CN116258700B - 一种内窥镜冻结状态检测的方法 - Google Patents

一种内窥镜冻结状态检测的方法 Download PDF

Info

Publication number
CN116258700B
CN116258700B CN202310172599.6A CN202310172599A CN116258700B CN 116258700 B CN116258700 B CN 116258700B CN 202310172599 A CN202310172599 A CN 202310172599A CN 116258700 B CN116258700 B CN 116258700B
Authority
CN
China
Prior art keywords
endoscopic
dimensional array
endoscope
bit
value
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
Application number
CN202310172599.6A
Other languages
English (en)
Other versions
CN116258700A (zh
Inventor
赵军军
缪林
蒋国斌
伏亦伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Suotu Technology Co ltd
Original Assignee
Nanjing Suotu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Suotu Technology Co ltd filed Critical Nanjing Suotu Technology Co ltd
Priority to CN202310172599.6A priority Critical patent/CN116258700B/zh
Publication of CN116258700A publication Critical patent/CN116258700A/zh
Application granted granted Critical
Publication of CN116258700B publication Critical patent/CN116258700B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Endoscopes (AREA)

Abstract

本发明涉及一种内窥镜冻结状态检测的方法，针对于实时获取到的内窥镜镜下画面，首先通过画面中多个点位置RGB颜色值的一致性判断，实现内窥镜镜体安装的判断，然后构建内窥镜镜下画面的采样范围，即缩减识别区域降低样本容量，最后分析采样范围内各像素关于红色值、蓝色值的分布，结合相邻各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，其中降低数据直方图组数，提升了状态识别的速度，并且结合容差的设定，提高了方法执行的容错率，并可以有效去除单次冻结的重复检测；整个设计通过较少的资源，即可针对高帧率的彩色高清、超清内窥镜图像，实现冻结状态的快速判定。

