CN111839446A - 一种基于深度学习的结肠镜粪便粪水检测方法 - Google Patents

一种基于深度学习的结肠镜粪便粪水检测方法 Download PDF

Info

Publication number
CN111839446A
CN111839446A CN201910340439.1A CN201910340439A CN111839446A CN 111839446 A CN111839446 A CN 111839446A CN 201910340439 A CN201910340439 A CN 201910340439A CN 111839446 A CN111839446 A CN 111839446A
Authority
CN
China
Prior art keywords
excrement
liquid dung
video stream
deep learning
image
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Withdrawn
Application number
CN201910340439.1A
Other languages
English (en)
Inventor
王玉峰
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.)
Tianjin Yujin Artificial Intelligence Medical Technology Co ltd
Original Assignee
Tianjin Yujin Artificial Intelligence Medical Technology Co ltd
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 Tianjin Yujin Artificial Intelligence Medical Technology Co ltd filed Critical Tianjin Yujin Artificial Intelligence Medical Technology Co ltd
Priority to CN201910340439.1A priority Critical patent/CN111839446A/zh
Priority to PCT/CN2020/000060 priority patent/WO2020215804A1/zh
Publication of CN111839446A publication Critical patent/CN111839446A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • A61B1/31—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 rectum, e.g. proctoscopes, sigmoidoscopes, colonoscopes
    • 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
    • A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
    • 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
    • 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
    • A61B1/00002—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
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • 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
    • A61B1/00043—Operational features of endoscopes provided with output arrangements
    • A61B1/00045—Display arrangement
    • 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
    • A61B1/00043—Operational features of endoscopes provided with output arrangements
    • A61B1/00055—Operational features of endoscopes provided with output arrangements for alerting the user
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开一种基于深度学习的结肠镜粪便粪水检测方法，包括：将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流进行预处理后送到嵌入到系统中的粪便粪水检测模型进行识别；粪便粪水检测模型对每一帧图像出现粪便或粪水及其出现概率进行检测；将息检测结果返回到医生操作平台显示。本发明可以更快速更准确的定位出图像中粪便粪水的位置及大小，解决的了利用传统图像处理的方法检查所带来的缺点，可以实时的为手术过程中的医生产生提示信息。

