CN113268623A - 一种人工智能化胃镜图像识别处理系统 - Google Patents

一种人工智能化胃镜图像识别处理系统 Download PDF

Info

Publication number
CN113268623A
CN113268623A CN202110609447.9A CN202110609447A CN113268623A CN 113268623 A CN113268623 A CN 113268623A CN 202110609447 A CN202110609447 A CN 202110609447A CN 113268623 A CN113268623 A CN 113268623A
Authority
CN
China
Prior art keywords
stomach
image data
updating
image
strategy
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
CN202110609447.9A
Other languages
English (en)
Other versions
CN113268623B (zh
Inventor
俞晔
方圆圆
袁凤
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.)
Shanghai First Peoples Hospital
Original Assignee
Shanghai First Peoples 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 Shanghai First Peoples Hospital filed Critical Shanghai First Peoples Hospital
Priority to CN202110609447.9A priority Critical patent/CN113268623B/zh
Publication of CN113268623A publication Critical patent/CN113268623A/zh
Application granted granted Critical
Publication of CN113268623B publication Critical patent/CN113268623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及胃镜图像处理技术领域，公开了一种人工智能化胃镜图像识别处理系统，包括对比数据库、数据采集模块与数据处理模块，对比数据库预先存储胃部病变图像，数据采集模块采集患者胃部图像并剔除低质图像后形成患者样本，数据处理模块将患者样本与对比数据库中的图像数据进行对比后形成初诊样本。该发明通过在采集模块中设置反馈单元可对采集的每一帧胃镜图像进行反馈确认以保证所获取的每一帧图像的质量，可尽量防止失焦、模糊等照片被留存。另外，通过数据处理模块将所有的图像进行重要程度的分类以形成具有不同参照价值的图像子集，以便医生进行针对性的查看，以减少医生的持续张紧时间，减少疲劳。