Description

一种内窥镜冻结状态检测的方法
技术领域
本发明涉及一种内窥镜冻结状态检测的方法，属于图像处理技术领域。
背景技术
随着科技技术的不断进步，内窥镜的应用范围越来越广泛，除了应用于工业或生活中对不可达位置的观察，最主要的应用是用于医学上作为医生眼、手的延伸，可以实现医生对人体内消化道，肝、胆、胰腺管道系统、腹腔脏器及耳鼻喉等各种组织器官的实际情况进行观察、诊断、治疗。
在医生使用内窥镜的过程中，对于关注的内窥镜画面或者到达医学标准的预定位置，需要通过按下内窥镜把手上冻结按钮，使内窥镜画面处于冻结状态，用于观察、以及用于后期的报告和患者的病历记录，由于用于报告和病历记录的报告工作站与内窥镜画面状态没有关联，就无法在内窥镜画面冻结后做出相应的后续动作（如自动采集图像、自动标注录像节点等），而是由人为参与（如踩下脚踏、按下桌面按钮、或第三人协助）进行后续操作（如自动采集图像、自动标注录像节点等），这就给术中的医护人员带来了额外的工作量，也分散了术中医护人员的精力和关注度、干扰了手术的成功率。
发明内容
本发明所要解决的技术问题是提供一种内窥镜冻结状态检测的方法，基于具体所设计的图像检测过程，能够准确、快速的识别出内窥镜是否处于冻结状态，并可避免内窥镜画面中设备参数跳动的干扰和有效规避因冻结时间较长（>2秒）而导致的重复触发，为后续操作处理（如自动采集图像、自动标注录像节点等）提供实时准确的参考，从而将人工参与操作替代为自动完成后续处理变为可能。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种内窥镜冻结状态检测的方法，针对于实时获取到的内窥镜镜下画面，执行如下步骤A至步骤C，实现对内窥镜冻结状态的检测；
步骤A. 获取位于内窥镜镜下画面中以中心位置为圆心、预设半径范围内，且彼此距离大于预设间距的至少两个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同，是则表示内窥镜镜体未安装于内窥镜主机上，针对下一幅内窥镜镜下画面，重新执行步骤A；否则进入步骤B；
步骤B. 以该内窥镜镜下画面左下顶点为原点、该内窥镜镜下画面宽度所在直线为x轴、该内窥镜镜下画面高度所在直线为y轴的，构建坐标系；然后基于坐标系，以该内窥镜镜下画面宽度二分之一处为x轴方向采样起始位置，该内窥镜镜下画面宽度的四分之一为采样宽度，以该内窥镜镜下画面高度三分之一处为y轴方向采样起始位置，该内窥镜镜下画面高度的三分之一为采样高度，构建内窥镜镜下画面的采样范围，再进入步骤C；
步骤C. 获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，然后针对下一幅内窥镜镜下画面，返回步骤A。
作为本发明的一种优选技术方案：所述步骤C中按如下步骤C1至步骤C3，获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布；
步骤C1. 设定一个长度为a的正整型一维数组iColorRAry=0、一个长度为a的正整型一维数组iColorBAry=0、一个长度为a的浮点型一维数组fRAry=0、一个长度为a的浮点型一维数组fBAry=0，然后进入步骤C2；
步骤C2. 分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的红色值，并与a进行取余数运算，所获余数即为该像素关于红色对应的分组序号，进而获得各像素分别关于红色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorRAry中的各位；
同时，分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的蓝色值，并与a进行取余数运算，所获余数即为该像素关于蓝色对应的分组序号，进而获得各像素分别关于蓝色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorBAry中的各位，然后进入步骤C3；
步骤C3. 顺序获得一维数组iColorRAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fRAry中的各位；同时顺序获得一维数组iColorBAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fBAry中的各位。
作为本发明的一种优选技术方案：基于初始化三个长度为a的一维数组m_fPreImageMarkData、m_fCurrentImageMarkData、m_fPreSaveImageMarkData，且各一维数组分别等于0，以及初始化正整数变量m_iSameCount=0；针对陆续采集所获取各幅内窥镜镜下画面，执行如下步骤A至步骤C，实现对内窥镜冻结状态的检测的过程中，步骤C中按如下步骤C4至步骤C9，基于内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测；
步骤C4. 顺序获得一维数组fRAry中各位的值分别与一维数组fBAry中对应相同位的值的相加结果，并顺序写入一维数组m_fCurrentImageMarkData中的各位，然后进入步骤C5；
