CN113450908A - 一种消化性溃疡的辅助图像采集分析方法及系统 - Google Patents

一种消化性溃疡的辅助图像采集分析方法及系统 Download PDF

Info

Publication number
CN113450908A
CN113450908A CN202110702374.8A CN202110702374A CN113450908A CN 113450908 A CN113450908 A CN 113450908A CN 202110702374 A CN202110702374 A CN 202110702374A CN 113450908 A CN113450908 A CN 113450908A
Authority
CN
China
Prior art keywords
image information
data
information
focus
lesion
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Withdrawn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
CN202110702374.8A
Other languages
English (en)
Inventor
顾新红
蔡海建
黄钰萍
李欣
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.)
Second Peoples Hospital of Nantong
Original Assignee
Second Peoples Hospital of Nantong
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 Second Peoples Hospital of Nantong filed Critical Second Peoples Hospital of Nantong
Priority to CN202110702374.8A priority Critical patent/CN113450908A/zh
Publication of CN113450908A publication Critical patent/CN113450908A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Endoscopes (AREA)

Abstract

本发明公开了一种消化性溃疡的辅助图像采集分析方法及系统,所述方法包括:获得第一病灶图像信息及第一内镜设备信息,获得病灶大小和病灶位置,作为第一分析数据组;对内镜设备信息进行数据转化,获得第一内镜几何数据,生成第一参照数据;根据第一病灶图像信息,根据参照数据对分析数据组进行比例修正,获得第一病灶数据组;获得第一用户的复诊消化性溃疡图像信息,进而获得第二病灶数据组;将第一病灶数据组和第二病灶数据组输入变异预测模型中,获得第一预测系数,用于表示变异风险,进而生成第一辅助评估结果。解决了无法通过对采集设备进行几何分析,进行消化性溃疡的病愈分析和病情变异风险预测,完成辅助评估的技术问题。