Description

一种人工智能化胃镜图像识别处理系统
技术领域
本发明涉及胃镜图像处理技术领域，具体涉及一种人工智能化胃镜图像识别处理系统。
背景技术
胃部疾病为现有疾病类型中较为常见的类型，同时也是易发高发病种，现有的对胃病的诊断中胃镜诊断为最快捷准确，通过将具有拍摄功能的摄像头送入胃内来获取胃内的各位置的图像信息来诊断疾病的情况。
在现有的胃镜诊断中由于就诊量极大，所以导致医生每天所浏览的胃镜图像量极大且在胃镜图像中存在一些图像质量低、画面内容重复或者画面中无重要信息没有参考意义的情况，由此医生在查看以上胃镜图像时不仅造成精力的浪费容易产生疲劳同时对诊断结果的帮助也较小，造成诊断效率低下的情况。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种人工智能化胃镜图像识别处理系统，该系统可对胃镜图像进行前处理以提高胃镜图像的质量。
为了实现上述目的，本发明提供如下技术方案：
一种人工智能化胃镜图像识别处理系统，包括对比数据库、数据采集模块与数据处理模块，所述对比数据库预先存储胃部病变图像，所述数据采集模块采集患者胃部图像并剔除低质图像后形成患者样本，所述数据处理模块将患者样本与对比数据库中的图像数据进行对比后形成初诊样本；
所述对比数据库包括病灶数据子库与正常数据子库，所述病灶数据子库与正常数据子库分别存储胃部各部位病变及正常胃部图像数据；
所述数据采集模块包括采集单元、反馈单元及图像剔除单元，所述采集单元采集患者胃部图像数据，所述反馈单元接收胃部图像数据并显示采集的每一帧胃部图像数据，所述反馈单元接收存留指令，并根据存留指令删除或存留对应帧胃部图像数据，所述剔除单元用于保留所有留存的胃部图像数据中的多组相似帧图像中的一帧图像，并将最终剩余的胃部图像数据存入患者样本；
所述数据处理模块包括数据调用单元及结果存储库，所述数据调用单元内配置有对比策略；所述数据调用单元调用患者样本内的每一帧胃部图像数据并对比数据库内的预存数据进行对比以确认出每一帧胃部图像数据中的病变类型、病变数量及病变位置，所述对比策略记录对比结果为第一对比结果并将所有第一对比结果存入结果存储库内，所述结果存储库内配置有归类统计策略，所述归类统计策略用于计算出结果存储库内的每一组第一对比结果的重要系数，并且设置多组系数阈值范围，将落在不同阈值范围内的第一对比结果按照重要系数排序后发送至初诊样本内对应的重要程度子集内。
在本发明中，进一步的，所述病灶数据子库中的每组病变胃部图像数据包括图像信息及辅助信息，所述辅助信息包括部位信息及病变类型特征信息。
在本发明中，进一步的，所述采集模块配置有程度标记策略，所述程度标记策略用于采集标记特征并将附有标记特征帧图像直接发送至对应的重要程度子集内。
在本发明中，进一步的，所述归类统计策略内设有系数算法，所述系数算法如下：
Q＝aX+bY+Z；
其中，Q为重要系数，a和b为权重系数，X为病变类型数量，Y为病变总数，Z为部位系数。
在本发明中，进一步的，所述初诊样本内包括剔除子集及未识别子集，所述剔除子集用于接收剔除单元删除的图像数据，所述未识别子集用于收集对比策略进行对比过程中未识别出病变类型的图像数据。
在本发明中，进一步的，所述对比策略包括圈显子策略，所述圈显子策略用于为每组胃部图像数据中的病变位置配置提示特征。
在本发明中，进一步的，所述对比策略包括部位统计子策略，所述部位统计子策略用于记录患者样本中的所有病变出现的部位并形成病变部位统计子集发送至初诊样本内。
在本发明中，进一步的，还包括反馈更新单元，所述反馈更新单元包括点击采集单元、更新算法及更新数据库，所述点击采集单元用于采集初诊样本内每一帧胃部图像数据的查看时长及查看次数，所述更新算法用于为采集初诊样本内每一帧胃部图像数据配置更新因子并将每组配置有更新因子的胃部图像数据作为单一更新样本存储至更新数据库内。
在本发明中，进一步的，所述更新算法如下：
S＝cN+dM；
其中，S为更新因子，c、d为权重系数，N为时长等级，M为次数等级。
在本发明中，进一步的，所述反馈更新单元内还配置有更新策略，所述更新策略包括划分子策略及统计子策略，当触发更新阈值时，所述划分子策略将更新数据库内的更新样本根据设定的重要因数阈值分为多个等级子数据库，所述统计子策略统计出每个等级数据库内更新样本的所在部位的排名，并根据排名重新对每一部位的部位系数Z进行赋值。
与现有技术相比，本发明的有益效果是：
本发明通过在采集模块中设置反馈单元可对采集的每一帧胃镜图像进行反馈确认以保证所获取的每一帧图像的质量，可尽量防止失焦、模糊等照片被留存。
