CN115778546A - 内镜黏膜下剥离术智能辅助方法、装置及相关设备 - Google Patents
内镜黏膜下剥离术智能辅助方法、装置及相关设备 Download PDFInfo
- Publication number
- CN115778546A CN115778546A CN202310074074.9A CN202310074074A CN115778546A CN 115778546 A CN115778546 A CN 115778546A CN 202310074074 A CN202310074074 A CN 202310074074A CN 115778546 A CN115778546 A CN 115778546A
- Authority
- CN
- China
- Prior art keywords
- electrocoagulation
- abnormal
- area
- injection
- target
- 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.)
- Granted
Links
Images
Landscapes
- Surgical Instruments (AREA)
Abstract
本申请提供一种内镜黏膜下剥离术智能辅助方法、装置及相关设备，该方法通过获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于异常边界信息，对分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对异常区域的内镜粘膜下剥离术的注射点；基于几何形心和电凝标记，确定电凝标记外接圆，并获取电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取电凝标记外接圆的实际面积；基于初始面积和实际面积，确定注射提示信息。由此，为医师提供了一个高效且准确对内镜黏膜下剥离术智能辅助，降低了医疗事故发生率。
Description
技术领域
本申请涉及辅助医疗技术领域，具体涉及一种内镜黏膜下剥离术智能辅助方法、装置及相关设备。
背景技术
内镜下黏膜剥离术是指消化内镜下将黏膜层的病变从黏膜下层完整剥离的微创手术，是对早期消化道肿瘤进行诊断和质量的主要技术，有一次性完整切除较大面积表浅病变的优点。
然而，本申请发明人发现，在现有内镜下黏膜剥离术过程中，由于内镜设备视野局限、以及设备的精度有所欠缺，使得手术过程效率低下，并且容易造成失误，虽然现有方法中有提及到一些智能辅助方案，但是现有智能辅助方案的智能程度有待检验。
为此，如何提高内镜下黏膜剥离术智能辅助的智能化，以提高手术效率、准确性，是当前辅助医疗亟需解决的技术问题。
发明内容
本申请提供一种内镜黏膜下剥离术智能辅助方法、装置及相关设备，旨在解决如何提高内镜下黏膜剥离术智能辅助的智能化，以提高手术效率、准确性的技术问题
一方面，本申请提供一种内镜黏膜下剥离术智能辅助方法，所述方法包括：
获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；
基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；
基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；
在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；
基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请一种可能的实现方式中，所述基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图，包括：
基于所述异常边界信息中的像素点数量和预设的电凝标记数量，确定待进行电凝标记处理的各电凝标记的位置间隔；
基于所述位置间隔，从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标；
在连通域的基础上，确定所述异常区域的几何形心；
基于所述几何形心和所述目标边界点，确定初始标记点；
以所述初始标记点为圆心、预设长度为半径确定圆形区域，并将所述圆形区域作为电凝提示区域；
基于所述电凝提示区域，对所述分割黑白图中所述异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
在本申请一种可能的实现方式中，所述基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，包括：
将射线与所述电凝提示区域远离所述几何形心的边界的交点，作为用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述射线是由所述几何形心与所述目标边界点相连的射线。
在本申请一种可能的实现方式中，所述电凝标记包括至少两个电凝标记点，所述基于所述几何形心和所述电凝标记，确定电凝标记外接圆，包括：
基于各所述电凝标记点与所述几何形心的距离，从所述电凝标记中确定出目标电凝标记点；
将以所述目标电凝标记点与所述几何形心的距离为半径、所述几何形心为圆心所作的外接圆，作为做电凝标记外接圆。
在本申请一种可能的实现方式中，所述基于所述初始面积和所述实际面积，确定注射提示信息，包括：
基于所述初始面积和所述实际面积，确定所述异常区域的隆起程度参数；
基于所述隆起程度参数和预设的隆起程度阈值，确定黏膜下注射是否完成；
若黏膜下注射完成，则生成注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请一种可能的实现方式中，在获取患者的目标部位中存在异常的异常区域的异常边界信息和分割黑白图之前，所述方法还包括：
获取患者的目标部位的内镜图像；
基于预先训练的早癌识别模型对所述内镜图像进行识别，得到识别结果；
若所述识别结果为早癌，则基于预先训练的第一早癌浸润深度识别模型和第二早癌浸润深度识别模型，分别对所述内镜图像和预先获取的超声内镜图像进行识别，得到所述第一早癌浸润深度识别模型输出的第一置信度和所述第二早癌浸润深度识别模型输出的第二置信度；
将所述第一置信度和所述第二置信度进行加权拟合，得到所述目标部位的异常程度系数；
基于所述异常程度系数和预设的异常程度阈值，确定所述目标部位是否为异常状态。
