CN115553685B - 一种判断内窥镜进出的方法 - Google Patents
一种判断内窥镜进出的方法 Download PDFInfo
- Publication number
- CN115553685B CN115553685B CN202211300267.3A CN202211300267A CN115553685B CN 115553685 B CN115553685 B CN 115553685B CN 202211300267 A CN202211300267 A CN 202211300267A CN 115553685 B CN115553685 B CN 115553685B
- Authority
- CN
- China
- Prior art keywords
- frary
- remainder
- fbary
- values
- storing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000001727 in vivo Methods 0.000 claims abstract description 14
- 238000003491 array Methods 0.000 claims abstract description 13
- 238000000338 in vitro Methods 0.000 claims abstract description 10
- 101150077508 RBG1 gene Proteins 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000001303 quality assessment method Methods 0.000 abstract 1
- 238000003908 quality control method Methods 0.000 description 4
- 230000001079 digestive effect Effects 0.000 description 3
- 238000001839 endoscopy Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 206010005003 Bladder cancer Diseases 0.000 description 1
- 206010008342 Cervix carcinoma Diseases 0.000 description 1
- 208000000461 Esophageal Neoplasms Diseases 0.000 description 1
- 206010023825 Laryngeal cancer Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 208000001894 Nasopharyngeal Neoplasms Diseases 0.000 description 1
- 206010061306 Nasopharyngeal cancer Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010030155 Oesophageal carcinoma Diseases 0.000 description 1
- 208000015634 Rectal Neoplasms Diseases 0.000 description 1
- 208000009125 Sigmoid Neoplasms Diseases 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 208000007097 Urinary Bladder Neoplasms Diseases 0.000 description 1
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013276 bronchoscopy Methods 0.000 description 1
- 201000010881 cervical cancer Diseases 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000002573 colposcopy Methods 0.000 description 1
- 238000002574 cystoscopy Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 201000004101 esophageal cancer Diseases 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 238000002575 gastroscopy Methods 0.000 description 1
- 206010023841 laryngeal neoplasm Diseases 0.000 description 1
- 238000002576 laryngoscopy Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 206010038038 rectal cancer Diseases 0.000 description 1
- 201000001275 rectum cancer Diseases 0.000 description 1
- 201000003825 sigmoid colon cancer Diseases 0.000 description 1
- 238000002579 sigmoidoscopy Methods 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 201000005112 urinary bladder cancer Diseases 0.000 description 1
