CN113630658A - 一种用于胃肠镜视频图像数据收集、标注的系统和方法 - Google Patents
一种用于胃肠镜视频图像数据收集、标注的系统和方法 Download PDFInfo
- Publication number
- CN113630658A CN113630658A CN202110836130.9A CN202110836130A CN113630658A CN 113630658 A CN113630658 A CN 113630658A CN 202110836130 A CN202110836130 A CN 202110836130A CN 113630658 A CN113630658 A CN 113630658A
- Authority
- CN
- China
- Prior art keywords
- video
- image data
- gastrointestinal
- information
- data
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/273—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the upper alimentary canal, e.g. oesophagoscopes, gastroscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/31—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the rectum, e.g. proctoscopes, sigmoidoscopes, colonoscopes
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Abstract
本发明公开一种用于胃肠镜视频图像数据收集、标注的系统和方法,包括数据采集单元、预处理单元、存储单元和标注单元;数据采集单元,用于采集胃肠镜主机输出的视频图像数据;预处理单元,用于对视频图像数据进行预处理并分段存入存储单元;标注单元,用于对存储单元中预处理后的视频图像数据打上标签信息。通过对胃肠镜主机中采集胃肠镜视频图像数据进行裁剪、去除,从而只保留手术过程中的图像数据,实现了胃肠镜检查中图像数据的全部采集,扩大了数据库,便于后续操作。同时通过对手术过程中的视频数据进行标注,便于更加直观地知道检查的部位,提高处理效率。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种用于胃肠镜视频图像数据收集、标注的系统和方法
背景技术
深度学习作为人工智能领域炙手可热的一个分支,在计算机视觉方面发展迅速,在医疗领域的落地应用也越来越多。深度学习算法落地需要大量的数据参与算法的学习和验证,这使得深度学习在某些数据采集困难的应用场景中存在一定局限性,例如胃肠镜数据采集。
胃肠镜检查是胃肠道检查最普遍、最直接、最准确的检查方法,目前胃肠镜检查的应用非常的广泛。但医院一般仅保留病人在检查过程中关键部位的采图数据,这部分图像数据是整个手术过程中视频数据极少部分。
发明内容
针对现有技术中胃肠镜检查中图像数据较少的问题,本发明提出一种用于胃肠镜视频图像数据收集、标注的系统和方法,通过对胃肠镜主机中采集胃肠镜视频图像数据进行裁剪、去除,从而只保留手术过程中的图像数据,实现了胃肠镜检查中图像数据的全部采集,扩大了数据库,便于后续操作。
为了实现上述目的,本发明提供以下技术方案:
一种用于胃肠镜视频图像数据收集、标注的系统,包括数据采集单元、预处理单元、存储单元和标注单元;
数据采集单元,用于采集胃肠镜主机输出的视频图像数据;预处理单元,用于对视频图像数据进行预处理并分段存入存储单元;标注单元,用于对存储单元中预处理后的视频图像数据打上标签信息。
优选的,还包括显示单元,用于显示具有标签信息的视频文件。
优选的,所述预处理单元包括视频裁剪模块、设备信息识别模块和视频分段模块;其中,
视频裁剪模块,用于将采集的视频图像数据裁剪为有效区域视频流和设备信息视频流,并将有效区域视频流、设备信息视频流分别发送到视频分段模块和设备信息识别模块;
设备信息识别模块,用于识别设备信息视频流中胃肠镜的设备信息,并将设备信息反馈给视频分段模块;
视频分段模块,用于接收有效区域视频流,并去除有效区域视频流中非手术时间段内的视频数据从而保留手术视频数据,再将手术视频数据按照时间间隔分为m段视频文件。
优选的,所述标签信息包括上消化道解剖位置、下消化道解剖位置、消化道清洁情况和染色情况。
本发明还提供一种用于胃肠镜视频图像数据收集、标注的方法,具体包括以下步骤:
S1:从胃肠镜主机中采集视频图像数据,并对其进行裁剪得到有效区域视频流和设备信息视频流,有效区域视频流表示视频图像数据中有效图像区域;设备信息视频流表示视频图像数据中有效图像区域之外的区域;