另外，通过数据处理模块内的归类统计策略将所有的图像进行重要程度的分类以形成具有不同参照价值的图像子集，以便医生进行针对性的查看，并且针对不同重要程度的图像子集可分配对应的精力进行查看，以减少医生的持续张紧时间，减少疲劳。
附图说明
图1为本发明的总体运行流程示意图。
图2为胃体增生息肉胃镜图在圈显子策略处理下的对比图。
附图中：10、采集模块；20、对比数据库；30、数据处理模块；40、反馈更新单元；50、初诊样本；60、患者样本。
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。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请同时参见图1，本发明一较佳实施方式提供一种人工智能化胃镜图像识别处理系统，包括对比数据库20、数据采集模块10与数据处理模块30，所述对比数据库20预先存储胃部病变图像，所述数据采集模块10采集患者胃部图像并剔除低质图像后形成患者样本60，所述数据处理模块30将患者样本60与对比数据库20中的图像数据进行对比后形成初诊样本50；
所述对比数据库20包括病灶数据子库与正常数据子库，所述病灶数据子库与正常数据子库分别存储胃部各部位病变及正常胃部图像数据；所述病灶数据子库中的每组病变胃部图像数据包括图像信息及辅助信息，所述辅助信息包括部位信息及病变类型特征信息。在将胃部图像信息存入对比数据库20前需要对图像中的辨识特征进行加强并标记，如各部位在胃镜下的具体形状、或具有辨识性的组织结构以及特殊的文理等特征，对此特征进行加强标注可便于系统在进行对比识别时提高准确率，由于我们的人体的胃部特征构造基本均为相同，且在进行胃镜图像采集时也有具体的操作标准所以采集到的胃镜照片对胃部各部位的呈现多数情况下基本相同，只是出现的病变类型或病变位置存在不同。所以在建立对比数据库20时在正常数据子库内存入多组正常胃部的各部位的图像信息并标注加强其辨识特征，然后在病灶数据子库中存入各病变单独的图像信息以及胃部各部位出现各种病变的图像信息，且都对图像中的辨识特征进行标记加强。并且在输入病变胃部图像数据时是以一个单独的数据包的形式，其中包含了上述具有辨识特征的病变图像，另外还包含有部位信息及病变类型特征信息。
当数据调用单元内配置有对比策略将采集到的患者的胃部图像调取后先和正常数据子库内存入多组正常胃部的各部位的图像信息以及病灶数据子库中的各病变单独的图像信息进行对比，当相似度达到阈值后获取此相似帧正常胃部图像的部位信息以及病变信息，由此将患者的胃部图像与已获得的部位信息及病变信息结合形成初对比结果，然后再将处对比结果与病灶数据子库中的具有相同部位信息及病变信息的病变胃部图像数据进行相似度对比，当对比结果达到阈值时输出为第一对比结果，第一对比结果包含有患者的图像信息以及图像内的病变信息以及部位信息。
所述数据采集模块10包括采集单元、反馈单元及图像剔除单元，所述采集单元采集患者胃部图像数据，所述反馈单元接收胃部图像数据并显示采集的每一帧胃部图像数据，所述反馈单元接收存留指令，并根据存留指令删除或存留对应帧胃部图像数据，该反馈单元将接收到采集单元采集到的图像后，再发送至显示器上以便医生进行最终确认是否需要留存，并且接收医生发出的存留或删除指令以选择对应的发送地址将图像发送至不同的存储位置。由此通过加入人工初步检测确认的步骤，可以保证所采集的每组图片均为画面质量较高的图像，防止在采集时有失焦或欠曝过曝图片被留存。由此也保证了采集的图片的有效性，防止在采集完成后由于图片质量问题而无法使用进而导致胃镜手术失效，需要再次进行采集进而对病人造成多次胃镜手术的痛苦。剔除单元用于保留所有留存的胃部图像数据中的多组相似帧图像中的一帧图像，并将最终剩余的胃部图像数据存入患者样本60；剔除单元将留存下来的照片中具有相同部位信息及病变信息两组图像进行对比，当两组图像内容相似度达到阈值时删除采集时间靠后的图像，保留采集时间最早的图像。由此可以避免医生在采集时同一位置采集多组相同的图像照片。
经过数据采集模块10的采集预处理后，患者样本60内的图像均为内容重复较低且画面质量较高，另外图像信息均附带有病变信息及部位信息，其中病变信息包括病变的类型以及每种病变类型的数量，由此为后期数据处理模块30的快速处理奠定基础。