在本申请一种可能的实现方式中，在基于所述初始面积和所述实际面积，确定注射提示信息之后，所述方法还包括：
基于所述几何形心和所述目标边界点，确定切开引导线；
在剥离完所述异常区域后，采用预先训练的异常区域剥离干净识别模型，判断所述异常区域是否完全剥离，若未完全剥离，则生成待继续剥离提示信息。
另一方面，本申请提供一种内镜黏膜下剥离术智能辅助装置，所述装置包括：
第一获取单元，用于获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；
第一电凝标记单元，用于基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；
第一确定单元，用于基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
第二获取单元，用于基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；
第三获取单元，用于在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；
第二确定单元，用于基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请一种可能的实现方式中，所述第一电凝标记单元，具体包括：
第三确定单元，用于基于所述异常边界信息中的像素点数量和预设的电凝标记数量，确定待进行电凝标记处理的各电凝标记的位置间隔；
第四确定单元，用于基于所述位置间隔，从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标；
第五确定单元，用于在连通域的基础上，确定所述异常区域的几何形心；
第六确定单元，用于基于所述几何形心和所述目标边界点，确定初始标记点；
第七确定单元，用于以所述初始标记点为圆心、预设长度为半径确定圆形区域，并将所述圆形区域作为电凝提示区域；
第二电凝标记单元，用于基于所述电凝提示区域，对所述分割黑白图中所述异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
在本申请一种可能的实现方式中，所述第一确定单元，具体用于：
将射线与所述电凝提示区域远离所述几何形心的边界的交点，作为用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述射线是由所述几何形心与所述目标边界点相连的射线。
在本申请一种可能的实现方式中，所述电凝标记包括至少两个电凝标记点，所述第二获取单元，具体用于：
基于各所述电凝标记点与所述几何形心的距离，从所述电凝标记中确定出目标电凝标记点；
将以所述目标电凝标记点与所述几何形心的距离为半径、所述几何形心为圆心所作的外接圆，作为做电凝标记外接圆。
在本申请一种可能的实现方式中，所述第二确定单元，具体用于：
基于所述初始面积和所述实际面积，确定所述异常区域的隆起程度参数；
基于所述隆起程度参数和预设的隆起程度阈值，确定黏膜下注射是否完成；
若黏膜下注射完成，则生成注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请一种可能的实现方式中，在获取患者的目标部位中存在异常的异常区域的异常边界信息和分割黑白图之前，所述装置还用于：
获取患者的目标部位的内镜图像；
基于预先训练的早癌识别模型对所述内镜图像进行识别，得到识别结果；
若所述识别结果为早癌，则基于预先训练的第一早癌浸润深度识别模型和第二早癌浸润深度识别模型，分别对所述内镜图像和预先获取的超声内镜图像进行识别，得到所述第一早癌浸润深度识别模型输出的第一置信度和所述第二早癌浸润深度识别模型输出的第二置信度；
将所述第一置信度和所述第二置信度进行加权拟合，得到所述目标部位的异常程度系数；
基于所述异常程度系数和预设的异常程度阈值，确定所述目标部位是否为异常状态。
在本申请一种可能的实现方式中，在基于所述初始面积和所述实际面积，确定注射提示信息之后，所述装置还用于：
基于所述几何形心和所述目标边界点，确定切开引导线；
在剥离完所述异常区域后，采用预先训练的异常区域剥离干净识别模型，判断所述异常区域是否完全剥离，若未完全剥离，则生成待继续剥离提示信息。
另一方面，本申请还提供一种计算机设备，所述计算机设备包括：
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内镜黏膜下剥离术智能辅助方法。
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，以执行所述的内镜黏膜下剥离术智能辅助方法中的步骤。
本申请提供一种内镜黏膜下剥离术智能辅助方法，通过获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。相较于传统方法，在现有内镜黏膜下剥离术无法准确进行智能辅助，从而造成医疗事故的情况下，本申请创造性地通过患者的目标部位中存在异常状态的异常区域的异常边界信息，确定其标记有电凝标记的目标分割黑白图，然后再通过异常区域的一些物理特征，为医师提供准确的注射点，然后通过电凝标记外接圆的初始面积和在进行黏膜下注射时的实时电凝标记外接圆的实际面积，确定注射提示信息，为医师提供了一个高效且准确对内镜黏膜下剥离术智能辅助，降低了医疗事故发生率。
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内镜黏膜下剥离术智能辅助系统的场景示意图；
图2是本申请实施例中提供的内镜黏膜下剥离术智能辅助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电凝位置标记示意图；
图4是本申请实施例中提供的注射前后外接圆变化示意图；
图5是本申请实施例中提供的内镜黏膜下剥离术智能辅助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计算机设备的一个实施例结构示意图。
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内镜黏膜下剥离术智能辅助方法、装置及相关设备，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内镜黏膜下剥离术智能辅助系统的场景示意图，该内镜黏膜下剥离术智能辅助系统可以包括计算机设备100，计算机设备100中集成有内镜黏膜下剥离术智能辅助装置，如图1中的计算机设备100。
