CN114494406B - 医学图像处理方法、装置、终端及计算机可读存储介质 - Google Patents

医学图像处理方法、装置、终端及计算机可读存储介质 Download PDF

Info

Publication number
CN114494406B
CN114494406B CN202210382948.2A CN202210382948A CN114494406B CN 114494406 B CN114494406 B CN 114494406B CN 202210382948 A CN202210382948 A CN 202210382948A CN 114494406 B CN114494406 B CN 114494406B
Authority
CN
China
Prior art keywords
surgical instrument
image set
preset
parameter
endoscope
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
CN202210382948.2A
Other languages
English (en)
Other versions
CN114494406A (zh
Inventor
杨鑫
胡珊
刘奇为
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.)
Wuhan Endoangel Medical Technology Co Ltd
Original Assignee
Wuhan Endoangel Medical Technology Co Ltd
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 Wuhan Endoangel Medical Technology Co Ltd filed Critical Wuhan Endoangel Medical Technology Co Ltd
Priority to CN202210382948.2A priority Critical patent/CN114494406B/zh
Publication of CN114494406A publication Critical patent/CN114494406A/zh
Application granted granted Critical
Publication of CN114494406B publication Critical patent/CN114494406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2207/30092—Stomach; Gastric

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Endoscopes (AREA)

Abstract

本申请提供一种医学图像处理方法、装置、终端及计算机可读存储介质，该方法包括基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。本申请实施例提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率。

Description

医学图像处理方法、装置、终端及计算机可读存储介质
技术领域
本申请涉及医疗辅助技术领域，具体涉及一种医学图像处理方法、装置、终端及计算机可读存储介质。
背景技术
在消化道领域中，临床医师给患者做消化道手术时手术器械必不可少，每次在做完手术后，医师会对此次手术所使用的手术器械进行统计，进而计算此次手术所消耗手术器械的成本与患者的花费。
目前，当消化道手术结束后，手术器械消耗统计对于临床医师来说是一件繁琐而费时的工作，并且，由于手术器械种类繁多，很容易记录出错。
因此，如何提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率，是当前医疗辅助技术领域亟需解决的技术问题。
发明内容
本申请提供一种医学图像处理方法、装置、终端及计算机可读存储介质，旨在解决如何提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率的技术问题。
一方面，本申请提供一种医学图像处理方法，所述方法包括：
获取患者在消化道手术过程中预设时间内的第一内镜图像集；
基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从所述第一内镜图像集中筛选出包括有所述预设类别的手术器械对应的第二内镜图像集；
获取所述第二内镜图像集中每张图像中手术器械的面积占比参数；
基于所述面积占比参数，从所述第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
基于预设的手术器械类别分类模型，对所述第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对所述分类结果进行统计，得到统计结果；
基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，所述基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
获取确定所述第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调正后的目标统计结果；
基于调正后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，所述基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调正后的目标统计结果，包括：
基于所述时间节点参数和所述分类结果，确定所述第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及所述第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；
基于所述第一时间间隔参数和预设的第一时间间隔阈值，对所述第三内镜图像集进行筛选，得到第四内镜图像集；
基于所述第二时间间隔参数和预设的第二时间间隔阈值，对所述第四内镜图像集进行筛选，得到第五内镜图像集；
基于所述第五内镜图像集中每张图像对应的分类结果，调整所述统计结果，得到调整后的目标统计结果。
在本申请一种可能的实现方式中，所述基于调正后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
基于调正后的目标统计结果和所述时间节点参数，确定每个手术器械类别对应的总数量参数和总用时参数；