Description

一种消化性溃疡的辅助图像采集分析方法及系统
技术领域
本发明涉及图像采集分析领域,尤其涉及一种消化性溃疡的辅助图像采集分析方法及系统。
背景技术
 消化性溃疡是指各种致病因子的作用下,黏膜发生的炎症与坏死性病变深达或穿透黏膜肌层导致的溃疡。消化性溃疡主要是指发生在胃和十二指肠的慢性溃疡,是由于胃酸对胃黏膜的自身消化而形成的一组疾病,它的发生主要和幽门螺杆菌的感染,以及胆汁反流遗传,还有药物因素,环境因素,还有精神因素等等都是相关的。消化性溃疡由损害因素与防御因素间平衡失调所致,损害因素包括幽门螺杆菌感染、胃酸和胃蛋白酶的作用、非甾体抗炎药、应激等。主要表现就是周期性的节律性的上腹痛,并且伴有反酸,烧心,嗳气,恶心,呕吐,腹胀,等胃肠道的症状。消化性溃疡经常是受精神刺激,过度的疲劳,饮食不当,药物影响,气候变化等这些因素的诱发而加重。电子胃镜是作为诊断消化性溃疡最主要的办法。胃镜是一种医学检查方法,也是指这种检查使用的器具。胃镜检查能直接观察到被检查部位的真实情况,更可通过对可疑病变部位进行病理活检及细胞学检查,以进一步明确诊断,是上消化道病变的首选检查方法。它借助一条纤细、柔软的管子伸入胃中,医生可以直接观察食道、胃和十二指肠的病变,尤其对微小的病变。
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:
现有技术中存在无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。
发明内容
本申请实施例通过提供一种消化性溃疡的辅助图像采集分析方法及系统,先获得第一病灶图像信息及第一内镜设备信息,获得病灶大小和病灶位置,作为第一分析数据组;对内镜设备信息进行数据转化,获得第一内镜几何数据,生成第一参照数据;根据第一病灶图像信息,根据参照数据对分析数据组进行比例修正,获得第一病灶数据组;获得第一用户的复诊消化性溃疡图像信息,进而获得第二病灶数据组;将第一病灶数据组和第二病灶数据组输入变异预测模型中,获得第一预测系数,用于表示变异风险,进而生成第一辅助评估结果。解决了无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。实现了对采集设备进行几何分析,达到了对患者进行病愈分析和病情变异风险预测,有效保障患者生命安全的技术效果。
鉴于上述问题,本申请实施例提供一种消化性溃疡的辅助图像采集分析方法及系统。
第一方面,本申请提供了一种消化性溃疡的辅助图像采集分析方法及系统,其中,所述方法包括:根据第一用户信息获得第一病灶图像信息;获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;根据所述第一内镜几何数据,生成第一参照数据;根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;根据所述第二病灶图像信息,获得第二病灶数据组;将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;根据所述第一预测系数,生成第一辅助评估结果。
另一方面,本申请还提供了一种消化性溃疡的辅助图像采集分析系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于根据第一用户信息获得第一病灶图像信息;第二获得单元,所述第二获得单元用于获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;第三获得单元,所述第三获得单元用于根据第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;第一执行单元,所述第一执行单元用于根据所述第一内镜几何数据,生成第一参照数据;第四获得单元,所述第四获得单元用于根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;第五获得单元,所述第五获得单元用于根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;第六获得单元,所述第六获得单元用于获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;第七获得单元,所述第七获得单元用于根据所述第二病灶图像信息,获得第二病灶数据组;第八获得单元,所述第八获得单元用于将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;第二执行单元,所述第二执行单元用于根据所述第一预测系数,生成第一辅助评估结果。
另一方面,本申请实施例还提供了一种消化性溃疡的辅助图像采集分析方法及系统,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:
本申请实施例提供了一种消化性溃疡的辅助图像采集分析方法及系统,根据第一用户信息获得第一病灶图像信息;获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;根据所述第一内镜几何数据,生成第一参照数据;根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;根据所述第二病灶图像信息,获得第二病灶数据组;将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;根据所述第一预测系数,生成第一辅助评估结果。解决了无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。实现了对采集设备进行几何分析,达到了对患者进行病愈分析和病情变异风险预测,有效保障患者生命安全的技术效果。
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消化性溃疡的辅助图像采集分析方法的流程示意图;
图2为本申请实施例一种消化性溃疡的辅助图像采集分析系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图;
图4为本申请实施例生成第一参照数据的流程示意图;
