CN112634266B - 喉镜图像的半自动标注方法、介质、设备及装置 - Google Patents

喉镜图像的半自动标注方法、介质、设备及装置 Download PDF

Info

Publication number
CN112634266B
CN112634266B CN202110014812.1A CN202110014812A CN112634266B CN 112634266 B CN112634266 B CN 112634266B CN 202110014812 A CN202110014812 A CN 202110014812A CN 112634266 B CN112634266 B CN 112634266B
Authority
CN
China
Prior art keywords
image
laryngoscope
arytenoid cartilage
position information
semi
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
Application number
CN202110014812.1A
Other languages
English (en)
Other versions
CN112634266A (zh
Inventor
黄联芬
范旭伟
庄佩耘
马艳利
赵彩丹
黄琛
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.)
Xiamen University
Zhongshan Hospital Xiamen University
Original Assignee
Xiamen University
Zhongshan Hospital Xiamen University
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 Xiamen University, Zhongshan Hospital Xiamen University filed Critical Xiamen University
Priority to CN202110014812.1A priority Critical patent/CN112634266B/zh
Publication of CN112634266A publication Critical patent/CN112634266A/zh
Application granted granted Critical
Publication of CN112634266B publication Critical patent/CN112634266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Endoscopes (AREA)

Abstract

本发明公开了一种喉镜图像的半自动标注方法、介质、设备及装置，其中该方法包括：获取标记有杓状软骨位置和前联合位置的喉镜图像；对喉镜图像进行跟踪算法处理，以获取杓状软骨位置信息和前联合位置信息；根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心；以及对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像；对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点；最后根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注；从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。