基于每个手术器械类别对应的总数量参数和总用时参数，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，在基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据之后，所述方法还包括：
对所述手术器械消耗数据进行分类，得到一次性手术器械消耗数据和非一次性手术器械消耗数据；
将所述一次性手术器械消耗数据和非一次性手术器械消耗数据输入预设的计价器中，得到手术器械的费用数据。
在本申请一种可能的实现方式中，所述获取所述第二内镜图像集中每张图像中手术器械的面积占比参数，包括：
基于预设的手术器械边界检测模型，获取第二内镜图像集中每张图像中手术器械的面积参数；
获取所述第二内镜图像集中每张图像的尺寸参数；
基于所述第二内镜图像集中每张图像的尺寸参数和所述手术器械的面积参数，计算所述第二内镜图像集中每张图像中手术器械的面积占比参数。
在本申请一种可能的实现方式中，所述获取患者在消化道手术过程中预设时间内的第一内镜图像集，包括：
获取患者在消化道手术过程中预设时间内的内镜视频；
将所述内镜视频解码为连续帧图像集；
对所述连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集。
另一方面，本申请提供一种医学图像处理装置，所述装置包括：
第一获取单元，用于获取患者在消化道手术过程中预设时间内的第一内镜图像集；
第一筛选单元，用于基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从所述第一内镜图像集中筛选出包括有所述预设类别的手术器械对应的第二内镜图像集；
第二获取单元，用于获取所述第二内镜图像集中每张图像中手术器械的面积占比参数；
第一确定单元，用于基于所述面积占比参数，从所述第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
第一分类单元，用于基于预设的分类模型，对所述第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对所述分类结果进行统计，得到统计结果；
第二确定单元，用于基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，所述第二确定单元，具体包括：
第三获取单元，用于获取确定所述第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
第一调整单元，用于基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调正后的目标统计结果；
第三确定单元，用于基于调正后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，所述第一调整单元，具体用于：
基于所述时间节点参数和所述分类结果，确定所述第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及所述第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；
基于所述第一时间间隔参数和预设的第一时间间隔阈值，对所述第三内镜图像集进行筛选，得到第四内镜图像集；
基于所述第二时间间隔参数和预设的第二时间间隔阈值，对所述第四内镜图像集进行筛选，得到第五内镜图像集；
基于所述第五内镜图像集中每张图像对应的分类结果，调整所述统计结果，得到调整后的目标统计结果。
在本申请一种可能的实现方式中，所述第三确定单元，具体用于：
基于调正后的目标统计结果和所述时间节点参数，确定每个手术器械类别对应的总数量参数和总用时参数；
基于每个手术器械类别对应的总数量参数和总用时参数，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
在本申请一种可能的实现方式中，在第二单元之后，所述装置还用于：
对所述手术器械消耗数据进行分类，得到一次性手术器械消耗数据和非一次性手术器械消耗数据；
将所述一次性手术器械消耗数据和非一次性手术器械消耗数据输入预设的计价器中，得到手术器械的费用数据。
在本申请一种可能的实现方式中，所述第二获取单元，具体用于：
基于预设的手术器械边界检测模型，获取第二内镜图像集中每张图像中手术器械的面积参数；
获取所述第二内镜图像集中每张图像的尺寸参数；
基于所述第二内镜图像集中每张图像的尺寸参数和所述手术器械的面积参数，计算所述第二内镜图像集中每张图像中手术器械的面积占比参数。
在本申请一种可能的实现方式中，所述第一获取单元，具体用于：
获取患者在消化道手术过程中预设时间内的内镜视频；
将所述内镜视频解码为连续帧图像集；
对所述连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集。
另一方面，本申请还提供一种终端，所述终端包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的医学图像处理方法。
另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的医学图像处理方法中的步骤。
本申请提供的医学图像处理方法，包括获取患者在消化道手术过程中预设时间内的第一内镜图像集；基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；获取第二内镜图像集中每张图像中手术器械的面积占比参数；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。相较于传统方法，在当消化道手术结束后，手术器械消耗统计对于临床医师来说是一件繁琐而费时的工作，并且，由于手术器械种类繁多，很容易记录出错的背景下，本申请创造性的提出通过预设的手术器械检测模型和手术器械类别分类模型对消化道手术过程中的内镜图像中的手术器械进行精准检测和分类，并基于手术器械面积占比参数，对原图像集进行筛选，降低了一些不满足面积占比参数图像对后续分类模型的影像，提高了后续图像处理的效率和准确度，以及针对不同手术器械进行相应的记录，提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的医学图像处理系统的场景示意图；
图2是本申请实施例中提供的医学图像处理方法的一个实施例流程示意图；
图3是本申请实施例中提供的步骤206的一个具体实施例流程示意图；
图4是本申请实施例中提供的计算手术器械的费用数据的一个实施例流程示意图；
图5是本申请实施例中提供的医学图像处理装置的一个实施例结构示意图；
图6是本申请实施例中提供的终端的一个实施例结构示意图；
图7是本申请实施例中提供的器械检测标注示意图；
