曲线和第二曲线的位置进行一一对应，依次以一一对应的第一采样位置和第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将轨迹起始点、N-2个轨迹点和轨迹的终止点进行拟合，获得最优路径。
上述技术方案的工作原理及有益效果为：
首先在根据起始位置和终止位置在第一曲线上确定作为定位的第一起始采样点、第一终止采样点；在第一起始采样点和第一终止采样点之间进行位置采样，连同第一起始采样点和第一终止采样点一共进行N次采样；同理，在第二曲线上进行N次采样；然后以各个对应采样点之间的终点为轨迹点绘制轨迹，保证轨迹距离肠道两侧壁距离为安全距离，从而实现快速计算出肠镜最优路径，能够降低肠镜造成肠子破裂的情况的发生概率。
在一个实施例中，步骤S12：基于目标位置，确定第一曲线的第一终止采样点，确定第二曲线的第二终止采样点；
确定目标位置在坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于焦距长度f、摄角θ、目标坐标(x标,y标)对第一曲线和第二曲线上的点进行筛选；筛选公式如下：
Figure BDA0002548000950000111
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
上述技术方案的工作原理及有益效果为：
通过本实施例中的第一终止采样点和第二终止采样点的确定方法，实现了肠镜镜头到达轨迹的终点时能够清晰的监测到目标位置的肠镜图像。
为了快速确定第一起始采样点和第二起始采样点，在一个实施例中，步骤S11：基于起始位置，确定第一曲线的第一起始采样点，确定第二曲线的第二起始采样点，具体包括：
以第一曲线与坐标系的横坐标轴的交点为第一起始采样点，以第二曲线与坐标系的横坐标轴的交点为第二起始采样点。
在一个实施例中，基于人工智能的肠镜最优路径计算系统，还包括：
实时更新模块，用于实时获取肠镜的末端位置和造影图像，以末端位置对起始位置进行更新；以造影图像对第一曲线和第二曲线进行更新；
路径确定模块根据更新后的起始位置、第一曲线和第二曲线更新最优路径。
上述技术方案的工作原理及有益效果为：
在患者做肠镜过程中，实时更新最优路径，从而为医生的肠镜操作提供指示作用，降低肠镜造成肠子破裂的情况的发生概率。
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 (10)

