CN114693912B - 具有眼球追踪功能的内镜检查系统、存储介质及设备 - Google Patents
具有眼球追踪功能的内镜检查系统、存储介质及设备 Download PDFInfo
- Publication number
- CN114693912B CN114693912B CN202210238555.4A CN202210238555A CN114693912B CN 114693912 B CN114693912 B CN 114693912B CN 202210238555 A CN202210238555 A CN 202210238555A CN 114693912 B CN114693912 B CN 114693912B
- Authority
- CN
- China
- Prior art keywords
- frame
- current
- definition
- area
- next frame
- 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
Links
- 238000001839 endoscopy Methods 0.000 title claims abstract description 25
- 210000005252 bulbus oculi Anatomy 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 210000001508 eye Anatomy 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Endoscopes (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明属于内镜检查技术领域,提供具有眼球追踪功能的内镜检查系统、存储介质及设备。为了解决不能对观察区域进行全面的检查的问题,该系统包括内镜部位识别模块,用于在内镜检查进镜后,进行实时部位识别;图像模糊检测模块,用于识别当前视频帧画面及后一帧视频画面的清晰类别;图像近景区域分割模块,用于得到当前帧的视野清晰区域,及后一帧的视野清晰区域并将其作为后一帧的应观察区域;眼球追踪模块,用于将当前帧的视野清晰区域作为眼球追踪感兴趣区域,得到后一帧的医师观察区域;漏检区域检测模块,用于对比后一帧的应观察区域及医师观察区域的重合度,判断当前部位识别是否完整。其提高了对观察区域检查的全面性。
Description
技术领域
本发明属于内镜检查技术领域,尤其涉及一种具有眼球追踪功能的内镜检查系统、存储介质及设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
内镜检查过程中经常存在漏诊病变的情况,影响了内镜检查效果。目前多推荐进行高质量的内镜检查,质量控制的其中一条便是解剖部位观察的完整性。例如:通过人工智能辅助部位识别,能够很好的避免漏检区域。但是,发明人发现,由于患者的病理不同及人工智能算法的预先训练性,仅仅依赖人工智能辅助部位识别并不能对观察区域进行全面的检查。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种具有眼球追踪功能的内镜检查系统、存储介质及设备,其能够解决内镜检查过程中的漏检区域智能提示问题,实现观察轨迹的进一步展示,提高对观察区域检查的全面性。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种具有眼球追踪功能的内镜检查系统,其包括:
内镜部位识别模块,其用于在内镜检查进镜后,进行实时部位识别;
图像模糊检测模块,其用于识别当前视频帧画面及后一帧视频画面的清晰类别;
图像近景区域分割模块,其用于若当前视频帧画面的清晰清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域;
眼球追踪模块,其用于将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
漏检区域检测模块,其用于对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
作为一种实施方式,在所述漏检区域检测模块中,若所述重合度小于预设重合度阈值,则判定当前部位识别不完整;若对当前部位连续观察的预设数量的所述重合度均大于或等于预设重合度阈值,则判定当前部位识别完整,并将识别部位标注至相应帧画面中。
作为一种实施方式,在所述内镜部位识别模块中,基于多类别的CNN分类网络进行实时部位识别。
作为一种实施方式,在所述图像模糊检测模块中,视频帧画面的清晰类别包括全部清晰、局部清晰、全图模糊和全图气泡光影这四个类别。
作为一种实施方式,所述图像模糊检测模块中,基于CNN四分类神经网络模型识别当前视频帧画面的清晰类别。
作为一种实施方式,在所述眼球追踪模块中,采用结构相似性SSIM算法计算相似度。
作为一种实施方式,所述眼球追踪模块中,当前帧与后一帧的匹配关系为后一帧中与当前帧的感兴趣区域相匹配的特征点集合。
作为一种实施方式,所述眼球追踪模块中,特征点集合的建立过程为:
选取当前帧的感兴趣区域中的某个关键点,并找出其与后一帧欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于预设比例阈值,则接受这一对匹配点。
本发明的第二个方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
识别当前视频帧画面的清晰类别;
若当前视频帧画面的清晰清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
本发明的第三个方面提供一种电子设备,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,所述处理器执行所述程序时实现如下步骤:
在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
识别当前视频帧画面的清晰类别;
若当前视频帧画面的清晰清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
与现有技术相比,本发明的有益效果是:
本发明在内镜检查过程中,对当前视频帧画面进行实时部位识别,并通过清晰类别判定来得到后一帧的应观察区域,再结合眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域,最后对比后一帧的应观察区域及医师观察区域的重合度,进而判断当前部位识别是否完整,解决了内镜检查过程中的漏检区域智能提示问题,实现了观察轨迹的进一步展示,提高了对观察区域检查的全面性。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例的具有眼球追踪功能的内镜检查系统结构示意图;
图2是本发明实施例的具有眼球追踪功能的内镜检查原理图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
参照图1,本实施例提供了一种具有眼球追踪功能的内镜检查系统,其具体包括内镜部位识别模块101、图像模糊检测模块102、图像近景区域分割模块103、眼球追踪模块104和漏检区域检测模块105。
在具体实施过程中,内镜部位识别模块101,其用于在内镜检查进镜后,进行实时部位识别。
其中,在所述内镜部位识别模块101中,基于多类别的CNN分类网络进行实时部位识别。
此处需要说明的是,在所述内镜部位识别模块101中,进行实时部位识别的算法,也可采用其他现有的算法来实现,比如:内镜部位自动识别算法,该算法可以预测当前视频画面的内镜部位,如胃镜会预测胃的部位,肠镜会预测肠镜的部位,此处不再累述。
在具体实施过程中,图像模糊检测模块102,其用于识别当前视频帧画面及后一帧视频画面的清晰类别。
具体地,在所述图像模糊检测模块102中,视频帧画面的清晰类别包括全部清晰、局部清晰、全图模糊和全图气泡光影这四个类别。例如训练一个CNN四分类神经网络模型用于预测当前视频画面及后一帧视频画面是否清晰。
若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域。
此处需要说明的是,在所述图像模糊检测模块102中,本领域技术人员也可根据实际情况来具体设置视频帧画面的清晰类别,其至少包含全部清晰和局部清晰这两种类别。
在具体实施过程中,图像近景区域分割模块103,其用于若当前视频帧画面的清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域。
具体地,在图像近景区域分割模块103中,基于消化内镜的图像数据,对视野清晰区域进行实例分割标注划分,边界框以内的作为视野清晰区域类别,以外的为模糊背景,训练实例分割网络模型,得到视野清晰区域类别的位置信息。
在具体实施过程中,眼球追踪模块104,其用于将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧。
具体地,在所述眼球追踪模块104中,采用结构相似性SSIM算法计算相似度。
其中,结构相似性SSIM算法是一种用来衡量图片相似度的指标,它分别从亮度、对比度、结构三方面度量图像相似性。本实施例利用滑动窗将图像分块,令分块总数为N,考虑到窗口形状对分块的影响,采用高斯加权计算每一窗口的均值、方差以及协方差,然后计算对应块的结构相似度SSIM,最后将平均值作为两幅图像的结构相似性度量。通过上述方法检测图像相似度,低于设定阈值(该阈值是人为设定,本领域技术人员可根据实际情况来具体设置)认为图像相似。
在眼球追踪模块104中,基于感兴趣区域,通过SIFT匹配算法与后一帧全图进行特征点匹配。特征匹配之前,先基于图像相似度检测来检测当前帧与后一帧图像是否相似,如果相似过滤掉后一帧,再使用后一帧的下一帧与当前帧图像对比相似度,直到两幅图像不相似,也就是两幅图像的相似度低于预设相似度阈值。两幅图像的相似度采用结构相似性SSIM算法计算相似度。找到后一帧中与当前帧的感兴趣区域相匹配的特征点集合,为了精准匹配,采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。
具体地,在本实施例中的特征点集合的建立过程为:
选取当前帧的感兴趣区域中的某个关键点,并找出其与后一帧欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于预设比例阈值,则接受这一对匹配点。
在具体实施过程中,漏检区域检测模块105,其用于对比应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
具体地,在所述漏检区域检测模块105中,若所述重合度小于预设重合度阈值,则判定当前部位识别不完整;若对当前部位连续观察的预设数量的所述重合度均大于或等于预设重合度阈值则判定当前部位识别完整,并将识别部位标注至相应帧画面中。
本实施例在内镜检查过程中,对当前视频帧画面进行实时部位识别,并通过清晰类别判定来得到后一帧的应观察区域,再结合眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域,最后对比后一帧的应观察区域及医师观察区域的重合度,进而判断当前部位识别是否完整,解决了内镜检查过程中的漏检区域智能提示问题,实现了观察轨迹的进一步展示,提高了对观察区域检查的全面性。
实施例二
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤,如图2所示:
S201:在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
S202:识别当前视频帧画面的清晰类别;
S203:若当前视频帧画面的清晰清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
S204:将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
S205:识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
此处需要说明的是,本实施例中的各个步骤与实施例一中的各个模块一一对应,其具体实施过程相同,此处不再累述。
实施例三
本实施例提供了一种电子设备,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,所述处理器执行所述程序时实现如下步骤,如图2所示:
S201:在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
S202:识别当前视频帧画面的清晰类别;
S203:若当前视频帧画面的清晰清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
S204:将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
