CN112991333A - 一种内窥镜手术中基于语音分析的图像处理方法及系统 - Google Patents
一种内窥镜手术中基于语音分析的图像处理方法及系统 Download PDFInfo
- Publication number
- CN112991333A CN112991333A CN202110429584.4A CN202110429584A CN112991333A CN 112991333 A CN112991333 A CN 112991333A CN 202110429584 A CN202110429584 A CN 202110429584A CN 112991333 A CN112991333 A CN 112991333A
- Authority
- CN
- China
- Prior art keywords
- obtaining
- information
- adjustment
- content
- voice information
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000002674 endoscopic surgery Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 24
- 230000007704 transition Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003902 lesion Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 abstract description 6
- 238000003062 neural network model Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Endoscopes (AREA)
Abstract
本发明公开了一种内窥镜手术中基于语音分析的图像处理方法及系统,其中,所述方法包括:由第一监视器的第一屏幕分辨率和内镜监测组织结构的监测精度对第一监视器进行网格划分,从而获得第一监视器的第一网格坐标信息;对第一医生的语音信息进行提取,获得第一调整坐标;依据第一网格坐标信息确定第一调整坐标的具体位置;由所述第一语音信息获得第一调整内容;依据所述第一调整内容和具体位置获得第一调整指令;获得第一内镜的第一显示图像;依据第一调整指令对第一显示图像进行调整。解决了现有技术中对于内窥镜实时反馈图像的角度、颜色等调整依赖人工,处理效率较低且不够智能化的技术问题。
Description
技术领域
本发明涉及语音分析领域,尤其涉及一种内窥镜手术中基于语音分析的图像处理方法及系统。
背景技术
医用电子内窥镜比普通光导纤维内镜的图像清晰,色泽逼真,分辨率更高,而且可供多人同时观看。电子内窥镜主要由内镜、电视信息系统中心、和电视监视器三个主要部分组成。电子内窥镜具有很高的分辨能力,可以观察到人体组织的微细结构;内镜视野宽阔,前端的弯曲角度大,避免了盲区,还可利用电视信息中心调整红、蓝、绿不同颜色去观察不同的组织结构,从而达到各种组织结构的最佳分辨能力。而现有技术中对于内窥镜的实时显示图像的调整需要多名医生的配合,且需要反复调整,以使内窥镜实时显示图像达到预期的效果。
本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
对于内窥镜实时反馈图像的角度、颜色等调整依赖人工,处理效率较低且不够智能化。
发明内容
本申请实施例通过提供一种内窥镜手术中基于语音分析的图像处理方法及系统,解决了现有技术中对于内窥镜实时反馈图像的角度、颜色等调整依赖人工,处理效率较低且不够智能化的技术问题。实现了基于语音分析技术,依据医生在调整内窥镜的过程中的语音指令对内窥镜显示图像进行网格式的精确调整,使得内窥镜显示图像处理更为高效、智能的技术目的。
鉴于上述问题,本申请实施例提供一种内窥镜手术中基于语音分析的图像处理方法及系统。
第一方面,本申请提供了一种内窥镜手术中基于语音分析的图像处理方法,其中,所述方法包括:获得第一监视器的第一屏幕分辨率;获得第一内镜的第一监测组织结构;依据所述第一监测组织结构获得第一监测精度;由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;获得所述第一监视器的第一网格坐标信息;获得第一医生的第一语音信息;对所述第一语音信息进行提取,获得第一调整坐标;依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;由所述第一语音信息获得第一调整内容;依据所述第一调整内容和所述第一位置信息获得第一调整指令;获得所述第一内镜的第一显示图像;依据所述第一调整指令对所述第一显示图像进行调整。
另一方面,本申请还提供了一种内窥镜手术中基于语音分析的图像处理系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一监视器的第一屏幕分辨率;第二获得单元,所述第二获得单元用于获得第一内镜的第一监测组织结构;第三获得单元,所述第三获得单元用于依据所述第一监测组织结构获得第一监测精度;第四获得单元,所述第四获得单元用于由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;第五获得单元,所述第五获得单元用于依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;第六获得单元,所述第六获得单元用于获得所述第一监视器的第一网格坐标信息;第七获得单元,所述第七获得单元用于获得第一医生的第一语音信息;第八获得单元,所述第八获得单元用于对所述第一语音信息进行提取,获得第一调整坐标;第九获得单元,所述第九获得单元用于依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;第十获得单元,所述第十获得单元用于由所述第一语音信息获得第一调整内容;第十一获得单元,所述第十一获得单元用于依据所述第一调整内容和所述第一位置信息获得第一调整指令;第十二获得单元,所述第十二获得单元用于获得所述第一内镜的第一显示图像;第一调整单元,所述第一调整单元用于依据所述第一调整指令对所述第一显示图像进行调整。