图8是本申请实施例中提供的器械边界标注示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“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申请和简化描述，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申请的限制。此外，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所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种医学图像处理方法、装置、终端及计算机可读存储介质，以下分别进行详细说明。
如图1所示，图1是本申请实施例提供的医学图像处理系统的场景示意图，该医学图像处理系统可以包括多个终端100和服务器200，终端100和服务器200网络连接，服务器200中集成有医学图像处理装置，如图1中的服务器，终端100可以访问服务器200。
本申请实施例中服务器200主要用于获取患者在消化道手术过程中预设时间内的第一内镜图像集；基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；获取第二内镜图像集中每张图像中手术器械的面积占比参数；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请实施例中，该服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如本申请实施例中所描述的服务器200，其包括但不限于计算机、网络终端、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。本申请的实施例中，服务器与终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）、长期演进（Long Term Evolution，LTE)、全球互通微波访问（Worldwide Interoperability for Microwave Access，WiMAX）的移动通信，或基于TCP/IP协议族（TCP/IP Protocol Suite，TCP/IP）、用户数据报协议（User Datagram Protocol，UDP）的计算机网络通信等。
可以理解的是，本申请实施例中所使用的终端100可以是既包括接收和发射硬件的设备，既具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案的一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的终端，或者服务器网络连接关系，例如图1中仅示出1个服务器和2个终端。可以理解的，该医学图像处理系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。
另外，如图1所示，该医学图像处理系统还可以包括存储器300，用于存储数据，如存储用户内镜图像数据和医学图像处理数据，例如医学图像处理系统运行时的医学图像处理数据。
需要说明的是，图1所示的医学图像处理系统的场景示意图仅仅是一个示例，本申请实施例描述的医学图像处理系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着医学图像处理系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
接下来，介绍本申请实施例提供的医学图像处理方法。
本申实施例医学图像处理方法的实施例中以医学图像处理装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该医学图像处理装置应用于终端，该方法包括：获取患者在消化道手术过程中预设时间内的第一内镜图像集；基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；获取第二内镜图像集中每张图像中手术器械的面积占比参数；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
请参阅图2至图8，图2为本申请实施例中提供的医学图像处理方法的一个实施例流程示意图，该医学图像处理方法包括：
201、获取患者在消化道手术过程中预设时间内的第一内镜图像集；
本申请实施例中，消化道手术一般包括但不限于针对食道、胃、肠、肝、胆等消化组织或器官进行的手术。
本申请的一些实施例中，获取患者在消化道手术过程中预设时间内的第一内镜图像集，包括：获取患者在消化道手术过程中预设时间内的内镜视频；将内镜视频解码为连续帧图像集；对连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集。其中，具体的，一般可以通过内镜检查设备获取患者在消化道手术过程中预设时间内的内镜视频。
需要说明的是，由于在一场消化道手术中，可能因为一些异常情况，导致需要执行多次内镜拍摄，因此预设时间内可以是包括消化道手术的整个过程的总时间，也可以是消化道手术过程中的一部分的时间。具体的，若该预设时间内包括了消化道手术的整个过程，则只需执行步骤201-步骤206一遍即可，若该预设时间内只包括了消化道手术过程中的一部分，那么为了获得完整消化道手术中手术器械消耗数据，则可以将多个预设时间内对手术器械的消耗数据进行加和统计。
202、基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；
本申请实施例中，预设的手术器械监测模型可采用实时快速目标检测(YOLO)网络，具体的，可以选择YOLO-D1。
本申请实施例中基于深度学习方法的一个特点就是实现端到端的检测。相对于其它目标检测与识别方法（比如Fast R-CNN）将目标识别任务分类目标区域预测和类别预测等多个流程，YOLO将目标区域预测和目标类别预测整合于单个神经网络模型中，实现在准确率较高的情况下快速目标检测与识别，更加适合现场应用环境。
本申请的另一个实施例中，在使用预设的手术器械检测模型进行检测前，还需对其进行训练，其训练过程可以用矩形框标记不同的手术器械，如图7所示，由此可以构建数据集，用于训练手术器械检测模型。
203、获取第二内镜图像集中每张图像中手术器械的面积占比参数；
本申请实施例中，手术器械的面积占比参数指的是图像中手术器械的面积与该图像的比值参数。
本申请的一些实施例中，获取第二内镜图像集中每张图像中手术器械的面积占比参数，具体可以包括：基于预设的手术器械边界检测模型，获取第二内镜图像集中每张图像中手术器械的面积参数；获取第二内镜图像集中每张图像的尺寸参数；基于第二内镜图像集中每张图像的尺寸参数和手术器械的面积参数，计算第二内镜图像集中每张图像中手术器械的面积占比参数。