1.一种基于人工智能的肠镜最优路径计算方法，其特征在于，包括：
步骤S1：获取患者腹腔内造影图像；
步骤S2：将所述造影图像输入预先存储的神经网络模型中得到肠道图像；
步骤S3：确定目标位置和起始位置；
步骤S4：以所述起始位置建立坐标系，根据所述肠道图像在所述坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
步骤S5：基于所述第一曲线、所述第二曲线、所述起始位置和所述目标位置，确定肠镜的最优路径。
2.如权利要求1所述基于人工智能的肠镜最优路径计算方法，其特征在于，所述步骤S5：基于所述第一曲线、所述第二曲线、所述起始位置和所述目标位置，确定肠镜的最优路径，具体包括：
步骤S11：基于所述起始位置，确定所述第一曲线的第一起始采样点，确定所述第二曲线的第二起始采样点；
步骤S12：基于所述目标位置，确定所述第一曲线的第一终止采样点，确定所述第二曲线的第二终止采样点；
步骤S13：对所述第一起始采样点和所述第一终止采样点之间的所述第一曲线进行采样获取N-2个第一采样位置；对所述第二起始采样点和所述第二终止采样点之间的所述第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以所述第一起始采样点和所述第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以所述第一终止采样点和所述第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将所述第一采样位置和所述第二采样位置按照在所述第一曲线和所述第二曲线的位置进行一一对应，依次以一一对应的所述第一采样位置和所述第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将所述轨迹起始点、所述N-2个轨迹点和所述轨迹的终止点进行拟合，获得所述最优路径。
3.如权利要求2所述基于人工智能的肠镜最优路径计算方法，其特征在于，所述步骤S12：基于所述目标位置，确定所述第一曲线的第一终止采样点，确定所述第二曲线的第二终止采样点；
确定所述目标位置在所述坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于所述焦距长度f、所述摄角θ、所述目标坐标(x标,y标)对所述第一曲线和所述第二曲线上的点进行筛选；筛选公式如下：
Figure FDA0002548000940000021
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
4.如权利要求2所述的基于人工智能的肠镜最优路径计算方法，其特征在于，所述步骤S11：基于所述起始位置，确定所述第一曲线的第一起始采样点，确定所述第二曲线的第二起始采样点，具体包括：
以所述第一曲线与所述坐标系的横坐标轴的交点为所述第一起始采样点，以所述第二曲线与所述坐标系的横坐标轴的交点为所述第二起始采样点。
5.如权利要求1所述的基于人工智能的肠镜最优路径计算方法，其特征在于，还包括：
步骤S6:实时获取所述肠镜的末端位置和所述造影图像，以所述末端位置对所述起始位置进行更新；以造影图像对所述第一曲线和第二曲线进行更新；重复执行步骤S5，获取更新后的所述最优路径。
6.一种基于人工智能的肠镜最优路径计算系统，其特征在于，包括：
图像获取模块，用于获取患者腹腔内造影图像；
图像解析模块，用于将所述造影图像输入预先存储的神经网络模型中得到肠道图像；
位置确定模块，用于确定目标位置和起始位置；
第一约束建立模块，用于以所述起始位置建立坐标系，根据所述肠道图像在所述坐标系内绘制代表肠道两侧壁的第一曲线和第二曲线；
路径确定模块，用于基于所述第一曲线、所述第二曲线、所述起始位置和所述目标位置，确定肠镜的最优路径。
7.如权利要求6所述基于人工智能的肠镜最优路径计算系统，其特征在于，所述路径确定模块执行包括如下操作：
步骤S11：基于所述起始位置，确定所述第一曲线的第一起始采样点，确定所述第二曲线的第二起始采样点；
步骤S12：基于所述目标位置，确定所述第一曲线的第一终止采样点，确定所述第二曲线的第二终止采样点；
步骤S13：对所述第一起始采样点和所述第一终止采样点之间的所述第一曲线进行采样获取N-2个第一采样位置；对所述第二起始采样点和所述第二终止采样点之间的所述第二曲线进行采样获取N-2个第二采样位置；
步骤S14：以所述第一起始采样点和所述第二起始采样点之间的线段的中点为轨迹起始点；
步骤S15：以所述第一终止采样点和所述第二终止采样点之间的线段的中点为轨迹的终止点；
步骤S16：将所述第一采样位置和所述第二采样位置按照在所述第一曲线和所述第二曲线的位置进行一一对应，依次以一一对应的所述第一采样位置和所述第二采样位置之间的线段的中点，确定N-2个轨迹点；
步骤S17:依次将所述轨迹起始点、所述N-2个轨迹点和所述轨迹的终止点进行拟合，获得所述最优路径。
8.如权利要求7所述基于人工智能的肠镜最优路径计算系统，其特征在于，所述步骤S12：基于所述目标位置，确定所述第一曲线的第一终止采样点，确定所述第二曲线的第二终止采样点；
确定所述目标位置在所述坐标系中的目标坐标(x标,y标)；
获取肠镜的焦距长度f及摄角θ；
基于所述焦距长度f、所述摄角θ、所述目标坐标(x标,y标)对所述第一曲线和所述第二曲线上的点进行筛选；筛选公式如下：
Figure FDA0002548000940000041
其中，(xi,yi)表示第一曲线上第i点的坐标，其在第一曲线上；(xj,yj)表示第一曲线上第j点的坐标，其在第二曲线上；
将第一曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第一终止采样点；
将第二曲线上经过筛选后的点的横坐标取平均值，纵坐标取平均值作为第二终止采样点。
9.如权利要求7所述的基于人工智能的肠镜最优路径计算方法，其特征在于，所述步骤S11：基于所述起始位置，确定所述第一曲线的第一起始采样点，确定所述第二曲线的第二起始采样点，具体包括：
以所述第一曲线与所述坐标系的横坐标轴的交点为所述第一起始采样点，以所述第二曲线与所述坐标系的横坐标轴的交点为所述第二起始采样点。
10.如权利要求6所述的基于人工智能的肠镜最优路径计算系统，其特征在于，还包括：
实时更新模块，用于实时获取所述肠镜的末端位置和所述造影图像，以所述末端位置对所述起始位置进行更新；以造影图像对所述第一曲线和第二曲线进行更新；
所述路径确定模块根据更新后的所述起始位置、所述第一曲线和所述第二曲线更新所述最优路径。
CN202010567227.XA 2020-06-19 2020-06-19 一种基于人工智能的肠镜最优路径计算方法和系统 Active CN111821021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010567227.XA CN111821021B (zh) 2020-06-19 2020-06-19 一种基于人工智能的肠镜最优路径计算方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010567227.XA CN111821021B (zh) 2020-06-19 2020-06-19 一种基于人工智能的肠镜最优路径计算方法和系统