步骤C5. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否小于0.1，是则进入步骤C6；否则设置m_iSameCount=0，并判定内窥镜当前状态为非冻结状态，再返回步骤A；
步骤C6. 针对m_iSameCount的值进行加1更新，并进入步骤C7；
步骤C7. 判断m_iSameCount是否大于预设连续相似画面数阈值b，是则设置m_iSameCount=0，并进入步骤C8；否则判定内窥镜当前状态为非冻结状态，并返回步骤A；
步骤C8. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreSaveImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否大于0.1，是则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容不相同，是新一轮内窥镜镜下画面冻结状态，并进入步骤C9；否则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容相同，该内窥镜镜下画面是上一轮冻结状态内窥镜镜下画面的延续，并返回步骤A；
步骤C9. 顺序将一维数组m_fCurrentImageMarkData中各位的值分别赋值给一维数组m_fPreImageMarkData中对应相同位、以及一维数组m_fPreSaveImageMarkData中对应相同位，然后返回步骤A。
作为本发明的一种优选技术方案：所述预设连续相似画面数阈值b的取值范围为8-30中的整数值。
作为本发明的一种优选技术方案：所述步骤A中，针对内窥镜镜下画面中位于宽度三分之一、且高度三分之一的点位置、位于宽度三分之一、且高度三分之二的点位置、位于宽度三分之二、且高度三分之一的点位置、以及位于宽度三分之二、且高度三分之二的点位置，获得该各个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同。
作为本发明的一种优选技术方案：所述a=8。
本发明所述一种内窥镜冻结状态检测的方法，采用以上技术方案与现有技术相比，具有以下技术效果：
（1）本发明所设计内窥镜冻结状态检测的方法，针对于实时获取到的内窥镜镜下画面，首先通过画面中多个点位置RGB颜色值的一致性判断，实现内窥镜镜体安装的判断，然后构建内窥镜镜下画面的采样范围，即缩减识别区域降低样本容量，最后分析采样范围内各像素关于红色值、蓝色值的分布，结合相邻各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，其中降低数据直方图组数，提升了状态识别的速度，并且结合容差的设定，提高了方法执行的容错率，并可以有效去除单次冻结的重复检测；整个设计通过较少的资源，即可针对高帧率的彩色高清、超清内窥镜图像，实现冻结状态的快速判定。
附图说明
图1是本发明设计内窥镜冻结状态检测的方法的流程图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明所设计一种内窥镜冻结状态检测的方法，实际应用当中，如图1所示，初始化三个长度为a=8的一维数组m_fPreImageMarkData、m_fCurrentImageMarkData、m_fPreSaveImageMarkData，且各一维数组分别等于0，以及初始化正整数变量m_iSameCount=0，针对于实时获取到的内窥镜镜下画面，执行如下步骤A至步骤C，实现对内窥镜冻结状态的检测。
步骤A. 获取位于内窥镜镜下画面中以中心位置为圆心、预设半径范围内，且彼此距离大于预设间距的至少两个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同，是则表示内窥镜镜体未安装于内窥镜主机上，针对下一幅内窥镜镜下画面，重新执行步骤A；否则进入步骤B。
实际应用当中，上述步骤A中，针对内窥镜镜下画面中位于宽度三分之一、且高度三分之一的点位置、位于宽度三分之一、且高度三分之二的点位置、位于宽度三分之二、且高度三分之一的点位置、以及位于宽度三分之二、且高度三分之二的点位置，获得该各个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同，是则表示内窥镜镜体未安装于内窥镜主机上，针对下一幅内窥镜镜下画面，重新执行步骤A；否则进入步骤B。
步骤B. 以该内窥镜镜下画面左下顶点为原点、该内窥镜镜下画面宽度所在直线为x轴、该内窥镜镜下画面高度所在直线为y轴的，构建坐标系；然后基于坐标系，以该内窥镜镜下画面宽度二分之一处为x轴方向采样起始位置，该内窥镜镜下画面宽度的四分之一为采样宽度，以该内窥镜镜下画面高度三分之一处为y轴方向采样起始位置，该内窥镜镜下画面高度的三分之一为采样高度，构建内窥镜镜下画面的采样范围，再进入步骤C。
上述内窥镜镜下画面的采样范围的构建，即通过缩减识别区域，降低样本容量，去除了与镜下画面无关的区域，有效降低了大于90%的样本容量。
步骤C. 获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，然后针对下一幅内窥镜镜下画面，返回步骤A。