本申请的一些实施例中，预设的手术器械边界检测模型可以采用Unet-D1。如图8所示，模型Unet-D1输出结果为手术器械边缘的坐标点，使用图像处理方案对坐标点所包围的像素面积进行计算，即可获取第二内镜图像集中每张图像中手术器械的面积参数。
本申请的一些实施例中，获取第二内镜图像集中每张图像的尺寸参数，具体可以包括：直接读取第二内镜图像集中每张图像的尺寸参数，根据步骤201中的“对连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集”可知，经过尺寸归一化处理，即将；连续帧图像集按照预设尺寸要求进行尺寸归一化处理，其预设尺寸对应的尺寸参数可直接被读取。
本申请的一些实施例中，基于第二内镜图像集中每张图像的尺寸参数和手术器械的面积参数，计算第二内镜图像集中每张图像中手术器械的面积占比参数，具体可以包括：将第二内镜图像集中每张图像中手术器械的面积参数和对应图像的尺寸参数相比，得到的比值参数，即为第二内镜图像集中每张图像中手术器械的面积占比参数。
204、基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
本申请实施例中，由于目标检测或识别，是对图像中的目标对象的特征进行检测和识别，如果手术器械出现的一部分中并无目标对象的特征，那么可能会导致误检或漏检等情况发生，因此，通过面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集，便于后续基于面积占比参数，提高目标检测的准确度。
在本申请的一个具体实施例中，本申请中对符合预设面积占比参数要求的限定为第二内镜图像集中每张图像中手术器械的面积占比参数要大于10%。
需要说明的是，预设面积占比参数要求可根据实际检测结果反馈地准确度进行设置，例如，当预设面积占比参数设置为10%时，其最后统计患者在消化道手术过程中预设时间内的手术器械消耗数据的准确率低于100%，那么可以适当提高预设面积占比参数，例如，将原有的10%设置为12%。
205、基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；
本申请实施例中，预设的手术器械类别分类模型可包括但不限于Res-D1。具体的，可以通过构建不同类别手术器械数据集，训练手术器械分类模型Res-D1。
本申请的一些实施例中，基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，包括：基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类；手术器械类别分类模型输出每一类手术器械的概率，选取最大概率值并对该类别进行结果的输出，得到分类结果。
206、基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
具体的，如何基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据，请参阅下述实施例，在此不做赘述。
本申请提供的医学图像处理方法，相较于传统方法，在当消化道手术结束后，手术器械消耗统计对于临床医师来说是一件繁琐而费时的工作，并且，由于手术器械种类繁多，很容易记录出错的背景下，本申请创造性的提出通过预设的手术器械检测模型和手术器械类别分类模型对消化道手术过程中的内镜图像中的手术器械进行精准检测和分类，并基于手术器械面积占比参数，对原图像集进行筛选，降低了一些不满足面积占比参数图像对后续分类模型的影像，提高了后续图像处理的效率和准确度，以及针对不同手术器械进行相应的记录，提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率。
本申请的一些实施例中，如图3所示，步骤206、基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
301、获取确定第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
本申请实施例中，根据上述实施例可知，图像集是通过将视频进行解码后得到的，而每张图像上都可标记有相应的时间节点参数，因此，可读取第三内镜图像集中每张图像的手术器械类别对应的时间节点参数。
302、基于时间节点参数和分类结果，调整统计结果，得到调正后的目标统计结果；
本申请的一些实施例中，基于时间节点参数和分类结果，调整统计结果，得到调正后的目标统计结果，包括：基于时间节点参数和分类结果，确定第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；基于第一时间间隔参数和预设的第一时间间隔阈值，对第三内镜图像集进行筛选，得到第四内镜图像集；基于第二时间间隔参数和预设的第二时间间隔阈值，对第四内镜图像集进行筛选，得到第五内镜图像集；基于第五内镜图像集中每张图像对应的分类结果，调整统计结果，得到调整后的目标统计结果。
本申请的一些实施例中，基于时间节点参数和分类结果，确定第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数，可以包括：可以根据分类结果，将第三内镜图像集中手术器械类别相同图像对应时间节点参数进行做差，从而得到第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数。同样的，可以根据分类结果，将第三内镜图像集中手术器械类别不相同图像对应时间节点参数进行做差，从而得到第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数。
本申请的一些实施例中，由于在一段视频中，同一个器械可能出现的时间较长，因此，在对应的图像集中出现的次数也会大于一，为了避免重复记录，可以基于第一时间间隔参数和预设的第一时间间隔阈值，对第三内镜图像集进行筛选，得到第四内镜图像集。其中，第一时间间隔阈值可根据上述实施例中两张连续帧图像中的时间间隔进行设定，例如两张连续帧图像的时间间隔为1秒，那么第一时间间隔需要大于1秒，具体的，可将第一时间间隔设置为2秒。
本申请的一些实施例中，由于在一段视频中，通常临床医师更换使用手术器械的间隔时间为3秒，因此，为了避免由于图像模糊或短暂的中断检测，导致检测失误，可基于第二时间间隔参数和预设的第二时间间隔阈值，对第四内镜图像集进行筛选，得到第五内镜图像集。其中，第二时间间隔阈值可设为3秒。
本申请的一些实施例中，基于第五内镜图像集中每张图像对应的分类结果，调整统计结果，得到调整后的目标统计结果，具体可以包括，若第五内镜图像集中每张图像对应的分类结果与步骤205得到的统计结果存在差异，即通过“基于第一时间间隔参数和预设的第一时间间隔阈值，对第三内镜图像集进行筛选，或基于第二时间间隔参数和预设的第二时间间隔阈值，对第四内镜图像集进行筛选”后，删除过重复的分类结果，那么可以将第五内镜图像集中每张图像对应的分类结果替换掉步骤205得到的统计结果。
