CN115984228A - 胃镜图像处理方法、装置、电子设备及存储介质 - Google Patents
胃镜图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115984228A CN115984228A CN202310028900.6A CN202310028900A CN115984228A CN 115984228 A CN115984228 A CN 115984228A CN 202310028900 A CN202310028900 A CN 202310028900A CN 115984228 A CN115984228 A CN 115984228A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- determining
- gastroscope
- red
- 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
Images
Landscapes
- Endoscopes (AREA)
Abstract
本发明公开了一种胃镜图像处理方法、装置、电子设备及存储介质,该方法包括获取通过胃镜检测采集到的目标用户的内镜图像集,对内镜图像集进行识别,确定内镜图像集中属于目标对象的第一图像,对第一图像进行异常检测,并将第一图像中存在异常的图像确定为第二图像,获取第二图像中的目标图像特征在第二图像中的位置信息,根据位置信息对目标图像特征进行聚类处理,得到聚类结果,根据聚类结果,确定目标用户的胃镜检测结果。采用本发明实施例,能够提高对目标图像特征的检测精度,从而提高胃镜图像的处理效率。
Description
技术领域
本发明涉及医疗辅助技术领域,尤其涉及一种胃镜图像处理方法、装置、电子设备及存储介质。
背景技术
食管和胃底静脉曲张是消化系统中常见的疾病,严重时食管或胃底静脉曲张破裂、出血,会直接危及患者的生命,因此,准确检测静脉曲张的病变严重程度至关重要。目前,胃镜检查为诊断食管胃底静脉曲张最简便而有效的方法,并且对食管胃底静脉曲张的分级有助于了解病情危重情况,以利于临床医师采取相对应的治疗手段和措施。
然而,胃镜检查是一项高强度的工作,很容易出现漏看、漏诊的情况,对医师的精力、技术、经验有很高的要求,对于经验不同的医师,得到的胃镜检查结果也不同,存在主观性强、结果不稳定的问题,且降低了胃镜图像的处理效率。
发明内容
本发明实施例的目的是提供一种胃镜图像处理方法、装置、电子设备及存储介质,以解决人工检测存在的检测效率低的技术问题。
在第一方面,为实现上述目的,本发明实施例提供了一种胃镜图像处理方法,包括:
获取通过胃镜检测采集到的目标用户的内镜图像集;
对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
根据所述聚类结果,确定所述目标用户的胃镜检测结果。
进一步的,所述获取通过胃镜检测采集到的目标用户的内镜图像集,包括:
获取胃镜检测采集到的胃镜视频,所述胃镜视频包括多帧胃镜图像;
确定每帧所述胃镜图像的有效区域,并确定所述有效区域的水平外切矩形;
按照所述水平外切矩形对所述胃镜图像进行裁剪,得到合格图像;
计算各帧所述合格图像的清晰度,将清晰度大于预设阈值的所述合格图像确定为所述内镜图像集。
进一步的,所述目标对象包括食管和胃底;
所述对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像,包括:
调用训练好的目标对象分类模型,对所述内镜图像集进行分类处理,以确定所述内镜图像集中分别属于食管和胃底的第一图像;
其中,所述训练好的目标对象分类模型根据胃镜检测采集的内镜图像,以及分别包含有食管和胃底的内镜图像的标注数据训练得到。
进一步的,所述异常包括静脉曲张;
所述对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像,包括:
调用训练好的异常分类模型,对所述第一图像进行分类处理,以确定所述第一图像中存在静脉曲张的第二图像;
其中,所述训练好的异常分类模型根据属于食管或胃底的第一图像,以及存在静脉曲张的第一图像的标注数据训练得到。
进一步的,所述目标图像特征包括红色征,所述位置信息包括坐标序列;
所述获取所述第二图像中的目标图像特征在所述第二图像中的位置信息,包括:
调用训练好的图像分割模型,对所述第二图像进行识别处理,以确定所述第二图像中的红色征区域;其中,所述训练好的图像分割模型根据存在静脉曲张的第二图像,以及对红色征区域进行标注的第二图像的标注数据训练得到;
根据所述第二图像,确定所述红色征区域的边界点在所述第二图像中的坐标序列。
进一步的,所述根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果,包括:
对所述坐标序列进行稀疏化处理,得到表征所述红色征区域的坐标序列对应的点集合;
遍历所述点集合中所有点与预设的第一目标点之间的第一距离,并将所述第一距离小于预设距离阈值的第一点归类为第一组,所述第一目标点为所述点集合中的任一一点;
若存在所述第一距离不小于所述预设距离阈值的第二点,则遍历所有所述第一距离不小于所述预设距离阈值的第二点与预设的第二目标点之间的第二距离,并将所述第二距离小于所述预设距离阈值的第二点归类为第二组,所述第二目标点为所述第二点中的任一一点;
若存在所述第一距离和所述第二距离均不小于所述预设距离阈值的第三点,则将所述第三点归类为第三组;
将所有已归类的组的个数作为聚类结果。
进一步的,所述根据所述聚类结果,确定所述目标用户的胃镜检测结果,包括:
若已归类的组的个数为1,则确定所述目标用户的静脉曲张红色征等级为第一级别;