S2:采用训练完成的Resnet50卷积神经网络模型去除有效区域视频流中非手术时间段内的视频数据,保留手术视频数据;
S3:识别设备信息视频流中的设备信息,再将设备信息和手术视频数据按照时间间隔分为m段视频文件;
S4:选定标签信息分别对m段视频文件进行标注,得到具有标签信息的胃肠镜视频。
优选的,所述S2中,采用内窥镜检查过程中的体内图像数据和检查之前医生准备阶段镜头处于体外的图像数据对Resnet50卷积神经网络模型进行训练。
优选的,所述S4中,开始时视频文件处于静止状态,根据视频文件的图像信息确定当前视频帧的类别,然后打上标签信息,视频文件开始播放,当属于当前标签信息的视频文件中图像播放完毕,标注完成,切换到下一个视频文件重新进行标注。
综上所述,由于采用了上述技术方案,与现有技术相比,本发明至少具有以下有益效果:
本发明通过对胃肠镜主机中采集胃肠镜视频图像数据进行裁剪、去除,从而只保留手术过程中的图像数据,实现了胃肠镜检查中图像数据的全部采集,扩大了数据库,便于后续操作。同时通过对手术过程中的图像数据进行标注,便于更加直观地知道检查的部位,提高处理效率。
附图说明:
图1为根据本发明示例性实施例的一种用于胃肠镜视频图像数据收集、标注的系统示意图。
图2为根据本发明示例性实施例的预处理单元示意图。
图3为根据本发明示例性实施例的一种用于胃肠镜视频图像数据收集、标注的方法流程示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种用于胃肠镜视频图像数据收集、标注的系统,包括依次连接的数据采集单元、预处理单元、存储单元和标注单元。
数据采集单元,用于采集胃肠镜(内窥镜)主机输出的视频图像数据;预处理单元,用于对视频图像数据进行预处理并分段存入存储单元;标注单元,用于对存储单元中预处理后的视频图像数据进行标注。
如图2所示,预处理单元包括视频裁剪模块、设备信息识别模块和视频分段模块。
视频裁剪模块,用于将采集的视频图像数据裁剪为有效区域视频流和设备信息视频流,并将有效区域视频流、设备信息视频流分别发送到视频分段模块和设备信息识别模块;有效区域视频流表示视频图像数据中有效图像区域(胃肠镜镜头在人体内实时拍摄的视频图像画面区域,原视频流图像画面中设备信息是在有效图像区域外的);设备信息视频流表示视频图像数据中有效图像区域之外的区域。本实施例中,视频裁剪模块采用简化版UNet图像分割网络模型将有效图像区域和背景分开,简化版UNet图像分割网络模型的训练数据囊括当前医院使用不同型号的内镜设备采集的图像数据,能够很精准分割出有效图像区域。
设备信息识别模块,采用OCR文字识别算法,识别设备信息视频流中胃肠镜的设备信息(即设备相关的文字信息),并将设备信息反馈给视频分段模块。
视频分段模块,用于接收有效区域视频流和设备信息,并去除有效区域视频流中非手术时间段内的视频数据从而保留手术视频数据,即判断当前时刻的视频图像画面是否处于内窥镜手术检查过程;若是则将处于不同手术检查过程时间段内的手术视频数据按照时间信息(例如时间间隔为5分钟)和设备信息分成多段视频文件并发送到存储单元存储。
例如A设备采集的有效区域视频流时间总长为20分钟,其中0-5分钟没在做手术即为非手术视频数据,这部分不存储,6-10分钟在手术即为手术视频数据,这5分钟保存,根据A设备的型号和手术视频数据的时间存成一个视频文件;每个手术完成后会有一段时间没做手术,如11-14分钟即为非手术视频数据,这段时间不存储,15-20又在做手术即为手术视频数据,这段时间保存,总共这20分钟存两个手术视频。
本实施例中,视频分段模块使用resnet50卷积神经网络模型使用resnet50卷积神经网络模型,该模型的训练数据使用两个类别的数据:正常内窥镜检查过程中的体内图像数据和检查之前医生准备阶段镜头处于体外的图像数据(镜头拍摄体外图像数据表示此时不是处于医生手术中),因此该模型可以识别视频图像画面是否处于内窥镜手术检查过程。
本实施例中,标注单元选取可以根据不同的标注任务选取不同的标签,读取存储单元中的多段视频文件并打上标签信息,从而完成标注任务。
标注单元可以由不同的标注医师登录,存储单元中同一段视频文件会被多个标注医师标注,多个标注结果会进行交叉验证,提高标注精度。当前标注使用到的标签信息主要四个类别(也包括其他类别):包括上消化道解剖位置、下消化道解剖位置、消化道清洁情况和染色情况。标签信息支持个性化定制。
