CN115937209A - 鼻咽喉镜图像异常的识别方法及装置 - Google Patents
鼻咽喉镜图像异常的识别方法及装置 Download PDFInfo
- Publication number
- CN115937209A CN115937209A CN202310029634.9A CN202310029634A CN115937209A CN 115937209 A CN115937209 A CN 115937209A CN 202310029634 A CN202310029634 A CN 202310029634A CN 115937209 A CN115937209 A CN 115937209A
- Authority
- CN
- China
- Prior art keywords
- image
- nasopharyngoscope
- determining
- target
- part type
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013139 quantization Methods 0.000 claims abstract description 72
- 230000000717 retained effect Effects 0.000 claims abstract description 71
- 238000013145 classification model Methods 0.000 claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims description 49
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000014759 maintenance of location Effects 0.000 claims description 13
- 230000007306 turnover Effects 0.000 claims description 9
- 210000001989 nasopharynx Anatomy 0.000 claims description 8
- 210000000867 larynx Anatomy 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 210000002741 palatine tonsil Anatomy 0.000 description 9
- 210000001944 turbinate Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 210000003928 nasal cavity Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 210000000214 mouth Anatomy 0.000 description 5
- 241000791420 Plica Species 0.000 description 4
- 238000001839 endoscopy Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 210000001584 soft palate Anatomy 0.000 description 4
- 210000000492 nasalseptum Anatomy 0.000 description 3
- 230000009747 swallowing Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000002409 epiglottis Anatomy 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000003300 oropharynx Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 210000005178 buccal mucosa Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002388 eustachian tube Anatomy 0.000 description 1
- 210000001983 hard palate Anatomy 0.000 description 1
- 201000000615 hard palate cancer Diseases 0.000 description 1
- 210000003026 hypopharynx Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
Images
Landscapes
- Endoscopes (AREA)
Abstract
本申请提供一种鼻咽喉镜图像异常的识别方法及装置，该鼻咽喉镜图像异常的识别方法包括：获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；得到第一鼻咽喉镜图像的第一部位类别；基于第一部位类别确定对应的第二部位分类模型；将第一鼻咽喉镜图像输入至第二部位分类模型，得到第一鼻咽喉镜图像的第二部位类别；获取第二部位类别的多张鼻咽喉镜留图图像；获取每张鼻咽喉镜留图图像的至少一个特征量化值；得到各个鼻咽喉镜留图图像的目标特征量化值；将目标特征量化值最大的鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；基于第二部位类别的目标留图图像确定异常识别结果。本申请能够提高鼻咽喉镜图像异常的识别准确率。
Description
技术领域
本申请主要涉及图像处理技术领域，具体涉及一种鼻咽喉镜图像异常的识别方法及装置。
背景技术
耳鼻咽喉-头颈外科学是一门专科性质较强的学科，诸器官部位深在、隐蔽，多为细小的腔洞，解剖结构精细、复杂、功能多样，欲认知其正常形态和病变现象，须利用特殊的检查设备。电子喉镜检查技术相对容易掌握，病人的舒适度较高、耐受性较好，可直接观察到空腔脏器黏膜。但现有技术中受医生留图水平影响，可能会出现视觉盲区，并且部位结构复杂，无法准确识别出图像异常。