所述数据调用单元调用患者样本60内留存的每一帧胃部图像数据中的病变类型、病变数量及病变位置将其存储为第一对比结果，并将全部的第一对比结果保存至结果存储库内，再根据结果存储库内配置的归类统计策略，计算出结果存储库内的每一组第一对比结果的重要系数，并且设置多组系数阈值范围，由多组系数阈值范围所有的重要系数划分为不同的重要程度子集，如第一重要子集、第二重要子集和第三重要子集，将重要系数落在不同阈值范围内的第一对比结果发送至重要程度由高至低的第一重要子集、第二重要子集或第三重要子集内。
所述采集模块10配置有程度标记策略，所述程度标记策略用于采集标记特征并将附有标记特征帧图像直接发送至对应的重要程度子集内。该设置为在医生进行胃镜采集时会按照主观经验进行判断，若认为该帧图像为具有极高的诊断意义，可以通过对其进行标记来使该帧图像被采集后直接发送至最高的重要程度的子集内，如第一重要子集，以便于后期医生在进行详细诊断时优先进行查看。
所述归类统计策略内设有系数算法，所述系数算法如下：
Q＝aX+bY+Z；
其中，Q为重要系数，a和b为权重系数，X为病变类型数量，Y为病变总数，Z为部位系数，a＝2，b＝1，Z为不同的部位对应不同的系数，初始设定为贲门：Z＝0.1，胃角：Z＝0.2；胃窦：Z＝0.3；胃底：Z＝0.4，胃体：Z＝0.5，其中Z值的大小与各部位易发病程度相关，发病概率越高的部位Z的值越大。
所述初诊样本50内包括剔除子集及未识别子集，所述剔除子集用于接收剔除单元删除的图像数据，所述未识别子集用于收集对比策略进行对比过程中未识别出病变类型的图像数据。对于出证样本包括有第一重要子集、第二重要子集或第三重要子集以及括剔除子集及未识别子集，以上子集内的图像的总和即为本次胃镜采样的全部照片总数。而在正常进行检查分析时医生通过查看第一重要子集、第二重要子集和第三重要子集内的照片就可以可以完成诊断结论，另外如果未识别子集内有图像存在则需要医生进行查看具体的图像情况。通过判断该图像一方面可进一步确定病情，另一方面可以确定是否需要将该图像补入到对比数据库20内以不断完善病灶数据子库内的信息。
所述对比策略包括圈显子策略，所述圈显子策略用于为每组胃部图像数据中的病变位置配置提示特征。该圈显子策略具体为将胃部图像数据中被识别出来的病变特征在图像上用线条进行框选，由此可以在医生查看该图像时便于及时获取到病变区域，另外该框选线条可以进行隐藏以便医生查看原图像上的信息。如图2所示为在实际操作中的胃体增生息肉的胃镜图，左侧为框选线条隐藏时的图片状态，右侧为框选线条显示时的图片状态。
所述对比策略包括部位统计子策略，所述部位统计子策略用于记录患者样本60中的所有病变出现的部位并形成病变部位统计子集发送至初诊样本50内。通过该策略可以将患者的单次胃镜检查中所出现的病变的部位进行统计及显示，该信息可以辅助医生进行病情的判断以及对自己作出的诊断结果进行核验，由此可以进一步降低医生诊断时出现漏诊及误诊的情况。
还包括反馈更新单元40，所述反馈更新单元40包括点击采集单元、更新算法及更新数据库，所述点击采集单元用于采集初诊样本50内每一帧胃部图像数据的查看时长及查看次数，所述更新算法用于为采集初诊样本50内每一帧胃部图像数据配置更新因子并将每组配置有更新因子的胃部图像数据作为单一更新样本存储至更新数据库内。
所述更新算法如下：
S＝cN+dM；
其中，S为更新因子，c、d为权重系数，其中c＝2，d＝1，N为时长等级，时长等级共划分为3级，时长大于60s为第一时长等级，N＝3，时长小于等于60s大于10s为第二时长等级，N＝2，时长小于等于10s为第三时长等级，N＝1，M为次数等级，次数等级划分为3级，查看次数大于3次，M＝3，查看次数为3次或两次，M＝2，查看次数小于等于1次，M＝1。
所述反馈更新单元40内还配置有更新策略，所述更新策略包括划分子策略及统计子策略，当触发更新阈值时该更新阈值可具体为时间或诊断的患者样本60数，具体设置为1个月时长或1000个患者样本60进行一次更新，所述划分子策略将更新数据库内的更新样本根据设定的重要因数阈值，具体设置为重要因素阈值为大于8时将数据放入第一等级子数据库，重要因素阈值为小于等于8时，将数据放入第二等级子数据库，统计子策略统计出第一等级数据库内更新样本的所在部位出现次数的排名，如经过统计后各部位的排名为：胃体>胃底>贲门>胃窦>胃角，并根据此排名重新对每一部位的部位系数Z进行赋值为胃角：Z＝0.1；胃窦：Z＝0.2；贲门：Z＝0.3，胃底：Z＝0.4，胃体：Z＝0.5。由此对Z值进行重新调整后会使归类统计策略内的系数算法更加准确，分类出来的结果更加合理。
上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (10)