S205:识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
清晰类别此处需要说明的是,本实施例中的各个步骤与实施例一中的各个模块一一对应,其具体实施过程相同,此处不再累述。
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装置。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种具有眼球追踪功能的内镜检查系统,其特征在于,包括:
内镜部位识别模块,其用于在内镜检查进镜后,进行实时部位识别;
图像模糊检测模块,其用于识别当前视频帧画面及后一帧视频画面的清晰类别;
图像近景区域分割模块,其用于若当前视频帧画面的清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域;
眼球追踪模块,其用于将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
漏检区域检测模块,其用于对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
2.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,在所述漏检区域检测模块中,若所述重合度小于预设重合度阈值,则判定当前部位识别不完整;若对当前部位连续观察的预设数量的所述重合度均大于或等于预设重合度阈值,则判定当前部位识别完整,并将识别部位标注至相应帧画面中。
3.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,在所述内镜部位识别模块中,基于多类别的CNN分类网络进行实时部位识别。
4.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,在所述图像模糊检测模块中,视频帧画面的清晰类别包括全部清晰、局部清晰、全图模糊和全图气泡光影这四个类别。
5.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,在所述图像模糊检测模块中,基于CNN四分类神经网络模型识别当前视频帧画面的清晰类别。
6.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,在所述眼球追踪模块中,采用结构相似性SSIM算法计算相似度。
7.如权利要求1所述的具有眼球追踪功能的内镜检查系统,其特征在于,所述眼球追踪模块中,当前帧与后一帧的匹配关系为后一帧中与当前帧的感兴趣区域相匹配的特征点集合。
8.如权利要求7所述的具有眼球追踪功能的内镜检查系统,其特征在于,所述眼球追踪模块中,特征点集合的建立过程为:
选取当前帧的感兴趣区域中的某个关键点,并找出其与后一帧欧式距离最近的前两个关键点,在这两个关键点中,如果最近的距离除以次近的距离少于预设比例阈值,则接受这一对匹配点。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如下步骤:
在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
识别当前视频帧画面的清晰类别;
若当前视频帧画面的清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
10.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如下步骤:
在内镜检查进镜后,对当前视频帧画面进行实时部位识别;
识别当前视频帧画面的清晰类别;
若当前视频帧画面的清晰类别是全部清晰或者局部清晰,得到当前帧的视野清晰区域;
将当前帧的视野清晰区域作为眼球追踪感兴趣区域,建立当前帧与后一帧的匹配关系,得到后一帧的医师观察区域;其中,后一帧为与当前帧相似度低于设定阈值的最邻近帧;
识别后一帧视频画面的清晰类别,若后一帧视频帧画面的清晰类别是全部清晰或者局部清晰,得到后一帧的视野清晰区域并作为后一帧的应观察区域,对比后一帧的应观察区域及医师观察区域的重合度,根据重合度来判断当前部位识别是否完整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210238555.4A CN114693912B (zh) | 2022-03-10 | 2022-03-10 | 具有眼球追踪功能的内镜检查系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210238555.4A CN114693912B (zh) | 2022-03-10 | 2022-03-10 | 具有眼球追踪功能的内镜检查系统、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114693912A CN114693912A (zh) | 2022-07-01 |
CN114693912B true CN114693912B (zh) | 2024-03-05 |
Family
ID=82139677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210238555.4A Active CN114693912B (zh) | 2022-03-10 | 2022-03-10 | 具有眼球追踪功能的内镜检查系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693912B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117528131B (zh) * | 2024-01-05 | 2024-04-05 | 青岛美迪康数字工程有限公司 | 一种医学影像的ai一体化显示系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807427A (zh) * | 2019-11-05 | 2020-02-18 | 中航华东光电(上海)有限公司 | 一种视线追踪方法、装置、计算机设备和存储介质 |
WO2020133330A1 (en) * | 2018-12-29 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for video surveillance |
CN112304229A (zh) * | 2019-08-02 | 2021-02-02 | 武汉舜立软件有限公司 | 一种纺织品纤维成分自动化分析方法及系统 |