本申请实施例中计算机设备100主要用于获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
本申请实施例中，该计算机设备100可以为终端或者服务器，当计算机设备100为服务器时，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计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。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以构建。
可以理解的是，本申请实施例中计算机设备100为终端时，所使用的终端可以是既包括接收和发射硬件的设备，即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。这种设备可以包括：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。具体的计算机设备100具体可以是台式终端或移动终端，计算机设备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一种应用场景，并不以构建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计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该内镜黏膜下剥离术智能辅助系统还可以包括一个或多个其他计算机设备，具体此处不作限定。
另外，如图1所示，该内镜黏膜下剥离术智能辅助系统还可以包括存储器200，用于存储数据，如存储患者的目标部位的内镜图像和内镜黏膜下剥离术智能辅助数据，例如内镜黏膜下剥离术智能辅助系统运行时的内镜黏膜下剥离术智能辅助数据。
需要说明的是，图1所示的内镜黏膜下剥离术智能辅助系统的场景示意图仅仅是一个示例，本申请实施例描述的内镜黏膜下剥离术智能辅助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，随着内镜黏膜下剥离术智能辅助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内镜黏膜下剥离术智能辅助方法。
本申实施例内镜黏膜下剥离术智能辅助方法的实施例中以内镜黏膜下剥离术智能辅助装置作为执行主体，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，该内镜黏膜下剥离术智能辅助装置应用于计算机设备，该方法包括：获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
请参阅图2至图6，图2为本申请实施例中提供的内镜黏膜下剥离术智能辅助方法的一个实施例流程示意图，该内镜黏膜下剥离术智能辅助方法包括步骤201至步骤206：
201、获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图。
其中，内镜粘膜下剥离术（Endoscopic submucosal dissection，ESD），是指消化内镜下将黏膜层的病变从黏膜下层完整剥离的微创手术，是对早期消化道肿瘤进行诊断和质量的主要技术，有一次性完整切除较大面积表浅病变的优点。
ESD主要治疗以下消化道病变：（1）早期癌：根据医生经验，结合染色、放大和超声等其它内镜检查方法，确定肿瘤局限在黏膜层和没有淋巴转移的黏膜下层，ESD切除肿瘤可以达到外科手术同样的治疗效果。（2）巨大平坦息肉：超过2厘米的息肉尤其是平坦息肉，推荐ESD治疗，一次完整的切除病变。（3）黏膜下肿瘤：超声内镜诊断的脂肪瘤、间质瘤和类癌等，如位置较浅（来源于黏膜肌层和黏膜下层），通过ESD可以完整剥离病变；如肿瘤较深（来源于固有肌层），ESD剥离病变的同时往往伴有消化道穿孔的发生，不主张勉强剥离，有丰富内镜治疗经验的医生可尝试运用。可视化活检术在ESD/EMR手术中可协助医生精准判断治疗界限，使病灶被完整切除的同时减少出血、穿孔等并发症的发生，因此，患者的目标部位主要是指上述各消化道部位，例如，胃部、肠道等。
其中，异常状态指的是目标部位中存在预设类型的早期癌、息肉等状态，其中预设类型包括非深层浸润型，需要说明的是，在后文中，本申请将以非深层浸润型的早期癌为例，进行举例说明；
本申请实施例，可以通过预先训练的异常区域分割模型，获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图，其中，模型可优选Unet++，其标签是由专业内镜医师对存在异常状态的异常区域边界进行勾勒（普通内镜图像），其中，异常边界信息是用于凸显异常区域的边界点，而分割黑白图可以明显的将异常区域和正常区域进行黑白区域分。
在步骤201之前，本申请实施例还提供如何确定患者的目标部位是否为异常状态的方案，具体步骤如下步骤A1至步骤A5：
A1、获取患者的目标部位的内镜图像；
其中，可以通过内镜设备去检查患者的目标部位的内镜图像，然后在检查的过程中进行留图操作，以获取患者的目标部位的内镜图像。
A2、基于预先训练的早癌识别模型对所述内镜图像进行识别，得到识别结果；
该早癌识别模型，优选VGG16，其标签为非早癌、早癌，数据集为普通内镜图像（普通内镜白光图像+普通内镜染色放大图像），其识别结果包括早癌和非早癌。
A3、若所述识别结果为早癌，则基于预先训练的第一早癌浸润深度识别模型和第二早癌浸润深度识别模型，分别对所述内镜图像和预先获取的超声内镜图像进行识别，得到所述第一早癌浸润深度识别模型输出的第一置信度和所述第二早癌浸润深度识别模型输出的第二置信度；
其中，第一早癌浸润深度识别模型（是针对普通内镜图像），模型优选VGG16，其标签为深层浸润癌、非深层浸润癌，数据集为诊断为早癌患者对应的普通内镜染色放大早癌图像，而第二早癌浸润深度识别模型（超声内镜图像），模型优选VGG16，标签为深层浸润癌、非深层浸润癌，数据集为诊断为早癌患者对应的超声内镜图像。
需要说明的是，在识别结果为非早癌的情况下，可以继续对其他目标部位进行识别、检查。
A4、将所述第一置信度和所述第二置信度进行加权拟合，得到所述目标部位的异常程度系数；
其中，第一置信度为
，第二置信度
，那么将其进行加权拟合得到目标部位的异常程度系数
的公式如下：
其中，
为大于0的常数。
A5、基于所述异常程度系数和预设的异常程度阈值，确定所述目标部位是否为异常状态。
其中，若