1.一种人工智能化胃镜图像识别处理系统，其特征在于，包括对比数据库(20)、数据采集模块(10)与数据处理模块(30)，所述对比数据库(20)预先存储胃部病变图像，所述数据采集模块(10)采集患者胃部图像并剔除低质图像后形成患者样本(60)，所述数据处理模块(30)将患者样本(60)与对比数据库(20)中的图像数据进行对比后形成初诊样本(50)；
所述对比数据库(20)包括病灶数据子库与正常数据子库，所述病灶数据子库与正常数据子库分别存储胃部各部位病变及正常胃部图像数据；
所述数据采集模块(10)包括采集单元、反馈单元及图像剔除单元，所述采集单元采集患者胃部图像数据，所述反馈单元接收胃部图像数据并显示采集的每一帧胃部图像数据，所述反馈单元接收存留指令，并根据存留指令删除或存留对应帧胃部图像数据，所述剔除单元用于保留所有留存的胃部图像数据中的多组相似帧图像中的一帧图像，并将最终剩余的胃部图像数据存入患者样本(60)；
所述数据处理模块(30)包括数据调用单元及结果存储库，所述数据调用单元内配置有对比策略；所述数据调用单元调用患者样本(60)内的每一帧胃部图像数据并与对比数据库(20)内的预存数据进行对比以确认出每一帧胃部图像数据中的病变类型、病变数量及病变位置，所述对比策略记录对比结果为第一对比结果并将所有第一对比结果存入结果存储库内，所述结果存储库内配置有归类统计策略，所述归类统计策略用于计算出结果存储库内的每一组第一对比结果的重要系数，并且设置多组系数阈值范围，将落在不同阈值范围内的第一对比结果按照重要系数排序后发送至初诊样本(50)内对应的重要程度子集内。
2.根据权利要求1所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述病灶数据子库中的每组病变胃部图像数据包括图像信息及辅助信息，所述辅助信息包括部位信息及病变类型特征信息。
3.根据权利要求2所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述采集模块(10)配置有程度标记策略，所述程度标记策略用于采集标记特征并将附有标记特征帧图像直接发送至对应的重要程度子集内。
4.根据权利要求1所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述归类统计策略内设有系数算法，所述系数算法如下：
Q＝aX+bY+Z；
其中，Q为重要系数，a和b为权重系数，X为病变类型数量，Y为病变总数，Z为部位系数。
5.根据权利要求1所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述初诊样本(50)内包括剔除子集及未识别子集，所述剔除子集用于接收剔除单元删除的图像数据，所述未识别子集用于收集对比策略进行对比过程中未识别出病变类型的图像数据。
6.根据权利要求1所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述对比策略包括圈显子策略，所述圈显子策略用于为每组胃部图像数据中的病变位置配置提示特征。
7.根据权利要求6所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述对比策略包括部位统计子策略，所述部位统计子策略用于记录患者样本(60)中的所有病变出现的部位并形成病变部位统计子集发送至初诊样本(50)内。
8.根据权利要求1所述的一种人工智能化胃镜图像识别处理系统，其特征在于，还包括反馈更新单元(40)，所述反馈更新单元(40)包括点击采集单元、更新算法及更新数据库，所述点击采集单元用于采集初诊样本(50)内每一帧胃部图像数据的查看时长及查看次数，所述更新算法用于为采集初诊样本(50)内每一帧胃部图像数据配置更新因子并将每组配置有更新因子的胃部图像数据作为单一更新样本存储至更新数据库内。
9.根据权利要求8所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述更新算法如下：
S＝cN+dM；
其中，S为更新因子，c、d为权重系数，N为时长等级，M为次数等级。
10.根据权利要求9所述的一种人工智能化胃镜图像识别处理系统，其特征在于，所述反馈更新单元(40)内还配置有更新策略，所述更新策略包括划分子策略及统计子策略，当触发更新阈值时，所述划分子策略将更新数据库内的更新样本根据设定的重要因数阈值分为多个等级子数据库，所述统计子策略统计出每个等级数据库内更新样本的所在部位的排名，并根据排名重新对每一部位的部位系数Z进行赋值。
CN202110609447.9A 2021-06-01 2021-06-01 一种人工智能化胃镜图像识别处理系统 Active CN113268623B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110609447.9A CN113268623B (zh) 2021-06-01 2021-06-01 一种人工智能化胃镜图像识别处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110609447.9A CN113268623B (zh) 2021-06-01 2021-06-01 一种人工智能化胃镜图像识别处理系统