另一方面,本申请实施例还提供了一种内窥镜手术中基于语音分析的图像处理系统,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,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过依据内窥镜图像处理系统监视器的屏幕分辨率和内窥镜所监测组织结构的监测精度对监视器进行网格划分,并基于语音分析技术,通过对医生下达的语音指令进行分析提取,实现对监视器显示图像进行网格化区域调整,从而实现了基于语音分析技术对内窥镜显示图像进行网格式的精确调整,使得内窥镜显示图像处理更为高效、智能的技术目的。
上述说明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为本申请实施例一种内窥镜手术中基于语音分析的图像处理方法的流程示意图;
图2为本申请实施例一种内窥镜手术中基于语音分析的图像处理系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第十获得单元20,第十一获得单元21,第十二获得单元22,第一调整单元23,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种内窥镜手术中基于语音分析的图像处理方法及系统,解决了现有技术中对于内窥镜实时反馈图像的角度、颜色等调整依赖人工,处理效率较低且不够智能化的技术问题。实现了基于语音分析技术,依据医生在调整内窥镜的过程中的语音指令对内窥镜显示图像进行网格式的精确调整,使得内窥镜显示图像处理更为高效、智能的技术目的。
下面,将参考附图详细的描述本申请的示例实施例,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述:电子内窥镜具有很高的分辨能力,可以观察到人体组织的微细结构;内镜视野宽阔,前端的弯曲角度大,避免了盲区,还可利用电视信息中心调整红、蓝、绿不同颜色去观察不同的组织结构,从而达到各种组织结构的最佳分辨能力。而对于内窥镜的实时显示图像的调整需要多名医生的配合,且需要反复调整,以使内窥镜实时显示图像达到预期的效果。现有技术中还存在着对于内窥镜实时反馈图像的角度、颜色等调整依赖人工,处理效率较低且不够智能化的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种内窥镜手术中基于语音分析的图像处理方法,其中,所述方法包括:获得第一监视器的第一屏幕分辨率;获得第一内镜的第一监测组织结构;依据所述第一监测组织结构获得第一监测精度;由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;获得所述第一监视器的第一网格坐标信息;获得第一医生的第一语音信息;对所述第一语音信息进行提取,获得第一调整坐标;依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;由所述第一语音信息获得第一调整内容;依据所述第一调整内容和所述第一位置信息获得第一调整指令;获得所述第一内镜的第一显示图像;依据所述第一调整指令对所述第一显示图像进行调整。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一:如图1所示,本申请实施例提供了一种内窥镜手术中基于语音分析的图像处理方法,其中,所述方法包括:
步骤S100:获得第一监视器的第一屏幕分辨率;
具体而言,电子内窥镜的成像主要依赖于镜身前端装备的微型图像传感器,利用电视信息中心装备的光源所发出的光,经内镜内的导光纤维将光导入受检体腔内,CCD图像传感器接受到体腔内粘膜面反射来的光,将此光转换成电信号,再通过导线将信号输送到电视信息中心,再经过电视信息中心将这些电信号经过贮存和处理,最后传输到电视监视器中在屏幕上显示出受检脏器的彩色粘膜图像。所述第一监视器用于将内窥镜所捕获的图像进行显示,以便于医生对其进行分析,并依据图像对内窥镜的角度等进行调整。而不同的电子内窥镜系统的电视监视器的分辨率不同,所呈现的图像清晰度也不同,通过获得所述第一屏幕分辨率,为后续对监视器屏幕进行网格划分奠定了基础。
步骤S200:获得第一内镜的第一监测组织结构;
步骤S300:依据所述第一监测组织结构获得第一监测精度;
具体而言,内窥镜可分为耳鼻医用内窥镜、皮肤检测医用内窥镜、眼睛医用内窥镜、口腔内窥镜、牙科内窥镜、神经镜、尿道膀胱镜、电切镜、腹腔镜、关节镜、鼻窦镜、喉镜等。可在不同的手术类型中对不同的人体组织结构进行监测成像,同时,内窥镜的使用方式不同,对其成像的清晰度和监测范围也不同。所述第一监测精度包括对于所述第一内镜的成像质量、监测范围、颜色饱和度的要求,所述第一监测精度决定了对于所述第一监视器屏幕网格划分的精度。
步骤S400:由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;
步骤S500:依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;
具体而言,所述第一网格划分标准由所述第一监视器的屏幕分辨率及所述第一内镜的监测精度要求确定,详细来说,所述第一屏幕分辨率和所述第一监测精度越高,则对于所述第一监视器的网格划分越精细。所述第一网格划分标准包括所划分的网格数量、网格大小,所述第一网格划分标准越高,网格划分越精细。获得所述第一网格划分标准之后,获得所述第一划分指令并执行,对所述第一监视器的显示图像进行网格划分。
步骤S600:获得所述第一监视器的第一网格坐标信息;
具体而言,对所述第一监视器进行网格划分之后,对网格的边界进行单位坐标的标注,用于依据坐标信息对所述第一监视器的显示图像进行精确调整,举例而言,若由所述第一内镜获得患者组织结构图像之后,由于内镜的监测角度发生偏差导致图像缺失,则可依据所述第一监视器中缺失图像部位的网格坐标判断对于所述第一内镜的调整角度,从而实现对内镜的精确调整,提高内镜使用效率,提升手术安全。