，则判定目标部位是为异常状态；反之则不是。
本申请实施例通过采用不同类型的两个早癌浸润深度识别模型，对患者的目标部位进行识别，提高了识别结果的准确性。
202、基于异常边界信息，对分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
其中，电凝标记处理即对需要进行电凝的位置及进行标记。
在本申请的一些实施例中，所述基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图，包括步骤B1至步骤B6：
B1、基于所述异常边界信息中的像素点数量和预设的电凝标记数量，确定待进行电凝标记处理的各电凝标记的位置间隔；
其中，待进行电凝标记处理的各电凝标记的位置间隔
，那么其计算公式如下：
B2、基于所述位置间隔，从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标；
具体的，可以基于预设的起点开始，然后以位置间隔，依次从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标，其中，预设的起点可以根据实际情况进行设置，例如，本申请优选从异常区域中突出的部分中选择一个点为起点，如图3中最左侧的一个边界点。
B3、在连通域的基础上，确定所述异常区域的几何形心；
其中，本申请实施例通过连通域方法，确定异常区域的几何形心。如图3所示，白色区域内的一个标记点即为形心。
B4、基于所述几何形心和所述目标边界点，确定初始标记点；
本申请实施例，如图3所示，可以通过连接几何形心与目标边界点，然后沿其射线方向往外扩充σ1的距离，一般σ1=3~5mm，本申请优选σ1=4mm，由此得到初始标记点。
B5、以所述初始标记点为圆心、预设长度为半径确定圆形区域，并将所述圆形区域作为电凝提示区域；
其中，半径的长度一般为2~3个像素，本申请优选半径长度为3个像素的长度。
B6、基于所述电凝提示区域，对所述分割黑白图中所述异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
其中，内镜医师可以在电凝提示区域内进行电凝标记处理。
本申请实施例通过上述公开的方案，智能地为医师提供电凝提示区域显示，以便于医师可以高效、准确地对分割黑白图中的异常区域进行电凝标记处理。
203、基于异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对异常区域的内镜粘膜下剥离术的注射点。
其中，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
在本申请的一些实施例中，所述基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，如图3左上角的注射点所示，具体可以通过将射线与所述电凝提示区域远离所述几何形心的边界的交点，作为用于针对所述异常区域的内镜粘膜下剥离术的注射点，其中，所述射线是由所述几何形心与所述目标边界点相连的射线。
204、基于几何形心和电凝标记，确定电凝标记外接圆，并获取电凝标记外接圆的初始面积；
其中，电凝标记外接圆可用于后续注射提示，具体内容，可参阅下述实施例，在此不做赘述。
在本申请的一些实施例中，如图4所示，所述电凝标记包括至少两个电凝标记点，所述基于所述几何形心和所述电凝标记，确定电凝标记外接圆，包括步骤C1和步骤C2：
C1、基于各所述电凝标记点与所述几何形心的距离，从所述电凝标记中确定出目标电凝标记点；
其中，所述目标电凝标记点距离所述几何形心的距离，是所有电凝标记点中距离所述几何形心的距离做远的电凝标记点。
具体的，本申请实施例需要从各所述电凝标记点与所述几何形心的距离中选出距离最远的目标电凝标记点。
C2、将以所述目标电凝标记点与所述几何形心的距离为半径、所述几何形心为圆心所作的外接圆，作为做电凝标记外接圆。
其中，该电凝标记外接圆如图4中的注射前的外接圆。
具体的，本申请实施例可通过获取电凝标记外接圆的半径的像素，从而确定其半径和面积。
205、在进行黏膜下注射时，实时获取电凝标记外接圆的实际面积；
其中，黏膜下注射过程中，由医师或预设的智能注射设备，通过从步骤203确定的注射点进行黏膜下注射，随着异常区域逐渐抬起，电凝标记外接圆会发生形变，因此，需要实时记录此时电凝标记外接圆的实际面积，该实时记录的电凝标记外接圆对应图4中注射后的外接圆，其获取电凝标记外接圆的实际面积的方式与所述步骤204中的方式相同，在此不做赘述，但是，需要说明的是，可根据注射地速度，确定实时获取所述电凝标记外接圆的实际面积的频率，具体，可以根据实际需求进行设定。
206、基于初始面积和实际面积，确定注射提示信息。
其中，所述注射提示信息用于提示医师停止注射。
在本申请的一些实施例中，所述基于所述初始面积和所述实际面积，确定注射提示信息，具体包括步骤D1至步骤D3：
D1、基于所述初始面积和所述实际面积，确定所述异常区域的隆起程度参数；
具体的，计算异常区域的隆起程度参数ω的公式如下：
其中，S0为电凝标记外接圆的初始面积，S1为电凝标记外接圆的实际面积。
D2、基于所述隆起程度参数和预设的隆起程度阈值，确定黏膜下注射是否完成；
具体的，若
，则确定黏膜下注射完成，若
，则确定黏膜下注射未完成。
其中，β为隆起程度阈值。
D3、若黏膜下注射完成，则生成注射提示信息。
其中，所述注射提示信息用于提示医师停止注射。
本申请实施例，相较于传统方法，在现有内镜黏膜下剥离术无法准确进行智能辅助，从而造成医疗事故的情况下，本申请创造性地通过患者的目标部位中存在异常状态的异常区域的异常边界信息，确定其标记有电凝标记的目标分割黑白图，然后再通过异常区域的一些物理特征，为医师提供准确的注射点，然后通过电凝标记外接圆的初始面积和在进行黏膜下注射时的实时电凝标记外接圆的实际面积，确定注射提示信息，为医师提供了一个高效且准确对内镜黏膜下剥离术智能辅助，降低了医疗事故发生率。
在本申请的一些实施例中，在基于所述初始面积和所述实际面积，确定注射提示信息之后，所述方法还包括步骤E1和E2：
E1、基于所述几何形心和所述目标边界点，确定切开引导线；
本申请实施例中，可以通过连接几何形心与目标边界点，然后沿其射线方向往外扩充σ2的距离，一般σ2≈σ1+0.5CM，由此得到多个第二标记点，然后依次连接第二标记点，形成封闭的切开引导线。
E2、在剥离完所述异常区域后，采用预先训练的异常区域剥离干净识别模型，判断所述异常区域是否完全剥离，若未完全剥离，则生成待继续剥离提示信息。