303、基于调正后的目标统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请的一些实施例中，基于调正后的目标统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：基于调正后的目标统计结果和时间节点参数，确定每个手术器械类别对应的总数量参数和总用时参数；基于每个手术器械类别对应的总数量参数和总用时参数，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请的一些实施例中，如图4所示，在基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据之后，该方法还包括：
401、对手术器械消耗数据进行分类，得到一次性手术器械消耗数据和非一次性手术器械消耗数据；
在本申请的一些实施例中，所述方法还包括：记录所述手术器械所消耗的时间参数。具体的，可以基于上述实施例中的时间节点参数，确定对应手术器械所消耗的时间参数。也可通过系统中预先设置的手术器械时间消耗记录设备录所述手术器械所消耗的时间参数。
402、将一次性手术器械消耗数据和非一次性手术器械消耗数据输入预设的计价器中，得到手术器械的费用数据。
本申请实施例中，预设的计价器为一个按照预设分类要求和计算方式的程序。该计价器上可针对不同类型的手术器械预先设置其计价方式和单价。需要说明的是，对于一次性手术器械的计价方式是按照消耗的数量，而对于非一次性手术器械的计价方式可以是按照消耗的时间来的。
本申请实施例通过对手术器械消耗数据进行分类，并针对一次性手术器械消耗数据和非一次性手术器械消耗数据进行不同方式的计价，符合实际需求，提高了计价的准确性。
为了更好实施本申请实施例中医学图像处理方法，在医学图像处理方法基础之上，本申请实施例中还提供一种医学图像处理装置，如图5所示，医学图像处理装置500包括：
第一获取单元501，用于获取患者在消化道手术过程中预设时间内的第一内镜图像集；
第一筛选单元502，用于基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；
第二获取单元503，用于获取第二内镜图像集中每张图像中手术器械的面积占比参数；
第一确定单元504，用于基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
第一分类单元505，用于基于预设的分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；
第二确定单元506，用于基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请的一些实施例中，第二确定单元506，具体包括：
第三获取单元，用于获取确定第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
第一调整单元，用于基于时间节点参数和分类结果，调整统计结果，得到调正后的目标统计结果；
第三确定单元，用于基于调正后的目标统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请的一些实施例中，第一调整单元，具体用于：
基于时间节点参数和分类结果，确定第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；
基于第一时间间隔参数和预设的第一时间间隔阈值，对第三内镜图像集进行筛选，得到第四内镜图像集；
基于第二时间间隔参数和预设的第二时间间隔阈值，对第四内镜图像集进行筛选，得到第五内镜图像集；
基于第五内镜图像集中每张图像对应的分类结果，调整统计结果，得到调整后的目标统计结果。
本申请的一些实施例中，第三确定单元，具体用于：
基于调正后的目标统计结果和时间节点参数，确定每个手术器械类别对应的总数量参数和总用时参数；
基于每个手术器械类别对应的总数量参数和总用时参数，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请的一些实施例中，在第二单元之后，装置还用于：
对手术器械消耗数据进行分类，得到一次性手术器械消耗数据和非一次性手术器械消耗数据；
将一次性手术器械消耗数据和非一次性手术器械消耗数据输入预设的计价器中，得到手术器械的费用数据。
本申请的一些实施例中，第二获取单元503，具体用于：
基于预设的手术器械边界检测模型，获取第二内镜图像集中每张图像中手术器械的面积参数；
获取第二内镜图像集中每张图像的尺寸参数；
基于第二内镜图像集中每张图像的尺寸参数和手术器械的面积参数，计算第二内镜图像集中每张图像中手术器械的面积占比参数。
本申请的一些实施例中，第一获取单元501，具体用于：
获取患者在消化道手术过程中预设时间内的内镜视频；
将内镜视频解码为连续帧图像集；
对连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集。
本申请提供的医学图像处理装置500，包括第一获取单元501，用于获取患者在消化道手术过程中预设时间内的第一内镜图像集；第一筛选单元502，用于基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；第二获取单元503，用于获取第二内镜图像集中每张图像中手术器械的面积占比参数；第一确定单元504，用于基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；第一分类单元505，用于基于预设的分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；第二确定单元506，用于基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。相较于传统装置，在当消化道手术结束后，手术器械消耗统计对于临床医师来说是一件繁琐而费时的工作，并且，由于手术器械种类繁多，很容易记录出错的背景下，本申请创造性的提出通过预设的手术器械检测模型和手术器械类别分类模型对消化道手术过程中的内镜图像中的手术器械进行精准检测和分类，并基于手术器械面积占比参数，对原图像集进行筛选，降低了一些不满足面积占比参数图像对后续分类模型的影像，提高了后续图像处理的效率和准确度，以及针对不同手术器械进行相应的记录，提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率。
除了上述介绍用于医学图像处理方法与装置之外，本申请实施例还提供一种终端，其集成了本申请实施例所提供的任一种医学图像处理装置，终端包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行上述医学图像处理方法实施例中任一实施例中的任一方法的操作。