Description

喉镜图像的半自动标注方法、介质、设备及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种喉镜图像的半自动标注方法、一种计算机可读存储介质、一种计算机设备以及一种喉镜图像的半自动标注装置。
背景技术
随着生活水平的提高，声带运动障碍性疾病也越来越得到重视，而频闪喉镜因其无创的特点在喉部疾病诊断中得到广泛的运用；目前鉴别声带运动障碍性疾病主要依照医生判断，并没有一个统一的量化标准，因此导致鉴别过程费时费力，并且无法提供数据进行后续分析。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种喉镜图像的半自动标注方法，能够采用半自动方式对喉镜图像中用来表征喉结构的五个关键点进行标注，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种喉镜图像的半自动标注装置。
为达到上述目的，本发明第一方面实施例提出了一种喉镜图像的半自动标注方法，包括以下步骤：获取标记有杓状软骨位置和前联合位置的喉镜图像；对所述标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息；根据所述杓状软骨位置信息计算所述杓状软骨的质心，以及根据所述前联合位置信息计算所述前联合的中心；对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像；对所述声带区域图像进行分割处理，以获取声门区域图像，并在所述声门区域图像中获取区域最左边的点和区域最右边的点；根据所述杓状软骨的质心、所述前联合的中心和所述区域最左边的点和区域最右边的点对所述喉镜图像进行标注，以输出最终标注完成的喉镜图像。
根据本发明实施例的喉镜图像的半自动标注方法，首先获取标记有杓状软骨位置和前联合位置的喉镜图像；接着对标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取喉镜图像中的杓状软骨位置信息和前联合位置信息；然后根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心；以及对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像；接着对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点；最后根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注，以输出最终标注完成的喉镜图像；由此，本发明能够采用半自动方式对喉镜图像中用来表征喉结构的五个关键点进行标注，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
另外，根据本发明上述实施例提出的喉镜图像的半自动标注方法还可以具有如下附加的技术特征：
可选地，采用卡尔曼跟踪算法获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息。
可选地，根据所述杓状软骨位置信息计算所述杓状软骨的质心，包括：根据所述杓状软骨位置信息获取尺寸为x*y的杓状软骨图像I；将所述杓状软骨图像I进行灰度化处理，得到处理后的灰度图像Igray；根据所述处理后的灰度图像Igray计算所述杓状软骨的质心。
可选地，根据以下公式计算所述杓状软骨的质心M(Xm，ym)：
其中，M(Xm，ym)为杓状软骨的质心坐标，h为对应(x，y)坐标的灰度值。
可选地，对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像，包括：采用高斯滤波和伽马变换对所述喉镜图像进行滤波和对比度增强，以获得预处理后的喉镜图像；对所述预处理后的喉镜图像进行卷积操作，得到卷积图像；获取所述卷积图像中的最小值点，再将该最小值点映射回所述喉镜图像，以得到声带区域图像。
可选地，对所述声带区域图像进行分割处理，以获取声门区域图像，包括：对所述声带区域图像进行二值化处理；对所述二值化处理后的声带区域图像进行开操作和闭操作处理，以分割出声门区域图像。
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有喉镜图像的半自动标注程序，该喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法。
根据本发明实施例的计算机可读存储介质，通过存储喉镜图像的半自动标注程序，这样喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
为达到上述目的，本发明第三方面实施例提出了一种计算机设备，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计算机程序时，实现如上述的喉镜图像的半自动标注方法。
根据本发明实施例的计算机设备，通过存储器存储喉镜图像的半自动标注程序，这样喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
为达到上述目的，本发明第四方面实施例提出了一种喉镜图像的半自动标注装置，包括：获取模块，用于获取标记有杓状软骨位置和前联合位置的喉镜图像；目标跟踪模块，用于对所述标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息；计算模块，用于根据所述杓状软骨位置信息计算所述杓状软骨的质心，以及根据所述前联合位置信息计算所述前联合的中心；预处理模块，用于对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像；分割处理模块，用于对所述声带区域图像进行分割处理，以获取声门区域图像，并在所述声门区域图像中获取区域最左边的点和区域最右边的点；标注模块，用于根据所述杓状软骨的质心、所述前联合的中心和所述区域最左边的点和区域最右边的点对所述喉镜图像进行标注，以输出最终标注完成的喉镜图像。