Description

一种基于深度学习的结肠镜粪便粪水检测方法
技术领域
本发明涉及深度学习技术领域，特别是涉及一种基于深度学习的结肠镜粪便粪水检测方法。
背景技术
在结肠镜检查过程中，位于肠道内部的粪便粪水极其容易影响到手术操作人员的视线，这时医生就要手动的用水将粪水粪便冲洗掉，从而进一步的对肠道内进行检查。部分医生在手术过程中可能会因为偷懒而选择不进行冲洗，进而进行接下来的检查。为了防止这样的情况发生，在肠镜检查质量标准及打分系统中，若镜头内部出现了粪便或粪水，将会提醒医生进行冲洗操作。
若要想对医生提示冲洗操作，这就需要肠镜检查系统可以自主的识别出视野内的粪水或是粪便。现有的图像处理的技术虽然可以将粪便粪水从图像中分离出来，但是由于粪水粪便自身没有一个特定的形状及颜色等原因，识别率并不高。并且会对整个检查系统造成很大的延迟，导致系统无法实时的提醒手术医生及时的去冲洗肠道内的粪便粪水。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于深度学习的结肠镜粪便粪水检测方法。
为实现本发明的目的所采用的技术方案是：
一种基于深度学习的结肠镜粪便粪水检测方法，包括：将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流进行预处理后送到嵌入到系统中的粪便粪水检测模型进行识别；粪便粪水检测模型对每一帧图像出现粪便或粪水及其出现概率进行检测；将息检测结果返回到医生操作平台显示。
其中，所述粪便粪水检测模型通过以下步骤而获得：
从医院数据库中获取在肠镜检查过程中截取的清晰的带有粪便或粪水的图像集；
将图像集图像中粪便或粪水作为目标检测物标注，将标注好后的图像集分为训练集和测试集：
利用训练集对形成的初始化模型中进行训练，利用测试集进行测试，最终经训练测试而获得所述粪便粪水检测模型。
其中，所述粪便粪水检测模型利用YOLOv3检测算法构建。
与现有技术相比，本发明的有益效果是：
本发明利用基于深度学习算法的模型来检测粪便粪水的方法相对较好，可以更快速更准确的定位出图像中粪便粪水的位置及大小，解决的了利用传统图像处理的方法检查所带来的缺点，可实时的为手术过程中的医生产生提示信息。
另外，利用学习网络输出的粪便粪水的位置信息，还可以计算出每张图像中目标物体的面积占比，从而完善肠镜检查质量评定。
附图说明
图1是整个肠镜检查过程的流程图；
图2为整个深度学习模型的训练过程。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1是整个肠镜检查过程中的流程图，如图1所示，本发明的一种基于深度学习的结肠镜粪便粪水检测方法步骤如下：
步骤1：当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分送到基于深度学习网络所构建的深度学习模型-粪便粪水检测模型(嵌入在系统的人工智能检测模块中)进行识别；
步骤2：对视频流进行预处理，然后送到深度学习网络中进行识别，对视频流中的每一帧图像调用粪便粪水检测模型。检测每一帧图像中是否出现粪便或是粪水及检测到的目标为粪便或粪水的概率；
步骤3：将步骤2的检测结果返回到医生操作平台上进行显示，提示医生进行进一步处理；
整体的流程图如图1，步骤2中的基于深度学习网络构建的粪便粪水检测模型，使用YOLOv3算法开发，以满足整个肠镜检查中所需要的实时性。
图2为整个深度学习模型(即粪便粪水检测模型)的训练过程如下：
步骤1、从医院数据库中获取在肠镜检查过程中截取的清晰明亮的带有粪便粪水的图像集；
步骤2、将步骤1中得到的图像集进行目标标注，使用labelimg将图像中的粪便粪水等目标物进行标注。将标注好后的图像集分为训练集和测试集两个部分，便于训练及测试，具体包括：
步骤2.1、将步骤1得到的图像集进行统一裁剪，裁剪为统一大小，相同格式的图像集；
步骤2.2、使用labelimg将图像集中的目标物进行标注，得到完整的粪便粪水图像集；
步骤2.3、挑选完整图像集中的1500张作为训练集，300张作为测试集；
步骤3、将挑选出的训练集输入到YOLOv3的初始化模型中，设定好训练过程中的参数，然后进行训练。
步骤4、将训练结束后得到的学习网络进行保存。
步骤5、将测试集作为输入传输到最终的深度学习网络中，检测深度学习网络输出的结果。
步骤6、将训练好的基于深度学习网络的粪便粪水检测模型嵌入到肠镜检查质量评定系统中。
步骤7、手术过程中，通过评定系统对粪便粪水检测模型输出的结果检查，即可判断当前图像中是否有粪便或者粪水。
步骤8、通过对输出的目标检测物的位置信息进行计算，从而可以得到目标检测物在当前图像中所占面积比例。
与现有技术相比，本发明的有益效果是：
本发明利用基于深度学习算法的模型来检测粪便粪水的方法相对较好，可以更快速更准确的定位出图像中粪便粪水的位置及大小，解决的了利用传统图像处理的方法检查所带来的缺点，可实时的为手术过程中的医生产生提示信息。
另外，利用学习网络输出的粪便粪水的位置信息，还可以计算出每张图像中目标物体的面积占比，从而完善肠镜检查质量评定。
以上所述仅是本发明的优选实施方式，应当指出的是，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，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于深度学习的结肠镜粪便粪水检测方法，其特征在于，包括：
将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流进行预处理后送到嵌入到系统中的粪便粪水检测模型进行识别；粪便粪水检测模型对每一帧图像出现粪便或粪水及其出现概率进行检测；将息检测结果返回到医生操作平台显示。
2.如权利要求1所述基于深度学习的结肠镜粪便粪水检测方法，其特征在于，所述粪便粪水检测模型通过以下步骤而获得：
从医院数据库中获取在肠镜检查过程中截取的清晰的带有粪便或粪水的图像集；
将图像集图像中粪便或粪水作为目标检测物标注，将标注好后的图像集分为训练集和测试集：
利用训练集对形成的初始化模型中进行训练，利用测试集进行测试，最终经训练测试而获得所述粪便粪水检测模型。
3.如权利要求1所述基于深度学习的结肠镜粪便粪水检测方法，其特征在于，所述粪便粪水检测模型利用YOLOv3检测算法构建。
CN201910340439.1A 2019-04-25 2019-04-25 一种基于深度学习的结肠镜粪便粪水检测方法 Withdrawn CN111839446A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910340439.1A CN111839446A (zh) 2019-04-25 2019-04-25 一种基于深度学习的结肠镜粪便粪水检测方法
PCT/CN2020/000060 WO2020215804A1 (zh) 2019-04-25 2020-04-09 一种基于深度学习的结肠镜粪便粪水检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910340439.1A CN111839446A (zh) 2019-04-25 2019-04-25 一种基于深度学习的结肠镜粪便粪水检测方法

Publications (1)

Publication Number Publication Date
CN111839446A true CN111839446A (zh) 2020-10-30

Family

ID=72941012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910340439.1A Withdrawn CN111839446A (zh) 2019-04-25 2019-04-25 一种基于深度学习的结肠镜粪便粪水检测方法

Country Status (2)