Publications (2)

Publication Number Publication Date
CN113268623A true CN113268623A (zh) 2021-08-17
CN113268623B CN113268623B (zh) 2022-07-19

Family

ID=77233836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110609447.9A Active CN113268623B (zh) 2021-06-01 2021-06-01 一种人工智能化胃镜图像识别处理系统

Country Status (1)

Country Link
CN (1) CN113268623B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114188017A (zh) * 2021-11-25 2022-03-15 广州思德医疗科技有限公司 基于胶囊系统的图像处理方法、装置及电子设备
CN117877691A (zh) * 2024-03-13 2024-04-12 四川省医学科学院·四川省人民医院 一种基于图像识别的智能化伤口信息采集系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460444A (zh) * 2009-06-09 2012-05-16 皇家飞利浦电子股份有限公司 用于对存储的图像进行排序的装置和方法
CN107767365A (zh) * 2017-09-21 2018-03-06 华中科技大学鄂州工业技术研究院 一种内窥镜图像处理方法及系统
WO2018068004A1 (en) * 2016-10-07 2018-04-12 Baylor Research Institute Classification of polyps using learned image analysis
CN107967946A (zh) * 2017-12-21 2018-04-27 武汉大学 基于深度学习的胃镜操作实时辅助系统及方法
CN108852268A (zh) * 2018-04-23 2018-11-23 浙江大学 一种消化内镜图像异常特征实时标记系统及方法
CN109493340A (zh) * 2018-11-28 2019-03-19 武汉大学人民医院（湖北省人民医院） 一种胃镜下食管胃底静脉曲张辅助诊断系统及方法
CN110176295A (zh) * 2019-06-13 2019-08-27 上海孚慈医疗科技有限公司 一种胃肠镜下部位和病灶的实时探测方法及其探测装置
CN110634563A (zh) * 2019-06-21 2019-12-31 中国人民解放军总医院 一种糖尿病肾病-非糖尿病肾病鉴别诊断装置
CN110852396A (zh) * 2019-11-15 2020-02-28 苏州中科华影健康科技有限公司 一种宫颈图像的样本数据处理方法
CN111161848A (zh) * 2019-10-31 2020-05-15 杭州深睿博联科技有限公司 Ct图像的病灶标注方法及装置、存储介质
CN111341441A (zh) * 2020-03-02 2020-06-26 刘四花 一种肠胃科病模型构建方法及诊断系统
CN111415727A (zh) * 2020-03-13 2020-07-14 广州医科大学附属肿瘤医院 一种多模态影像数据管理系统及分析方法
CN111798387A (zh) * 2020-06-24 2020-10-20 海南大学 一种用于共聚焦内窥镜的图像处理方法及系统
WO2020215805A1 (zh) * 2019-04-25 2020-10-29 天津御锦人工智能医疗科技有限公司 基于图像识别的结肠镜检查质量评估工作站
CN112017762A (zh) * 2020-08-29 2020-12-01 栾泽东 一种基于数据反馈的掌上彩超图像处理装置及方法
CN112599241A (zh) * 2020-12-16 2021-04-02 深圳市唐仁医疗科技有限公司 一种基于智慧终端的大健康医疗疾病辅助诊断系统及方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460444A (zh) * 2009-06-09 2012-05-16 皇家飞利浦电子股份有限公司 用于对存储的图像进行排序的装置和方法
WO2018068004A1 (en) * 2016-10-07 2018-04-12 Baylor Research Institute Classification of polyps using learned image analysis
CN107767365A (zh) * 2017-09-21 2018-03-06 华中科技大学鄂州工业技术研究院 一种内窥镜图像处理方法及系统
CN107967946A (zh) * 2017-12-21 2018-04-27 武汉大学 基于深度学习的胃镜操作实时辅助系统及方法
CN108852268A (zh) * 2018-04-23 2018-11-23 浙江大学 一种消化内镜图像异常特征实时标记系统及方法
CN109493340A (zh) * 2018-11-28 2019-03-19 武汉大学人民医院（湖北省人民医院） 一种胃镜下食管胃底静脉曲张辅助诊断系统及方法
WO2020215805A1 (zh) * 2019-04-25 2020-10-29 天津御锦人工智能医疗科技有限公司 基于图像识别的结肠镜检查质量评估工作站
CN110176295A (zh) * 2019-06-13 2019-08-27 上海孚慈医疗科技有限公司 一种胃肠镜下部位和病灶的实时探测方法及其探测装置
CN110634563A (zh) * 2019-06-21 2019-12-31 中国人民解放军总医院 一种糖尿病肾病-非糖尿病肾病鉴别诊断装置
CN111161848A (zh) * 2019-10-31 2020-05-15 杭州深睿博联科技有限公司 Ct图像的病灶标注方法及装置、存储介质
CN110852396A (zh) * 2019-11-15 2020-02-28 苏州中科华影健康科技有限公司 一种宫颈图像的样本数据处理方法
CN111341441A (zh) * 2020-03-02 2020-06-26 刘四花 一种肠胃科病模型构建方法及诊断系统
CN111415727A (zh) * 2020-03-13 2020-07-14 广州医科大学附属肿瘤医院 一种多模态影像数据管理系统及分析方法
CN111798387A (zh) * 2020-06-24 2020-10-20 海南大学 一种用于共聚焦内窥镜的图像处理方法及系统
CN112017762A (zh) * 2020-08-29 2020-12-01 栾泽东 一种基于数据反馈的掌上彩超图像处理装置及方法
CN112599241A (zh) * 2020-12-16 2021-04-02 深圳市唐仁医疗科技有限公司 一种基于智慧终端的大健康医疗疾病辅助诊断系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114188017A (zh) * 2021-11-25 2022-03-15 广州思德医疗科技有限公司 基于胶囊系统的图像处理方法、装置及电子设备
CN117877691A (zh) * 2024-03-13 2024-04-12 四川省医学科学院·四川省人民医院 一种基于图像识别的智能化伤口信息采集系统
CN117877691B (zh) * 2024-03-13 2024-05-07 四川省医学科学院·四川省人民医院 一种基于图像识别的智能化伤口信息采集系统