其中，异常区域剥离干净识别模型，优先选择VGG16，标签为已剥离干净、未剥离干净，数据集为手术过程内镜图像。
在本申请的一些实施例中，若完全剥离，则生成完成剥离提示信息。
本申请实施例所公开的方案，通过基于所述几何形心和所述目标边界点，确定切开引导线，为医师提供了智能化切开引导线，提高了医疗的智能化，同时还对剥离完的异常区域进行剥离干净识别，以确保手术的完整性。
为了更好实施本申请实施例中内镜黏膜下剥离术智能辅助方法，在内镜黏膜下剥离术智能辅助方法基础之上，本申请实施例中还提供一种内镜黏膜下剥离术智能辅助装置，如图5所示，所述内镜黏膜下剥离术智能辅助装置500包括：
第一获取单元501，用于获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；
第一电凝标记单元502，用于基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；
第一确定单元503，用于基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
第二获取单元504，用于基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；
第三获取单元505，用于在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；
第二确定单元506，用于基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请的一些实施例中，所述第一电凝标记单元502，具体包括：
第三确定单元，用于基于所述异常边界信息中的像素点数量和预设的电凝标记数量，确定待进行电凝标记处理的各电凝标记的位置间隔；
第四确定单元，用于基于所述位置间隔，从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标；
第五确定单元，用于在连通域的基础上，确定所述异常区域的几何形心；
第六确定单元，用于基于所述几何形心和所述目标边界点，确定初始标记点；
第七确定单元，用于以所述初始标记点为圆心、预设长度为半径确定圆形区域，并将所述圆形区域作为电凝提示区域；
第二电凝标记单元，用于基于所述电凝提示区域，对所述分割黑白图中所述异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
在本申请的一些实施例中，所述第一确定单元503，具体用于：
将射线与所述电凝提示区域远离所述几何形心的边界的交点，作为用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述射线是由所述几何形心与所述目标边界点相连的射线。
在本申请的一些实施例中，所述电凝标记包括至少两个电凝标记点，所述第二获取单元504，具体用于：
基于各所述电凝标记点与所述几何形心的距离，从所述电凝标记中确定出目标电凝标记点；
将以所述目标电凝标记点与所述几何形心的距离为半径、所述几何形心为圆心所作的外接圆，作为做电凝标记外接圆。
在本申请的一些实施例中，所述第二确定单元506，具体用于：
基于所述初始面积和所述实际面积，确定所述异常区域的隆起程度参数；
基于所述隆起程度参数和预设的隆起程度阈值，确定黏膜下注射是否完成；
若黏膜下注射完成，则生成注射提示信息，所述注射提示信息用于提示医师停止注射。
在本申请的一些实施例中，在获取患者的目标部位中存在异常的异常区域的异常边界信息和分割黑白图之前，所述装置还用于：
获取患者的目标部位的内镜图像；
基于预先训练的早癌识别模型对所述内镜图像进行识别，得到识别结果；
若所述识别结果为早癌，则基于预先训练的第一早癌浸润深度识别模型和第二早癌浸润深度识别模型，分别对所述内镜图像和预先获取的超声内镜图像进行识别，得到所述第一早癌浸润深度识别模型输出的第一置信度和所述第二早癌浸润深度识别模型输出的第二置信度；
将所述第一置信度和所述第二置信度进行加权拟合，得到所述目标部位的异常程度系数；
基于所述异常程度系数和预设的异常程度阈值，确定所述目标部位是否为异常状态。
在本申请的一些实施例中，在基于所述初始面积和所述实际面积，确定注射提示信息之后，所述装置还用于：
基于所述几何形心和所述目标边界点，确定切开引导线；
在剥离完所述异常区域后，采用预先训练的异常区域剥离干净识别模型，判断所述异常区域是否完全剥离，若未完全剥离，则生成待继续剥离提示信息。
本申请提供一种内镜黏膜下剥离术智能辅助装置，通过第一获取单元501，用于获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；第一电凝标记单元502，用于基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；第一确定单元503，用于基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；第二获取单元504，用于基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；第三获取单元505，用于在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；第二确定单元506，用于基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。相较于传统装置，在现有内镜黏膜下剥离术无法准确进行智能辅助，从而造成医疗事故的情况下，本申请创造性地通过患者的目标部位中存在异常状态的异常区域的异常边界信息，确定其标记有电凝标记的目标分割黑白图，然后再通过异常区域的一些物理特征，为医师提供准确的注射点，然后通过电凝标记外接圆的初始面积和在进行黏膜下注射时的实时电凝标记外接圆的实际面积，确定注射提示信息，为医师提供了一个高效且准确对内镜黏膜下剥离术智能辅助，降低了医疗事故发生率。
除了上述介绍用于内镜黏膜下剥离术智能辅助方法与装置之外，本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种内镜黏膜下剥离术智能辅助装置，所述计算机设备包括：
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上述内镜黏膜下剥离术智能辅助方法实施例中任一实施例中所述的任一方法的操作。