图5为本申请实施例获得第一病灶图像信息的流程示意图;
图6为本申请实施例获得第一图像修正参数的流程示意图;
图7为本申请实施例获得第二预测系数的流程示意图;
图8为本申请实施例获得第一预测系数的流程示意图。
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,第一执行单元14,第四获得单元15,第五获得单元16,第六获得单元17,第七获得单元18,第八获得单元18,第二执行单元20,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供一种消化性溃疡的辅助图像采集分析方法及系统,解决了无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。实现了对采集设备进行几何分析,达到了对患者进行病愈分析和病情变异风险预测,有效保障患者生命安全的技术效果。
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
消化性溃疡是指各种致病因子的作用下,黏膜发生的炎症与坏死性病变深达或穿透黏膜肌层导致的溃疡。消化性溃疡主要是指发生在胃和十二指肠的慢性溃疡,是由于胃酸对胃黏膜的自身消化而形成的一组疾病,它的发生主要和幽门螺杆菌的感染,以及胆汁反流遗传,还有药物因素,环境因素,还有精神因素等等都是相关的。消化性溃疡由损害因素与防御因素间平衡失调所致,损害因素包括幽门螺杆菌感染、胃酸和胃蛋白酶的作用、非甾体抗炎药、应激等。主要表现就是周期性的节律性的上腹痛,并且伴有反酸,烧心,嗳气,恶心,呕吐,腹胀,等胃肠道的症状。消化性溃疡经常是受精神刺激,过度的疲劳,饮食不当,药物影响,气候变化等这些因素的诱发而加重。电子胃镜是作为诊断消化性溃疡最主要的办法。胃镜是一种医学检查方法,也是指这种检查使用的器具。胃镜检查能直接观察到被检查部位的真实情况,更可通过对可疑病变部位进行病理活检及细胞学检查,以进一步明确诊断,是上消化道病变的首选检查方法。它借助一条纤细、柔软的管子伸入胃中,医生可以直接观察食道、胃和十二指肠的病变,尤其对微小的病变。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种消化性溃疡的辅助图像采集分析方法,其中,所述方法应用于一种消化性溃疡的辅助图像采集系统,所述系统与第一数据采集装置通信连接,所述方法包括:根据第一用户信息获得第一病灶图像信息;获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;根据所述第一内镜几何数据,生成第一参照数据;根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;根据所述第二病灶图像信息,获得第二病灶数据组;将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;根据所述第一预测系数,生成第一辅助评估结果。
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,本申请实施例提供一种消化性溃疡的辅助图像采集分析方法,所述方法应用于一种消化性溃疡的辅助图像采集系统,所述系统与第一数据采集装置通信连接,其中,所述方法包括:
步骤S100:根据第一用户信息获得第一病灶图像信息;
步骤S200:获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;
具体而言,所述第一内镜设备信息是通过对内镜设备种类、具体医疗采集功能、成像主要特性等具体分析获得的信息数据,其中,病灶是指机体上发生病变的部分,如肺的某一部分被结核菌破坏,这部分就是肺结核病灶。一个局限的、具有病原微生物的病变组织,就称为病灶。它们就像"匪穴"一样,隐藏在体内的某一个"角落"或部位,里面窝藏着致病的细菌或其他病原微生物。内镜就是内窥镜(包括胃镜,肠镜,气管镜,腹腔镜等),是一种光学仪器,是可以通过人体的自然腔道或者有创腔道进入人体,进行诊断检测和治疗的光学仪器。随着现代医学技术的发展,内镜作为医生眼、手的延伸,已经达到了"无孔不入"的境界。通过内镜检查,能对许多疾病进行诊断,比如与消化道相关的的炎症、溃疡、良性和恶性肿瘤等等。所述第一用户即患者。将患者的信息上传至系统中,可以获得第一用户相对应的第一病灶图像信息,即消化性溃疡图像信息,并获得所述第一病灶图像信息的第一内镜设备信息,以便系统的第一数据采集装置可以对内镜设备信息进行转化。
步骤S300:根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;
步骤S400:根据所述第一内镜几何数据,生成第一参照数据;
具体而言,数据采集(DAQ),又称数据获取,是利用一种装置,从系统外部采集数据并输入到系统内部的一个接口;是指从传感器和其它待测设备等模拟和数字被测单元中自动采集非电量或者电量信号,送到上位机中进行分析、处理。数据采集系统是结合基于计算机或者其他专用测试平台的测量软硬件产品来实现灵活的、用户自定义的测量系统。数据转换(data transfer),是将数据从一种表示形式变为另一种表现形式的过程。主要是由于数据量的不断增加,原来数据构架的不合理,不能满足各方面的要求,由数据库的更换,数据结构的更换,从而需要数据本身的转换。系统根据所述第一数据采集装置,对所述第一内镜设备信息进行获取,采集相关数据信息,采集到的第一内镜设备信息进行数据转化,获得第一内镜的几何数据,进而可以设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成对患者病情的辅助评估。
步骤S500:根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;
步骤S600:根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;
具体而言,所述病灶大小是指机体上发生病变部分的大小。系统