- 206010046885 vaginal cancer Diseases 0.000 description 1
- 208000013139 vaginal neoplasm Diseases 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- 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
- A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
-
- 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
- A61B1/00059—Operational features of endoscopes provided with identification means for the endoscope
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种判断内窥镜进出的方法，包括步骤如下：获取一帧镜下画面RGB数据并取样，循环所有样本，分别从每个像素中提取R值和B值，与16进行取余运算，并根据余数大小分别将对应的iColorRAry[余数]和iColorBAry[余数]的数值加1，分别循环iColorRAry[余数]和iColorBAry[余数]数组，与样本总数量相除，并将商值放入对应索引中，当出现五种情况之一时，体内计数加1，并判断体内计数是否≥50，是则内窥镜状态设置为体内，并存储当前识别时刻；否则仅存储当前识别时刻；不出现任意情况时则按照前述方法判断是否为体外。本发明可以为体内检测或操作提供良好的质量考核依据。
Description
技术领域
本发明属于医疗设备技术领域，具体涉及一种判断内窥镜进出的方法。
背景技术
内窥镜是一种光学医疗设备，由体外经过人体自然腔道送入体内，对体内疾病进行检查，可以直接观察到脏器内腔病变，确定其部位、范围，并可通过内窥镜主机输出影响画面，大大的提高了癌的诊断准确率。内窥镜现应用广泛，如胃镜检查胃癌，支气管镜检查肺癌、气管癌，食管镜检查食管癌，乙状结肠镜检查直肠癌、乙状结肠癌，膀胱镜检查膀胱癌，喉镜检查喉癌，鼻咽镜检查鼻咽癌，阴道镜检查宫颈癌、阴道癌等。消化内镜领域首个质控规范性文件《消化内镜诊疗技术医疗质量控制指标 （2022 年版）》的发表，对于加强消化内镜质量管理，规范临床诊疗行为具有里程碑意义。 其中18项质控指标中的第7项结肠镜退镜检查时间≥6分钟率（CDEI-07），依赖于对进出镜的记录，目前大多数记录还是依赖于人为手动记录，效率低下且不准确。
发明内容
解决的技术问题：针对上述技术问题，本发明提供了一种判断内窥镜进出的方法，可以根据影像画面快速判断内窥镜的位置状态，同时记录进出时间，从而为质控标准中的退镜检查时间提供了自动化，也为其他内窥镜检查、手术提供了过程时间参考和记录自动化。
技术方案：一种判断内窥镜进出的方法，包括步骤如下：
S1.获取一帧内窥镜镜下画面的RGB数据，再转入步骤S2；
S2.在镜下画面的中心处取一个占镜下画面总面积1/9至1/2的矩形，判断矩形上四角处的RGB值是否相同，若相同，则转入步骤S8；否则转入步骤S3；
S3.设定镜下画面取样范围：取样开始X坐标为画面宽度的二分之一处，取样开始Y坐标为画面高度的三分之一处，取样宽度为画面宽度的四分之一，取样高度为画面高度的三分之一，取样后转入步骤S4；
S4.设定16维数组iColorRAry用于存储R值的分布情况，16维数组iColorBAry用于存储B值的分布情况，16维数组fRAry用于存储R值的系数比值分布情况，以及16维数组fBAry用于存储B值的系数比值分布情况，再转入步骤S5；
S5.循环取样范围内所有样本，从每个像素中提取R值，与16进行取余运算，并根据余数大小分别将对应的iColorRAry[余数] 的数值加1；提取B值，与16进行取余运算，并根据余数大小分别将对应的iColorBAry[余数] 的数值加1；再转入步骤S6；
S6.分别循环iColorRAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fRAry[余数]中；分别循环iColorBAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fBAry[余数]中；再转入步骤S7；
S7.当出现如下任意情况之一，则转入步骤S9，否则转入步骤S8：
情况一：同时满足fRAry[0]＜0.01，fRAry[1]＜0.01，fRAry[2]＜0.1，fRAry[3]＜0.1，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.3；
情况二：同时满足fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.7；
情况三：同时满足fRAry[0]≤0.05，fBAry[0]≥0.5；
情况四：同时满足fRAry[0]＜0.01，fRAry[0]+ fRAry[1]+ fRAry[2]+ fRAry[3]＜0.1，fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+ fRAry[9]+ fRAry[10]+fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]≥0.1；
情况五：fRAry[8]+ fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.6；
S8.体外计数加1，并判断体外计数是否≥50，是则内窥镜状态设置为体外，并存储当前识别时刻；否则仅存储当前识别时刻；
S9.体内计数加1，并判断体内计数是否≥50，是则内窥镜状态设置为体内，并存储当前识别时刻；否则仅存储当前识别时刻。