上消化道解剖位置包括34个小类:1.咽喉部、2.食管上段、3.食管中段、4.食管下段、5.食管胃底结合部、6.胃体上部后壁、7.胃体上部前壁、8.胃体上部大弯、9.胃体上部小弯、10.胃体中部后壁、11.胃体中部前壁、12.胃体中部大弯、13.胃体中部小弯、14.胃体下部后壁、15.胃体下部前壁、16.胃体下部大弯、17.胃体下部小弯、18.胃体窦交界大弯、19.胃角、20.胃角后壁、21.胃角前壁、22.胃窦、23.胃窦后壁、24.胃窦前壁、25.胃窦大弯、26.胃窦小弯、27.幽门、28.十二指肠球部、29.十二指肠乳头部、30.胃底后壁、31.胃底前壁、32.胃底大弯、33.胃底小弯、34.贲门。下消化道解剖位置包括11个小类:1.回肠末端、2.阑尾口、3.回盲瓣、4.升结肠、5.结肠肝曲、6.横结肠、7.脾曲、8.降结肠、9.乙状结肠、10.直肠、11.肛管直肠交界处。消化道清洁情况包括3个小类:1.清洁、2.脏、3.镜头模糊。染色情况包括3个小类:1.白光、2.电子染色、3.化学染色。
本实施例中,通过观察存储单元中视频文件的图像信息确定当前视频帧的类别信息然后打上标签信息,视频开始播放,当属于当前标签信息的视频文件播放完毕,切换到下一个标签信息的视频文件。
本实施例中,不同标签信息显示不同的颜色,方便检查标注情况,即每个小类对应一种唯一颜色。
本实施例中,还包括显示单元,用于显示具有标签信息的视频文件。
基于上述系统,本发明还提供一种用于胃肠镜视频图像数据收集、标注的方法,如图3所示,具体包括以下步骤:
S1:从胃肠镜主机中采集视频图像数据,并对其进行裁剪得到有效区域视频流和设备信息视频流。
本实施例中,采用简化版UNet图像分割网络模型对视频图像数据自动裁剪,将背景和有效图像分开。有效区域视频流表示视频图像数据中有效图像区域(胃肠镜拍摄的图像);设备信息视频流表示视频图像数据中有效图像区域之外的区域。
S2:使用Resnet50卷积神经网络模型去除有效区域视频流中非手术时间段内的视频数据,只保留手术视频数据。
本实施例中,内窥镜检查中,手术与手术间存在时间间隔,而非手术时间段内的视频数据不需要被存储,因此需要去除。本实施例中,视频分段模块使用resnet50卷积神经网络模型使用resnet50卷积神经网络模型,该模型的训练数据使用两个类别的数据:正常内窥镜检查过程中的体内图像数据和检查之前医生准备阶段镜头处于体外的图像数据(镜头拍摄体外图像数据表示此时不是处于医生手术中),因此训练完成后的Resnet50卷积神经网络模型可以识别视频图像画面是否处于内窥镜手术。
S3:采用OCR文字识别算法识别设备信息视频流中的设备信息,再将设备信息和手术视频数据按照时间间隔分为m段视频文件,进行存储。
本实施例中,内窥镜检查中,手术与手术间存在时间间隔,因此每一个手术视频数据和设备信息结合都可得到一段视频文件。
例如A设备采集的有效区域视频流时间总长为20分钟,其中0-5分钟没在做手术即为非手术视频数据,这部分不存储,6-10分钟在手术即为手术视频数据,这5分钟保存,根据A设备的型号和手术视频数据的时间存成一个视频文件;每个手术完成后会有一段时间没做手术,如11-14分钟即为非手术视频数据,这段时间不存储,15-20又在做手术即为手术视频数据,这段时间保存,总共这20分钟存两个手术视频。这样可以减小单个视频文件的播放时间,便于后续操作。
S4:选定标签信息分别对m段视频文件进行标注,得到具有标签信息的胃肠镜视频。
本实施例中,选定标签信息进入标注单元界面后,每一个标签信息会对应一个按钮。此时视频处于静止状态,通过视频文件的图像信息确定当前视频帧的类别,然后按住对应的标签按钮打上标签信息,视频开始播放,当属于当前标签信息的视频图像播放完毕,松开当前标签按钮,标注完成,切换到下一个视频图像进行标注。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (7)
1.一种用于胃肠镜视频图像数据收集、标注的系统,其特征在于,包括数据采集单元、预处理单元、存储单元和标注单元;
数据采集单元,用于采集胃肠镜主机输出的视频图像数据;预处理单元,用于对视频图像数据进行预处理并分段存入存储单元;标注单元,用于对存储单元中预处理后的视频图像数据打上标签信息。
2.如权利要求1所述的一种用于胃肠镜视频图像数据收集、标注的系统,其特征在于,还包括显示单元,用于显示具有标签信息的视频文件。
3.如权利要求1所述的一种用于胃肠镜视频图像数据收集、标注的系统,其特征在于,所述预处理单元包括视频裁剪模块、设备信息识别模块和视频分段模块;其中,
视频裁剪模块,用于将采集的视频图像数据裁剪为有效区域视频流和设备信息视频流,并将有效区域视频流、设备信息视频流分别发送到视频分段模块和设备信息识别模块;
设备信息识别模块,用于识别设备信息视频流中胃肠镜的设备信息,并将设备信息反馈给视频分段模块;
视频分段模块,用于接收有效区域视频流,并去除有效区域视频流中非手术时间段内的视频数据从而保留手术视频数据,再将手术视频数据按照时间间隔分为m段视频文件。
4.如权利要求1所述的一种用于胃肠镜视频图像数据收集、标注的系统,其特征在于,所述标签信息包括上消化道解剖位置、下消化道解剖位置、消化道清洁情况和染色情况。
5.基于权利要求1-4任一所述的一种用于胃肠镜视频图像数据收集、标注的方法,其特征在于,具体包括以下步骤:
S1:从胃肠镜主机中采集视频图像数据,并对其进行裁剪得到有效区域视频流和设备信息视频流,有效区域视频流表示视频图像数据中有效图像区域;设备信息视频流表示视频图像数据中有效图像区域之外的区域;
S2:采用训练完成的Resnet50卷积神经网络模型去除有效区域视频流中非手术时间段内的视频数据,保留手术视频数据;
S3:识别设备信息视频流中的设备信息,再将设备信息和手术视频数据按照时间间隔分为m段视频文件;
S4:选定标签信息分别对m段视频文件进行标注,得到具有标签信息的胃肠镜视频。
6.如权利要求5所述的一种用于胃肠镜视频图像数据收集、标注的方法,其特征在于,所述S2中,采用内窥镜检查过程中的体内图像数据和检查之前医生准备阶段镜头处于体外的图像数据对Resnet50卷积神经网络模型进行训练。
7.如权利要求5所述的一种用于胃肠镜视频图像数据收集、标注的方法,其特征在于,所述S4中,开始时视频文件处于静止状态,根据视频文件的图像信息确定当前视频帧的类别,然后打上标签信息,视频文件开始播放,当属于当前标签信息的视频文件中图像播放完毕,标注完成,切换到下一个视频文件重新进行标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110836130.9A CN113630658A (zh) | 2021-07-23 | 2021-07-23 | 一种用于胃肠镜视频图像数据收集、标注的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110836130.9A CN113630658A (zh) | 2021-07-23 | 2021-07-23 | 一种用于胃肠镜视频图像数据收集、标注的系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113630658A true CN113630658A (zh) | 2021-11-09 |
Family
ID=78380759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110836130.9A Pending CN113630658A (zh) | 2021-07-23 | 2021-07-23 | 一种用于胃肠镜视频图像数据收集、标注的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113630658A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190110856A1 (en) * | 2017-10-17 | 2019-04-18 | Verily Life Sciences Llc | Systems and Methods for Segmenting Surgical Videos |
CN110996748A (zh) * | 2018-05-23 | 2020-04-10 | 威博外科公司 | 面向机器学习的外科手术视频分析系统 |
CN111080639A (zh) * | 2019-12-30 | 2020-04-28 | 四川希氏异构医疗科技有限公司 | 基于人工智能的多场景消化道内镜图像识别方法及系统 |
CN111248868A (zh) * | 2020-02-20 | 2020-06-09 | 长沙湖湘医疗器械有限公司 | 一种快眼动睡眠分析方法、系统及设备 |
CN111753790A (zh) * | 2020-07-01 | 2020-10-09 | 武汉楚精灵医疗科技有限公司 | 一种基于随机森林算法的视频分类方法 |
CN112818959A (zh) * | 2021-03-25 | 2021-05-18 | 杭州海康威视数字技术股份有限公司 | 手术流程识别方法、装置、系统及计算机可读存储介质 |
CN113012140A (zh) * | 2021-03-31 | 2021-06-22 | 武汉楚精灵医疗科技有限公司 | 基于深度学习的消化内镜视频帧有效信息区域提取方法 |
-
2021
- 2021-07-23 CN CN202110836130.9A patent/CN113630658A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190110856A1 (en) * | 2017-10-17 | 2019-04-18 | Verily Life Sciences Llc | Systems and Methods for Segmenting Surgical Videos |
CN110996748A (zh) * | 2018-05-23 | 2020-04-10 | 威博外科公司 | 面向机器学习的外科手术视频分析系统 |