根据所述第一病灶图像信息,依据第一内镜转化后的几何数据,来确定第一病灶的大小信息,以及第一病灶的具体位置信息,并对其数据进行分析,记为第一分析数据组。根据所述第一内镜几何数据生成的第一参照数据,对所述第一分析数据组进行比例修正,获得修正后的数据组,记为第一病灶数据组,修正后的数据更加精准。
步骤S700:获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;
步骤S800:根据所述第二病灶图像信息,获得第二病灶数据组;
具体而言,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息。首先将复诊时内镜采集到的病灶信息上传至系统中,记为第二病灶图像信息,系统根据所述第二病灶图像信息,进而获得第二病灶数据,记为第二病灶数据组。
步骤S900:将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;
步骤S1000:根据所述第一预测系数,生成第一辅助评估结果。
具体而言,变异预测模型是根据患者的第一病灶数据组和所述第二病灶数据组决定的。其模型的输入信息是第一病灶数据组和所述第二病灶数据组,第一预测系数是其输出结果。输入与输出一一对应。将所述第一病灶数据组和所述第二病灶数据组作为输入信息,输入到变异预测模型中,获得其结果,即获得第一预测系数,所述第一预测系数用于表示变异风险。系统根据所述第一预测系数,对患者病愈结果进行分析,对其进行评估,生成第一辅助评估结果,以此来对病情进行预测,避免遇到身体异常时,可以及时就医处理。
进一步而言,如图4所示,根据所述第一内镜几何数据,生成第一参照数据,本申请实施例步骤S400包括:
步骤S410:获得所述第一内镜的第一成像形式和第一成像构造;
步骤S420:根据所述第一成像形式和所述第一成像构造,获得所述第一内镜的第一预设采集方式;
步骤S430:根据所述第一预设采集方式设定第一数据采集规则;
步骤S440:根据所述第一数据采集规则对所述第一内镜进行数据采集,获得所述第一内镜几何数据。
具体而言,如果想要根据所述第一内镜几何数据,生成第一参照数据,必须根据所述第一数据采集规则对所述第一内镜进行数据采集。光学内镜主要由内镜先端部、弯曲部、导像管、操作部、导光管和导光管接头组成。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(charge coupled device, CCD)。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。首先获得所述第一内镜的第一成像形式和第一成像构造,根据所述第一成像形式和所述第一成像构造,获得所述第一内镜的第一预设采集方式,第一预设采集方式根据实际情况可以灵活做出改变。根据所述第一预设采集方式,进而设定相关的第一数据采集规则,根据所述第一数据采集规则,对所述第一内镜进行数据采集,进而获得所述第一内镜几何数据。第一内镜几何数据的获得,便于系统对采集设备进行几何分析。
进一步而言,如图5所示,所述根据第一用户信息获得第一病灶图像信息,本申请实施例步骤S100包括:
步骤S110:通过对所述第一病灶图像信息进行成像质量分析,获得第一成像等级;
步骤S120:根据所述第一成像等级,判断所述第一病灶图像信息是否处于预设成像等级中;
步骤S130:若所述第一病灶图像信息处于所述预设成像等级中,获得第一光源信息,其中,所述第一光源信息为内窥镜设备采集图像的光源;
步骤S140:根据所述第一光源信息,获得第一图像修正参数;
步骤S150:根据所述第一图像修正参数对所述第一病灶图像信息进行颜色辅助修正。
具体而言,想要根据第一用户信息获得清晰准确的第一病灶图像信息,必须对所述第一病灶图像信息进行颜色辅助修正。
获得所述第一病灶图像信息后,对其进行成像质量分析,可以获得第一成像等级,看成像是否清晰,是否能直观地看出问题。根据所述第一成像等级,对所述第一病灶图像信息进行分析,判断第一病灶图像信息是否处于预设成像等级中。如果所述第一病灶图像信息处于所述预设成像等级中,则获得内窥镜设备采集图像的光源信息,记为第一光源信息。根据所述第一光源信息,获得第一图像修正参数,根据所述第一图像修正参数,对所述第一病灶图像信息进行颜色辅助修正。修正后的第一病灶图像信息,图像清晰、色泽逼真、分辨率更高,大大提高了诊断能力。
进一步而言,如图6所示,根据所述第一光源信息,获得第一图像修正参数,本申请实施例步骤S140包括:
步骤S141:根据所述第一光源信息,获得第一光源属性信息;
步骤S142:根据所述第一光源属性信息,获得第一色彩还原性系数,其中,所述第一色彩还原性系数指图像的颜色还原质量;
步骤S143:获得所述第一病灶图像信息的第一色彩相关性系数;
步骤S144:根据所述第一色彩还原性系数和所述第一色彩相关性系数,获得所述第一图像修正参数。
具体而言,要想根据所述第一光源信息,获得第一图像修正参数,必须要获得所述第一色彩还原性系数和所述第一色彩相关性系数。色彩还原指彩色CCD、CMOS经过拍摄加工后,彩色摄影画面的色彩大体上和原景物的色彩相一致。所述第一色彩相关性系数是通过对采集的图像中色彩的需求程度的数字化表示,举例来说,内镜检查中病情的阶段不同或周期不同都会对成像颜色相关性质量的要求进行界定,比如,病变形态的活动阶段中包括表面覆灰白色、或者黄色纤维渗出等,但是愈合期中对溃疡的颜色相关性会有所降低。所述第一色彩还原性系数指图像的颜色还原质量。根据所述内窥镜设备采集图像的光源信息,获得第一光源属性信息。第一光源属性信息是指冷光、暖光对成像的影响。根据所述第一光源属性信息,获得第一色彩还原性系数,并获得所述第一病灶图像信息的第一色彩相关性系数。根据所述第一色彩还原性系数和所述第一色彩相关性系数,进而获得所述第一图像的修正参数。
进一步而言,如图6所示,所述根据所述第一光源信息,获得第一图像修正参数,本申请实施例步骤S140包括:
步骤S145:判断所述第一色彩还原性系数是否处于预设色彩还原性系数阈值;
步骤S146:若所述第一色彩还原性系数不处于所述预设色彩还原性系数阈值,获得第一调整指令;
步骤S147:根据所述第一调整指令,获得第一调整参数;
步骤S148:判断所述第一色彩相关性系数是否处于预设色彩相关性系数阈值;
步骤S149:若所述第一色彩相关性系数处于所述预设色彩相关性系数阈值,获得第二调整指令;