也即，现有技术中鼻咽喉镜图像异常的识别准确率不高。
发明内容
本申请提供一种鼻咽喉镜图像异常的识别方法及装置，旨在解决现有技术中鼻咽喉镜图像异常的识别准确率不高的问题。
第一方面，本申请提供一种鼻咽喉镜图像异常的识别方法，所述鼻咽喉镜图像异常的识别方法包括：
获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；
将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；
基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；
将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；
获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；
获取每张鼻咽喉镜留图图像的至少一个特征量化值；
针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；
将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；
基于所述第二部位类别的目标留图图像确定异常识别结果。
可选地，所述特征量化值包括颜色特征量化值，纹理特征量化值、图像熵量化值以及图像质量量化值中的至少一种，所述获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：
将鼻咽喉镜留图图像中的黑色像素点剔除，得到多个剔除后像素点；获取多个剔除后像素点在RGB三通道上的三个通道像素平均值；将三个通道像素平均值的中位数确定为颜色特征量化值；
和/或，获取鼻咽喉镜留图图像中各个像素点的LBP值；将各个像素点的LBP值的求和确定为所述纹理特征量化值；
和/或，获取鼻咽喉镜留图图像中各个像素点的灰度值和邻域灰度均值，将灰度值和邻域灰度均值均相同的像素点作为同一类别，得到多个类别的像素点；根据各个类别的像素点频数和鼻咽喉镜留图图像的像素点总数确定图像熵量化值；
和/或，将所述鼻咽喉镜留图图像输入预训练的图像质量评分模型，得到图像质量量化值。
可选地，所述获取每张鼻咽喉镜留图图像的至少一个特征量化值，之前，包括：
获取在鼻咽喉镜退镜时按预设频率拍摄的多个第二鼻咽喉镜图像；
获取第二部位类别的多张鼻咽喉镜留图图像的拍摄时间区间；
从所述多个第二鼻咽喉镜图像中获取拍摄时间位于所述拍摄时间区间的多张第三鼻咽喉镜图像；
将所述多张第三鼻咽喉镜图像的每一张图像依次不拿回放入第二部位类别的多张鼻咽喉镜留图图像并进行三维重建，得到重建的多个三维模型；
若多个三维模型相同，则确定所述多张鼻咽喉镜留图图像留图完整，则获取每张鼻咽喉镜留图图像的至少一个特征量化值。
可选地，所述基于所述第二部位类别的目标留图图像确定异常识别结果，包括：
判断所述第二部位类别是否属于预设部位类别，其中，所述预设部位类别的部位具有对称的部位；
若所述第二部位类别属于预设部位类别，则获取所述第二部位类别对应的对称部位类别，其中，所述第二部位类别的部位和对应的对称部位类别的部位左右对称；
获取所述对称部位类别的目标留图图像；
将所述对称部位类别的目标留图图像左右翻转，得到翻转图像；
将所述翻转图像和所述第二部位类别的目标留图图像输入部位分割模型，得到所述翻转图像的第一部位分割区域和所述对称部位类别的第二部位分割区域；
将所述翻转图像与所述第二部位类别的目标留图图像对齐，计算所述第一部位分割区域和第二部位分割区域的交并比；
基于所述第一部位分割区域和第二部位分割区域的交并比确定所述翻转图像和所述第二部位类别的目标留图图像之间的第一对称系数；
根据所述第一对称系数确定异常识别结果。
可选地，所述根据所述第一对称系数确定异常识别结果，包括：
将所述翻转图像中的各个像素点二值化为0或者1；
获取所述翻转图像在各行中像素点的像素值为0和1交替出现的第一行交替出现次数和所述翻转图像在各列中像素点的像素值为0和1交替出现的第一列交替出现次数；
根据所述第一行交替出现次数和所述第一列交替出现次数确定第一图像特征参数；
将所述第二部位类别的目标留图图像中的各个像素点二值化为0或者1；
获取所述第二部位类别的目标留图图像在各行中像素点的像素值为0和1交替出现的第二行交替出现次数和所述第二部位类别的目标留图图像在各列中像素点的像素值为0和1交替出现的第二列交替出现次数；
根据所述第二行交替出现次数和所述第二交替出现次数确定确定第二图像特征参数；
根据第一图像特征参数和所述第二图像特征参数确定第二对称系数；
根据所述第一对称系数和所述第二对称系数确定目标对称系数；
根据所述目标对称系数确定异常识别结果。
可选地，所述根据所述目标对称系数确定异常识别结果，包括：
若目标对称系数小于预设值，确定第一鼻咽喉镜图像异常。
可选地，所述鼻咽喉镜图像异常的识别方法，包括：
基于所述多个第二鼻咽喉镜图像进行三维重建，得到鼻咽喉三维模型；
将所述鼻咽喉三维模型展开为二维展开图；
将所述二维展开图分别输入病灶分割模型和部位分割模型，得到二维展开图中的病灶分割区域和各个部位分割区域；
计算病灶分割区域和各个部位分割区域之间的形心距离；
将形心距离最大的部位分割区域确定为病灶分割区域的所属部位。
第二方面，本申请提供一种鼻咽喉镜图像异常的识别装置，所述鼻咽喉镜图像异常的识别装置包括：
第一获取单元，用于获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；
第一分类单元，用于将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；
模型确定单元，用于基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；
第二分类单元，用于将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；