若已归类的组的个数为2,则确定所述目标用户的静脉曲张红色征等级为第二级别;
若已归类的组的个数为3,则确定所述目标用户的静脉曲张红色征等级为第三级别;
其中,所述第三级别对应的红色征的弥散程度大于所述第二级别对应的红色征的弥散程度,所述第二级别对应的红色征的弥散程度大于所述第一级别对应的红色征的弥散程度。
在第二方面,为了解决相同的技术问题,本发明实施例提供了一种胃镜图像处理装置,包括:
第一获取模块,用于获取通过胃镜检测采集到的目标用户的内镜图像集;
识别模块,用于对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
检测模块,用于对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
第二获取模块,用于获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
聚类模块,用于根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
确定模块,用于根据所述聚类结果,确定所述目标用户的胃镜检测结果。
在第三方面,为了解决相同的技术问题,本发明实施例提供了一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现上述任一项所述的胃镜图像处理方法中的步骤。
在第四方面,为了解决相同的技术问题,本发明实施例提供了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计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的胃镜图像处理方法中的步骤。
本发明实施例提供了一种胃镜图像处理方法、装置、电子设备及存储介质,该方法通过获取第二图像中的目标图像特征在第二图像中的位置信息,并根据位置信息对目标图像特征进行聚类处理,能够提高对目标图像特征的检测精度,从而提高胃镜图像的处理效率。
附图说明
图1是本发明实施例提供的胃镜图像处理方法的一种流程示意图;
图2a-2d是本发明实施例提供的分别属于食管和胃底的第一图像;
图3a-3b是本发明实施例提供的静脉曲张的第二图像;
图4a-4c是本发明实施例提供的标注有红色征区域的边界点的第二图像;
图5a-5c是分别与图4a-4c对应的红色征区域的边界点在对应第二图像中的坐标序列示意图;
图6是本发明实施例提供的胃镜图像处理装置的一种结构示意图;
图7是本发明实施例提供的电子设备的一种结构示意图;
图8是本发明实施例提供的电子设备的另一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都属于本发明保护的范围。
应当理解的是,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
在相关技术中,胃镜检查为诊断食管胃底静脉曲张最简便而有效的方法,并且对食管胃底静脉曲张的分级有助于了解病情危重情况,以利于临床医师采取相对应的治疗手段和措施。临床上,医师根据患者胃镜检查的图像特征进行病情综合诊断,图像特征有静脉血管形态、大小、颜色、红色征等,其中红色征的识别判断对最终静脉曲张危重程度的判断有重要的影响,但是红色征的准确分级判断通过人工判断的方式存在主观因素,从而影响判断的准确性。
为了解决相关技术中存在的技术问题,请参见图1,图1是本发明实施例提供的胃镜图像处理方法的一种流程示意图,如图1所示,本发明实施例提供的胃镜图像处理方法包括步骤101至步骤106;
步骤101,获取通过胃镜检测采集到的目标用户的内镜图像集。
其中,内镜图像集是指包含有多帧内镜图像的集合,其中的内镜图像是通过胃镜检测采集的能够反映消化道信息的图像,一个目标用户对应一个内镜图像集。具体地,可以通过电子胃镜的探头采集到包含有消化道信息的视频,通过对视频进行分帧处理和筛选,其中的筛选规则可以是根据每一帧图像的清晰度或者每一帧图像反映的消化道信息进行筛选,生成内镜图像集。
在本实施例中,所述获取通过胃镜检测采集到的目标用户的内镜图像集的步骤,具体为:获取胃镜检测采集到的胃镜视频,所述胃镜视频包括多帧胃镜图像;确定每帧所述胃镜图像的有效区域,并确定所述有效区域的水平外切矩形;按照所述水平外切矩形对所述胃镜图像进行裁剪,得到合格图像;计算各帧所述合格图像的清晰度,将清晰度大于预设阈值的所述合格图像确定为所述内镜图像集。
其中,有效区域是指包含有目标对象的区域,例如食管部位、胃底部位等,具体地,可以通过预先训练图像分割模型,例如,选择UNet++网络模型进行训练,将胃镜图像输入图像分割模型,根据模型的输出,得到有效区域,并根据有效区域的边界坐标点,确定对应的水平外切矩形,以该水平外接矩形裁剪胃镜图像,得到合格图像,由于合格图像包含有效区域及外接矩形区域,保证了合格图像的有效区域的完整性,同时合格图像为规则的矩形,便于后续的图像处理的计算。图像的清晰度是衡量图像质量优劣的重要指标。其中,合格图像的清晰度可以通过计算图像的Laplacian梯度函数、方差函数、能量梯度函数等确定清晰度,然后根据合格图像的清晰度筛选出内镜图像集,即将清晰度大于预设阈值的合格图像确定为内镜图像。可以理解地,本实施例中通过对有效区域进行分割,避免了对无效区域的冗余处理,同时通过筛选出清晰度更高的合格图像,保证了内镜图像集的质量,有利于提高后续的内镜图像的处理效率。
可选的,在完成有效区域的确认后,本实施例还需对有效区进行ME-NBI(magnifying endoscopy with narrow-band imaging,放大内镜结合窄带成像)图像、非ME-NBI图像的识别,以将属于ME-NBI图像的区域作为所述有效区域。如此,通过将ME-NBI图像的区域作为所述有效区域,能够将图像中的图像特征进行放大,从而有效提高后续内镜图像的处理效率。