步骤S1410:根据所述第二调整指令对所述第一调整系数进行修正,获得第二调整参数。
具体而言,阈值又叫临界值,是指一个效应能够产生的最低值或最高值。此一名词广泛用于各方面,包括建筑学、生物学、飞行、化学、电信、电学、心理学等。首先确定预设关联度阈值,关联度阈值可以根据实际情况进行改变。疾病的病情检查是否准确与较高的色彩显示性能有较大相关性,如果病情需要高的色彩显示性能,需要对图像进行色阶参数调整,增加显色质量。获得了第一图像修正参数后,对所述第一色彩还原性系数进行判断,判断所述第一色彩还原性系数是否处于预设色彩还原性系数阈值中。如果所述第一色彩还原性系数不处于所述预设色彩还原性系数阈值,则获得第一调整指令,根据所述第一调整指令,获得第一调整参数;判断所述第一色彩相关性系数是否处于预设色彩相关性系数阈值;如果所述第一色彩相关性系数处于所述预设色彩相关性系数阈值,则获得第二调整指令,根据所述第二调整指令对所述第一调整系数进行修正,即可获得第二调整参数。设备系统色彩还原性不够好,影响成像的颜色质量,所以需要第一调整参数和第二调整参数对第一图像进行修正,可以获得更加清晰、逼真、分辨率更高的病灶图像。
进一步而言,如图7所示,本申请实施例步骤S1100包括:
步骤S1110:获得采集所述第二病灶图像信息的第二内镜设备信息;
步骤S1120:通过对所述第一内镜设备信息和所述第二内镜设备信息进行分析,获得第一分析结果;
步骤S1130:根据所述第一分析结果,对所述第一病灶图像信息和所述第二病灶图像信息进行标准化处理,获得第一传输图像信息;
步骤S1140:根据第一传输指令,将所述第一传输图像信息输入所述变异预测模型中,获得第二预测系数。
具体而言,数据标准化主要功能就是消除变量间的量纲关系,从而使数据具有可比性。判断是不是同一设备,如果不是同一设备,对两个设备的信息进行标准化处理后,再存储传输模型进行预变异预测。因此先获得采集所述第二病灶图像信息的第二内镜设备信息,通过对所述第一内镜设备信息和所述第二内镜设备信息进行分析,判断第一内镜设备信息和第二内镜设备信息参数是否相同,获得其分析结果,记为第一分析结果。根据所述第一分析结果,对所述第一病灶图像信息和所述第二病灶图像信息进行标准化处理,获得第一传输图像信息,根据第一传输指令,将所述第一传输图像信息输入所述变异预测模型中,获得第二预测系数,对患者的病情进行变异风险预测,预测到异常情况,可以及时保障患者生命安全。
进一步而言,如图8所示,所述将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险,本申请实施例步骤S900包括:
步骤S910:将所述第一病灶数据组和所述第二病灶数据组作为输入信息构建变异预测模型;
步骤S920:所述变异预测模型通过多组训练数据训练至收敛获得,其中,所述多组训练数据中的每组数据均包括所述第一病灶数据组、所述第二病灶数据组和作为用于标识第一预测系数的标识信息;
步骤S930:获得所述变异预测模型的输出结果,所述输出结果包括所述第一预测系数。
具体而言,变异预测模型是根据患者的第一病灶数据组和所述第二病灶数据组决定的。其模型的输入信息是第一病灶数据组和所述第二病灶数据组,第一预测系数是其输出结果。输入与输出一一对应。将所述第一病灶数据组和所述第二病灶数据组作为输入信息,构建变异预测模型。所述变异预测模型通过多组训练数据训练至收敛获得,因此,输出结果具有普遍适用性。获得其结果,即获得第一预测系数,所述第一预测系数用于表示变异风险。其中,所述多组训练数据中的每组数据均包括所述第一病灶数据组、所述第二病灶数据组和作为用于标识第一预测系数的标识信息;获得所述变异预测模型的输出结果,所述输出结果包括所述第一预测系数。可以更好地对患者病愈结果进行分析,进行评估,以此来对病情进行预测,避免遇到身体异常时,可以及时就医处理。
综上所述,本申请实施例所提供的一种消化性溃疡的辅助图像采集分析方法,具有如下技术效果:
1、本申请提供了一种消化性溃疡的辅助图像采集分析方法,所述方法应用于一种消化性溃疡的辅助图像采集系统,所述系统与第一数据采集装置通信连接,其中,所述方法包括:根据第一用户信息获得第一病灶图像信息;获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;根据所述第一内镜几何数据,生成第一参照数据;根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;根据所述第二病灶图像信息,获得第二病灶数据组;将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;根据所述第一预测系数,生成第一辅助评估结果。解决了无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。实现了对采集设备进行几何分析,达到了对患者进行病愈分析和病情变异风险预测,有效保障患者生命安全的技术效果。
2、由于采用了通过对采集设备和成像需求进行细化分析,进一步针对色彩还原性和色彩相关性进行逻辑判断,从而根据获得的计算参数进行智能调整的方式,达到了提高图像的成像质量,提高辅助效果。
实施例二
基于与前述实施例中一种消化性溃疡的辅助图像采集分析方法,同样发明构思,本发明还提供了一种消化性溃疡的辅助图像采集分析系统,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用于根据第一用户信息获得第一病灶图像信息;
第二获得单元12,所述第二获得单元12用于获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;
第三获得单元13,所述第三获得单元13用于根据第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;
第一执行单元14,所述第一执行单元14用于根据所述第一内镜几何数据,生成第一参照数据;
第四获得单元15,所述第四获得单元15用于根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;