第二获取单元，用于获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；
第三获取单元，用于获取每张鼻咽喉镜留图图像的至少一个特征量化值；
第一确定单元，用于针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；
第二确定单元，用于将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；
异常识别单元，用于基于所述第二部位类别的目标留图图像确定异常识别结果。
第三方面，本申请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第一方面中任一项所述的鼻咽喉镜图像异常的识别方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行第一方面中任一项所述的鼻咽喉镜图像异常的识别方法中的步骤。
本申请提供一种鼻咽喉镜图像异常的识别方法及装置，该鼻咽喉镜图像异常的识别方法包括：获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；获取每张鼻咽喉镜留图图像的至少一个特征量化值；针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；基于所述第二部位类别的目标留图图像确定异常识别结果。本申请能够提高鼻咽喉镜图像异常的识别准确率。
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鼻咽喉镜图像异常的识别系统的场景示意图；
图2是本申请实施例提供的鼻咽喉镜图像异常的识别方法一实施例的流程示意图；
图3是本申请实施例中提供的鼻咽喉镜图像异常的识别装置的一个实施例结构示意图；
图4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鼻咽喉镜图像异常的识别方法及装置，以下分别进行详细说明。
请参阅图1，图1为本申请实施例所提供的鼻咽喉镜图像异常的识别系统的场景示意图，该鼻咽喉镜图像异常的识别系统可以包括计算机设备100，计算机设备100中集成有鼻咽喉镜图像异常的识别装置。
本申请实施例中，该计算机设备100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。
本申请实施例中，上述的计算机设备100可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中计算机设备100可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant，PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等，本实施例不限定计算机设备100的类型。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是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，该鼻咽喉镜图像异常的识别系统还可以包括一个或多个可处理数据的其他计算机设备，具体此处不作限定。
另外，如图1所示，该鼻咽喉镜图像异常的识别系统还可以包括存储器200，用于存储数据。
需要说明的是，图1所示的鼻咽喉镜图像异常的识别系统的场景示意图仅仅是一个示例，本申请实施例描述的鼻咽喉镜图像异常的识别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，随着鼻咽喉镜图像异常的识别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。
首先，本申请实施例中提供一种鼻咽喉镜图像异常的识别方法，鼻咽喉镜图像异常的识别方法包括：获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；获取每张鼻咽喉镜留图图像的至少一个特征量化值；针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；基于所述第二部位类别的目标留图图像确定异常识别结果。
如图2所示，图2是本申请实施例中鼻咽喉镜图像异常的识别方法的一个实施例流程示意图，该鼻咽喉镜图像异常的识别方法包括如下步骤S201～S209：
S201、获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像。
S202、将第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别。
本申请实施例中，训练可以对7个大部位进行分类的第一部位分类模型，优先选择Unet++，各个大部位边界确定方法：根据各大部位所包含的小部位围成的区域边界来确定大部位边界，后鼻孔边界由专业鼻咽喉内镜医师对进行勾勒。7个大部位分别为鼻腔；后鼻孔；鼻咽；口咽；下咽；喉部；口腔。则第一鼻咽喉镜图像的第一部位类别可以为鼻腔类别；后鼻孔类别；鼻咽类别；口咽类别；下咽类别；喉部类别；口腔类别中的任意一个。当然，第一部位分类模型可以不限于对7个大部位进行分类，也可以对更多或者更少的大部位进行分类。
例如，第一鼻咽喉镜图像的第一部位类别的为鼻腔类别。
S203、基于第一部位类别确定对应的第二部位分类模型。
其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中。
例如，第一部位类别为鼻腔，对应的第二部位分类模型用于对鼻腔下属的鼻甲、鼻中隔等部位进行分类。具体的，训练各个第一部位类别对应的第二部位分类模型，优先选择Unet++，标签由专业鼻咽喉内镜医师对各小部位边界进行勾勒。
具体的，7个第一部位类别对应的7个第二部位分类模型可以对26个小部位进行分类。26个小部位分别为：鼻甲、鼻中隔；圆枕、咽隐窝、咽鼓管开口、顶壁、后壁、软腭鼻咽面；软腭、扁桃体、口咽后壁、咽会厌襞、舌根；梨状窝、后壁、环后区；杓会厌襞、杓区、会厌喉面、舌面、会厌谷、声带；硬腭、颊黏膜、牙龈、磨牙后区。当然，7个第二部位分类模型可以不限于对26个小部位进行分类，也可以对更多或者更少的小部位进行分类。