步骤102,对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像。
在本实施例中,所述目标对象包括食管和胃底。具体的,所述对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像的步骤,具体为:调用训练好的目标对象分类模型,对所述内镜图像集进行分类处理,以确定所述内镜图像集中分别属于食管和胃底的第一图像。
其中,所述训练好的目标对象分类模型根据胃镜检测采集的内镜图像,以及分别包含有食管和胃底的内镜图像的标注数据训练得到。具体的,所述训练好的目标对象分类模型可以为Resnet50图像分类神经网络模型等具有识别精准度高的模型,在此不一一例举。
在本实施例中,其中,属于食管的第一图像是指包含有消化道中的食管部位信息的内镜图像,属于胃底的第一图像是指包含有消化道中的胃底部位信息的内镜图像。由于消化道包含多个部位,不同部位反映的图像信息不同。
需要说明的是,食管部位相较于胃底部位,其面积更大,通常情况下,在电子胃镜在采集过程中,电子胃镜的探头按照预设路径和速度从食管部位一直移动到胃底部位,由于食管部位的面积大于胃底部位的面积,因此,在内镜图像集中,属于食管的第一图像的数量通常多于属于胃底的第一图像的数量。具体的,请参见图2a-2d,图2a-2d是本发明实施例提供的分别属于食管和胃底的第一图像。其中,图2a和图2b为属于食管的第一图像,图2c和图2d为属于胃底的第一图像。
步骤103,对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像。
在本实施例中,所述异常包括静脉曲张。具体的,所述对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像的步骤,具体为:调用训练好的异常分类模型,对所述第一图像进行分类处理,以确定所述第一图像中存在静脉曲张的第二图像。
其中,所述训练好的异常分类模型根据属于食管或胃底的第一图像,以及存在静脉曲张的第一图像的标注数据训练得到。具体的,所述训练好的异常分类模型可以是2个Resnet50图像分类神经网络模型,通过该2个模型分别识别食管、胃底内镜图像是否存在静脉曲张,从而有效提高图像识别的精准度。具体的,请参见图3a-3b,图3a-3b是本发明实施例提供的静脉曲张的第二图像。其中,图3a为食管存在静脉曲张的第二图像,图3b为胃底存在静脉曲张的第二图像。
步骤104,获取所述第二图像中的目标图像特征在所述第二图像中的位置信息。
在本实施例中,所述目标图像特征包括红色征,所述位置信息包括坐标序列。具体的,所述获取所述第二图像中的目标图像特征在所述第二图像中的位置信息的步骤,具体为:调用训练好的图像分割模型,对所述第二图像进行识别处理,以确定所述第二图像中的红色征区域;根据所述第二图像,确定所述红色征区域的边界点在所述第二图像中的坐标序列。
其中,所述训练好的图像分割模型根据存在静脉曲张的第二图像,以及对红色征区域进行标注的第二图像的标注数据训练得到。所述训练好的图像分割模型可以是UNet++图像分割神经网络模型等能够精准识别出第二图像中的红色征区域,并对第二图像中的各红色征区域的边界点进行标注。
作为可选的实施例,请参见图4a-4c和图5a-5c,图4a-4c是本发明实施例提供的标注有红色征区域的边界点的第二图像,图5a-5c是分别与图4a-4c对应的红色征区域的边界点在对应第二图像中的坐标序列示意图。其中,图4a-4c分别是经过训练好的图像分割模型输出的标注有红色征区域的边界点的第二图像,图5a则是由图4a中的红色征区域的边界点,以对应的第二图像作为平面坐标系生成的坐标序列示意图,图5b则是由图4b中的红色征区域的边界点,以对应的第二图像作为平面坐标系生成的坐标序列示意图,图5c则是由图4c中的红色征区域的边界点,以对应的第二图像作为平面坐标系生成的坐标序列示意图。
根据上述实施例提供的图5a-5c,即可确定第二图像中各红色征区域的边界点的坐标序列。
步骤105,根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果。
其中,本实施例提供的聚类处理主要是将相似的数据合并成一组,具体的,本实施例主要是将临近的坐标序列对应的点,归类为同一组,从而能够以归类得到的组的数量来表示第二图像中的红色征的弥散程度,进而能够根据红色征的弥散程度确定目标用户的静脉曲张红色征的等级,以此得到精准的胃镜检测结果,有利于临床医师根据精准的胃镜检测结果对目标用户采取最合适的治疗手段和措施。
具体的,所述聚类处理采用的聚类算法可以是层次聚类算法,也可以是基于划分的方法,只要是能够将相似的数据合并成一组的聚类算法,均在本发明实施例的保护范围。
作为可选的实施例,所述根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果的步骤,具体为:对所述坐标序列进行稀疏化处理,得到表征所述红色征区域的坐标序列对应的点集合;遍历所述点集合中所有点与预设的第一目标点之间的第一距离,并将所述第一距离小于预设距离阈值的第一点归类为第一组,所述第一目标点为所述点集合中的任一一点;若存在所述第一距离不小于所述预设距离阈值的第二点,则遍历所有所述第一距离不小于所述预设距离阈值的第二点与预设的第二目标点之间的第二距离,并将所述第二距离小于所述预设距离阈值的第二点归类为第二组,所述第二目标点为所述第二点中的任一一点;若存在所述第一距离和所述第二距离均不小于所述预设距离阈值的第三点,则将所述第三点归类为第三组;将所有已归类的组的个数作为聚类结果。