Publications (2)

Publication Number Publication Date
CN111821021A true CN111821021A (zh) 2020-10-27
CN111821021B CN111821021B (zh) 2021-10-26

Family

ID=72897874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010567227.XA Active CN111821021B (zh) 2020-06-19 2020-06-19 一种基于人工智能的肠镜最优路径计算方法和系统

Country Status (1)

Country Link
CN (1) CN111821021B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1352781A (zh) * 1999-03-18 2002-06-05 纽约州立大学研究基金会 实行三维虚拟分割和检查的系统和方法
CN109583576A (zh) * 2018-12-17 2019-04-05 上海联影智能医疗科技有限公司 一种医学图像处理装置及方法
CN111062968A (zh) * 2019-11-29 2020-04-24 河海大学 一种基于边缘扫描与中线提取的机器人路径骨架提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1352781A (zh) * 1999-03-18 2002-06-05 纽约州立大学研究基金会 实行三维虚拟分割和检查的系统和方法
CN109583576A (zh) * 2018-12-17 2019-04-05 上海联影智能医疗科技有限公司 一种医学图像处理装置及方法
CN111062968A (zh) * 2019-11-29 2020-04-24 河海大学 一种基于边缘扫描与中线提取的机器人路径骨架提取方法

Also Published As

Publication number Publication date
CN111821021B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN114332019B (zh) 内窥镜图像检测辅助系统、方法、介质和电子设备
CN112075914B (zh) 胶囊内窥镜检查系统
CN113487605B (zh) 用于内窥镜的组织腔体定位方法、装置、介质及设备
WO2023207564A1 (zh) 基于图像识别的内窥镜进退镜时间确定方法及装置
US11439466B2 (en) Operating method for a medical system, and medical system for performing a surgical procedure
CN110751179B (zh) 超声设备
CN111179252A (zh) 基于云平台的消化道病灶辅助识别与正反馈系统
CN111821021B (zh) 一种基于人工智能的肠镜最优路径计算方法和系统
CN114259197B (zh) 一种胶囊内窥镜质控方法及系统
CN110613417A (zh) 一种输出上消化内镜操作信息的方法、设备及存储介质
CN113496512A (zh) 用于内窥镜的组织腔体定位方法、装置、介质及设备
WO2021064867A1 (ja) 画像処理装置、制御方法及び記憶媒体
CN112820398A (zh) 一种基于人工智能的肺部诊断辅助系统及其方法
JP2009261798A (ja) 画像処理装置、画像処理プログラムおよび画像処理方法
CN110772210B (zh) 一种诊断交互系统及方法
CN113743543A (zh) 一种图像分类训练方法、装置、服务器及存储介质
KR20200055169A (ko) 인공지능 기반의 캐뉼라 수술 진단 장치
CN108765451A (zh) 一种自适应背景更新的交通运动目标检测方法
CN114332080B (zh) 组织腔体的定位方法、装置、可读介质和电子设备
CN113706536B (zh) 滑镜风险预警方法、装置及计算机可读存储介质
CN116704401A (zh) 操作类考试的评分校验方法、装置、电子设备及存储介质
CN114693912B (zh) 具有眼球追踪功能的内镜检查系统、存储介质及设备
US12046356B2 (en) System and method of scribble based segmentation for medical imaging using machine learning
CN113317874B (zh) 一种医学图像处理装置及介质
CN115721248A (zh) 内窥镜系统以及体内组织的特征间距测量装置和方法

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