CN111080639A (zh) * | 2019-12-30 | 2020-04-28 | 四川希氏异构医疗科技有限公司 | 基于人工智能的多场景消化道内镜图像识别方法及系统 |
CN111248868A (zh) * | 2020-02-20 | 2020-06-09 | 长沙湖湘医疗器械有限公司 | 一种快眼动睡眠分析方法、系统及设备 |
CN111753790A (zh) * | 2020-07-01 | 2020-10-09 | 武汉楚精灵医疗科技有限公司 | 一种基于随机森林算法的视频分类方法 |
CN112818959A (zh) * | 2021-03-25 | 2021-05-18 | 杭州海康威视数字技术股份有限公司 | 手术流程识别方法、装置、系统及计算机可读存储介质 |
CN113012140A (zh) * | 2021-03-31 | 2021-06-22 | 武汉楚精灵医疗科技有限公司 | 基于深度学习的消化内镜视频帧有效信息区域提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6657480B2 (ja) | 画像診断支援装置、画像診断支援装置の作動方法および画像診断支援プログラム | |
EP1994878B9 (en) | Medical image processing device and medical image processing method | |
JP4493386B2 (ja) | 画像表示装置、画像表示方法および画像表示プログラム | |
EP2181642A1 (en) | Image processing apparatus, image processing program, and image processing method | |
WO2021147429A1 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
EP3936026B1 (en) | Medical image processing device, processor device, endoscopic system, medical image processing method, and program | |
CN110867233B (zh) | 用于生成电子喉镜医学检测报告的系统和方法 | |
CN112566540B (zh) | 内窥镜用处理器、信息处理装置、内窥镜系统、程序以及信息处理方法 | |
US20090023993A1 (en) | System and method for combined display of medical devices | |
WO2023143014A1 (zh) | 一种基于人工智能的内窥镜辅助检查方法及装置 | |
KR102255311B1 (ko) | 인공지능 기반의 위내시경 영상 분석 방법 | |
CN113017702A (zh) | 超声内镜小探头伸出长度的识别方法、系统及存储介质 | |
CN115564712A (zh) | 基于孪生网络的胶囊内窥镜视频图像冗余帧去除的方法 | |
JP2007307395A (ja) | 画像表示装置、画像表示方法および画像表示プログラム | |
JP2005011309A (ja) | 医療用画像記録システム | |
CN111493805A (zh) | 一种状态检测装置、方法、系统及可读存储介质 | |
JP4547401B2 (ja) | 画像表示装置、画像表示方法および画像表示プログラム | |
CN114359131A (zh) | 幽门螺杆菌胃部视频全自动智能分析系统及其标记方法 | |
JPWO2019088178A1 (ja) | 生検支援装置、内視鏡装置、生検支援方法、及び生検支援プログラム | |
JP4547402B2 (ja) | 画像表示装置、画像表示方法および画像表示プログラム | |
CN113630658A (zh) | 一种用于胃肠镜视频图像数据收集、标注的系统和方法 | |
US20220207896A1 (en) | Systems and methods for classifying and annotating images taken during a medical procedure | |
CN110974121B (zh) | 一种判断消化内窥镜检查是否染色的方法及系统 | |
CN110083727B (zh) | 一种确定分类标签的方法及装置 | |
US20220202284A1 (en) | Endoscope processor, training device, information processing method, training method and program |
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 |