S204、将第一鼻咽喉镜图像输入至第二部位分类模型，得到第一鼻咽喉镜图像的第二部位类别。
例如，第二鼻咽喉镜图像的第二部位类别的为鼻甲类别。
S205、获取第二部位类别的多张鼻咽喉镜留图图像。
其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的。
具体的，鼻咽喉镜退镜时会按预设频率拍摄的多个第二鼻咽喉镜图像。医生会观察多个第二鼻咽喉镜图像并选取一些进行留图。例如，当得到第一鼻咽喉镜图像的第二部位类别后，说明鼻咽喉镜进入鼻甲部位，发出留图指令，医生接收到留图指令后对第二部位类别的部位进行留图，即得到第二部位类别的多张鼻咽喉镜留图图像。
S206、获取每张鼻咽喉镜留图图像的至少一个特征量化值。
本申请实施例中，特征量化值包括颜色特征量化值，纹理特征量化值、图像熵量化值以及图像质量量化值中的至少一种，获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：
(1)将鼻咽喉镜留图图像中的黑色像素点剔除，得到多个剔除后像素点。
具体的，通过PIL自带的getcolors()方法获取各个角度的鼻咽喉镜留图图像中所有颜色特征，记为初级颜色特征集color_list＝[(r1,g1,b1),(r2,g2,b2)…(rn,gn,bn)]，剔除初级颜色特征集中的黑色像素点，得到多个剔除后像素点，得到多个剔除后像素点的中级颜色特征集color_list_new＝[(r1,g1,b1),(r2,g2,b2)…(ri,gi,bi)]。
(2)获取多个剔除后像素点在RGB三通道上的三个通道像素平均值。
求所得中级颜色特征集color_list_new中在RGB三通道的三个通道像素平均值。
(3)将三个通道像素平均值的中位数确定为颜色特征量化值。
将三个通道像素平均值的中位数作为颜色特征量化值Lcolor。
进一步，获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：
(1)获取鼻咽喉镜留图图像中各个像素点的LBP值。
(2)将各个像素点的LBP值的求和确定为纹理特征量化值。
纹理特征量化：采用LBP(Local Binary Pattern)局部二值模式中的圆形LBP算子进行图像纹理特征提取，得到鼻咽喉镜留图图像中各个像素点的LBP值，纹理特征量化值LBP的计算方式如下：
对于给定向像素点(xc,yc)其邻域像素位置为(xp,yp)，
p∈P，R是采样半径，p是第p个采样点，P是采样数目，
进一步，获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：
(1)获取鼻咽喉镜留图图像中各个像素点的灰度值和邻域灰度均值，将灰度值和邻域灰度均值均相同的像素点作为同一类别，得到多个类别的像素点。
选择鼻咽喉镜留图图像的邻域灰度均值作为灰度分布的空间特征量，与鼻咽喉镜留图图像的像素灰度组成特征二元组，记为(i,j)，其中i表示像素点的灰度值，j表示像素点的邻域灰度均值。可以得到多个类别的像素点。
(2)根据各个类别的像素点频数和鼻咽喉镜留图图像的像素点总数确定图像熵量化值。
图像熵量化值S满足如下公式：
Pij＝f(i,j)/N2
其中，像素点频数f(i,j)为特征二元组(i,j)出现的频数，N为鼻咽喉镜留图图像的像素点。
进一步的，获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：将鼻咽喉镜留图图像输入预训练的图像质量评分模型，得到图像质量量化值score。
进一步的，为了确定医生留的图是否可以观察全部部位，避免盲区，获取每张鼻咽喉镜留图图像的至少一个特征量化值，之前，包括：
(1)获取在鼻咽喉镜退镜时按预设频率拍摄的多个第二鼻咽喉镜图像。
(2)获取第二部位类别的多张鼻咽喉镜留图图像的拍摄时间区间。
多张鼻咽喉镜留图图像是医生从多个第二鼻咽喉镜图像中筛选得到的，用于后期展示和识别。
(3)从多个第二鼻咽喉镜图像中获取拍摄时间位于拍摄时间区间的多张第三鼻咽喉镜图像。
(4)将多张第三鼻咽喉镜图像的每一张图像依次不拿回放入第二部位类别的多张鼻咽喉镜留图图像并进行三维重建，得到重建的多个三维模型。
具体的，获取多张第三鼻咽喉镜图像的一张，将选出的第三鼻咽喉镜图像放入多个鼻咽喉镜留图图像，得到多个鼻咽喉镜留图图像和一个第三鼻咽喉镜图像，根据多个鼻咽喉镜留图图像和一个第三鼻咽喉镜图像进行三维重建，得到一个三维模型；再获取剩余的多张第三鼻咽喉镜图像的一张，将选出的第三鼻咽喉镜图像放入多个鼻咽喉镜留图图像和一个第三鼻咽喉镜图像，得到多个鼻咽喉镜留图图像和两个第三鼻咽喉镜图像，根据多个鼻咽喉镜留图图像和两个第三鼻咽喉镜图像进行三维重建，得到一个三维模型；通过多次不拿回放入，可以得到多个三维重建模型。
(5)若多个三维模型相同，则确定多张鼻咽喉镜留图图像留图完整，则获取每张鼻咽喉镜留图图像的至少一个特征量化值。
若多个三维模型相同，说明加入第三鼻咽喉镜图像不会影响多个鼻咽喉镜留图图像重建得到的三维模型，多个鼻咽喉镜留图图像重建的三维模型为完整模型，多个鼻咽喉镜留图图像上可以观察到部位的各个位置，没有盲区，确定多张鼻咽喉镜留图图像留图完整，则获取每张鼻咽喉镜留图图像的至少一个特征量化值。
S207、针对任意一个鼻咽喉镜留图图像，根据鼻咽喉镜留图图像的至少一个特征量化值确定鼻咽喉镜留图图像的目标特征量化值，得到各个鼻咽喉镜留图图像的目标特征量化值。
具体的，根据预设权重系数对至少一个特征量化值进行加权求和，得到鼻咽喉镜留图图像的目标特征量化值
目标特征量化值
的计算公式如下：
S208、将目标特征量化值最大的鼻咽喉镜留图图像确定为第二部位类别的目标留图图像。
目标特征量化值最大说明该留图最佳，将目标特征量化值最大的鼻咽喉镜留图图像确定为第二部位类别的目标留图图像，可以更好进行展示和识别。
S209、基于第二部位类别的目标留图图像确定异常识别结果。
本申请实施例中，基于第二部位类别的目标留图图像确定异常识别结果，可以包括：
(1)判断第二部位类别是否属于预设部位类别，其中，预设部位类别的部位具有对称的部位。
预设部位类别预先设定，例如，预设部位类别可以为左扁桃体部位类别、右扁桃体部位类别、左咽会厌襞类别、右咽会厌襞类别、左梨状窝类别以及右梨状窝类别。