其中,为了获取能够准确表征所述红色征区域的坐标序列,需要对第二图像中各红色征区域的边界点的坐标序列进行稀疏化处理。此外,还可以同时对第二图像中各红色征区域的边界点的坐标序列进行均匀处理,从而能够提高表征所述红色征区域的精准度。
在得到表征所述红色征区域的坐标序列后,即可获取这些坐标序列对应的点,从而能够得到所有表征所述红色征区域的坐标序列对应的点的点集合。此时,所述点集合中的所有点均未进行分组,则进行以下归类分组步骤:
步骤1、预先确定未进行分组的点作为一个目标点,并将该目标点的预设范围内的所有点均归类于同一组。具体的,通过遍历所述点集合中未分组的点与预先确定的第一目标点之间的第一距离,并将第一距离小于预设距离阈值的点归类为同一组,即第一组。
步骤2、当仍存在未分组的点,则在仍未分组的点中再确定一个目标点,即在所有的第二点中预先确定一个第二目标点,并将第二目标点的预设范围内的所有点均归类于同一组。具体的,通过遍历所述点集合中仍未分组的点与预先确定的第二目标点之间的第二距离,并将第二距离小于预设距离阈值的点归类为同一组,即第二组。
步骤3、重复上述步骤1和步骤2,直至所有点均完成归类分组。
如此,通过上述归类分组步骤,即可完成对第二图像中的表征各红色征的坐标序列对应的点的聚类处理,得到归类后的至少一个组,并将归类后的组的个数作为聚类结果。
作为可选的实施例,在得到已归类的组后,还需要遍历已完成归类的组中任意两点之间的距离是否在预设范围内,并将超出预设范围的点从该已归类的组中删除,以将该删除的点重新定义为未分组的点。
其中,请继续参照图5a-5c,根据图5a可知,图5a中的点至少分布在3个不同的预设范围内,该预设范围可以是300*300,因此,图5a对应的坐标序列示意图在经过上述归类分组步骤后,至少可以得到3个及以上的组;根据图5b可知,图5b中的点分布在2个不同的预设范围内,该预设范围可以是600*600,因此,图5b对应的坐标序列示意图在经过上述归类分组步骤后,可以得到2个组;根据图5c可知,图5c中的点分布在1个预设范围内,该预设范围可以是600*600,因此,图5c对应的坐标序列示意图在经过上述归类分组步骤后,可以得到1个组。具体的,预设范围可以根据坐标序列对应的点的数量进行设置,也可以根据实际的技术需求进行设置,在此不进行限定。
步骤106,根据所述聚类结果,确定所述目标用户的胃镜检测结果。
在本实施例中,所述根据所述聚类结果,确定所述目标用户的胃镜检测结果的步骤,具体为:若已归类的组的个数为1,则确定所述目标用户的静脉曲张红色征等级为第一级别;若已归类的组的个数为2,则确定所述目标用户的静脉曲张红色征等级为第二级别;若已归类的组的个数为3,则确定所述目标用户的静脉曲张红色征等级为第三级别。
其中,所述第三级别对应的红色征的弥散程度大于所述第二级别对应的红色征的弥散程度,所述第二级别对应的红色征的弥散程度大于所述第一级别对应的红色征的弥散程度。
需要说明的是,当已归类的组的个数大于3时,则同样确定所述目标用户的静脉曲张红色征等级为第三级别。
具体的,请继续参见图5a-图5c,根据上述实施例得到的图5a对应的组数至少为3个,则能够确定与图5a对应的图4a的静脉曲张红色征等级为第三级别,也即图4a的静脉曲张红色征的弥散程度为重度;图5b对应的组数为2个,则能够确定与图5b对应的图4b的静脉曲张红色征等级为第二级别,也即图4b的静脉曲张红色征的弥散程度为中度;图5c对应的组数为1个,则能够确定与图5c对应的图4c的静脉曲张红色征等级为第一级别,也即图4c的静脉曲张红色征的弥散程度为轻度。
将上述实施例确定的静脉曲张红色征的弥散程度,作为目标用户的胃镜检测结果,能够提高对静脉曲张红色征的检测精度,从而提高胃镜图像的处理效率。并且,临床医师能够根据所述胃镜检测结果,准确的为目标用户提供最合适的治疗手段和措施。
综上所述,本发明实施例提供的胃镜图像处理方法,包括获取通过胃镜检测采集到的目标用户的内镜图像集,对内镜图像集进行识别,确定内镜图像集中属于目标对象的第一图像,对第一图像进行异常检测,并将第一图像中存在异常的图像确定为第二图像,获取第二图像中的目标图像特征在第二图像中的位置信息,根据位置信息对目标图像特征进行聚类处理,得到聚类结果,根据聚类结果,确定目标用户的胃镜检测结果。采用本发明实施例,能够提高对目标图像特征的检测精度,从而提高胃镜图像的处理效率。
根据上述实施例所描述的方法,本实施例将从胃镜图像处理装置的角度进一步进行描述,该胃镜图像处理装置具体可以作为独立的实体来实现,也可以集成在电子设备,比如终端中来实现,该终端可以包括手机、平板电脑等。
请参见图6,图6是本发明实施例提供的胃镜图像处理装置的一种结构示意图,如图6所示,本发明实施例提供的胃镜图像处理装置600,包括:
第一获取模块601,用于获取通过胃镜检测采集到的目标用户的内镜图像集。
在本实施例中,所述第一获取模块601具体用于:获取胃镜检测采集到的胃镜视频,所述胃镜视频包括多帧胃镜图像;确定每帧所述胃镜图像的有效区域,并确定所述有效区域的水平外切矩形;按照所述水平外切矩形对所述胃镜图像进行裁剪,得到合格图像;计算各帧所述合格图像的清晰度,将清晰度大于预设阈值的所述合格图像确定为所述内镜图像集。
识别模块602,用于对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像。
在本实施例中,所述目标对象包括食管和胃底。所述识别模块602具体用于:调用训练好的目标对象分类模型,对所述内镜图像集进行分类处理,以确定所述内镜图像集中分别属于食管和胃底的第一图像。
其中,所述训练好的目标对象分类模型根据胃镜检测采集的内镜图像,以及分别包含有食管和胃底的内镜图像的标注数据训练得到。
检测模块603,用于对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像。