本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种内镜黏膜下剥离术智能辅助装置。如图6所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，具体来讲：
该计算机设备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中示出的计算机设备结构并不构成对计算机设备的限定，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是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，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，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。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计算机设备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。
计算机设备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。
该计算机设备还可包括输入单元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，计算机设备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，计算机设备中的处理器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：
获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
本申请提供一种内镜黏膜下剥离术智能辅助方法，相较于传统方法，在现有内镜黏膜下剥离术无法准确进行智能辅助，从而造成医疗事故的情况下，本申请创造性地通过患者的目标部位中存在异常状态的异常区域的异常边界信息，确定其标记有电凝标记的目标分割黑白图，然后再通过异常区域的一些物理特征，为医师提供准确的注射点，然后通过电凝标记外接圆的初始面积和在进行黏膜下注射时的实时电凝标记外接圆的实际面积，确定注射提示信息，为医师提供了一个高效且准确对内镜黏膜下剥离术智能辅助，降低了医疗事故发生率。
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，ReadOnly Memory）、随机存取记忆体（RAM，RandomAccess Memory）、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内镜黏膜下剥离术智能辅助方法中的步骤。例如，该指令可以执行如下步骤：
获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
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内镜黏膜下剥离术智能辅助方法、装置及相关设备进行了详细介绍，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 (10)
1.一种内镜黏膜下剥离术智能辅助方法，其特征在于，所述方法包括：
获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；
基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；
基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；
在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；
基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
2.根据权利要求1所述的内镜黏膜下剥离术智能辅助方法，其特征在于，所述基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图，包括：
基于所述异常边界信息中的像素点数量和预设的电凝标记数量，确定待进行电凝标记处理的各电凝标记的位置间隔；
基于所述位置间隔，从所述异常边界信息中确定出保留的目标边界点以及所述边界的坐标；
在连通域的基础上，确定所述异常区域的几何形心；
基于所述几何形心和所述目标边界点，确定初始标记点；
以所述初始标记点为圆心、预设长度为半径确定圆形区域，并将所述圆形区域作为电凝提示区域；
基于所述电凝提示区域，对所述分割黑白图中所述异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图。
3.根据权利要求2所述的内镜黏膜下剥离术智能辅助方法，其特征在于，所述基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，包括：
将射线与所述电凝提示区域远离所述几何形心的边界的交点，作为用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述射线是由所述几何形心与所述目标边界点相连的射线。
4.根据权利要求1所述的内镜黏膜下剥离术智能辅助方法，其特征在于，所述电凝标记包括至少两个电凝标记点，所述基于所述几何形心和所述电凝标记，确定电凝标记外接圆，包括：
基于各所述电凝标记点与所述几何形心的距离，从所述电凝标记中确定出目标电凝标记点；
将以所述目标电凝标记点与所述几何形心的距离为半径、所述几何形心为圆心所作的外接圆，作为做电凝标记外接圆。
5.根据权利要求1所述的内镜黏膜下剥离术智能辅助方法，其特征在于，所述基于所述初始面积和所述实际面积，确定注射提示信息，包括：
基于所述初始面积和所述实际面积，确定所述异常区域的隆起程度参数；
基于所述隆起程度参数和预设的隆起程度阈值，确定黏膜下注射是否完成；
若黏膜下注射完成，则生成注射提示信息，所述注射提示信息用于提示医师停止注射。
6.根据权利要求1所述的内镜黏膜下剥离术智能辅助方法，其特征在于，在获取患者的目标部位中存在异常的异常区域的异常边界信息和分割黑白图之前，所述方法还包括：
获取患者的目标部位的内镜图像；