(2)若第二部位类别属于预设部位类别，则获取第二部位类别对应的对称部位类别，其中，第二部位类别的部位和对应的对称部位类别的部位左右对称。
例如，第二部位类别为左扁桃体部位类别，第二部位类别属于预设部位类别。第二部位类别对应的对称部位类别为右扁桃体部位类别。
(3)获取对称部位类别的目标留图图像。
(4)将对称部位类别的目标留图图像左右翻转，得到翻转图像。
(5)将翻转图像和第二部位类别的目标留图图像输入部位分割模型，得到翻转图像的第一部位分割区域和对称部位类别的第二部位分割区域。
具体的，训练部位分割模型，优先选择Unet++，标签由专业鼻咽喉内镜医师对各小部位边界进行勾勒。
(6)将翻转图像与第二部位类别的目标留图图像对齐，计算第一部位分割区域和第二部位分割区域的交并比。
(7)基于第一部位分割区域和第二部位分割区域的交并比确定翻转图像和第二部位类别的目标留图图像之间的第一对称系数。
在一个具体的实施例中，将交并比确定为第一对称系数。
(8)根据第一对称系数确定异常识别结果。
在一个具体的实施例中，若第一对称系数不大于预设值，说明两个部位不对称程度较高，则确定第一鼻咽喉镜图像异常。
在另一个具体的实施例中，根据第一对称系数确定异常识别结果，包括：
(1)将翻转图像中的各个像素点二值化为0或者1。
(2)获取翻转图像在各行中像素点的像素值为0和1交替出现的第一行交替出现次数和翻转图像在各列中像素点的像素值为0和1交替出现的第一列交替出现次数。
例如，翻转图像在某一行的像素值分别为000000010，则第一行交替出现次数为2。
(3)根据第一行交替出现次数和第一列交替出现次数确定第一图像特征参数。
在一个具体的实施例中，第一行交替出现次数为Wi，第一列交替出现次数为Hj。第一图像特征参数01_Z如下公式所示，
(4)将第二部位类别的目标留图图像中的各个像素点二值化为0或者1。
(5)获取第二部位类别的目标留图图像在各行中像素点的像素值为0和1交替出现的第二行交替出现次数和第二部位类别的目标留图图像在各列中像素点的像素值为0和1交替出现的第二列交替出现次数。
(6)根据第二行交替出现次数和第二交替出现次数确定确定第二图像特征参数。
同第一图像特征参数01_Z的计算方式，计算得到第二图像特征参数01_Y。
(7)根据第一图像特征参数和第二图像特征参数确定第二对称系数。
具体的，第二对称系数Z_Y与第一图像特征参数01_Z和第二图像特征参数01_Y之间的关系如下公式所示，
(8)根据第一对称系数和第二对称系数确定目标对称系数。
具体的，目标对称系数η根据如下公式计算，
η＝0.5·IOU+0.5·Z_Y
(9)根据目标对称系数确定异常识别结果。
具体的，目标对称系数不小于预设值表示左右对称，第一鼻咽喉镜图像正常；若目标对称系数小于预设值，确定第一鼻咽喉镜图像异常。目标对称系数η满足η≥0.85表示左右对称，第一鼻咽喉镜图像正常，反之则不对称，第一鼻咽喉镜图像异常。
进一步的，鼻咽喉镜图像异常的识别方法还包括：
(1)基于多个第二鼻咽喉镜图像进行三维重建，得到鼻咽喉三维模型；
(2)将鼻咽喉三维模型展开为二维展开图；
(3)将二维展开图分别输入病灶分割模型和部位分割模型，得到二维展开图中的病灶分割区域和各个部位分割区域；
(4)计算病灶分割区域和各个部位分割区域之间的形心距离；
(5)将形心距离最大的部位分割区域确定为病灶分割区域的所属部位。
进一步的，输出病灶分割区域的所属部位、各个第二部位类别的目标留图图像以及各个病灶分割区域的目标留图图像。
当鼻咽喉内镜医师开始检查时，加载训练好的大部位分割模型，即第一部位分类模型，当识别出是鼻腔时：
加载训练好的小部位分割模型，当识别出是鼻甲时，加载训练好的鼻甲是否肿大识别模型，若提示“肿大”，则内镜医师需仔细观察，内镜是否可以顺利通过，若不能则退出；否则表示可以继续进镜，根据S201-S209的方法，选取鼻甲对应的第二部位类别的目标留图图像进行留图；
当识别出是鼻中隔时，选取鼻中隔对应的第二部位类别的目标留图图像进行留图；
在进镜过程中，训练好的病灶分割模型，当识别出病灶时：
根据S201-S209的方法，选取病灶的目标留图图像进行留图；
对病灶部位进行描述。
鼻腔部位观察打分：满分10分。
识别出后鼻孔后，选取后鼻孔对应的第二部位类别的目标留图图像进行留图并确定病灶位置，部位观察打分满分5分。
识别出鼻咽后，自动提示患者闭嘴吸气，选取后鼻咽对应的第二部位类别的目标留图图像进行留图并确定病灶位置，部位观察打分满分20分。
识别出口咽后，
采用口腔进镜，提示患者发“衣”，检查软腭、扁桃体，选取后软腭、扁桃体对应的第二部位类别的目标留图图像进行留图并确定病灶位置，判断左右扁桃体是否对称。
采用鼻腔进镜，提示患者发“衣”，检查口咽后壁、咽会厌襞、舌根，选取后口咽后壁、咽会厌襞、舌根对应的第二部位类别的目标留图图像进行留图并确定病灶位置，判断左右咽会厌襞是否对称；口咽满分20分。
识别出下咽后，提示患者发“衣”，选取下咽对应的第二部位类别的目标留图图像进行留图并确定病灶位置，部位观察打分满分10分，判断左右梨状窝是否对称。
识别出喉部后，选取喉部对应的第二部位类别的目标留图图像进行留图并确定病灶位置，部位观察打分满分20分。
识别出口腔后，采用口腔进镜，选取口腔对应的第二部位类别的目标留图图像进行留图并确定病灶位置，部位观察打分满分15分。
为了更好实施本申请实施例中鼻咽喉镜图像异常的识别方法，在鼻咽喉镜图像异常的识别方法基础之上，本申请实施例中还提供一种鼻咽喉镜图像异常的识别装置，如图3所示，鼻咽喉镜图像异常的识别装置300包括：
第一获取单元301，用于获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；
第一分类单元302，用于将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；
模型确定单元303，用于基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；
第二分类单元304，用于将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；