Country Link
CN (1) CN111839446A (zh)
WO (1) WO2020215804A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112183674B (zh) * 2020-11-06 2022-06-10 南昌航空大学 一种粪便宏观图像颜色和性状多任务识别方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301447A1 (en) * 2010-06-07 2011-12-08 Sti Medical Systems, Llc Versatile video interpretation, visualization, and management system
CN109255044A (zh) * 2018-08-31 2019-01-22 江苏大学 一种基于YOLOv3深度学习网络的图像智能标注方法
CN109447985A (zh) * 2018-11-16 2019-03-08 青岛美迪康数字工程有限公司 结肠镜图像分析方法、装置及可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010057541A (ja) * 2008-09-01 2010-03-18 Tooru Takita 医療用検査装置
CN106651883B (zh) * 2016-12-30 2019-12-17 四川沃文特生物技术有限公司 基于机器视觉的粪便形态识别方法
CN106682633B (zh) * 2016-12-30 2019-08-20 四川沃文特生物技术有限公司 基于机器视觉的粪便镜检图像有形成分的分类识别方法
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
CN109063747A (zh) * 2018-07-16 2018-12-21 武汉大学人民医院（湖北省人民医院） 基于深度学习的肠道病理切片图像识别分析系统及方法
CN109598704B (zh) * 2018-11-19 2023-05-02 电子科技大学 一种基于bp神经网络的粪便显微图像清晰度评价方法
CN109615633A (zh) * 2018-11-28 2019-04-12 武汉大学人民医院（湖北省人民医院） 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301447A1 (en) * 2010-06-07 2011-12-08 Sti Medical Systems, Llc Versatile video interpretation, visualization, and management system
CN109255044A (zh) * 2018-08-31 2019-01-22 江苏大学 一种基于YOLOv3深度学习网络的图像智能标注方法
CN109447985A (zh) * 2018-11-16 2019-03-08 青岛美迪康数字工程有限公司 结肠镜图像分析方法、装置及可读存储介质

Also Published As

Publication number Publication date
WO2020215804A1 (zh) 2020-10-29

Similar Documents

Publication Publication Date Title
CN109741346B (zh) 感兴趣区域提取方法、装置、设备及存储介质
CN110839557B (zh) 母猪发情监测方法、装置、系统、电子设备及存储介质
CN105791299B (zh) 一种无人监考的智能化上机考试系统
CN107105310B (zh) 一种视频直播中人物形象替换方法、装置和一种录播系统
CN110584618B (zh) 基于人工智能的传染病机器识别系统
CN111986211A (zh) 一种基于深度学习的眼科超声自动筛查方法及系统
CN109447985A (zh) 结肠镜图像分析方法、装置及可读存储介质
CN109859827A (zh) 胃肠镜操作水平实时评分系统和方法
WO2020215807A1 (zh) 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法
CN111415564A (zh) 基于人工智能的胰腺超声内镜检查导航方法及系统
WO2020215810A1 (zh) 一种基于图像识别的结肠镜手术中窄带成像检测方法
CN111950812B (zh) 一种自动识别与预测雨量的方法及其装置
CN109805963A (zh) 一种子宫内膜分型的判定方法及系统
CN109614995A (zh) 一种超声内镜下识别胰胆管和胰腺结构的系统及方法
KR20160118037A (ko) 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법
CN113017702A (zh) 超声内镜小探头伸出长度的识别方法、系统及存储介质
CN114612389A (zh) 基于多源多尺度特征融合的眼底图像质量评价方法和装置
CN111839446A (zh) 一种基于深度学习的结肠镜粪便粪水检测方法
CN107784640A (zh) 耳膜状态实时分析方法
CN111429412B (zh) 肝包虫超声ai辅助诊断方法及系统
CN115661037A (zh) 一种胶囊内镜辅助检测方法、装置、系统、设备及介质
CN111839429A (zh) 一种基于图像识别判断结肠镜检查是否完整的检测方法
CN115035086A (zh) 一种基于深度学习的结核皮试智能筛查分析方法和装置
CN110974121B (zh) 一种判断消化内窥镜检查是否染色的方法及系统
CN111863251A (zh) 一种基于深度学习粪水粪便覆盖面积的波士顿评分模型

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 300457 s1405, s1404, s1414, s1415 and s1424, experimental building 14, Tianjin International Joint Research Institute of biomedicine, 220 Dongting Road, Binhai New Area Economic and Technological Development Zone, Tianjin

Applicant after: Tianjin Yujin artificial intelligence Medical Technology Co.,Ltd.

Address before: Unit 80, room n212, experimental building, Tianjin International Joint Research Institute of biomedicine, 220 Dongting Road, Tianjin Economic and Technological Development Zone, Binhai New Area, Tianjin, 300457

Applicant before: Tianjin Yujin artificial intelligence Medical Technology Co.,Ltd.

WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201030