CN112597887A (zh) * | 2020-12-22 | 2021-04-02 | 深圳集智数字科技有限公司 | 一种目标识别方法及装置 |
CN112614128A (zh) * | 2020-12-31 | 2021-04-06 | 山东大学齐鲁医院 | 一种基于机器学习的内镜下辅助活检的系统及方法 |
CN113255608A (zh) * | 2021-07-01 | 2021-08-13 | 杭州智爱时刻科技有限公司 | 一种基于cnn分类的多摄像头人脸识别定位方法 |
-
2022
- 2022-03-10 CN CN202210238555.4A patent/CN114693912B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133330A1 (en) * | 2018-12-29 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for video surveillance |
CN112304229A (zh) * | 2019-08-02 | 2021-02-02 | 武汉舜立软件有限公司 | 一种纺织品纤维成分自动化分析方法及系统 |
CN110807427A (zh) * | 2019-11-05 | 2020-02-18 | 中航华东光电(上海)有限公司 | 一种视线追踪方法、装置、计算机设备和存储介质 |
CN112597887A (zh) * | 2020-12-22 | 2021-04-02 | 深圳集智数字科技有限公司 | 一种目标识别方法及装置 |
CN112614128A (zh) * | 2020-12-31 | 2021-04-06 | 山东大学齐鲁医院 | 一种基于机器学习的内镜下辅助活检的系统及方法 |
CN113255608A (zh) * | 2021-07-01 | 2021-08-13 | 杭州智爱时刻科技有限公司 | 一种基于cnn分类的多摄像头人脸识别定位方法 |
Non-Patent Citations (2)
Title |
---|
基于增强现实的计算机辅助微创手术导航系统;黄伟萍;韦孟宇;杜民;高钦泉;;信息技术与网络安全(01);全文 * |
基于改进视觉背景提取算法的前景检测;刘志豪;黄俊;刘武启;李英杰;郑小楠;;小型微型计算机系统(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114693912A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086785B (zh) | 一种图像标定模型的训练方法和装置 | |
US10753881B2 (en) | Methods and systems for crack detection | |
CN110909780B (zh) | 一种图像识别模型训练和图像识别方法、装置及系统 | |
US11308614B2 (en) | Deep learning for real-time colon polyp detection | |
JP4137969B2 (ja) | 眼部検出装置、眼部検出方法及びプログラム | |
US20080193020A1 (en) | Method for Facial Features Detection | |
WO2021147429A9 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
CN111144271B (zh) | 一种内镜下自动识别活检部位及活检数量的方法及系统 | |
WO2020098038A1 (zh) | 瞳孔跟踪图像处理方法 | |
CN103955688A (zh) | 一种基于计算机视觉的斑马鱼群检测与跟踪方法 | |
CN111080639A (zh) | 基于人工智能的多场景消化道内镜图像识别方法及系统 | |
CN114693912B (zh) | 具有眼球追踪功能的内镜检查系统、存储介质及设备 | |
CN115049954B (zh) | 目标识别方法、装置、电子设备和介质 | |
Hegenbart et al. | Systematic assessment of performance prediction techniques in medical image classification a case study on celiac disease | |
CN116703837A (zh) | 一种基于mri图像的肩袖损伤智能识别方法及装置 | |
CN115456974A (zh) | 基于人脸关键点的斜视检测系统、方法、设备及介质 | |
CN111815613B (zh) | 一种基于包膜线形态特征分析的肝硬化疾病分期识别方法 | |
JP5128454B2 (ja) | 瞼検出装置、瞼検出方法及びプログラム | |
CN110766680B (zh) | 一种基于几何约束的白细胞图像分割方法 | |
Zhou et al. | Wireless capsule endoscopy video automatic segmentation | |
Acharya et al. | Long short-term memory model based microaneurysm sequence classification in fundus images | |
Bekkanti et al. | DETECTION AND SEGMENTATION OF COLORECTAL POLYPS IN GASTROINTESTINAL COLONOSCOPY IMAGES USING MASK R-CNN FRAMEWORK | |
Hajj et al. | Coarse-to-fine surgical instrument detection for cataract surgery monitoring | |
Rao et al. | Convolutional Neural Network Model for Traffic Sign Recognition | |
Gallo et al. | Wireless capsule endoscopy video segmentation |
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 |