本申请实施例还提供一种终端，其集成了本申请实施例所提供的任一种医学图像处理装置。参阅图6，图6是本申请实施例提供的终端一个实施例结构示意图。
如图6所示，其示出了本申请实施例所设计的医学图像处理装置的结构示意图，具体来讲：
该医学图像处理装置可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储单元602、电源603和输入单元604等部件。本领域技术人员可以理解，图6中示出的医学图像处理装置结构并不构成对医学图像处理装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器601是该医学图像处理装置的控制中心，利用各种接口和线路连接整个医学图像处理装置的各个部分，通过运行或执行存储在存储单元602内的软件程序和/或模块，以及调用存储在存储单元602的数据，执行医学图像处理装置的各种功能和处理数据，从而对医学图像处理装置进行整体监控。可选的，处理器601可包括一个或多个处理核心；优选的，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器601中。
存储单元602可用于存储软件程序以及模块，处理器601通过运行存储在存储单元602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储单元602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据医学图像处理装置的使用所创建的数据等。此外，存储单元602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储单元602还可以包括存储器控制器，以提供处理器601对存储单元602的访问。
医学图像处理装置还包括给各个部件供电的电源603，优选的，电源603可以通过电源管理系统与处理器601逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该医学图像处理装置还可包括输入单元604，该输入单元604可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，医学图像处理装置还可以包括显示单元等，在此不再赘述。具体在本申请实施例中，医学图像处理装置中的处理器601会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元602中，并由处理器601来运行存储在存储单元602中的应用程序，从而实现各种功能，如下：
获取患者在消化道手术过程中预设时间内的第一内镜图像集；基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；获取第二内镜图像集中每张图像中手术器械的面积占比参数；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
本申请提供一种医学图像处理方法，相较于传统方法，在当消化道手术结束后，手术器械消耗统计对于临床医师来说是一件繁琐而费时的工作，并且，由于手术器械种类繁多，很容易记录出错的背景下，本申请创造性的提出通过预设的手术器械检测模型和手术器械类别分类模型对消化道手术过程中的内镜图像中的手术器械进行精准检测和分类，并基于手术器械面积占比参数，对原图像集进行筛选，降低了一些不满足面积占比参数图像对后续分类模型的影像，提高了后续图像处理的效率和准确度，以及针对不同手术器械进行相应的记录，提高了统计消化道手术过程中手术器械的消耗数据的准确率和效率。
为此，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random AccessMemory）、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种医学图像处理方法中的步骤。例如，该指令可以执行如下步骤：
获取患者在消化道手术过程中预设时间内的第一内镜图像集；基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从第一内镜图像集中筛选出包括有预设类别的手术器械对应的第二内镜图像集；获取第二内镜图像集中每张图像中手术器械的面积占比参数；基于面积占比参数，从第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；基于预设的手术器械类别分类模型，对第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对分类结果进行统计，得到统计结果；基于统计结果，确定患者在消化道手术过程中预设时间内的手术器械消耗数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种医学图像处理方法、装置、终端及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种医学图像处理方法，其特征在于，所述方法包括：
获取患者在消化道手术过程中预设时间内的第一内镜图像集；
基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从所述第一内镜图像集中筛选出包括有所述预设类别的手术器械对应的第二内镜图像集；
获取所述第二内镜图像集中每张图像中手术器械的面积占比参数；
基于所述面积占比参数，从所述第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
基于预设的手术器械类别分类模型，对所述第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对所述分类结果进行统计，得到统计结果；
基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据；
其中，所述基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
获取确定所述第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调整后的目标统计结果；
基于调整后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据；
其中，所述基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调整后的目标统计结果，包括：