Also Published As

Publication number Publication date
CN113268623B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN113268623B (zh) 一种人工智能化胃镜图像识别处理系统
CN111985536B (zh) 一种基于弱监督学习的胃镜病理图像分类方法
WO2021139258A1 (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN104537336B (zh) 一种具备自学习功能的人脸识别方法和系统
CN110808096B (zh) 基于卷积神经网络的心脏病变自动检测系统
CN108875590A (zh) Bmi预测方法、装置、计算机设备和存储介质
CN109411084A (zh) 一种基于深度学习的肠结核辅助诊断系统及方法
CN107330449A (zh) 一种糖尿病性视网膜病变体征检测方法及装置
CN112101424B (zh) 一种视网膜病变识别模型的生成方法、识别装置及设备
EP2023288A1 (en) Object recognition device, object recognition program, and image search service providing method
CN110335241A (zh) 肠镜检查后对肠道准备自动进行评分的方法
JP2005148900A (ja) 画像分類装置、画像分類方法、および、プログラム
JP2010211413A (ja) 症例画像登録装置、方法およびプログラムならびに症例画像検索装置、方法、プログラムおよびシステム
Zhang et al. MRMR optimized classification for automatic glaucoma diagnosis
CN109815878A (zh) 基于人脸识别的落脚点分析方法和装置
CN116543429A (zh) 基于深度可分离卷积的舌象识别系统及方法
JP2005528966A (ja) 眼底カメラで撮影された画像の評価方法及び評価装置
CN111680575A (zh) 一种人类上皮细胞染色分类装置、设备及存储介质
CN113947697A (zh) 植物病虫害诊断方法、诊断系统及可读存储介质
CN107862043A (zh) 检查信息的检索方法及装置
CN116863388A (zh) 一种基于神经网络的精子活力确定方法及系统
CN115187982B (zh) 藻类检测方法、装置及终端设备
Hernández-Carrascosa et al. TGCRBNW: A dataset for runner bib number detection (and recognition) in the wild
CN116092667A (zh) 基于多模态影像的疾病检测方法、系统、装置及存储介质
CN107169257A (zh) 基于视觉影像的多眼疾“慧查”筛查方法和系统

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