在本实施例中,所述异常包括静脉曲张。所述检测模块603具体用于:调用训练好的异常分类模型,对所述第一图像进行分类处理,以确定所述第一图像中存在静脉曲张的第二图像。
其中,所述训练好的异常分类模型根据属于食管或胃底的第一图像,以及存在静脉曲张的第一图像的标注数据训练得到。
第二获取模块604,用于获取所述第二图像中的目标图像特征在所述第二图像中的位置信息。
在本实施例中,所述目标图像特征包括红色征,所述位置信息包括坐标序列。所述第二获取模块604具体用于:调用训练好的图像分割模型,对所述第二图像进行识别处理,以确定所述第二图像中的红色征区域;根据所述第二图像,确定所述红色征区域的边界点在所述第二图像中的坐标序列。
其中,所述训练好的图像分割模型根据存在静脉曲张的第二图像,以及对红色征区域进行标注的第二图像的标注数据训练得到。
聚类模块605,用于根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果。
在本实施例中,所述聚类模块605具体用于:对所述坐标序列进行稀疏化处理,得到表征所述红色征区域的坐标序列对应的点集合;遍历所述点集合中所有点与预设的第一目标点之间的第一距离,并将所述第一距离小于预设距离阈值的第一点归类为第一组,所述第一目标点为所述点集合中的任一一点;若存在所述第一距离不小于所述预设距离阈值的第二点,则遍历所有所述第一距离不小于所述预设距离阈值的第二点与预设的第二目标点之间的第二距离,并将所述第二距离小于所述预设距离阈值的第二点归类为第二组,所述第二目标点为所述第二点中的任一一点;若存在所述第一距离和所述第二距离均不小于所述预设距离阈值的第三点,则将所述第三点归类为第三组;将所有已归类的组的个数作为聚类结果。
确定模块606,用于根据所述聚类结果,确定所述目标用户的胃镜检测结果。
在本实施例中,所述确定模块606具体用于:若已归类的组的个数为1,则确定所述目标用户的静脉曲张红色征等级为第一级别;若已归类的组的个数为2,则确定所述目标用户的静脉曲张红色征等级为第二级别;若已归类的组的个数为3,则确定所述目标用户的静脉曲张红色征等级为第三级别。
其中,所述第三级别对应的红色征的弥散程度大于所述第二级别对应的红色征的弥散程度,所述第二级别对应的红色征的弥散程度大于所述第一级别对应的红色征的弥散程度。
具体实施时,以上各个模块和/或单元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,以上各个模块和/或单元的具体实施可参见前面的方法实施例,具体可以达到的有益效果也请参看前面的方法实施例中的有益效果,在此不再赘述。
另外,请参见图7,图7是本发明实施例提供的电子设备的一种结构示意图,该电子设备可以是移动终端如智能手机、平板电脑等设备。如图7所示,电子设备700包括处理器701、存储器702。其中,处理器701与存储器702电性连接。
处理器701是电子设备700的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器702内的应用程序,以及调用存储在存储器702内的数据,执行电子设备700的各种功能和处理数据,从而对电子设备700进行整体监控。
在本实施例中,电子设备700中的处理器701会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器702中,并由处理器701来运行存储在存储器702中的应用程序,从而实现各种功能:
获取通过胃镜检测采集到的目标用户的内镜图像集;
对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
根据所述聚类结果,确定所述目标用户的胃镜检测结果。
该电子设备700可以实现本发明实施例所提供的胃镜图像处理方法任一实施例中的步骤,因此,可以实现本发明实施例所提供的任一胃镜图像处理方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
请参见图8,图8是本发明实施例提供的电子设备的另一种结构示意图,如图8所示,图8示出了本发明实施例提供的电子设备的具体结构框图,该电子设备可以用于实施上述实施例中提供的胃镜图像处理方法。该电子设备800可以为移动终端如智能手机或笔记本电脑等设备。
RF电路810用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。RF电路810可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路810可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE),宽带码分多址技术(Wideband Code Division MultipleAccess,WCDMA),码分多址技术(Code Division Access,CDMA)、时分多址技术(TimeDivision Multiple Access,TDMA),无线保真技术(Wireless Fidelity,Wi-Fi)(如美国电气和电子工程师协会标准IEEE 802.11a,IEEE 802.11b,IEEE802.11g和/或IEEE802.11n)、网络电话(Voice over Internet Protocol,VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access,Wi-Max)、其他用于邮件、即时通讯及短消息的协议,以及任何其他合适的通讯协议,甚至可包括那些当前仍未被开发出来的协议。