基于预先训练的早癌识别模型对所述内镜图像进行识别，得到识别结果；
若所述识别结果为早癌，则基于预先训练的第一早癌浸润深度识别模型和第二早癌浸润深度识别模型，分别对所述内镜图像和预先获取的超声内镜图像进行识别，得到所述第一早癌浸润深度识别模型输出的第一置信度和所述第二早癌浸润深度识别模型输出的第二置信度；
将所述第一置信度和所述第二置信度进行加权拟合，得到所述目标部位的异常程度系数；
基于所述异常程度系数和预设的异常程度阈值，确定所述目标部位是否为异常状态。
7.根据权利要求1所述的内镜黏膜下剥离术智能辅助方法，其特征在于，在基于所述初始面积和所述实际面积，确定注射提示信息之后，所述方法还包括：
基于所述几何形心和所述目标边界点，确定切开引导线；
在剥离完所述异常区域后，采用预先训练的异常区域剥离干净识别模型，判断所述异常区域是否完全剥离，若未完全剥离，则生成待继续剥离提示信息。
8.一种内镜黏膜下剥离术智能辅助装置，其特征在于，所述装置包括：
第一获取单元，用于获取患者的目标部位中存在异常状态的异常区域的异常边界信息和分割黑白图；
第一电凝标记单元，用于基于所述异常边界信息，对所述分割黑白图中异常区域进行电凝标记处理，得到标记有电凝标记的目标分割黑白图；
第一确定单元，用于基于所述异常区域的几何形心、目标边界点以及预设的电凝提示区域，确定用于针对所述异常区域的内镜粘膜下剥离术的注射点，所述目标边界点是从所述异常边界信息中保留的边界点，所述电凝提示区域是用于对所述分割黑白图中异常区域进行电凝标记处理的提示区域；
第二获取单元，用于基于所述几何形心和所述电凝标记，确定电凝标记外接圆，并获取所述电凝标记外接圆的初始面积；
第三获取单元，用于在进行黏膜下注射时，实时获取所述电凝标记外接圆的实际面积；
第二确定单元，用于基于所述初始面积和所述实际面积，确定注射提示信息，所述注射提示信息用于提示医师停止注射。
9.一种计算机设备，其特征在于，所述计算机设备包括：
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7中任一项所述的内镜黏膜下剥离术智能辅助方法。
10.一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7任一项所述的内镜黏膜下剥离术智能辅助方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074074.9A CN115778546B (zh) | 2023-02-07 | 2023-02-07 | 内镜黏膜下剥离术智能辅助方法、装置及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310074074.9A CN115778546B (zh) | 2023-02-07 | 2023-02-07 | 内镜黏膜下剥离术智能辅助方法、装置及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115778546A true CN115778546A (zh) | 2023-03-14 |
| CN115778546B CN115778546B (zh) | 2023-05-09 |
Family
ID=85430244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310074074.9A Active CN115778546B (zh) | 2023-02-07 | 2023-02-07 | 内镜黏膜下剥离术智能辅助方法、装置及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115778546B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101912251A (zh) * | 2007-06-06 | 2010-12-15 | 奥林巴斯医疗株式会社 | 内窥镜图像处理装置 |
| JP2010540049A (ja) * | 2007-09-26 | 2010-12-24 | アメド スマート トラッキング ソリューションズ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 組織マーカ |
| CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
| CN108784836A (zh) * | 2018-06-20 | 2018-11-13 | 安徽医科大学第附属医院 | 基于优化镇静管理和区域阻滞骨科麻醉术中图像处理系统 |
| CN112863699A (zh) * | 2020-12-31 | 2021-05-28 | 山东大学齐鲁医院 | 一种基于移动端的esd术前讨论系统 |
| US20210196386A1 (en) * | 2019-12-30 | 2021-07-01 | Ethicon Llc | Analyzing surgical trends by a surgical system |
| AU2018456019A1 (en) * | 2018-12-31 | 2021-08-12 | Avava, Inc. | Systems and methods for tissue treatment |
| CN213940985U (zh) * | 2020-11-16 | 2021-08-13 | 北京大学第一医院 | 通用医用体表标记结构 |
| CN113288346A (zh) * | 2021-05-20 | 2021-08-24 | 陈磊峰 | 一种用于治疗肝癌的定位切除装置 |
| CN113662672A (zh) * | 2021-07-05 | 2021-11-19 | 中国人民解放军总医院第二医学中心 | 遥操作支气管镜机器人系统 |
| CN115170518A (zh) * | 2022-07-12 | 2022-10-11 | 济南超级计算技术研究院 | 基于深度学习和机器视觉的细胞检测方法及系统 |
-
2023
- 2023-02-07 CN CN202310074074.9A patent/CN115778546B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101912251A (zh) * | 2007-06-06 | 2010-12-15 | 奥林巴斯医疗株式会社 | 内窥镜图像处理装置 |