根据本发明实施例的喉镜图像的半自动标注装置，通过获取模块获取标记有杓状软骨位置和前联合位置的喉镜图像；再通过目标跟踪模块对标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取喉镜图像中的杓状软骨位置信息和前联合位置信息；接着通过计算模块根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心；以及通过预处理模块对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像；接着通过分割处理模块对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点；最后通过标注模块根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注，以输出最终标注完成的喉镜图像；由此，本发明能够采用半自动方式对喉镜图像中用来表征喉结构的五个关键点进行标注，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
另外，根据本发明上述实施例提出的喉镜图像的半自动标注装置还可以具有如下附加的技术特征：
可选地，采用卡尔曼跟踪算法获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息。
附图说明
图1为根据本发明实施例的喉镜图像的半自动标注方法的流程示意图；
图2为根据本发明一个实施例的喉镜图像的半自动标注方法的流程示意图；
图3为根据本发明一个实施例的标记了杓状软骨和前联合位置的喉镜图像效果图；
图4为根据本发明一个实施例的预处理后裁剪的声带区域图像效果图；
图5为根据本发明一个实施例的声门区域图像的分割结果和声带上的关键点图像效果图；
图6为根据本发明一个实施例的已完成关键点标注的喉镜图像效果图；
图7为根据本发明一个实施例的喉镜图像的半自动标注装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的喉镜图像的半自动标注方法的流程示意图。如图1所示，该标注方法包括以下步骤：
步骤101，获取标记有杓状软骨位置和前联合位置的喉镜图像。
作为一个示例，通过人工在喉镜图像中框选出杓状软骨的位置和前联合的位置，以对喉镜图像中的杓状软骨位置和前联合位置进行标记，其中喉镜图像为喉镜视频中的第一帧图像；具体标记好的效果图如图3所示。
也就是说，通过输入人工框选出的第一帧杓状软骨和前联合位置的喉镜视频以获取标记有杓状软骨位置和前联合位置的喉镜图像。
步骤102，对标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取喉镜图像中的杓状软骨位置信息和前联合位置信息。
作为一个示例，采用卡尔曼跟踪算法获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息。
步骤103，根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心。
作为一个示例，根据杓状软骨位置信息获取尺寸为x*y的杓状软骨图像I；将杓状软骨图像I进行灰度化处理，得到处理后的灰度图像Ihray；根据处理后的灰度图像Igray计算杓状软骨的质心；并且，通过以下公式计算杓状软骨的质心M(Xm，ym)：
其中，M(Xm，ym)为杓状软骨的质心坐标，h为对应(x，y)坐标的灰度值。
也就是说，根据杓状软骨的位置坐标获得尺寸为x*y的杓状软骨图像I，将杓状软骨图像I进行灰度化处理得到Igray，杓状软骨的质心M(xm，ym)满足：
其中h为对应(x，y)坐标的灰度值。
需要说明的是，前联合的中心为人工框选出的前联合位置的中心点。
步骤104，对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像。
作为一个示例，采用高斯滤波和伽马变换对喉镜图像进行滤波和对比度增强，以获得预处理后的喉镜图像；对预处理后的喉镜图像进行卷积操作，得到卷积图像；获取卷积图像中的最小值点，再将该最小值点映射回喉镜图像，以从喉镜图像中进行裁剪得到声带区域图像。
也就是说，采用高斯滤波对喉镜图像进行滤波处理，其中kernel＝(5,5)；采用伽马变换增强喉镜图像对比度，以及通过提取感兴趣区域的算法获取声带区域图像。
作为一个实施例，通过提取感兴趣区域的算法获取声带区域图像包括使用全部权值为1、尺寸为(Xw，yw)的卷积核对预处理完后的喉镜图像进行卷积操作，得到卷积后的卷积图像，并在卷积图像中找到最小像素点，再将该最小像素点映射回喉镜图像即可得到声带位置，并以映射回来的最小像素点为中心裁在喉镜图像中剪出尺寸为w*n的声带区域图像，如图4所示。
作为一个具体实施例，通过提取感兴趣区域的算法获取声带区域图像包括使用全部权值为1、尺寸为(47，27)的卷积核对预处理完后的喉镜图像进行卷积操作，得到卷积后的卷积图像，并在卷积图像中找到最小像素点，再将该最小像素点映射回原始图像即可得到声带位置，并以映射回来的区域为中心裁剪出尺寸为550*600的声带区域图像，如图4所示。
步骤105，对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点。
作为一个具体实施例，根据步骤104的中心区域裁剪为(550，300)，进一步地获得声带上的关键点；具体包括对步骤104裁剪出的声带区域图像进行二值化处理，阈值设为100；接着对二值化处理后的图像进行开操作处理；开操作用于去除噪声以及减少多余的连接，kernel＝(10,10)，再接着使用闭操作处理，填充目标中心，Kernel＝(13,13)，分割得到声门位置图像；最后，寻找区域中最大的轮廓即为声门区域，声门区域轮廓上方最左边和最右边的点即为声带上的关键点坐标，如图5所示。