基于所述时间节点参数和所述分类结果，确定所述第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及所述第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；
基于所述第一时间间隔参数和预设的第一时间间隔阈值，对所述第三内镜图像集进行筛选，得到第四内镜图像集；
基于所述第二时间间隔参数和预设的第二时间间隔阈值，对所述第四内镜图像集进行筛选，得到第五内镜图像集；
基于所述第五内镜图像集中每张图像对应的分类结果，调整所述统计结果，得到调整后的目标统计结果。
2.根据权利要求1所述的医学图像处理方法，其特征在于，所述基于调整后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
基于调整后的目标统计结果和所述时间节点参数，确定每个手术器械类别对应的总数量参数和总用时参数；
基于每个手术器械类别对应的总数量参数和总用时参数，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据。
3.根据权利要求1所述的医学图像处理方法，其特征在于，在基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据之后，所述方法还包括：
对所述手术器械消耗数据进行分类，得到一次性手术器械消耗数据和非一次性手术器械消耗数据；
将所述一次性手术器械消耗数据和非一次性手术器械消耗数据输入预设的计价器中，得到手术器械的费用数据。
4.根据权利要求1所述的医学图像处理方法，其特征在于，所述获取所述第二内镜图像集中每张图像中手术器械的面积占比参数，包括：
基于预设的手术器械边界检测模型，获取第二内镜图像集中每张图像中手术器械的面积参数；
获取所述第二内镜图像集中每张图像的尺寸参数；
基于所述第二内镜图像集中每张图像的尺寸参数和所述手术器械的面积参数，计算所述第二内镜图像集中每张图像中手术器械的面积占比参数。
5.根据权利要求1所述的医学图像处理方法，其特征在于，所述获取患者在消化道手术过程中预设时间内的第一内镜图像集，包括：
获取患者在消化道手术过程中预设时间内的内镜视频；
将所述内镜视频解码为连续帧图像集；
对所述连续帧图像集进行图像预筛选和尺寸归一化处理，得到第一内镜图像集。
6.一种医学图像处理装置，其特征在于，所述装置包括：
第一获取单元，用于获取患者在消化道手术过程中预设时间内的第一内镜图像集；
第一筛选单元，用于基于预设的手术器械检测模型，若确定第一内镜图像集中包括有预设类别的手术器械图像，则从所述第一内镜图像集中筛选出包括有所述预设类别的手术器械对应的第二内镜图像集；
第二获取单元，用于获取所述第二内镜图像集中每张图像中手术器械的面积占比参数；
第一确定单元，用于基于所述面积占比参数，从所述第二内镜图像集中确定符合预设面积占比参数要求的第三内镜图像集；
第一分类单元，用于基于预设的分类模型，对所述第三内镜图像集中每张图像的手术器械类别参数进行分类，得到分类结果，并对所述分类结果进行统计，得到统计结果；
第二确定单元，用于基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据；
其中，所述基于所述统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据，包括：
获取确定所述第三内镜图像集中每张图像的手术器械类别对应的时间节点参数；
基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调整后的目标统计结果；
基于调整后的目标统计结果，确定所述患者在消化道手术过程中预设时间内的手术器械消耗数据；
其中，所述基于所述时间节点参数和所述分类结果，调整所述统计结果，得到调整后的目标统计结果，包括：
基于所述时间节点参数和所述分类结果，确定所述第三内镜图像集中手术器械类别相同图像之间的第一时间间隔参数，以及所述第三内镜图像集中手术器械类别不同图像之间的第二时间间隔参数；
基于所述第一时间间隔参数和预设的第一时间间隔阈值，对所述第三内镜图像集进行筛选，得到第四内镜图像集；
基于所述第二时间间隔参数和预设的第二时间间隔阈值，对所述第四内镜图像集进行筛选，得到第五内镜图像集；
基于所述第五内镜图像集中每张图像对应的分类结果，调整所述统计结果，得到调整后的目标统计结果。
7.一种终端，其特征在于，所述终端包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至5中任一项所述的医学图像处理方法。
8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至5任一项所述的医学图像处理方法中的步骤。
CN202210382948.2A 2022-04-13 2022-04-13 医学图像处理方法、装置、终端及计算机可读存储介质 Active CN114494406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210382948.2A CN114494406B (zh) 2022-04-13 2022-04-13 医学图像处理方法、装置、终端及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210382948.2A CN114494406B (zh) 2022-04-13 2022-04-13 医学图像处理方法、装置、终端及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114494406A CN114494406A (zh) 2022-05-13
CN114494406B true CN114494406B (zh) 2022-07-19

Family

ID=81487463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210382948.2A Active CN114494406B (zh) 2022-04-13 2022-04-13 医学图像处理方法、装置、终端及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114494406B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115531584A (zh) * 2022-10-08 2022-12-30 中元宇(北京)物联网科技有限公司 一种用于远程消毒的医疗器械消毒系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110831538A (zh) * 2018-05-31 2020-02-21 奥瑞斯健康公司 基于图像的气道分析和映射