第二获取单元305，用于获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；
第三获取单元306，用于获取每张鼻咽喉镜留图图像的至少一个特征量化值；
第一确定单元307，用于针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；
第二确定单元308，用于将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；
异常识别单元309，用于基于所述第二部位类别的目标留图图像确定异常识别结果。
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鼻咽喉镜图像异常的识别装置，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鼻咽喉镜图像异常的识别方法实施例中任一实施例中的鼻咽喉镜图像异常的识别方法中的步骤。
如图4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401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图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401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器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，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401可包括一个或多个处理核心；处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，优选的，处理器401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401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402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。存储器402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，存储器402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，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401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403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404，该输入单元404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。具体在本实施例中，计算机设备中的处理器401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器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；获取每张鼻咽喉镜留图图像的至少一个特征量化值；针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；基于所述第二部位类别的目标留图图像确定异常识别结果。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。其上存储有计算机程序，计算机程序被处理器进行加载，以执行本申请实施例所提供的任一种鼻咽喉镜图像异常的识别方法中的步骤。例如，计算机程序被处理器进行加载可以执行如下步骤：
获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；获取每张鼻咽喉镜留图图像的至少一个特征量化值；针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；基于所述第二部位类别的目标留图图像确定异常识别结果。
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，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种鼻咽喉镜图像异常的识别方法及装置进行了详细介绍，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，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种鼻咽喉镜图像异常的识别方法，其特征在于，所述鼻咽喉镜图像异常的识别方法包括：
获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；
将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；
基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；
将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；
获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；
获取每张鼻咽喉镜留图图像的至少一个特征量化值；
针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；
将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；
基于所述第二部位类别的目标留图图像确定异常识别结果。
2.根据权利要求1所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述特征量化值包括颜色特征量化值，纹理特征量化值、图像熵量化值以及图像质量量化值中的至少一种，所述获取每张鼻咽喉镜留图图像的至少一个特征量化值，包括：