存储器820可用于存储软件程序以及模块,如上述实施例中胃镜图像处理方法对应的程序指令/模块,处理器880通过运行存储在存储器820内的软件程序以及模块,从而执行各种功能应用以及胃镜图像处理,即实现如下功能:
获取通过胃镜检测采集到的目标用户的内镜图像集;
对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
根据所述聚类结果,确定所述目标用户的胃镜检测结果。
存储器820可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器820可进一步包括相对于处理器880远程设置的存储器,这些远程存储器可以通过网络连接至电子设备800。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元830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。具体地,输入单元830可包括触敏表面831以及其他输入设备832。触敏表面831,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面831上或在触敏表面831附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面831可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器880,并能接收处理器880发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面831。除了触敏表面831,输入单元830还可以包括其他输入设备832。具体地,其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元840可用于显示由用户输入的信息或提供给用户的信息以及电子设备800的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元840可包括显示面板841,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板841。进一步的,触敏表面831可覆盖显示面板841,当触敏表面831检测到在其上或附近的触摸操作后,传送给处理器880以确定触摸事件的类型,随后处理器880根据触摸事件的类型在显示面板841上提供相应的视觉输出。虽然在图中,触敏表面831与显示面板841是作为两个独立的部件来实现输入和输出功能,但是在某些实施例中,可以将触敏表面831与显示面板841集成而实现输入和输出功能。
电子设备800还可包括至少一种传感器850,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板841的亮度,接近传感器可在翻盖合上或者关闭时产生中断。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备800还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路860、扬声器861,传声器862可提供用户与电子设备800之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号,传输到扬声器861,由扬声器861转换为声音信号输出;另一方面,传声器862将收集的声音信号转换为电信号,由音频电路860接收后转换为音频数据,再将音频数据输出处理器880处理后,经RF电路810以发送给比如另一终端,或者将音频数据输出至存储器820以便进一步处理。音频电路860还可能包括耳塞插孔,以提供外设耳机与电子设备800的通信。
电子设备800通过传输模块870(例如Wi-Fi模块)可以帮助用户接收请求、发送信息等,它为用户提供了无线的宽带互联网访问。虽然图中示出了传输模块870,但是可以理解的是,其并不属于电子设备800的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器880是电子设备800的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器820内的软件程序和/或模块,以及调用存储在存储器820内的数据,执行电子设备800的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器880可包括一个或多个处理核心;在一些实施例中,处理器880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。可以理解地,上述调制解调处理器也可以不集成到处理器880中。
电子设备800还包括给各个部件供电的电源890(比如电池),在一些实施例中,电源可以通过电源管理系统与处理器880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890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。
尽管未示出,电子设备800还包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备的显示单元是触摸屏显示器,移动终端还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行以下操作的指令:
获取通过胃镜检测采集到的目标用户的内镜图像集;
对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
根据所述聚类结果,确定所述目标用户的胃镜检测结果。