优选的，所述步骤S1中，若与上一次存储的识别时刻间隔时间大于40ms，则获取一帧内窥镜镜下画面的RGB数据；否则重新等待。
优选的，所述步骤S2具体为：分别取镜下画面上宽度三分之一，高度三分之一的点RGB0、宽度三分之一，高度三分之二的点RBG1、宽度三分之二，高度三分之二的点RGB2和宽度三分之二，高度三分之一的点RGB3，并判断RGB0、RBG1、RGB2和RGB3的RGB值是否相同，若相同，则转入步骤；否则转入步骤S3。
有益效果：本发明可以通过算法识别内窥镜镜下画面，判断内窥镜是否在体内，并通过特殊处理，提升识别速度，以满足高帧率（≥60帧/秒）的彩色高清（分辨率1920×1080）、超清（分辨率4096×2160）内窥镜图像的快速识别。
本发明通过自主研发算法识别图像内容判断内窥镜是否在体内，通过降低采样次数（单秒固定25次检测，在60帧的速率下能减少35次检测）、缩减识别区域降低样本容量（只取四分之一宽度、三分之一高度的实际内窥镜镜下画面，去除了与镜下画面无关的区域）、减少数据直方图组数（由RGB常规直方图256×3个分组改为16×2个分组，根据内镜镜下画面特征，对关键数值维度进行合并统计，并且舍弃了对绿色值G的统计判断），提升识别速度；通过延缓判定（50次连续检测命中条件后生效），提高容错率。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步描述。
实施例1
如图1所示，一种判断内窥镜进出的方法，包括步骤如下：
S1.获取一帧内窥镜镜下画面的RGB数据，再转入步骤S2；
S2.在镜下画面的中心处取一个占镜下画面总面积1/9至1/2的矩形，判断矩形上四角处的RGB值是否相同，若相同，则转入步骤S8；否则转入步骤S3；
S3.设定镜下画面取样范围：取样开始X坐标为画面宽度的二分之一处，取样开始Y坐标为画面高度的三分之一处，取样宽度为画面宽度的四分之一，取样高度为画面高度的三分之一，取样后转入步骤S4；
S4.设定16维数组iColorRAry用于存储R值的分布情况，16维数组iColorBAry用于存储B值的分布情况，16维数组fRAry用于存储R值的系数比值分布情况，以及16维数组fBAry用于存储B值的系数比值分布情况，再转入步骤S5；
S5.循环取样范围内所有样本，从每个像素中提取R值，与16进行取余运算，并根据余数大小分别将对应的iColorRAry[余数] 的数值加1；提取B值，与16进行取余运算，并根据余数大小分别将对应的iColorBAry[余数] 的数值加1；再转入步骤S6；
S6.分别循环iColorRAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fRAry[余数]中；分别循环iColorBAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fBAry[余数]中；再转入步骤S7；
S7.当出现如下任意情况之一，则转入步骤S9，否则转入步骤S8：
情况一：同时满足fRAry[0]＜0.01，fRAry[1]＜0.01，fRAry[2]＜0.1，fRAry[3]＜0.1，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.3；
情况二：同时满足fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.7；
情况三：同时满足fRAry[0]≤0.05，fBAry[0]≥0.5；
情况四：同时满足fRAry[0]＜0.01，fRAry[0]+ fRAry[1]+ fRAry[2]+ fRAry[3]＜0.1，fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+ fRAry[9]+ fRAry[10]+fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]≥0.1；
情况五：fRAry[8]+ fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.6；
S8.体外计数加1，并判断体外计数是否≥50，是则内窥镜状态设置为体外，并存储当前识别时刻；否则仅存储当前识别时刻；
S9.体内计数加1，并判断体内计数是否≥50，是则内窥镜状态设置为体内，并存储当前识别时刻；否则仅存储当前识别时刻。
作为一种优选的方案，所述步骤S1中，若与上一次存储的识别时刻间隔时间大于40ms，则获取一帧内窥镜镜下画面的RGB数据；否则重新等待。该方案可以通过降低采样次数（单秒固定25次检测，在60帧的速率下能减少35次检测），从而提升识别速度。
作为一种优选的方案，所述步骤S2具体为：分别取镜下画面上宽度三分之一，高度三分之一的点RGB0、宽度三分之一，高度三分之二的点RBG1、宽度三分之二，高度三分之二的点RGB2和宽度三分之二，高度三分之一的点RGB3，并判断RGB0、RBG1、RGB2和RGB3的RGB值是否相同，若相同，则转入步骤；否则转入步骤S3。该方案可以提前判断纯色画面，过滤内窥镜主机未插入内窥镜的情况。
本发明可以通过算法识别内窥镜镜下画面，判断内窥镜是否在体内，并通过特殊处理，提升识别速度，以满足高帧率（≥60帧/秒）的彩色高清（分辨率1920×1080）、超清（分辨率4096×2160）内窥镜图像的快速识别。
本发明通过自主研发算法识别图像内容判断内窥镜是否在体内，通过降低采样次数（单秒固定25次检测，在60帧的速率下能减少35次检测）、缩减识别区域降低样本容量（只取四分之一宽度、三分之一高度的实际内窥镜镜下画面，去除了与镜下画面无关的区域）、减少数据直方图组数（由RGB常规直方图256×3个分组改为16×2个分组，根据内镜镜下画面特征，对关键数值维度进行合并统计，并且舍弃了对绿色值G的统计判断），提升识别速度；通过延缓判定（50次连续检测命中条件后生效），提高容错率。
Claims (2)
1.一种判断内窥镜进出的方法，其特征在于，包括步骤如下：
S1.获取一帧内窥镜镜下画面的RGB数据，再转入步骤S2；