步骤106，根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注，以输出最终标注完成的喉镜图像。
需要说明的是，根据喉结构可知，杓状软骨的质心有两个。
也就是说，根据五个关键点坐标对喉镜图像进行标注，如图6所示为标注的结果，其中五个关键点分别包括声带上的两个关键点、杓状软骨上的两个关键点和前联合上的一个关键点。
综上所述，根据本发明实施例的喉镜图像的半自动标注方法，首先获取标记有杓状软骨位置和前联合位置的喉镜图像；接着对标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取喉镜图像中的杓状软骨位置信息和前联合位置信息；然后根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心；以及对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像；接着对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点；最后根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注，以输出最终标注完成的喉镜图像；由此，本发明能够采用半自动方式对喉镜图像中用来表征喉结构的五个关键点进行标注，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
另外，为进一步说明本方法，作为一个具体实施例，如图2所示，喉镜图像的半自动标注方法包括以下步骤：
步骤201，人工标注第一帧的喉镜视频。
也就是说，通过人工在喉镜视频中的第一帧图像框选出杓状软骨的位置和前联合的位置，并输入人工框选的喉镜视频。
步骤202，目标跟踪算法得到杓状软骨和前联合位置。
也就是说，从输入的第一帧图像中采用目标跟踪算法得到杓状软骨和前联合位置。
步骤203，杓状软骨图像质心和前联合图像中心获取。
也就是说，通过杓状软骨和前联合位置获取杓状软骨图像质心和前联合图像中心。
步骤204，图像预处理、获取声带区域图像。
也就是说，对步骤201输入的第一帧图像进行预处理，从而获取第一帧图像中的声带区域图像。
步骤205，获取声门区域图像、标记声带上关键点。
也就是说，对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点以作为声带上关键点。
步骤206，输出五个关键点坐标。
也就是说，根据五个关键点坐标位置在对应的第一帧图像上进行标注，从而得到标记好的图像。
另外，本发明还提出了一种计算机可读存储介质，其上存储有喉镜图像的半自动标注程序，该喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法。
根据本发明实施例的计算机可读存储介质，通过存储喉镜图像的半自动标注程序，这样喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
另外，本发明还提出了一种计算机设备，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计算机程序时，实现如上述的喉镜图像的半自动标注方法。
根据本发明实施例的计算机设备，通过存储器存储喉镜图像的半自动标注程序，这样喉镜图像的半自动标注程序被处理器执行时实现如上述的喉镜图像的半自动标注方法，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
图7为根据本发明实施例的喉镜图像的半自动标注装置的方框示意图。如图7所示，该喉镜图像的半自动标注装置包括获取模块301、目标跟踪模块302、计算模块303和预处理模块304、分割处理模块305和标注模块306。
其中，获取模块301，用于获取标记有杓状软骨位置和前联合位置的喉镜图像；目标跟踪模块302，用于对所述标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息；计算模块303，用于根据所述杓状软骨位置信息计算所述杓状软骨的质心，以及根据所述前联合位置信息计算所述前联合的中心；预处理模块304，用于对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像；分割处理模块305，用于对所述声带区域图像进行分割处理，以获取声门区域图像，并在所述声门区域图像中获取区域最左边的点和区域最右边的点；标注模块306，用于根据所述杓状软骨的质心、所述前联合的中心和所述区域最左边的点和区域最右边的点对所述喉镜图像进行标注，以输出最终标注完成的喉镜图像。
作为一个实施例，采用卡尔曼跟踪算法获取喉镜图像中的杓状软骨位置信息和前联合位置信息。
作为一个实施例，根据杓状软骨位置信息计算杓状软骨的质心，包括：根据杓状软骨位置信息获取尺寸为x*y的杓状软骨图像I；将杓状软骨图像I进行灰度化处理，得到处理后的灰度图像Igray；根据杓状软骨图像I和所述灰度图像Igray计算杓状软骨的质心。
作为一个实施例，根据以下公式计算杓状软骨的质心M(Xm，ym)：
其中，M(Xm，ym)为杓状软骨的质心坐标，h为对应(x，y)坐标的灰度值。
作为一个实施例，对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像，包括：
采用高斯滤波和伽马变换对喉镜图像进行滤波和对比度增强，以获得预处理后的喉镜图像；对预处理后的喉镜图像进行卷积操作，得到卷积图像；获取卷积图像中的最小值点，再将该最小值点映射回原始图像，以得到声带区域图像。
作为一个实施例，对声带区域图像进行分割处理，以获取声门区域图像，包括：对声带区域图像进行二值化处理；对二值化处理后的声带区域图像进行开操作和闭操作处理，以分割出声门区域图像。