具体实施时,以上各个模块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,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
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,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的胃镜图像处理方法中任一实施例的步骤。
其中,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。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的胃镜图像处理方法任一实施例中的步骤,因此,可以实现本发明实施例所提供的任一胃镜图像处理方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种胃镜图像处理方法、装置、电子设备及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。并且,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种胃镜图像处理方法,其特征在于,包括:
获取通过胃镜检测采集到的目标用户的内镜图像集;
对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
根据所述聚类结果,确定所述目标用户的胃镜检测结果。
2.如权利要求1所述的胃镜图像处理方法,其特征在于,所述获取通过胃镜检测采集到的目标用户的内镜图像集,包括:
获取胃镜检测采集到的胃镜视频,所述胃镜视频包括多帧胃镜图像;
确定每帧所述胃镜图像的有效区域,并确定所述有效区域的水平外切矩形;
按照所述水平外切矩形对所述胃镜图像进行裁剪,得到合格图像;
计算各帧所述合格图像的清晰度,将清晰度大于预设阈值的所述合格图像确定为所述内镜图像集。
3.如权利要求1所述的胃镜图像处理方法,其特征在于,所述目标对象包括食管和胃底;
所述对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像,包括:
调用训练好的目标对象分类模型,对所述内镜图像集进行分类处理,以确定所述内镜图像集中分别属于食管和胃底的第一图像;
其中,所述训练好的目标对象分类模型根据胃镜检测采集的内镜图像,以及分别包含有食管和胃底的内镜图像的标注数据训练得到。
4.如权利要求3所述的胃镜图像处理方法,其特征在于,所述异常包括静脉曲张;
所述对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像,包括:
调用训练好的异常分类模型,对所述第一图像进行分类处理,以确定所述第一图像中存在静脉曲张的第二图像;
其中,所述训练好的异常分类模型根据属于食管或胃底的第一图像,以及存在静脉曲张的第一图像的标注数据训练得到。
5.如权利要求4所述的胃镜图像处理方法,其特征在于,所述目标图像特征包括红色征,所述位置信息包括坐标序列;
所述获取所述第二图像中的目标图像特征在所述第二图像中的位置信息,包括:
调用训练好的图像分割模型,对所述第二图像进行识别处理,以确定所述第二图像中的红色征区域;其中,所述训练好的图像分割模型根据存在静脉曲张的第二图像,以及对红色征区域进行标注的第二图像的标注数据训练得到;
根据所述第二图像,确定所述红色征区域的边界点在所述第二图像中的坐标序列。
6.如权利要求5所述的胃镜图像处理方法,其特征在于,所述根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果,包括:
对所述坐标序列进行稀疏化处理,得到表征所述红色征区域的坐标序列对应的点集合;
遍历所述点集合中所有点与预设的第一目标点之间的第一距离,并将所述第一距离小于预设距离阈值的第一点归类为第一组,所述第一目标点为所述点集合中的任一一点;
若存在所述第一距离不小于所述预设距离阈值的第二点,则遍历所有所述第一距离不小于所述预设距离阈值的第二点与预设的第二目标点之间的第二距离,并将所述第二距离小于所述预设距离阈值的第二点归类为第二组,所述第二目标点为所述第二点中的任一一点;
若存在所述第一距离和所述第二距离均不小于所述预设距离阈值的第三点,则将所述第三点归类为第三组;
将所有已归类的组的个数作为聚类结果。
7.如权利要求6所述的胃镜图像处理方法,其特征在于,所述根据所述聚类结果,确定所述目标用户的胃镜检测结果,包括:
若已归类的组的个数为1,则确定所述目标用户的静脉曲张红色征等级为第一级别;
若已归类的组的个数为2,则确定所述目标用户的静脉曲张红色征等级为第二级别;
若已归类的组的个数为3,则确定所述目标用户的静脉曲张红色征等级为第三级别;
其中,所述第三级别对应的红色征的弥散程度大于所述第二级别对应的红色征的弥散程度,所述第二级别对应的红色征的弥散程度大于所述第一级别对应的红色征的弥散程度。
8.一种胃镜图像处理装置,其特征在于,包括:
第一获取模块,用于获取通过胃镜检测采集到的目标用户的内镜图像集;
识别模块,用于对所述内镜图像集进行识别,确定所述内镜图像集中属于目标对象的第一图像;
检测模块,用于对所述第一图像进行异常检测,并将所述第一图像中存在异常的图像确定为第二图像;
第二获取模块,用于获取所述第二图像中的目标图像特征在所述第二图像中的位置信息;
聚类模块,用于根据所述位置信息对所述目标图像特征进行聚类处理,得到聚类结果;
确定模块,用于根据所述聚类结果,确定所述目标用户的胃镜检测结果。