S2.在镜下画面的中心处取一个占镜下画面总面积1/9至1/2的矩形，判断矩形上四角处的RGB值是否相同，若相同，则转入步骤S8；否则转入步骤S3；具体为：分别取镜下画面上宽度三分之一，高度三分之一的点RGB0、宽度三分之一，高度三分之二的点RBG1、宽度三分之二，高度三分之二的点RGB2和宽度三分之二，高度三分之一的点RGB3，并判断RGB0、RBG1、RGB2和RGB3的RGB值是否相同，若相同，则转入步骤S8；否则转入步骤S3；
S3.设定镜下画面取样范围：取样开始X坐标为画面宽度的二分之一处，取样开始Y坐标为画面高度的三分之一处，取样宽度为画面宽度的四分之一，取样高度为画面高度的三分之一，取样后转入步骤S4；
S4.设定16维数组iColorRAry用于存储R值的分布情况，16维数组iColorBAry用于存储B值的分布情况，16维数组fRAry用于存储R值的系数比值分布情况，以及16维数组fBAry用于存储B值的系数比值分布情况，再转入步骤S5；
S5.循环取样范围内所有样本，从每个像素中提取R值，与16进行取余运算，并根据余数大小分别将对应的iColorRAry[余数] 的数值加1；提取B值，与16进行取余运算，并根据余数大小分别将对应的iColorBAry[余数] 的数值加1；再转入步骤S6；
S6.分别循环iColorRAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fRAry[余数]中；分别循环iColorBAry[余数]数组，与样本总数量相除，并将商值放入对应索引的fBAry[余数]中；再转入步骤S7；
S7.当出现如下任意情况之一，则转入步骤S9，否则转入步骤S8：
情况一：同时满足fRAry[0]＜0.01，fRAry[1]＜0.01，fRAry[2]＜0.1，fRAry[3]＜0.1，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.3；
情况二：同时满足fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+ fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]+ fBAry[1]+ fBAry[2]+ fBAry[3]≥0.7；
情况三：同时满足fRAry[0]≤0.05，fBAry[0]≥0.5；
情况四：同时满足fRAry[0]＜0.01，fRAry[0]+ fRAry[1]+ fRAry[2]+ fRAry[3]＜0.1，fRAry[4]+ fRAry[5]+ fRAry[6]+ fRAry[7]+ fRAry[8]+ fRAry[9]+ fRAry[10]+fRAry[11]+ fRAry[12]+ fRAry[13]+ fRAry[14]≥0.7，fBAry[0]≥0.1；
情况五：fRAry[8]+ fRAry[9]+ fRAry[10]+ fRAry[11]+ fRAry[12]+ fRAry[13]+fRAry[14]≥0.6；
S8.体外计数加1，并判断体外计数是否≥50，是则内窥镜状态设置为体外，并存储当前识别时刻；否则仅存储当前识别时刻；
S9.体内计数加1，并判断体内计数是否≥50，是则内窥镜状态设置为体内，并存储当前识别时刻；否则仅存储当前识别时刻。
2.根据权利要求1所述的一种判断内窥镜进出的方法，其特征在于，所述步骤S1中，若与上一次存储的识别时刻间隔时间大于40ms，则获取一帧内窥镜镜下画面的RGB数据；否则重新等待。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211300267.3A CN115553685B (zh) | 2022-10-24 | 2022-10-24 | 一种判断内窥镜进出的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211300267.3A CN115553685B (zh) | 2022-10-24 | 2022-10-24 | 一种判断内窥镜进出的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115553685A CN115553685A (zh) | 2023-01-03 |
| CN115553685B true CN115553685B (zh) | 2024-05-07 |
Family
ID=84746541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211300267.3A Active CN115553685B (zh) | 2022-10-24 | 2022-10-24 | 一种判断内窥镜进出的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115553685B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116258700B (zh) * | 2023-02-28 | 2024-04-26 | 南京索图科技有限公司 | 一种内窥镜冻结状态检测的方法 |
| CN116485722B (zh) * | 2023-03-17 | 2024-05-14 | 南京索图科技有限公司 | 一种三维医学影像的单帧定量识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012070938A (ja) * | 2010-09-28 | 2012-04-12 | Fujifilm Corp | 内視鏡画像記録装置、及び内視鏡画像記録支援方法、並びにプログラム |
| CN110264397A (zh) * | 2019-07-01 | 2019-09-20 | 广东工业大学 | 一种提取鱼眼图像的有效区域的方法和装置 |
| CN110974122A (zh) * | 2019-12-23 | 2020-04-10 | 山东大学齐鲁医院 | 一种判断内窥镜进入人体消化道的监测方法及系统 |