需要说明的是，前述对于喉镜图像的半自动标注方法的实施例的解释说明同样适用于本实施例的喉镜图像的半自动标注装置，此处不再赘述。
综上所述，根据本发明实施例的喉镜图像的半自动标注装置，通过获取模块获取标记有杓状软骨位置和前联合位置的喉镜图像；再通过目标跟踪模块对标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取喉镜图像中的杓状软骨位置信息和前联合位置信息；接着通过计算模块根据杓状软骨位置信息计算杓状软骨的质心，以及根据前联合位置信息计算前联合的中心；以及通过预处理模块对喉镜图像进行预处理，以从喉镜图像中获取声带区域图像；接着通过分割处理模块对声带区域图像进行分割处理，以获取声门区域图像，并在声门区域图像中获取区域最左边的点和区域最右边的点；最后通过标注模块根据杓状软骨的质心、前联合的中心和区域最左边的点和区域最右边的点对喉镜图像进行标注，以输出最终标注完成的喉镜图像；由此，本发明能够采用半自动方式对喉镜图像中用来表征喉结构的五个关键点进行标注，从而在节约时间成本和人力成本的同时还为大数据分析打下了基础。
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。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种喉镜图像的半自动标注方法，其特征在于，包括以下步骤：
获取标记有杓状软骨位置和前联合位置的喉镜图像；
对所述标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息；
根据所述杓状软骨位置信息计算所述杓状软骨的质心，以及根据所述前联合位置信息计算所述前联合的中心；
对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像；
对所述声带区域图像进行分割处理，以获取声门区域图像，并在所述声门区域图像中获取区域最左边的点和区域最右边的点；
根据所述杓状软骨的质心、所述前联合的中心和所述区域最左边的点和区域最右边的点对所述喉镜图像进行标注，以输出最终标注完成的喉镜图像。
2.如权利要求1所述的喉镜图像的半自动标注方法，其特征在于，采用卡尔曼跟踪算法获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息。
3.如权利要求1所述的喉镜图像的半自动标注方法，其特征在于，根据所述杓状软骨位置信息计算所述杓状软骨的质心，包括：
根据所述杓状软骨位置信息获取尺寸为x*y的杓状软骨图像I；
将所述杓状软骨图像I进行灰度化处理，得到处理后的灰度图像Igray；
根据所述处理后的灰度图像Igray计算所述杓状软骨的质心。
4.如权利要求3所述的喉镜图像的半自动标注方法，其特征在于，根据以下公式计算所述杓状软骨的质心M(Xm，ym)：
其中，M(Xm，ym)为杓状软骨的质心坐标，h为对应(x，y)坐标的灰度值。
5.如权利要求1所述的喉镜图像的半自动标注方法，其特征在于，对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像，包括：
采用高斯滤波和伽马变换对所述喉镜图像进行滤波和对比度增强，以获得预处理后的喉镜图像；
对所述预处理后的喉镜图像进行卷积操作，得到卷积图像；
获取所述卷积图像中的最小值点，再将该最小值点映射回所述喉镜图像，以得到声带区域图像。
6.如权利要求1所述的喉镜图像的半自动标注方法，其特征在于，对所述声带区域图像进行分割处理，以获取声门区域图像，包括：
对所述声带区域图像进行二值化处理；
对所述二值化处理后的声带区域图像进行开操作和闭操作处理，以分割出声门区域图像。
7.一种计算机可读存储介质，其特征在于，其上存储有喉镜图像的半自动标注程序，该喉镜图像的半自动标注程序被处理器执行时实现如权利要求1-6中任一项所述的喉镜图像的半自动标注方法。
8.一种计算机设备，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计算机程序时，实现如权利要求1-6中任一项所述的喉镜图像的半自动标注方法。
9.一种喉镜图像的半自动标注装置，其特征在于，包括：
获取模块，用于获取标记有杓状软骨位置和前联合位置的喉镜图像；
目标跟踪模块，用于对所述标记有杓状软骨位置和前联合位置的喉镜图像进行跟踪算法处理，以获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息；
计算模块，用于根据所述杓状软骨位置信息计算所述杓状软骨的质心，以及根据所述前联合位置信息计算所述前联合的中心；
预处理模块，用于对所述喉镜图像进行预处理，以从所述喉镜图像中获取声带区域图像；
分割处理模块，用于对所述声带区域图像进行分割处理，以获取声门区域图像，并在所述声门区域图像中获取区域最左边的点和区域最右边的点；
标注模块，用于根据所述杓状软骨的质心、所述前联合的中心和所述区域最左边的点和区域最右边的点对所述喉镜图像进行标注，以输出最终标注完成的喉镜图像。
10.如权利要求1所述的喉镜图像的半自动标注装置，其特征在于，采用卡尔曼跟踪算法获取所述喉镜图像中的杓状软骨位置信息和前联合位置信息。
CN202110014812.1A 2021-01-06 2021-01-06 喉镜图像的半自动标注方法、介质、设备及装置 Active CN112634266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110014812.1A CN112634266B (zh) 2021-01-06 2021-01-06 喉镜图像的半自动标注方法、介质、设备及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110014812.1A CN112634266B (zh) 2021-01-06 2021-01-06 喉镜图像的半自动标注方法、介质、设备及装置