第五获得单元16,所述第五获得单元16用于根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;
第六获得单元17,所述第六获得单元17用于获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;
第七获得单元18,所述第七获得单元18用于根据所述第二病灶图像信息,获得第二病灶数据组;
第八获得单元19,所述第八获得单元19用于将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;
第二执行单元20,所述第二执行单元20用于根据所述第一预测系数,生成第一辅助评估结果。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于获得所述第一内镜的第一成像形式和第一成像构造;
第十获得单元,所述第十获得单元用于根据所述第一成像形式和所述第一成像构造,获得所述第一内镜的第一预设采集方式;
第三执行单元,所述第三执行单元用于根据所述第一预设采集方式设定第一数据采集规则;
第十一获得单元,所述第十一获得单元用于根据所述第一数据采集规则对所述第一内镜进行数据采集,获得所述第一内镜几何数据。
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于通过对所述第一病灶图像信息进行成像质量分析,获得第一成像等级;
第一判断单元,所述第一判断单元用于 根据所述第一成像等级,判断所述第一病灶图像信息是否处于预设成像等级中;
第十三获得单元,所述第十三获得单元用于若所述第一病灶图像信息处于所述预设成像等级中,获得第一光源信息,其中,所述第一光源信息为内窥镜设备采集图像的光源;
第十四获得单元,所述第十四获得单元用于根据所述第一光源信息,获得第一图像修正参数;
第四执行单元,所述第四执行单元用于根据所述第一图像修正参数对所述第一病灶图像信息进行颜色辅助修正。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于根据所述第一光源信息,获得第一光源属性信息;
第十六获得单元,所述第十六获得单元用于根据所述第一光源属性信息,获得第一色彩还原性系数,其中,所述第一色彩还原性系数指图像的颜色还原质量;
第十七获得单元,所述第十七获得单元用于获得所述第一病灶图像信息的第一色彩相关性系数;
第十八获得单元,所述第十八获得单元用于根据所述第一色彩还原性系数和所述第一色彩相关性系数,获得所述第一图像修正参数。
进一步的,所述系统还包括:
第二判断单元,所述第二判断单元用于判断所述第一色彩还原性系数是否处于预设色彩还原性系数阈值;
第十九获得单元,所述第十九获得单元用于若所述第一色彩还原性系数不处于所述预设色彩还原性系数阈值,获得第一调整指令;
第二十获得单元,所述第二十获得单元用于根据所述第一调整指令,获得第一调整参数;
第三判断单元,所述第三判断单元用于判断所述第一色彩相关性系数是否处于预设色彩相关性系数阈值;
第二十一获得单元,所述第二十一获得单元用于若所述第一色彩相关性系数处于所述预设色彩相关性系数阈值,获得第二调整指令;
第二十二获得单元,所述第二十二获得单元用于根据所述第二调整指令对所述第一调整系数进行修正,获得第二调整参数。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于获得采集所述第二病灶图像信息的第二内镜设备信息;
第二十四获得单元,所述第二十四获得单元用于通过对所述第一内镜设备信息和所述第二内镜设备信息进行分析,获得第一分析结果;
第二十五获得单元,所述第二十五获得单元用于根据所述第一分析结果,对所述第一病灶图像信息和所述第二病灶图像信息进行标准化处理,获得第一传输图像信息;
第二十六获得单元,所述第二十六获得单元用于根据第一传输指令,将所述第一传输图像信息输入所述变异预测模型中,获得第二预测系数。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于将所述第一病灶数据组和所述第二病灶数据组作为输入信息构建变异预测模型;
第二十七获得单元,所述第二十七获得单元用于所述变异预测模型通过多组训练数据训练至收敛获得,其中,所述多组训练数据中的每组数据均包括所述第一病灶数据组、所述第二病灶数据组和作为用于标识第一预测系数的标识信息;
第二十八获得单元,所述第二十八获得单元用于获得所述变异预测模型的输出结果,所述输出结果包括所述第一预测系数。
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。
基于与前述实施例中一种消化性溃疡的辅助图像采集分析方法相同的发明构思,本申请实施例还提供了一种消化性溃疡的辅助图像采集分析系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网,无线局域网,有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种消化性溃疡的辅助图像采集分析方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例解决了无法通过对采集设备进行几何分析,设定参照标准对图像进行分析处理,进行消化性溃疡的病愈分析以及病情变异风险预测,完成辅助评估的技术问题。实现了对采集设备进行几何分析,达到了对患者进行病愈分析和病情变异风险预测,有效保障患者生命安全的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指
令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。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。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。
相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种消化性溃疡的辅助图像采集分析方法,其中,所述方法应用于一种消化性溃疡的辅助图像采集系统,所述系统与第一数据采集装置通信连接,所述方法包括:
根据第一用户信息获得第一病灶图像信息;
获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;
根据所述第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;
根据所述第一内镜几何数据,生成第一参照数据;
根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;
根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;
获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;
根据所述第二病灶图像信息,获得第二病灶数据组;
将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;
根据所述第一预测系数,生成第一辅助评估结果。
2.如权利要求1所述的方法,其中,所述根据所述第一内镜几何数据,生成第一参照数据,所述方法还包括:
获得所述第一内镜的第一成像形式和第一成像构造;
根据所述第一成像形式和所述第一成像构造,获得所述第一内镜的第一预设采集方式;
根据所述第一预设采集方式设定第一数据采集规则;
根据所述第一数据采集规则对所述第一内镜进行数据采集,获得所述第一内镜几何数据。
3.如权利要求1所述的方法,其中,所述根据第一用户信息获得第一病灶图像信息,所述方法还包括:
通过对所述第一病灶图像信息进行成像质量分析,获得第一成像等级;
根据所述第一成像等级,判断所述第一病灶图像信息是否处于预设成像等级中;
若所述第一病灶图像信息处于所述预设成像等级中,获得第一光源信息,其中,所述第一光源信息为内窥镜设备采集图像的光源;
根据所述第一光源信息,获得第一图像修正参数;
根据所述第一图像修正参数对所述第一病灶图像信息进行颜色辅助修正。
4.如权利要求3所述的方法,所述根据所述第一光源信息,获得第一图像修正参数,所述方法还包括:
根据所述第一光源信息,获得第一光源属性信息;
根据所述第一光源属性信息,获得第一色彩还原性系数,其中,所述第一色彩还原性系数指图像的颜色还原质量;
获得所述第一病灶图像信息的第一色彩相关性系数;
根据所述第一色彩还原性系数和所述第一色彩相关性系数,获得所述第一图像修正参数。
5.如权利要求4所述的方法,其中,所述根据所述第一光源信息,获得第一图像修正参数,所述方法还包括:
判断所述第一色彩还原性系数是否处于预设色彩还原性系数阈值;
若所述第一色彩还原性系数不处于所述预设色彩还原性系数阈值,获得第一调整指令;
根据所述第一调整指令,获得第一调整参数;
判断所述第一色彩相关性系数是否处于预设色彩相关性系数阈值;
若所述第一色彩相关性系数处于所述预设色彩相关性系数阈值,获得第二调整指令;
根据所述第二调整指令对所述第一调整系数进行修正,获得第二调整参数。
6.如权利要求1所述的方法,所述方法还包括:
获得采集所述第二病灶图像信息的第二内镜设备信息;
通过对所述第一内镜设备信息和所述第二内镜设备信息进行分析,获得第一分析结果;
根据所述第一分析结果,对所述第一病灶图像信息和所述第二病灶图像信息进行标准化处理,获得第一传输图像信息;
根据第一传输指令,将所述第一传输图像信息输入所述变异预测模型中,获得第二预测系数。
7.如权利要求1所述的方法,其中,所述将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险,所述方法还包括:
将所述第一病灶数据组和所述第二病灶数据组作为输入信息构建变异预测模型;
所述变异预测模型通过多组训练数据训练至收敛获得,其中,所述多组训练数据中的每组数据均包括所述第一病灶数据组、所述第二病灶数据组和作为用于标识第一预测系数的标识信息;
获得所述变异预测模型的输出结果,所述输出结果包括所述第一预测系数。
8.一种消化性溃疡的辅助图像采集分析系统,应用于权利要求1-7任一所述方法,其中,所述系统包括:
第一获得单元,所述第一获得单元用于根据第一用户信息获得第一病灶图像信息;
第二获得单元,所述第二获得单元用于获得所述第一病灶图像信息的第一内镜设备信息,其中,所述第一病灶图像信息为消化性溃疡图像信息;
第三获得单元,所述第三获得单元用于根据第一数据采集装置对所述第一内镜设备信息进行数据转化,获得第一内镜几何数据;
第一执行单元,所述第一执行单元用于根据所述第一内镜几何数据,生成第一参照数据;
第四获得单元,所述第四获得单元用于根据所述第一病灶图像信息,获得第一病灶大小和第一病灶位置,并作为第一分析数据组;
第五获得单元,所述第五获得单元用于根据所述第一参照数据对所述第一分析数据组进行比例修正,获得第一病灶数据组;
第六获得单元,所述第六获得单元用于获得第二病灶图像信息,其中,所述第二病灶图像信息为所述第一用户的复诊消化性溃疡图像信息;
第七获得单元,所述第七获得单元用于根据所述第二病灶图像信息,获得第二病灶数据组;
第八获得单元,所述第八获得单元用于将所述第一病灶数据组和所述第二病灶数据组输入变异预测模型中,获得第一预测系数,所述第一预测系数用于表示变异风险;
第二执行单元,所述第二执行单元用于根据所述第一预测系数,生成第一辅助评估结果。
9.一种消化性溃疡的辅助图像采集分析系统,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。
CN202110702374.8A 2021-06-24 2021-06-24 一种消化性溃疡的辅助图像采集分析方法及系统 Withdrawn CN113450908A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110702374.8A CN113450908A (zh) 2021-06-24 2021-06-24 一种消化性溃疡的辅助图像采集分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110702374.8A CN113450908A (zh) 2021-06-24 2021-06-24 一种消化性溃疡的辅助图像采集分析方法及系统