| JP2010540049A (ja) * | 2007-09-26 | 2010-12-24 | アメド スマート トラッキング ソリューションズ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 組織マーカ |
| CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
| CN108784836A (zh) * | 2018-06-20 | 2018-11-13 | 安徽医科大学第附属医院 | 基于优化镇静管理和区域阻滞骨科麻醉术中图像处理系统 |
| AU2018456019A1 (en) * | 2018-12-31 | 2021-08-12 | Avava, Inc. | Systems and methods for tissue treatment |
| US20210196386A1 (en) * | 2019-12-30 | 2021-07-01 | Ethicon Llc | Analyzing surgical trends by a surgical system |
| CN213940985U (zh) * | 2020-11-16 | 2021-08-13 | 北京大学第一医院 | 通用医用体表标记结构 |
| CN112863699A (zh) * | 2020-12-31 | 2021-05-28 | 山东大学齐鲁医院 | 一种基于移动端的esd术前讨论系统 |
| CN113288346A (zh) * | 2021-05-20 | 2021-08-24 | 陈磊峰 | 一种用于治疗肝癌的定位切除装置 |
| CN113662672A (zh) * | 2021-07-05 | 2021-11-19 | 中国人民解放军总医院第二医学中心 | 遥操作支气管镜机器人系统 |
| CN115170518A (zh) * | 2022-07-12 | 2022-10-11 | 济南超级计算技术研究院 | 基于深度学习和机器视觉的细胞检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 缪佳蓉，缪应雷，南琼，王华伟 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115778546B (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108510482B (zh) | 一种基于阴道镜图像的宫颈癌检测装置 | |
| US11058473B2 (en) | Recognition, monitoring, and imaging method and system for thermal ablation region based on ultrasonic deep learning | |
| US10032060B2 (en) | Reporting imaged portions of a patient's body part | |
| CN109002846B (zh) | 一种图像识别方法、装置和存储介质 | |
| EP3936026A1 (en) | Medical image processing device, processor device, endoscopic system, medical image processing method, and program | |
| CN115393356B (zh) | 目标部位异常形态识别方法、装置及计算机可读存储介质 | |
| CN113724243B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| Moawad et al. | Artificial intelligence and augmented reality in gynecology | |
| CN114417037B (zh) | 图像处理方法、装置、终端及可读存储介质 | |
| CN113344926B (zh) | 胆胰超声图像识别方法、装置、服务器及存储介质 | |
| CN114419521A (zh) | 肠道内镜检查的监控方法及装置 | |
| JP7081862B1 (ja) | 手術支援システム、手術支援方法、及び手術支援プログラム | |
| CN115778546B (zh) | 内镜黏膜下剥离术智能辅助方法、装置及相关设备 | |
| US20220008126A1 (en) | Optimized ablation for persistent atrial fibrillation | |
| CN112863699B (zh) | 一种基于移动端的esd术前讨论系统 | |
| CN113222051A (zh) | 基于小肠病灶特征的图像标注方法 | |
| CN115731175A (zh) | 手术结扎辅助方法、装置及相关设备 | |
| CN115393230B (zh) | 超声内镜图像标准化方法、装置及其相关装置 | |
| CN113610840B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| US20240148236A1 (en) | Medical support device, endoscope apparatus, medical support method, and program | |
| CN114359280B (zh) | 胃黏膜图像边界量化方法、装置、终端及存储介质 | |
| CN113793335B (zh) | 消化道肿瘤浸润层的识别方法、装置、计算机设备及介质 | |
| CN117456000B (zh) | 一种内窥镜的对焦方法、装置、存储介质和电子设备 | |
| US20230394672A1 (en) | Medical image processing apparatus, medical image processing method, and program | |
| CN115661150A (zh) | 鼻咽腔内镜图像异常的识别方法及装置 |
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 |