Publications (2)

Publication Number Publication Date
CN112634266A CN112634266A (zh) 2021-04-09
CN112634266B true CN112634266B (zh) 2024-03-19

Family

ID=75290906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110014812.1A Active CN112634266B (zh) 2021-01-06 2021-01-06 喉镜图像的半自动标注方法、介质、设备及装置

Country Status (1)

Country Link
CN (1) CN112634266B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114973056B (zh) * 2022-03-28 2023-04-18 华中农业大学 基于信息密度的快速视频图像分割标注方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007068847A (ja) * 2005-09-08 2007-03-22 Advanced Telecommunication Research Institute International 声門閉鎖区間検出装置および声門閉鎖区間検出方法
CN101502425A (zh) * 2009-03-09 2009-08-12 西安交通大学 一种声带振动力学特性的检测系统与检测方法
RU2447840C1 (ru) * 2010-12-27 2012-04-20 Светлана Викторовна Старостина Способ медиализации голосовой складки в лечении больных с односторонними параличами гортани
CN103050042A (zh) * 2012-12-04 2013-04-17 华东师范大学 一种声带质量分布模型及其构建方法
WO2015173109A1 (fr) * 2014-05-14 2015-11-19 Universite Pierre Et Marie Curie (Paris 6) Procede de traitement d'images en vue de determiner un degre de mobilite des cordes vocales
CN110610489A (zh) * 2019-08-30 2019-12-24 西安电子科技大学 基于注意力机制的光学喉镜图像病变区标注方法
CN110727097A (zh) * 2019-12-19 2020-01-24 上海兰脉信息科技有限公司 一种病理显微图像实时采集分析系统、方法、装置及介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004011147B3 (de) * 2004-03-08 2005-11-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Bildaufnahmevorrichtung mit mehreren Bildaufnahmemodi
WO2016065710A1 (zh) * 2014-10-30 2016-05-06 西安交通大学 基于平面波超声成像的声带振动成像与测量系统及方法
US20200345291A1 (en) * 2019-05-01 2020-11-05 Stuart M. Bradley Systems and methods for measuring volumes and dimensions of objects and features during swallowing observation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007068847A (ja) * 2005-09-08 2007-03-22 Advanced Telecommunication Research Institute International 声門閉鎖区間検出装置および声門閉鎖区間検出方法
CN101502425A (zh) * 2009-03-09 2009-08-12 西安交通大学 一种声带振动力学特性的检测系统与检测方法
RU2447840C1 (ru) * 2010-12-27 2012-04-20 Светлана Викторовна Старостина Способ медиализации голосовой складки в лечении больных с односторонними параличами гортани
CN103050042A (zh) * 2012-12-04 2013-04-17 华东师范大学 一种声带质量分布模型及其构建方法
WO2015173109A1 (fr) * 2014-05-14 2015-11-19 Universite Pierre Et Marie Curie (Paris 6) Procede de traitement d'images en vue de determiner un degre de mobilite des cordes vocales
CN110610489A (zh) * 2019-08-30 2019-12-24 西安电子科技大学 基于注意力机制的光学喉镜图像病变区标注方法
CN110727097A (zh) * 2019-12-19 2020-01-24 上海兰脉信息科技有限公司 一种病理显微图像实时采集分析系统、方法、装置及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
成人杓状软骨切除术前后声门测量及嗓音分析;黄益灯, 周水淼, 郑宏良, 李兆基, 温武, 张速勤, 耿利萍;中华耳鼻咽喉科杂志(第09期);全文 *
改良喉额侧部分切除喉功能重建术的实验研究;徐宏鸣;董频;李晓艳;姜彦;;听力学及言语疾病杂志(第04期);全文 *
经皮喉部超声检查临床应用进展;李寒阳;辛精卫;刘晓莉;张雪艳;孙辉;;中国实用外科杂志(第10期);全文 *
超声检查技术评价声带运动度的应用体会;李强;李一凡;王道海;朱若瀚;郑艳芬;;临床医药文献电子杂志(第37期);全文 *