步骤S700:获得第一医生的第一语音信息;
步骤S800:对所述第一语音信息进行提取,获得第一调整坐标;
步骤S900:依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;
具体而言,所述第一医生通过实时观测所述第一监视器中显示的图像信息来控制内窥镜的调整角度及图像显示。本申请基于语音分析技术,通过获得所述第一医生的语音信息,对其语音信息进行提取,获得所述第一语音信息中需要调整的坐标信息,即所述第一调整坐标,继而依据所划分的所述第一网格坐标信息对所述第一调整坐标进行定位,从而对所述第一监视器显示图像中的调整区域进行定位。通过语音识别提取关键词,提高了图像处理的效率。
步骤S1000:由所述第一语音信息获得第一调整内容;
具体而言,所述第一调整内容包括对于内窥镜的调整角度、对于所述第一监视器显示图像的饱和度、颜色等的调整。在医用电子内窥镜应用中,内窥镜图像的诊断主要依靠血管、薄膜等组织的形状和颜色的细微变化。实际的病变组织,经过外界光源的照射、内窥镜系统的采集以及显示器的显示后,不可避免的会发生颜色失真,且由于内窥镜前端与治疗点的位置的偏差,也会导致采集的图像缺失。故需要通过监视器的实时图像对所述第一内窥镜的角度、位置及图像颜色及进行调整。
步骤S1100:依据所述第一调整内容和所述第一位置信息获得第一调整指令;
具体而言,所述第一调整内容及所述第一位置信息包括所述第一监视器的显示图像中需要进行调整的图像区域,由所述图像区域确定对于内窥镜角度的调整措施以及对于显示图像的调整内容。从而依据上述内容获得所述第一调整指令。
步骤S1200:获得所述第一内镜的第一显示图像;
步骤S1300:依据所述第一调整指令对所述第一显示图像进行调整。
具体而言,依据所述第一调整指令,通过调整内窥镜的角度,以及所述第一显示图像的显示颜色,使得所述第一显示图像更为准确、清晰。从而通过获得更高质量的组织图像,提高内窥镜使用效率,提高手术安全性。
进一步而言,本申请实施例步骤S700还包括:
步骤S701:获得第二医生的第二语音信息;
步骤S702:将所述第一语音信息、所述第二语音信息输入至第一内容比对模型,获得第一内容差异信息;
步骤S703:依据所述第一内容差异信息判断所述第二语音信息是否为所述第一语音信息的补充信息;
步骤S704:若所述第二语音信息为所述第一语音信息的补充信息,获得第一补充内容;
步骤S705:依据所述第一补充内容获得第二调整坐标;
步骤S706:依据所述第一网格坐标信息获得所述第二调整坐标的第二位置信息;
步骤S707:依据所述第一补充内容和所述第二位置信息获得第二调整指令;
步骤S708:依据所述第二调整指令对所述第一显示图像进行调整。
具体而言,在实时监测所述第一监视器的画面时,需要多名医生依据实时图像内容共同商讨决定内窥镜的调整方式。因此在由所述第一医生的语音信息提取所述第一调整内容之后,同时获得所述第二医生的语音信息,并将所述第一语音信息、所述第二语音信息输入至所述第一内容比对模型对语音信息进行分析,所述第一内容比对模型为一神经网络模型,具有不断学习、获取经验来处理数据的特点,由所述第一内容比对模型获得所述第一内容差异信息,为所述第一语音信息与所述第二语音信息的内容差异。从而依据所述第一内容差异信息判断所述第二语音信息是否为所述第一语音信息的补充信息,若是,则依据所述第二语音信息中的补充内容对所述第一显示图像进行调整。
进一步而言,本申请实施例步骤S702还包括:
步骤S7021:将所述第一语音信息、所述第二语音信息输入至第一内容比对模型进行训练,所述第一内容比对模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一语音信息、所述第二语音信息和所述第一内容差异信息的标识信息;
步骤S7022:获得所述第一内容比对模型的第一输出结果,所述第一输出结果包括所述第一内容差异信息。
具体而言,所述第一内容比对模型为一神经网络模型,所述神经网络模型通过多组训练数据训练获得,所述神经网络模型即机器学习中的神经网络模型,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。所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。所述多组中的训练数据中的每一组训练数据均包括:所述第一语音信息、所述第二语音信息和所述第一内容差异信息的标识信息;在获得所述第一语音信息、所述第二语音信息的情况下,神经网络模型会输出所述第一内容差异信息的标识信息来对神经网络模型输出的所述第一内容差异信息进行校验,如果输出的所述第一内容差异信息同标识的所述第一内容差异信息相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果输出的所述第一内容差异信息同标识的所述第一内容差异信息不一致,则神经网络模型自身进行调整,直到神经网络模型达到预期的准确率后,进行下一组数据的监督学习。通过训练数据使神经网络模型自身不断地修正、优化,通过监督学习的过程来提高神经网络模型处理所述数据的准确性,进而使得所述第一内容差异信息更加准确。
进一步而言,本申请实施例步骤S703还包括:
步骤S7031:若所述第二语音信息不为所述第一语音信息的补充信息,由所述第一内容差异信息获得第一差异程度;
步骤S7032:判断所述第一差异程度是否超过第一阈值;
步骤S7033:若所述第一差异程度超过所述第一阈值,将所述第一内容差异信息发送至第一会诊中心。
具体而言,若所述第二语音信息不为所述第一语音信息的补充信息,则通过对所述第一内容差异信息进行差异内容分析,获得所述第一差异程度,若所述第一差异程度超过所述第一阈值,则代表所述第一语音信息和所述第二语音信息的内容不相同,则需要将所述第一内容差异信息发送至所述第一会诊中心进行会诊,之后再获得对于所述第一内镜的具体调整措施。
进一步而言,本申请实施例步骤S7031还包括:
步骤S70311:获得所述第一监测组织结构的第一病变类型;
步骤S70312:依据所述第一病变类型获得所述第一内镜的第一历史调整信息;
步骤S70313:依据所述第一历史调整信息构建内窥镜图像处理数据库;
步骤S70314:依据所述内窥镜图像处理数据库对所述第一内容差异信息进行分析,获得所述第一语音信息和所述第二语音信息的第一权重比;
步骤S70315:获得第一添加指令,所述第一添加指令用于将所述第一权重比添加至所述第一内容差异信息。
具体而言,当所述第二语音信息不为所述第一语音信息的补充信息时,通过构建关于所述第一监测组织结构的所有病变类型的历史内窥镜显示图像数据库,来获得对所述第一监测组织结构的内窥镜图像处理方式,从而依据所述内窥镜图像处理数据库对所述第一内容差异信息进行分析,获得所述第一语音信息和所述第二语音信息中内容有效度的权重占比,所述第一权重占比用于评估对于内窥镜及其显示图像不同调整方式的有效程度占比。获得所述第一权重比之后,将所述第一权重比添加至所述第一内容差异信息,一起发送至会诊中心进行会诊。
进一步而言,本申请实施例步骤S1000还包括:
步骤S1001:由所述第一语音信息获得第二调整内容,其中,所述第二调整内容包括第一颜色调整方案;
步骤S1002:由所述第一位置信息获得第一网格调整区域;
步骤S1003:由所述第一颜色调整方案和所述第一网格调整区域获得第一颜色调整区域;
步骤S1004:获得所述第一网格调整区域的第一轮廓信息;
步骤S1005:依据所述第一颜色调整方案和所述第一轮廓信息获得第三调整指令;
步骤S1006:依据所述第三调整指令对所述第一显示图像进行调整。
具体而言,获得所述第一语音信息中对于图像显示颜色的调整方案,监视器显示图像的颜色失真对内窥镜图像的分析造成诸多不良影响:一方面,医生观察内窥镜图像时可能会产生错误的判断,这会直接影响到病灶的诊疗情况及医生对该内窥镜系统的接受程度,另一方面,颜色失真也会影响到图像的特征提取以及后续的图像处理准确度。因此,在进行图像分析前,内窥镜图像预处理的关键步骤之一就是颜色校正。依据第一语音信息获得所述第一医生对于所述第一网格调整区域的颜色调整方式,并进一步确定颜色调整区域的轮廓,通过生成所述第三调整指令,依据所述第一轮廓信息对所述第一显示图像进行颜色调整,从而通过颜色校正,使得所述第一显示图像更为清晰、有效。
进一步而言,本申请实施例步骤S1001还包括:
步骤S10011:由所述第一颜色调整方案获得第一调整颜色信息;
步骤S10012:获得所述第一调整颜色信息的第一色度;
步骤S10013:获得所述第一轮廓信息的第二色度;
步骤S10014:由所述第一色度和所述第二色度获得第一过渡颜色;
步骤S10015:依据所述第一过渡颜色对所述第一轮廓信息进行过渡处理。
具体而言,由于所述第一颜色调整方案为对所述第一显示图像进行网格化的颜色调整,故调整区域的轮廓可能会出现失真的现象,不符合人眼视觉的特性。故需要通过获得调整区域的调整颜色及色度以及调整区域之外的颜色及色度,从而通过分析色度信息获得所述第一过渡颜色,依据所述第一过渡颜色对所述第一轮廓信息进行修饰填充,从而通过修复轮廓,避免所述第一显示图像出现色彩断层,降低图像准确性。
综上所述,本申请实施例所提供的一种内窥镜手术中基于语音分析的图像处理方法具有如下技术效果:
1、由于采用了通过依据内窥镜图像处理系统监视器的屏幕分辨率和内窥镜所监测组织结构的监测精度对监视器进行网格划分,并基于语音分析技术,通过对医生下达的语音指令进行分析提取,实现对监视器显示图像进行网格化区域调整,从而实现了基于语音分析技术对内窥镜显示图像进行网格式的精确调整,使得内窥镜显示图像处理更为高效、智能的技术目的。
2、由于采用了将所述第一语音信息、所述第二语音信息输入至第一内容比对模型进行训练,所述第一内容比对模型通过训练数据对输出结果进行训练,从而依据输出结果进一步获得所述第一语音信息与所述第二语音信息的内容差异信息,基于训练模型能够不断学习、获取经验来处理数据的特点,使得所获得的所述第一内容差异信息更为准确。
实施例二:基于与前述实施例中一种内窥镜手术中基于语音分析的图像处理方法同样发明构思,本发明还提供了一种内窥镜手术中基于语音分析的图像处理系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一监视器的第一屏幕分辨率;
第二获得单元12,所述第二获得单元12用于获得第一内镜的第一监测组织结构;
第三获得单元13,所述第三获得单元13用于依据所述第一监测组织结构获得第一监测精度;
第四获得单元14,所述第四获得单元14用于由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;
第五获得单元15,所述第五获得单元15用于依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;
第六获得单元16,所述第六获得单元16用于获得所述第一监视器的第一网格坐标信息;
第七获得单元17,所述第七获得单元17用于获得第一医生的第一语音信息;
第八获得单元18,所述第八获得单元18用于对所述第一语音信息进行提取,获得第一调整坐标;
第九获得单元19,所述第九获得单元19用于依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;
第十获得单元20,所述第十获得单元20用于由所述第一语音信息获得第一调整内容;
第十一获得单元21,所述第十一获得单元21用于依据所述第一调整内容和所述第一位置信息获得第一调整指令;
第十二获得单元22,所述第十二获得单元22用于获得所述第一内镜的第一显示图像;
第一调整单元23,所述第一调整单元23用于依据所述第一调整指令对所述第一显示图像进行调整。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于获得第二医生的第二语音信息;
第一输入单元,所述第一输入单元用于将所述第一语音信息、所述第二语音信息输入至第一内容比对模型,获得第一内容差异信息;
第一判断单元,所述第一判断单元用于依据所述第一内容差异信息判断所述第二语音信息是否为所述第一语音信息的补充信息;
第十四获得单元,所述第十四获得单元用于若所述第二语音信息为所述第一语音信息的补充信息,获得第一补充内容;
第十五获得单元,所述第十五获得单元用于依据所述第一补充内容获得第二调整坐标;
第十六获得单元,所述第十六获得单元用于依据所述第一网格坐标信息获得所述第二调整坐标的第二位置信息;
第十七获得单元,所述第十七获得单元用于依据所述第一补充内容和所述第二位置信息获得第二调整指令;
第二调整单元,所述第二调整单元用于依据所述第二调整指令对所述第一显示图像进行调整。
进一步的,所述系统还包括:
第二输入单元,所述第二输入单元用于将所述第一语音信息、所述第二语音信息输入至第一内容比对模型进行训练,所述第一内容比对模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一语音信息、所述第二语音信息和所述第一内容差异信息的标识信息;
第十八获得单元,所述第十八获得单元用于获得所述第一内容比对模型的第一输出结果,所述第一输出结果包括所述第一内容差异信息。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于若所述第二语音信息不为所述第一语音信息的补充信息,由所述第一内容差异信息获得第一差异程度;
第二判断单元,所述第二判断单元用于判断所述第一差异程度是否超过第一阈值;
第一发送单元,所述第一发送单元用于若所述第一差异程度超过所述第一阈值,将所述第一内容差异信息发送至第一会诊中心。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得所述第一监测组织结构的第一病变类型;
第二十一获得单元,所述第二十一获得单元用于依据所述第一病变类型获得所述第一内镜的第一历史调整信息;
第二十二获得单元,所述第二十二获得单元用于依据所述第一历史调整信息构建内窥镜图像处理数据库;
第二十三获得单元,所述第二十三获得单元用于依据所述内窥镜图像处理数据库对所述第一内容差异信息进行分析,获得所述第一语音信息和所述第二语音信息的第一权重比;
第二十四获得单元,所述第二十四获得单元用于获得第一添加指令,所述第一添加指令用于将所述第一权重比添加至所述第一内容差异信息。
进一步的,所述系统还包括:
第二十五获得单元,所述第二十五获得单元用于由所述第一语音信息获得第二调整内容,其中,所述第二调整内容包括第一颜色调整方案;
第二十六获得单元,所述第二十六获得单元用于由所述第一位置信息获得第一网格调整区域;
第二十七获得单元,所述第二十七获得单元用于由所述第一颜色调整方案和所述第一网格调整区域获得第一颜色调整区域;
第二十八获得单元,所述第二十八获得单元用于获得所述第一网格调整区域的第一轮廓信息;
第二十九获得单元,所述第二十九获得单元用于依据所述第一颜色调整方案和所述第一轮廓信息获得第三调整指令;
第三调整单元,所述第三调整单元用于依据所述第三调整指令对所述第一显示图像进行调整。
进一步的,所述系统还包括:
第三十获得单元,所述第三十获得单元用于由所述第一颜色调整方案获得第一调整颜色信息;
第三十一获得单元,所述第三十一获得单元用于获得所述第一调整颜色信息的第一色度;
第三十二获得单元,所述第三十二获得单元用于获得所述第一轮廓信息的第二色度;
第三十三获得单元,所述第三十三获得单元用于由所述第一色度和所述第二色度获得第一过渡颜色;
第一执行单元,所述第一执行单元用于依据所述第一过渡颜色对所述第一轮廓信息进行过渡处理。
前述图1实施例一中的一种内窥镜手术中基于语音分析的图像处理方法和具体实例同样适用于本实施例的一种内窥镜手术中基于语音分析的图像处理系统,通过前述对一种内窥镜手术中基于语音分析的图像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内窥镜手术中基于语音分析的图像处理系统,所以为了说明书的简洁,在此不再详述。
示例性电子设备:下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例一种内窥镜手术中基于语音分析的图像处理方法的发明构思,本发明还提供一种内窥镜手术中基于语音分析的图像处理系统,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内窥镜手术中基于语音分析的图像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305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。
本申请提供了一种内窥镜手术中基于语音分析的图像处理方法,其中,所述方法包括:获得第一监视器的第一屏幕分辨率;获得第一内镜的第一监测组织结构;依据所述第一监测组织结构获得第一监测精度;由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;获得所述第一监视器的第一网格坐标信息;获得第一医生的第一语音信息;对所述第一语音信息进行提取,获得第一调整坐标;依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;由所述第一语音信息获得第一调整内容;依据所述第一调整内容和所述第一位置信息获得第一调整指令;获得所述第一内镜的第一显示图像;依据所述第一调整指令对所述第一显示图像进行调整。
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、装置、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系统。
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系统的制造品,该指令系统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。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。
Claims (9)
1.一种内窥镜手术中基于语音分析的图像处理方法,其中,所述方法包括:
获得第一监视器的第一屏幕分辨率;
获得第一内镜的第一监测组织结构;
依据所述第一监测组织结构获得第一监测精度;
由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;
依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;
获得所述第一监视器的第一网格坐标信息;
获得第一医生的第一语音信息;
对所述第一语音信息进行提取,获得第一调整坐标;
依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;
由所述第一语音信息获得第一调整内容;
依据所述第一调整内容和所述第一位置信息获得第一调整指令;
获得所述第一内镜的第一显示图像;
依据所述第一调整指令对所述第一显示图像进行调整。
2.如权利要求1所述的方法,其中,所述方法包括:
获得第二医生的第二语音信息;
将所述第一语音信息、所述第二语音信息输入至第一内容比对模型,获得第一内容差异信息;
依据所述第一内容差异信息判断所述第二语音信息是否为所述第一语音信息的补充信息;
若所述第二语音信息为所述第一语音信息的补充信息,获得第一补充内容;
依据所述第一补充内容获得第二调整坐标;
依据所述第一网格坐标信息获得所述第二调整坐标的第二位置信息;
依据所述第一补充内容和所述第二位置信息获得第二调整指令;
依据所述第二调整指令对所述第一显示图像进行调整。
3.如权利要求2所述的方法,其中,所述方法包括:
将所述第一语音信息、所述第二语音信息输入至第一内容比对模型进行训练,所述第一内容比对模型通过多组训练数据训练所得,其中,所述多组训练数据中的每一组训练数据均包括:所述第一语音信息、所述第二语音信息和所述第一内容差异信息的标识信息;
获得所述第一内容比对模型的第一输出结果,所述第一输出结果包括所述第一内容差异信息。
4.如权利要求2所述的方法,其中,所述方法包括:
若所述第二语音信息不为所述第一语音信息的补充信息,由所述第一内容差异信息获得第一差异程度;
判断所述第一差异程度是否超过第一阈值;
若所述第一差异程度超过所述第一阈值,将所述第一内容差异信息发送至第一会诊中心。
5.如权利要求4所述的方法,其中,所述方法包括:
获得所述第一监测组织结构的第一病变类型;
依据所述第一病变类型获得所述第一内镜的第一历史调整信息;
依据所述第一历史调整信息构建内窥镜图像处理数据库;
依据所述内窥镜图像处理数据库对所述第一内容差异信息进行分析,获得所述第一语音信息和所述第二语音信息的第一权重比;
获得第一添加指令,所述第一添加指令用于将所述第一权重比添加至所述第一内容差异信息。
6.如权利要求1所述的方法,其中,所述方法包括:
由所述第一语音信息获得第二调整内容,其中,所述第二调整内容包括第一颜色调整方案;
由所述第一位置信息获得第一网格调整区域;
由所述第一颜色调整方案和所述第一网格调整区域获得第一颜色调整区域;
获得所述第一网格调整区域的第一轮廓信息;
依据所述第一颜色调整方案和所述第一轮廓信息获得第三调整指令;
依据所述第三调整指令对所述第一显示图像进行调整。
7.如权利要求6所述的方法,其中,所述方法包括:
由所述第一颜色调整方案获得第一调整颜色信息;
获得所述第一调整颜色信息的第一色度;
获得所述第一轮廓信息的第二色度;
由所述第一色度和所述第二色度获得第一过渡颜色;
依据所述第一过渡颜色对所述第一轮廓信息进行过渡处理。
8.一种内窥镜手术中基于语音分析的图像处理系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一监视器的第一屏幕分辨率;
第二获得单元,所述第二获得单元用于获得第一内镜的第一监测组织结构;
第三获得单元,所述第三获得单元用于依据所述第一监测组织结构获得第一监测精度;
第四获得单元,所述第四获得单元用于由所述第一屏幕分辨率和所述第一监测精度获得所述第一监视器的第一网格划分标准;
第五获得单元,所述第五获得单元用于依据所述第一网格划分标准获得第一划分指令,所述第一划分指令用于对所述第一监视器进行网格划分;
第六获得单元,所述第六获得单元用于获得所述第一监视器的第一网格坐标信息;
第七获得单元,所述第七获得单元用于获得第一医生的第一语音信息;
第八获得单元,所述第八获得单元用于对所述第一语音信息进行提取,获得第一调整坐标;
第九获得单元,所述第九获得单元用于依据所述第一网格坐标信息获得所述第一调整坐标的第一位置信息;
第十获得单元,所述第十获得单元用于由所述第一语音信息获得第一调整内容;
第十一获得单元,所述第十一获得单元用于依据所述第一调整内容和所述第一位置信息获得第一调整指令;
第十二获得单元,所述第十二获得单元用于获得所述第一内镜的第一显示图像;
第一调整单元,所述第一调整单元用于依据所述第一调整指令对所述第一显示图像进行调整。
9.一种内窥镜手术中基于语音分析的图像处理系统,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,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429584.4A CN112991333B (zh) | 2021-04-21 | 2021-04-21 | 一种内窥镜手术中基于语音分析的图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429584.4A CN112991333B (zh) | 2021-04-21 | 2021-04-21 | 一种内窥镜手术中基于语音分析的图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991333A true CN112991333A (zh) | 2021-06-18 |
CN112991333B CN112991333B (zh) | 2021-08-10 |
Family
ID=76341495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110429584.4A Active CN112991333B (zh) | 2021-04-21 | 2021-04-21 | 一种内窥镜手术中基于语音分析的图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991333B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311167A (zh) * | 2022-08-24 | 2022-11-08 | 深圳新视光电科技有限公司 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206910316U (zh) * | 2016-12-14 | 2018-01-23 | 武汉大学 | 一种可吞服胶囊内窥镜的无线充电系统 |
WO2018193519A1 (ja) * | 2017-04-18 | 2018-10-25 | オリンパス株式会社 | 内視鏡装置及びビデオプロセッサ |
CN109215079A (zh) * | 2018-07-17 | 2019-01-15 | 艾瑞迈迪医疗科技(北京)有限公司 | 图像处理方法、手术导航设备、电子设备、存储介质 |
CN109330688A (zh) * | 2018-12-10 | 2019-02-15 | 中山市环能缪特斯医疗器械科技有限公司 | 安全自检式内窥镜辅助机械手及其智能控制系统 |
CN109863553A (zh) * | 2016-04-07 | 2019-06-07 | M.S.T.医学外科技术有限公司 | 声音激活的手术控制系统 |
CN110401810A (zh) * | 2019-06-28 | 2019-11-01 | 广东虚拟现实科技有限公司 | 虚拟画面的处理方法、装置、系统、电子设备及存储介质 |
CN111035458A (zh) * | 2019-12-31 | 2020-04-21 | 上海交通大学医学院附属第九人民医院 | 一种手术综合视景智能辅助系统及图像处理方法 |
CN111292328A (zh) * | 2020-05-09 | 2020-06-16 | 上海孚慈医疗科技有限公司 | 一种基于内镜筛查的图像信息处理方法及装置 |
CN111383778A (zh) * | 2020-03-11 | 2020-07-07 | 王栋 | 一种手术室用阅片影音交互系统 |
CN111447415A (zh) * | 2020-04-02 | 2020-07-24 | 吴敏 | 一种基于远程手术的语音和视频清晰度调整的系统和方法 |
CN111767963A (zh) * | 2020-07-07 | 2020-10-13 | 南通市第二人民医院 | 一种基于内镜筛查提高质量评估的方法及装置 |
CN111970955A (zh) * | 2018-04-13 | 2020-11-20 | 学校法人昭和大学 | 内窥镜观察辅助装置、内窥镜观察辅助方法及程序 |
CN112419826A (zh) * | 2020-12-16 | 2021-02-26 | 上海索验智能科技有限公司 | 虚拟仿真腹腔镜手术内窥镜操作训练方法及系统 |
CN212853421U (zh) * | 2020-03-20 | 2021-04-02 | 上海安翰医疗技术有限公司 | 胶囊内窥镜系统 |
CN112689354A (zh) * | 2021-01-21 | 2021-04-20 | 中山市微视医用科技有限公司 | 一种内窥镜的led调光装置 |
-
2021
- 2021-04-21 CN CN202110429584.4A patent/CN112991333B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109863553A (zh) * | 2016-04-07 | 2019-06-07 | M.S.T.医学外科技术有限公司 | 声音激活的手术控制系统 |
CN206910316U (zh) * | 2016-12-14 | 2018-01-23 | 武汉大学 | 一种可吞服胶囊内窥镜的无线充电系统 |
WO2018193519A1 (ja) * | 2017-04-18 | 2018-10-25 | オリンパス株式会社 | 内視鏡装置及びビデオプロセッサ |
CN111970955A (zh) * | 2018-04-13 | 2020-11-20 | 学校法人昭和大学 | 内窥镜观察辅助装置、内窥镜观察辅助方法及程序 |
CN109215079A (zh) * | 2018-07-17 | 2019-01-15 | 艾瑞迈迪医疗科技(北京)有限公司 | 图像处理方法、手术导航设备、电子设备、存储介质 |
CN109330688A (zh) * | 2018-12-10 | 2019-02-15 | 中山市环能缪特斯医疗器械科技有限公司 | 安全自检式内窥镜辅助机械手及其智能控制系统 |
CN110401810A (zh) * | 2019-06-28 | 2019-11-01 | 广东虚拟现实科技有限公司 | 虚拟画面的处理方法、装置、系统、电子设备及存储介质 |
CN111035458A (zh) * | 2019-12-31 | 2020-04-21 | 上海交通大学医学院附属第九人民医院 | 一种手术综合视景智能辅助系统及图像处理方法 |
CN111383778A (zh) * | 2020-03-11 | 2020-07-07 | 王栋 | 一种手术室用阅片影音交互系统 |
CN212853421U (zh) * | 2020-03-20 | 2021-04-02 | 上海安翰医疗技术有限公司 | 胶囊内窥镜系统 |
CN111447415A (zh) * | 2020-04-02 | 2020-07-24 | 吴敏 | 一种基于远程手术的语音和视频清晰度调整的系统和方法 |
CN111292328A (zh) * | 2020-05-09 | 2020-06-16 | 上海孚慈医疗科技有限公司 | 一种基于内镜筛查的图像信息处理方法及装置 |
CN111767963A (zh) * | 2020-07-07 | 2020-10-13 | 南通市第二人民医院 | 一种基于内镜筛查提高质量评估的方法及装置 |
CN112419826A (zh) * | 2020-12-16 | 2021-02-26 | 上海索验智能科技有限公司 | 虚拟仿真腹腔镜手术内窥镜操作训练方法及系统 |
CN112689354A (zh) * | 2021-01-21 | 2021-04-20 | 中山市微视医用科技有限公司 | 一种内窥镜的led调光装置 |
Non-Patent Citations (3)
Title |
---|
GEORG LUEGMAIR等: "Three-Dimensional Optical Reconstruction of Vocal Fold Kinematics Using High-Speed Video With a Laser Projection System", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
GOPI MAGULURI等: "Dynamic vocal fold imaging by integrating optical coherence tomography with laryngeal high-speed video endoscopy", 《2015 CONFERENCE ON LASERS AND ELECTRO-OPTICS (CLEO)》 * |
唐明: "面向机器人辅助微创手术的单目重建和语音控制研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311167A (zh) * | 2022-08-24 | 2022-11-08 | 深圳新视光电科技有限公司 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
CN115311167B (zh) * | 2022-08-24 | 2023-04-04 | 深圳新视光电科技有限公司 | 基于多色光线的色域控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112991333B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110338759B (zh) | 一种正面疼痛表情数据采集方法 | |
CN111243730A (zh) | 一种基于乳腺超声影像的乳腺病灶智能分析方法及系统 | |
CN109907827B (zh) | 一种下颌角截骨术的手术导航系统 | |
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 | |
JP2022545355A (ja) | 医療機器を識別、ラベル付け、及び追跡するためのシステム及び方法 | |
CN107563997A (zh) | 一种皮肤病诊断系统、构建方法、诊断方法和诊断装置 | |
CN111403029A (zh) | 一种提高评估质量的信息处理方法及装置 | |
DE112016007005T5 (de) | Bildverarbeitungsvorrichtung, Lernvorrichtung, Bildverarbeitungsverfahren, Verfahren zum Erstellen eines Klassifizierungskriteriums, Lernverfahren und Programm | |
KR20190142618A (ko) | 태아의 심박동을 모니터링하는 방법 및 그 장치 | |
CN110458834B (zh) | 一种乳腺肿瘤图像处理系统、方法及装置 | |
CN109636864A (zh) | 一种基于颜色校正与深度卷积神经网络的舌分割方法及系统 | |
CN113053517B (zh) | 一种基于动态区域量化指标的面瘫级别评估方法 | |
CN113192074A (zh) | 一种适用于octa图像的动静脉自动化分割方法 | |
KR101801376B1 (ko) | 3차원 위상 기술자를 이용한 두개골 이형 자동판단시스템 및 이를 이용한 두개골 이형 자동판단방법 | |
CN112634221A (zh) | 基于图像和深度的角膜层次识别及病变定位方法和系统 | |
CN115954096A (zh) | 一种基于图像数据处理的腔镜vr成像系统 | |
CN110414405A (zh) | 基于深度学习的肌间沟臂丛神经的识别方法及其系统 | |
CN111274953B (zh) | 一种根据表情判断疼痛的方法及系统 | |
CN113972004A (zh) | 一种基于深度学习多模型融合肌骨超声诊断系统 | |
CN112951422A (zh) | 一种骨科患者康复自检方法及系统 | |
Volk et al. | Objective Measurement of Outcomes inFacial Palsy | |
CN1378166A (zh) | 同侧眼底医学图像计算机辅助特征套合识别方法 | |
CN112426119B (zh) | 一种内窥镜筛查处理方法和装置 | |
CN117877691B (zh) | 一种基于图像识别的智能化伤口信息采集系统 | |
RU2496404C1 (ru) | Способ диагностики патологии зрительного нерва |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Bai Rong Inventor after: Bai Yin Inventor before: Liu Minglu Inventor before: Bai Rong Inventor before: Bai Yin |