实际应用当中，上述步骤C具体设计执行如下步骤C1至步骤C3，获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布。
步骤C1. 设定一个长度为a的正整型一维数组iColorRAry=0、一个长度为a的正整型一维数组iColorBAry=0、一个长度为a的浮点型一维数组fRAry=0、一个长度为a的浮点型一维数组fBAry=0，然后进入步骤C2。
步骤C2. 分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的红色值，并与a进行取余数运算，所获余数即为该像素关于红色对应的分组序号，进而获得各像素分别关于红色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorRAry中的各位。
同时，分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的蓝色值，并与a进行取余数运算，所获余数即为该像素关于蓝色对应的分组序号，进而获得各像素分别关于蓝色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorBAry中的各位，然后进入步骤C3。
步骤C3. 顺序获得一维数组iColorRAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fRAry中的各位；同时顺序获得一维数组iColorBAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fBAry中的各位。
应用中，进一步设计执行如下步骤C4至步骤C9，基于内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测。
步骤C4. 顺序获得一维数组fRAry中各位的值分别与一维数组fBAry中对应相同位的值的相加结果，并顺序写入一维数组m_fCurrentImageMarkData中的各位，然后进入步骤C5。
步骤C5. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否小于0.1，是则进入步骤C6；否则设置m_iSameCount=0，并判定内窥镜当前状态为非冻结状态，再返回步骤A。
步骤C6. 针对m_iSameCount的值进行加1更新，并进入步骤C7。
步骤C7. 判断m_iSameCount是否大于预设连续相似画面数阈值b，b的取值范围为8-30中的整数值，是则设置m_iSameCount=0，并进入步骤C8；否则判定内窥镜当前状态为非冻结状态，并返回步骤A。
步骤C8. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreSaveImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否大于0.1，是则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容不相同，是新一轮内窥镜镜下画面冻结状态，并进入步骤C9；否则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容相同，该内窥镜镜下画面是上一轮冻结状态内窥镜镜下画面的延续，并返回步骤A。
步骤C9. 顺序将一维数组m_fCurrentImageMarkData中各位的值分别赋值给一维数组m_fPreImageMarkData中对应相同位、以及一维数组m_fPreSaveImageMarkData中对应相同位，然后返回步骤A。
上述具体设计步骤C1至步骤C9的过程，实际应用中，设计减少数据直方图组数，由RGB常规三色直方图256×3个分组改为两色八均分直方图8×2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，有效减少了大于79%的数据量，提升了识别速度；并未通过设定容差10%、延缓判定（20次连续检测命中条件后生效），提高了涉及方案实际应用的容错率。
整个设计方案，使用较少资源，即可以针对高帧率（≥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，高效实现冻结状态的快速判定。
整个设计方案实际应用当中，针对于实时获取到的内窥镜镜下画面，首先通过画面中多个点位置RGB颜色值的一致性判断，实现内窥镜镜体安装的判断，然后构建内窥镜镜下画面的采样范围，即缩减识别区域降低样本容量，最后分析采样范围内各像素关于红色值、蓝色值的分布，结合相邻各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，其中降低数据直方图组数，提升了状态识别的速度，并且结合容差的设定，提高了方法执行的容错率，并可以有效去除单次冻结的重复检测；整个设计通过较少的资源，即可针对高帧率的彩色高清、超清内窥镜图像，实现冻结状态的快速判定。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (5)