将鼻咽喉镜留图图像中的黑色像素点剔除，得到多个剔除后像素点；获取多个剔除后像素点在RGB三通道上的三个通道像素平均值；将三个通道像素平均值的中位数确定为颜色特征量化值；
和/或，获取鼻咽喉镜留图图像中各个像素点的LBP值；将各个像素点的LBP值的求和确定为所述纹理特征量化值；
和/或，获取鼻咽喉镜留图图像中各个像素点的灰度值和邻域灰度均值，将灰度值和邻域灰度均值均相同的像素点作为同一类别，得到多个类别的像素点；根据各个类别的像素点频数和鼻咽喉镜留图图像的像素点总数确定图像熵量化值；
和/或，将所述鼻咽喉镜留图图像输入预训练的图像质量评分模型，得到图像质量量化值。
3.根据权利要求1所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述获取每张鼻咽喉镜留图图像的至少一个特征量化值，之前，包括：
获取在鼻咽喉镜退镜时按预设频率拍摄的多个第二鼻咽喉镜图像；
获取第二部位类别的多张鼻咽喉镜留图图像的拍摄时间区间；
从所述多个第二鼻咽喉镜图像中获取拍摄时间位于所述拍摄时间区间的多张第三鼻咽喉镜图像；
将所述多张第三鼻咽喉镜图像的每一张图像依次不拿回放入第二部位类别的多张鼻咽喉镜留图图像并进行三维重建，得到重建的多个三维模型；
若多个三维模型相同，则确定所述多张鼻咽喉镜留图图像留图完整，则获取每张鼻咽喉镜留图图像的至少一个特征量化值。
4.根据权利要求1所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述基于所述第二部位类别的目标留图图像确定异常识别结果，包括：
判断所述第二部位类别是否属于预设部位类别，其中，所述预设部位类别的部位具有对称的部位；
若所述第二部位类别属于预设部位类别，则获取所述第二部位类别对应的对称部位类别，其中，所述第二部位类别的部位和对应的对称部位类别的部位左右对称；
获取所述对称部位类别的目标留图图像；
将所述对称部位类别的目标留图图像左右翻转，得到翻转图像；
将所述翻转图像和所述第二部位类别的目标留图图像输入部位分割模型，得到所述翻转图像的第一部位分割区域和所述对称部位类别的第二部位分割区域；
将所述翻转图像与所述第二部位类别的目标留图图像对齐，计算所述第一部位分割区域和第二部位分割区域的交并比；
基于所述第一部位分割区域和第二部位分割区域的交并比确定所述翻转图像和所述第二部位类别的目标留图图像之间的第一对称系数；
根据所述第一对称系数确定异常识别结果。
5.根据权利要求4所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述根据所述第一对称系数确定异常识别结果，包括：
将所述翻转图像中的各个像素点二值化为0或者1；
获取所述翻转图像在各行中像素点的像素值为0和1交替出现的第一行交替出现次数和所述翻转图像在各列中像素点的像素值为0和1交替出现的第一列交替出现次数；
根据所述第一行交替出现次数和所述第一列交替出现次数确定第一图像特征参数；
将所述第二部位类别的目标留图图像中的各个像素点二值化为0或者1；
获取所述第二部位类别的目标留图图像在各行中像素点的像素值为0和1交替出现的第二行交替出现次数和所述第二部位类别的目标留图图像在各列中像素点的像素值为0和1交替出现的第二列交替出现次数；
根据所述第二行交替出现次数和所述第二交替出现次数确定确定第二图像特征参数；
根据第一图像特征参数和所述第二图像特征参数确定第二对称系数；
根据所述第一对称系数和所述第二对称系数确定目标对称系数；
根据所述目标对称系数确定异常识别结果。
6.根据权利要求5所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述根据所述目标对称系数确定异常识别结果，包括：
若目标对称系数小于预设值，确定第一鼻咽喉镜图像异常。
7.根据权利要求3所述的鼻咽喉镜图像异常的识别方法，其特征在于，所述鼻咽喉镜图像异常的识别方法，包括：
基于所述多个第二鼻咽喉镜图像进行三维重建，得到鼻咽喉三维模型；
将所述鼻咽喉三维模型展开为二维展开图；
将所述二维展开图分别输入病灶分割模型和部位分割模型，得到二维展开图中的病灶分割区域和各个部位分割区域；
计算病灶分割区域和各个部位分割区域之间的形心距离；
将形心距离最大的部位分割区域确定为病灶分割区域的所属部位。
8.一种鼻咽喉镜图像异常的识别装置，其特征在于，所述鼻咽喉镜图像异常的识别装置包括：
第一获取单元，用于获取在鼻咽喉镜退镜时的第一鼻咽喉镜图像；
第一分类单元，用于将所述第一鼻咽喉镜图像输入第一部位分类模型，得到第一鼻咽喉镜图像的第一部位类别；
模型确定单元，用于基于所述第一部位类别确定对应的第二部位分类模型，其中，不同的第一部位类别对应不同的第二部位分类模型，第二部位分类模型输出的各个类别的部位均位于第一部位类别的部位中；
第二分类单元，用于将所述第一鼻咽喉镜图像输入至所述第二部位分类模型，得到所述第一鼻咽喉镜图像的第二部位类别；
第二获取单元，用于获取第二部位类别的多张鼻咽喉镜留图图像，其中，多张鼻咽喉镜留图图像为鼻咽喉镜对第二部位类别的部位进行不同角度拍照并留图得到的；
第三获取单元，用于获取每张鼻咽喉镜留图图像的至少一个特征量化值；
第一确定单元，用于针对任意一个所述鼻咽喉镜留图图像，根据所述鼻咽喉镜留图图像的至少一个特征量化值确定所述鼻咽喉镜留图图像的目标特征量化值，得到各个所述鼻咽喉镜留图图像的目标特征量化值；
第二确定单元，用于将目标特征量化值最大的所述鼻咽喉镜留图图像确定为第二部位类别的目标留图图像；
异常识别单元，用于基于所述第二部位类别的目标留图图像确定异常识别结果。
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中任一项所述的鼻咽喉镜图像异常的识别方法。