9.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现如权利要求1至7任一项所述的胃镜图像处理方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至7任一项所述的胃镜图像处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028900.6A CN115984228A (zh) | 2023-01-09 | 2023-01-09 | 胃镜图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028900.6A CN115984228A (zh) | 2023-01-09 | 2023-01-09 | 胃镜图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115984228A true CN115984228A (zh) | 2023-04-18 |
Family
ID=85973972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310028900.6A Pending CN115984228A (zh) | 2023-01-09 | 2023-01-09 | 胃镜图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984228A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721764A (zh) * | 2023-08-10 | 2023-09-08 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
-
2023
- 2023-01-09 CN CN202310028900.6A patent/CN115984228A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721764A (zh) * | 2023-08-10 | 2023-09-08 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
CN116721764B (zh) * | 2023-08-10 | 2023-10-27 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11748883B2 (en) | Colon polyp image processing method and apparatus, and system | |
CN110866897B (zh) | 一种图像检测方法及计算机可读存储介质 | |
CN110210571B (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
US11921278B2 (en) | Image status determining method an apparatus, device, system, and computer storage medium | |
CN110738263A (zh) | 一种图像识别模型训练的方法、图像识别的方法及装置 | |
WO2018113512A1 (zh) | 图像处理方法以及相关装置 | |
CN113177928B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN110070129B (zh) | 一种图像检测方法、装置及存储介质 | |
CN110610181A (zh) | 医学影像识别方法及装置、电子设备及存储介质 | |
CN110211086B (zh) | 图像分割方法、装置及存储介质 | |
CN115984228A (zh) | 胃镜图像处理方法、装置、电子设备及存储介质 | |
CN114066875A (zh) | 切片图像处理方法、装置、存储介质及终端设备 | |
US20190019027A1 (en) | Method and mobile terminal for processing image and storage medium | |
CN112489082A (zh) | 位置检测方法、装置、电子设备以及可读存储介质 | |
CN115393323B (zh) | 一种目标区域获得方法、装置、设备和存储介质 | |
CN113902682A (zh) | 基于医疗图像的诊断方法、装置、存储介质及电子设备 | |
CN113283552A (zh) | 图像的分类方法、装置、存储介质及电子设备 | |
WO2019001253A1 (zh) | 虹膜活体检测方法及相关产品 | |
CN115375603A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN116596869B (zh) | 胃部标志物的浸润深度检测方法、装置及存储介质 | |
CN110866488A (zh) | 图像处理方法及装置 | |
CN114267453A (zh) | Ercp术后胰腺炎的风险评估方法、装置及存储介质 | |
CN114334114A (zh) | 内镜检查术前提醒方法、装置及存储介质 | |
CN114140864B (zh) | 轨迹跟踪方法、装置、存储介质及电子设备 | |
CN117876326A (zh) | 标志物识别方法、装置、设备及存储介质 |
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 |