1.一种内窥镜冻结状态检测的方法，其特征在于：针对于实时获取到的内窥镜镜下画面，执行如下步骤A至步骤C，实现对内窥镜冻结状态的检测；
步骤A. 获取位于内窥镜镜下画面中以中心位置为圆心、预设半径范围内，且彼此距离大于预设间距的至少两个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同，是则表示内窥镜镜体未安装于内窥镜主机上，针对下一幅内窥镜镜下画面，重新执行步骤A；否则进入步骤B；
步骤B. 以该内窥镜镜下画面左下顶点为原点、该内窥镜镜下画面宽度所在直线为x轴、该内窥镜镜下画面高度所在直线为y轴的，构建坐标系；然后基于坐标系，以该内窥镜镜下画面宽度二分之一处为x轴方向采样起始位置，该内窥镜镜下画面宽度的四分之一为采样宽度，以该内窥镜镜下画面高度三分之一处为y轴方向采样起始位置，该内窥镜镜下画面高度的三分之一为采样高度，构建内窥镜镜下画面的采样范围，再进入步骤C；
步骤C. 获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测，然后针对下一幅内窥镜镜下画面，返回步骤A；
步骤C中按如下步骤C1至步骤C3，获得内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布；
步骤C1. 设定一个长度为a的正整型一维数组iColorRAry=0、一个长度为a的正整型一维数组iColorBAry=0、一个长度为a的浮点型一维数组fRAry=0、一个长度为a的浮点型一维数组fBAry=0，然后进入步骤C2；
步骤C2. 分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的红色值，并与a进行取余数运算，所获余数即为该像素关于红色对应的分组序号，进而获得各像素分别关于红色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorRAry中的各位；
同时，分别针对内窥镜镜下画面中采样范围内的各像素，获得像素颜色中的蓝色值，并与a进行取余数运算，所获余数即为该像素关于蓝色对应的分组序号，进而获得各像素分别关于蓝色对应的分组序号，并统计顺序各分组序号之下像素的数量，顺序写入一维数组iColorBAry中的各位，然后进入步骤C3；
步骤C3. 顺序获得一维数组iColorRAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fRAry中的各位；同时顺序获得一维数组iColorBAry中各位上数值分别与内窥镜镜下画面中采样范围内像素总数的比值，并顺序写入一维数组fBAry中的各位。
2.根据权利要求1所述一种内窥镜冻结状态检测的方法，其特征在于：基于初始化三个长度为a的一维数组m_fPreImageMarkData、m_fCurrentImageMarkData、m_fPreSaveImageMarkData，且各一维数组分别等于0，以及初始化正整数变量m_iSameCount=0；针对陆续采集所获取各幅内窥镜镜下画面，执行如下步骤A至步骤C，实现对内窥镜冻结状态的检测的过程中，步骤C中按如下步骤C4至步骤C9，基于内窥镜镜下画面中采样范围内各像素关于红色值、蓝色值的分布，结合依次所获各幅内窥镜镜下画面之间的相似性，实现对内窥镜冻结状态的检测；
步骤C4. 顺序获得一维数组fRAry中各位的值分别与一维数组fBAry中对应相同位的值的相加结果，并顺序写入一维数组m_fCurrentImageMarkData中的各位，然后进入步骤C5；
步骤C5. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否小于0.1，是则进入步骤C6；否则设置m_iSameCount=0，并判定内窥镜当前状态为非冻结状态，再返回步骤A；
步骤C6. 针对m_iSameCount的值进行加1更新，并进入步骤C7；
步骤C7. 判断m_iSameCount是否大于预设连续相似画面数阈值b，是则设置m_iSameCount=0，并进入步骤C8；否则判定内窥镜当前状态为非冻结状态，并返回步骤A；
步骤C8. 顺序获得一维数组m_fCurrentImageMarkData中各位的值分别与一维数组m_fPreSaveImageMarkData中对应相同位的值的差值绝对值，并获得全部差值绝对值的和，然后判断该和是否大于0.1，是则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容不相同，是新一轮内窥镜镜下画面冻结状态，并进入步骤C9；否则判定该内窥镜镜下画面与上一轮冻结状态内窥镜镜下画面内容相同，该内窥镜镜下画面是上一轮冻结状态内窥镜镜下画面的延续，并返回步骤A；
步骤C9. 顺序将一维数组m_fCurrentImageMarkData中各位的值分别赋值给一维数组m_fPreImageMarkData中对应相同位、以及一维数组m_fPreSaveImageMarkData中对应相同位，然后返回步骤A。
3.根据权利要求2所述一种内窥镜冻结状态检测的方法，其特征在于：所述预设连续相似画面数阈值b的取值范围为8-30中的整数值。
4.根据权利要求1所述一种内窥镜冻结状态检测的方法，其特征在于：所述步骤A中，针对内窥镜镜下画面中位于宽度三分之一、且高度三分之一的点位置、位于宽度三分之一、且高度三分之二的点位置、位于宽度三分之二、且高度三分之一的点位置、以及位于宽度三分之二、且高度三分之二的点位置，获得该各个点位置的RGB颜色值，并判断各个点位置RGB颜色值彼此是否相同。
5.根据权利要求1至3中任意一项所述一种内窥镜冻结状态检测的方法，其特征在于：所述a=8。
CN202310172599.6A 2023-02-28 2023-02-28 一种内窥镜冻结状态检测的方法 Active CN116258700B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310172599.6A CN116258700B (zh) 2023-02-28 2023-02-28 一种内窥镜冻结状态检测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310172599.6A CN116258700B (zh) 2023-02-28 2023-02-28 一种内窥镜冻结状态检测的方法