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任一项所述的鼻咽喉镜图像异常的识别方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310029634.9A CN115937209A (zh) | 2023-01-09 | 2023-01-09 | 鼻咽喉镜图像异常的识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310029634.9A CN115937209A (zh) | 2023-01-09 | 2023-01-09 | 鼻咽喉镜图像异常的识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115937209A true CN115937209A (zh) | 2023-04-07 |
Family
ID=86552571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310029634.9A Pending CN115937209A (zh) | 2023-01-09 | 2023-01-09 | 鼻咽喉镜图像异常的识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937209A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116309649A (zh) * | 2023-05-17 | 2023-06-23 | 青岛市妇女儿童医院（青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心） | 一种基于ct影像的喉部病变异常区域分割系统 |
| CN117541800A (zh) * | 2024-01-10 | 2024-02-09 | 深圳因赛德思医疗科技有限公司 | 基于喉镜影像的喉部异常部位分割方法 |
-
2023
- 2023-01-09 CN CN202310029634.9A patent/CN115937209A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116309649A (zh) * | 2023-05-17 | 2023-06-23 | 青岛市妇女儿童医院（青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心） | 一种基于ct影像的喉部病变异常区域分割系统 |
| CN117541800A (zh) * | 2024-01-10 | 2024-02-09 | 深圳因赛德思医疗科技有限公司 | 基于喉镜影像的喉部异常部位分割方法 |
| CN117541800B (zh) * | 2024-01-10 | 2024-04-09 | 深圳因赛德思医疗科技有限公司 | 基于喉镜影像的喉部异常部位分割方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115937209A (zh) | 鼻咽喉镜图像异常的识别方法及装置 | |
| AU2018241162B2 (en) | Systems, methods, and computer-readable media for identifying when a subject is likely to be affected by a medical condition | |
| CN113573654B (zh) | 用于检测并测定病灶尺寸的ai系统、方法和存储介质 | |
| KR101874348B1 (ko) | 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
| WO2020088288A1 (zh) | 内窥镜图像的处理方法、系统及计算机设备 | |
| CN109427060A (zh) | 一种影像识别的方法、装置、终端设备和医疗系统 | |
| CN114511558B (zh) | 肠道清洁度的检测方法及装置 | |
| CN113658179A (zh) | 肠道清洁度的检测方法及装置 | |
| CN114419521B (zh) | 肠道内镜检查的监控方法及装置 | |
| CN113516639B (zh) | 基于全景x光片的口腔异常检测模型的训练方法及装置 | |
| CN114445406B (zh) | 肠镜图像分析方法、装置和医学图像处理设备 | |
| CN114417037B (zh) | 图像处理方法、装置、终端及可读存储介质 | |
| CN116091432A (zh) | 一种用于医疗内窥镜检查的质控方法、装置及计算机设备 | |
| CN114842000A (zh) | 一种内窥镜图像质量评估方法和系统 | |
| CN111275699A (zh) | 医学图像的处理方法、装置、设备及存储介质 | |
| CN115511885B (zh) | 盲肠插管成功率的检测方法及装置 | |
| CN115938593B (zh) | 病历信息的处理方法、装置、设备及计算机可读存储介质 | |
| CN114419041B (zh) | 病灶颜色的识别方法及装置 | |
| Rao et al. | Automatic Glottis Localization and Segmentation in Stroboscopic Videos Using Deep Neural Network. | |
| CN116091452A (zh) | 喉部图像的特征确定方法、装置及相关设备 | |
| CN113706536B (zh) | 滑镜风险预警方法、装置及计算机可读存储介质 | |
| Chu et al. | Epitomized summarization of wireless capsule endoscopic videos for efficient visualization | |
| CN114926448A (zh) | 一种胶囊内窥镜图像特征点提取方法 | |
| CN114419050A (zh) | 胃黏膜可视化程度量化方法、装置、终端及可读存储介质 | |
| CN115908452A (zh) | 食管内镜视频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 |