Publications (1)

Publication Number Publication Date
CN113450908A true CN113450908A (zh) 2021-09-28

Family

ID=77812512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110702374.8A Withdrawn CN113450908A (zh) 2021-06-24 2021-06-24 一种消化性溃疡的辅助图像采集分析方法及系统

Country Status (1)

Country Link
CN (1) CN113450908A (zh)

Similar Documents

Publication Publication Date Title
CN110600122B (zh) 一种消化道影像的处理方法、装置、以及医疗系统
WO2018165620A1 (en) Systems and methods for clinical image classification
CN111767963A (zh) 一种基于内镜筛查提高质量评估的方法及装置
EP1994878A1 (en) Image processing device for medical use and image processing method for medical use
CN111292328B (zh) 一种基于内镜筛查的图像信息处理方法及装置
JP5326064B2 (ja) 画像処理装置
JP2017534322A (ja) 膀胱の診断的マッピング方法及びシステム
CN111105873B (zh) 经内镜逆行胰胆管造影术中辅助诊断和测量方法及系统
JP4855901B2 (ja) 内視鏡挿入形状解析システム
CN112233752B (zh) 一种用于内镜检查报告的信息处理方法和装置
Huang et al. Gastroesophageal reflux disease diagnosis using hierarchical heterogeneous descriptor fusion support vector machine
CN111403029A (zh) 一种提高评估质量的信息处理方法及装置
CN116631567B (zh) 一种胃镜检查报告生成装置、设备及计算机可读存储介质
CN110772210B (zh) 一种诊断交互系统及方法
CN113450908A (zh) 一种消化性溃疡的辅助图像采集分析方法及系统
JP2001128958A (ja) アイリス・アイリドロジ健康診断管理システム
JP7122328B2 (ja) 画像処理装置、プロセッサ装置、画像処理方法、及びプログラム
JP2013048646A (ja) 診断システム
JPWO2019088008A1 (ja) 画像処理装置、画像処理方法、プログラム、及び内視鏡システム
Zacharias et al. Feasibility of clinical endoscopy and stroboscopy in children with bilateral vocal fold lesions
KR20180133091A (ko) 혀 및 문진을 통한 건강진단 시스템
CN109741305B (zh) 一种胶囊内窥镜成像损坏图像的检测方法
CN112426119B (zh) 一种内窥镜筛查处理方法和装置
KR100533787B1 (ko) 홍채 진단 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
US20230206445A1 (en) Learning apparatus, learning method, program, trained model, and endoscope system

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

Application publication date: 20210928