Publications (2)

Publication Number Publication Date
CN116258700A CN116258700A (zh) 2023-06-13
CN116258700B true CN116258700B (zh) 2024-04-26

Family

ID=86680564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310172599.6A Active CN116258700B (zh) 2023-02-28 2023-02-28 一种内窥镜冻结状态检测的方法

Country Status (1)

Country Link
CN (1) CN116258700B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106714651A (zh) * 2015-08-13 2017-05-24 Hoya株式会社 评价值计算装置以及电子内窥镜系统
CN107421719A (zh) * 2017-05-17 2017-12-01 何文胜 一种内窥镜性能快速检测装置及其检测方法
CN108292366A (zh) * 2015-09-10 2018-07-17 美基蒂克艾尔有限公司 在内窥镜手术中检测可疑组织区域的系统和方法
CN110651297A (zh) * 2017-05-16 2020-01-03 苹果公司 使用引导图像对合成的长曝光图像进行可选增强
CN111784668A (zh) * 2020-07-01 2020-10-16 武汉楚精灵医疗科技有限公司 基于感知哈希算法的消化内镜检查影像自动冻结的方法
CN113724125A (zh) * 2021-09-03 2021-11-30 温州市中心医院 一种内镜冻结图像自动采集的方法和装置
CN115482244A (zh) * 2022-09-14 2022-12-16 南京索图科技有限公司 一种内镜镜下影像处理方法
CN115553685A (zh) * 2022-10-24 2023-01-03 南京索图科技有限公司 一种判断内窥镜进出的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106714651A (zh) * 2015-08-13 2017-05-24 Hoya株式会社 评价值计算装置以及电子内窥镜系统
CN108292366A (zh) * 2015-09-10 2018-07-17 美基蒂克艾尔有限公司 在内窥镜手术中检测可疑组织区域的系统和方法
CN110651297A (zh) * 2017-05-16 2020-01-03 苹果公司 使用引导图像对合成的长曝光图像进行可选增强
CN107421719A (zh) * 2017-05-17 2017-12-01 何文胜 一种内窥镜性能快速检测装置及其检测方法
CN111784668A (zh) * 2020-07-01 2020-10-16 武汉楚精灵医疗科技有限公司 基于感知哈希算法的消化内镜检查影像自动冻结的方法
EP3933672A1 (en) * 2020-07-01 2022-01-05 Wuhan Endoangel Medical Technology Co., Ltd. Method of automatic image freezing of digestive endoscopy
CN113724125A (zh) * 2021-09-03 2021-11-30 温州市中心医院 一种内镜冻结图像自动采集的方法和装置
CN115482244A (zh) * 2022-09-14 2022-12-16 南京索图科技有限公司 一种内镜镜下影像处理方法
CN115553685A (zh) * 2022-10-24 2023-01-03 南京索图科技有限公司 一种判断内窥镜进出的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Image partitioning and illumination in image-based pose detectionfor teleoperated flexible endoscopes;Charreau S. Bell等;《Artificial Intelligence in Medicine》;20130923;第59卷;第185-196页 *
基于ARM与FPGA的医用内窥镜摄像系统设计;赵深林;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20130315(第（2013）03期);E080-74 *
基于CUDA的4K超高清内窥镜图像处理算法研究;徐思雨;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20210215(第（2021）02期);E060-62 *

Also Published As

Publication number Publication date
CN116258700A (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
WO2021147500A1 (zh) 内窥镜图像处理方法、装置、电子设备及存储介质
CN111899229A (zh) 一种基于深度学习多模型融合技术的胃早癌辅助诊断方法
WO2020211530A1 (zh) 用于检测眼底图片的模型训练方法和装置、眼底图片的检测方法和装置、计算机设备和介质
US8204287B2 (en) Image processing apparatus, image processing method and image processing program
US9773185B2 (en) Image processing apparatus, image processing method, and computer readable recording device
CN105657580B (zh) 一种胶囊内镜视频摘要生成方法
CN111862090B (zh) 一种基于人工智能的食管癌术前管理的方法和系统
EP3933672A1 (en) Method of automatic image freezing of digestive endoscopy
CN112102332A (zh) 基于局部分类神经网络的癌症wsi的分割方法
CN115861721B (zh) 基于图像数据的畜禽养殖喷雾设备状态识别方法
CN118397280B (zh) 基于人工智能的内镜下胃肠道图像分割识别系统及方法
CN116258700B (zh) 一种内窥镜冻结状态检测的方法
CN117764995B (zh) 基于深度神经网络算法的胆胰成像系统及方法
CN112885464B (zh) 一种基于Att-Res2-CE-Net的鼻内部疾病实时辅助诊疗系统
CN114842104A (zh) 一种基于多尺度残差的胶囊内窥镜图像超分辨率重建方法
CN111935454B (zh) 省流量图像流传输方法及电子设备
Peng et al. Real-time detection of ureteral orifice in urinary endoscopy videos based on deep learning
CN102509076A (zh) 基于主成分分析的视频图像背景检测方法
CN116703802A (zh) 一种基于组织切片的荧光图像转换方法
CN110458223B (zh) 一种内镜下支气管肿瘤自动检测方法及检测系统
CN116863469B (zh) 一种基于深度学习的手术解剖部位识别标注方法
CN111210451A (zh) 一种在全数字切片图像中提取幽门螺杆菌形态的方法
CN111583293B (zh) 一种面向多色双光子图像序列的自适应图像分割方法
CN117808813B (zh) 呼吸系统肺结节肿瘤细胞影像检测方法及系统、存储介质
WO2021206170A1 (ja) 画像診断装置、画像診断方法、画像診断プログラムおよび学習済みモデル

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