Also Published As

Publication number Publication date
CN112634266A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN111161275B (zh) 医学图像中目标对象的分割方法、装置和电子设备
CN112614128B (zh) 一种基于机器学习的内镜下辅助活检的系统及方法
CN109191424B (zh) 一种乳腺肿块检测与分类系统、计算机可读存储介质
CN110136153B (zh) 一种图像处理方法、设备及存储介质
CN111598875A (zh) 甲状腺结节自动检测模型构建方法、系统及装置
CN114092450B (zh) 一种基于胃镜检查视频的实时图像分割方法、系统、装置
WO2022247403A1 (zh) 关键点检测方法、电子设备、程序及存储介质
CN111986183A (zh) 一种染色体散型图像自动分割识别系统及装置
CN110766659A (zh) 医学图像识别方法、装置、设备和介质
CN111105427A (zh) 一种基于连通区域分析的肺部图像分割方法及系统
CN112634266B (zh) 喉镜图像的半自动标注方法、介质、设备及装置
CN115205520A (zh) 胃镜图像智能目标检测方法、系统、电子设备及存储介质
CN110647889B (zh) 医学图像识别方法、医学图像识别装置、终端设备及介质
CN116824135A (zh) 基于机器视觉的大气自然环境试验工业产品识别分割方法
CN105975955B (zh) 一种图像中文本区域的检测方法
CN113935961A (zh) 一种鲁棒性乳腺钼靶mlo视角图像胸肌分割方法
CN117765330A (zh) 基于mri图像的数据标注方法及系统
CN113344873A (zh) 一种血管分割方法、装置及计算机可读介质
CN113222051A (zh) 基于小肠病灶特征的图像标注方法
CN114092470B (zh) 一种基于深度学习的肺裂自动检测方法及装置
CN114419673B (zh) 一种利用深度图像和cnn-svm的群猪多姿态识别方法
Chen et al. Research on computer-aided diagnosis of lung nodule
CN113744201B (zh) Ct切片图像的处理方法、装置、设备和ct扫描仪
CN112862786B (zh) Cta影像数据处理方法、装置及存储介质
Khan et al. Segmentation of single and overlapping leaves by extracting appropriate contours

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