WO2020116224A1 (ja) * 2018-12-05 2020-06-11 ソニー株式会社 情報処理装置、提示方法、および手術システム
WO2021173286A1 (en) * 2020-02-26 2021-09-02 Covidien Lp Energy based surgical systems and methods based on an artificial-intelligence learning system
CN113361437A (zh) * 2021-06-16 2021-09-07 吉林建筑大学 一种微创手术器械类别及位置检测方法与系统
CN113627219A (zh) * 2020-05-07 2021-11-09 杭州海康慧影科技有限公司 器械检测方法、装置和计算机设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018221599A1 (ja) * 2017-05-31 2018-12-06 カリーナシステム株式会社 手術器具検出システムおよびコンピュータプログラム
CN111215341A (zh) * 2019-11-30 2020-06-02 上海中医药大学附属龙华医院 一种手术器械分拣方法及系统
US11284963B2 (en) * 2019-12-30 2022-03-29 Cilag Gmbh International Method of using imaging devices in surgery
CN113284132A (zh) * 2021-06-16 2021-08-20 南通市第二人民医院 一种内镜清洗液的定向处理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110831538A (zh) * 2018-05-31 2020-02-21 奥瑞斯健康公司 基于图像的气道分析和映射
WO2020116224A1 (ja) * 2018-12-05 2020-06-11 ソニー株式会社 情報処理装置、提示方法、および手術システム
WO2021173286A1 (en) * 2020-02-26 2021-09-02 Covidien Lp Energy based surgical systems and methods based on an artificial-intelligence learning system
CN113627219A (zh) * 2020-05-07 2021-11-09 杭州海康慧影科技有限公司 器械检测方法、装置和计算机设备
CN113361437A (zh) * 2021-06-16 2021-09-07 吉林建筑大学 一种微创手术器械类别及位置检测方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Machine learning and coresets for automated real-time video segmentation of laparoscopic and robot-assisted surgery;Mikhail Volkov et al.;《2017 IEEE International Conference on Robotics and Automation (ICRA)》;20170724;全文 *
信息化管理系统在消毒供应中心器械管理中的应用效果;张斯棋;《中国民康医学》;20200210(第03期);全文 *
妇科腹腔镜手术后并发症发生原因分析及护理对策;刘岩;《健康之路》;20170215(第02期);全文 *

Also Published As

Publication number Publication date
CN114494406A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
US20200194108A1 (en) Object detection in medical image
US20210295510A1 (en) Heat map based medical image diagnostic mechanism
CN114494406B (zh) 医学图像处理方法、装置、终端及计算机可读存储介质
JP2016081112A (ja) 魚計数装置、魚計数方法、魚数の予測装置、魚数の予測方法、魚計数システムおよび魚数予測システム
WO2023130662A1 (zh) 基于心脏超声视频筛选舒张期和收缩期图像的方法和装置
CN110852237A (zh) 对象姿态的确定方法及装置、存储介质、电子装置
CN113344926B (zh) 胆胰超声图像识别方法、装置、服务器及存储介质
CN114464316B (zh) 胃部异常风险等级预测方法、装置、终端及可读存储介质
CN114417037B (zh) 图像处理方法、装置、终端及可读存储介质
CN113643299B (zh) 微血管的弯曲程度量化方法、装置及计算机可读存储介质
CN114299545A (zh) 宠物身份识别方法、装置、服务器及计算机可读存储介质
CN109685048A (zh) 人体测量方法、装置、终端及存储介质
CN114419135B (zh) 胰腺标志物尺寸量化方法、装置、终端及可读存储介质
CN110310341B (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
CN113743543B (zh) 一种图像分类训练方法、装置、服务器及存储介质
CN114332931A (zh) 宠物关系图谱更新方法、装置、设备和计算机可读存储介质
CN114511045B (zh) 图像处理方法、装置、终端及计算机可读存储介质
CN113793334B (zh) 设备监测方法和设备监测装置
CN113903433A (zh) 一种图像处理方法、装置和电子设备
CN116157822A (zh) 图像配准方法及装置
CN117475344A (zh) 超声影像截取方法、装置、终端设备及存储介质
CN114419050B (zh) 胃黏膜可视化程度量化方法、装置、终端及可读存储介质
CN114359280B (zh) 胃黏膜图像边界量化方法、装置、终端及存储介质
CN115242685B (zh) 基于关联矩阵的回放测试方法、装置、设备及存储介质
US20230306630A1 (en) Image analysis server, object counting method using image analysis server, and object counting syste

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