| CN112752533A (zh) * | 2018-09-19 | 2021-05-04 | 奥林巴斯株式会社 | 内窥镜插入形状观测装置 |
| CN114782388A (zh) * | 2022-04-29 | 2022-07-22 | 小荷医疗器械(海南)有限公司 | 基于图像识别的内窥镜进退镜时间确定方法及装置 |
-
2022
- 2022-10-24 CN CN202211300267.3A patent/CN115553685B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012070938A (ja) * | 2010-09-28 | 2012-04-12 | Fujifilm Corp | 内視鏡画像記録装置、及び内視鏡画像記録支援方法、並びにプログラム |
| CN112752533A (zh) * | 2018-09-19 | 2021-05-04 | 奥林巴斯株式会社 | 内窥镜插入形状观测装置 |
| CN110264397A (zh) * | 2019-07-01 | 2019-09-20 | 广东工业大学 | 一种提取鱼眼图像的有效区域的方法和装置 |
| CN110974122A (zh) * | 2019-12-23 | 2020-04-10 | 山东大学齐鲁医院 | 一种判断内窥镜进入人体消化道的监测方法及系统 |
| CN114782388A (zh) * | 2022-04-29 | 2022-07-22 | 小荷医疗器械(海南)有限公司 | 基于图像识别的内窥镜进退镜时间确定方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115553685A (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115553685B (zh) | 一种判断内窥镜进出的方法 | |
| CN101803899B (zh) | 图像处理装置以及图像处理方法 | |
| CN104470416B (zh) | 图像处理装置和内窥镜装置 | |
| US8626268B2 (en) | Method and system for detecting colorimetric abnormalities in vivo | |
| CN101947113B (zh) | 图像处理装置和该图像处理装置中的图像处理方法 | |
| US8055033B2 (en) | Medical image processing apparatus, luminal image processing apparatus, luminal image processing method, and programs for the same | |
| CN101351149B (zh) | 图像处理装置和该图像处理装置中的图像处理方法 | |
| US20120114203A1 (en) | Image processing device, computer-readable recording device, and image processing method | |
| US7907775B2 (en) | Image processing apparatus, image processing method and image processing program | |
| US20060189843A1 (en) | Apparatus, Method, and computer program product for processing image | |
| CN104540438A (zh) | 图像处理装置和内窥镜装置 | |
| WO2006046637A1 (ja) | 画像処理方法及びカプセル型内視鏡装置 | |
| CN100563550C (zh) | 医用图像处理装置 | |
| WO2020215807A1 (zh) | 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法 | |
| CN107146221B (zh) | 基于视觉感知的颜色纹理描述子的wce彩色视频中主要地形边界的定位方法 | |
| WO2023143014A1 (zh) | 一种基于人工智能的内窥镜辅助检查方法及装置 | |
| CN113768452A (zh) | 一种电子内窥镜智能计时方法及装置 | |
| CN113222957A (zh) | 一种基于胶囊镜图像的多类别病灶高速检测方法及系统 | |
| CN111768389A (zh) | 基于卷积神经网络和随机森林的消化道操作自动计时方法 | |
| Ghosh et al. | Block based histogram feature extraction method for bleeding detection in wireless capsule endoscopy | |
| US20230326072A1 (en) | Image-based position detection method, electronic device, and readable storage medium | |
| US8929629B1 (en) | Method and system for image-based ulcer detection | |
| US20090080768A1 (en) | Recognition method for images by probing alimentary canals | |
| CN113850299A (zh) | 一种自适应阈值的胃肠道胶囊内镜视频关键帧提取方法 | |
| US20210042914A1 (en) | Filing device, filing 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |