CN116965765B - 基于目标检测算法的早期胃癌内镜实时辅助检测系统 - Google Patents
基于目标检测算法的早期胃癌内镜实时辅助检测系统 Download PDFInfo
- Publication number
- CN116965765B CN116965765B CN202310962093.5A CN202310962093A CN116965765B CN 116965765 B CN116965765 B CN 116965765B CN 202310962093 A CN202310962093 A CN 202310962093A CN 116965765 B CN116965765 B CN 116965765B
- Authority
- CN
- China
- Prior art keywords
- image
- endoscope
- patient
- stomach
- focus
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 201000011591 microinvasive gastric cancer Diseases 0.000 title claims abstract description 21
- 210000002784 stomach Anatomy 0.000 claims abstract description 101
- 230000003902 lesion Effects 0.000 claims abstract description 55
- 239000000284 extract Substances 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 208000024891 symptom Diseases 0.000 claims description 5
- 235000006694 eating habits Nutrition 0.000 claims description 4
- 238000001839 endoscopy Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 11
- 208000005718 Stomach Neoplasms Diseases 0.000 description 6
- 230000001788 irregular Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 201000011510 cancer Diseases 0.000 description 5
- 210000004400 mucous membrane Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 206010017758 gastric cancer Diseases 0.000 description 4
- 201000011549 stomach cancer Diseases 0.000 description 4
- 201000009030 Carcinoma Diseases 0.000 description 3
- 241000284156 Clerodendrum quadriloculare Species 0.000 description 3
- 208000025865 Ulcer Diseases 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005562 fading Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- KHLVKKOJDHCJMG-QDBORUFSSA-L indigo carmine Chemical compound [Na+].[Na+].N/1C2=CC=C(S([O-])(=O)=O)C=C2C(=O)C\1=C1/NC2=CC=C(S(=O)(=O)[O-])C=C2C1=O KHLVKKOJDHCJMG-QDBORUFSSA-L 0.000 description 3
- 229960003988 indigo carmine Drugs 0.000 description 3
- 235000012738 indigotine Nutrition 0.000 description 3
- 239000004179 indigotine Substances 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 231100000397 ulcer Toxicity 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 210000000078 claw Anatomy 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 238000002575 gastroscopy Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000227425 Pieris rapae crucivora Species 0.000 description 1
- 208000037062 Polyps Diseases 0.000 description 1
- 241000212749 Zesius chrysomallus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 201000000498 stomach carcinoma Diseases 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- 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
- A61B1/000095—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope for image enhancement
-
- 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
- A61B1/00147—Holding or positioning arrangements
- A61B1/00149—Holding or positioning arrangements using articulated arms
-
- 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
- A61B1/273—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 for the upper alimentary canal, e.g. oesophagoscopes, gastroscopes
- A61B1/2736—Gastroscopes
-
- 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
- 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
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30092—Stomach; Gastric
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- 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
-
- 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
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Gastroenterology & Hepatology (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Business, Economics & Management (AREA)
- Endoscopes (AREA)
Abstract
本发明涉及基于目标检测算法的早期胃癌内镜实时辅助检测系统,涉及医疗检测控制技术领域,包括:内镜操控模块用于基于预设工作参数控制内镜对患者的胃部进行内镜检查;图像获取模块用于通过内镜获取患者的胃部内镜图像;病灶识别模块,用于基于SSD目标检测算法确定患者的胃部内镜图像的可疑区域;参数调整模块用于基于患者的胃部内镜图像的可疑区域调整内镜操控模块的工作参数;内镜操控模块还用于基于参数调整模块调整后的工作参数,将内镜的姿态调整至目标姿态;图像获取模块还用于获取内镜在目标姿态采集的患者的胃部内镜图像;病灶识别模块还用于基于SSD目标检测算法确定患者的病灶检测结果,具有降低病灶漏检率的优点。
Description
技术领域
本发明涉及医疗检测控制技术领域,尤其涉及基于目标检测算法的早期胃癌内镜实时辅助检测系统。
背景技术
胃癌的预后极大程度上取决于它的分歧。有研究表明胃早癌的5年生存率几乎超过90%,而进展期胃癌的生存率却低于20%。所以,在高风险患癌人群中早期发现和规律随诊是降低胃癌发病率、提高患者生存率的最有效的手段。
胃镜结合活组织病理学检查(以下简称胃镜检查)是当前检出早期胃癌最主要的方法。由于不同内镜医师知识水平、操作经验等各不相同,内镜医师检查质量差异很大,经验不足的内镜医师常会出现漏诊。
因此,需要提供基于目标检测算法的早期胃癌内镜实时辅助检测系统,用于降低病灶漏检率。
发明内容
本说明书实施例之一提供本发明提供了基于目标检测算法的早期胃癌内镜实时辅助检测系统,包括:内镜操控模块,用于基于预设工作参数控制内镜对患者的胃部进行内镜检查;图像获取模块,用于通过所述内镜获取所述患者的胃部内镜图像;病灶识别模块,用于基于SSD目标检测算法对所述患者的胃部内镜图像进行图像识别,确定所述患者的胃部内镜图像的可疑区域;参数调整模块,用于基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数;所述内镜操控模块还用于基于所述参数调整模块调整后的工作参数,将所述内镜的姿态调整至目标姿态;所述图像获取模块还用于获取所述内镜在所述目标姿态采集的所述患者的胃部内镜图像;所述病灶识别模块还用于基于SSD目标检测算法对所述所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行图像识别,确定所述患者的病灶检测结果。
更进一步地,所述病灶识别模块基于SSD目标检测算法对所述患者的胃部内镜图像进行图像识别,确定所述患者的胃部内镜图像的可疑区域,包括:基于所述SSD目标检测算法对所述患者的胃部内镜图像进行特征提取,确定所述患者的胃部内镜图像的多个第一锚框;对于每个所述第一锚框,提取所述第一锚框对应的第一区域图像的图像特征,并基于所述第一区域图像的图像特征判断所述第一锚框包括的区域是否为所述可疑区域。
更进一步地,所述病灶识别模块提取所述第一锚框对应的第一区域图像的图像特征,并基于所述第一区域图像的图像特征判断所述第一锚框包括的区域是否为所述可疑区域,包括:提取所述第一锚框对应的第一区域图像的颜色特征及形态特征;基于所述第一锚框对应的第一区域图像的颜色特征及形态特征,判断所述第一锚框包括的区域是否为所述可疑区域。
更进一步地,所述参数调整模块基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数,包括:确定所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征;基于所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断是否调整所述内镜操控模块的工作参数。
更进一步地,所述参数调整模块基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数,包括:当基于所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断调整所述内镜操控模块的工作参数时,基于所述可疑区域的位置信息、图像质量特征及病灶完整度特征,确定所述可疑区域对应的目标姿态;基于所述可疑区域对应的目标姿态及所述内镜的当前姿态,生成将所述内镜从当前姿态调整为所述目标姿态的姿态调整指令,其中,所述姿态调整指令用于控制所述内镜操控模块将所述内镜的姿态调整至目标姿态。
更进一步地,所述病灶识别模块基于SSD目标检测算法对所述所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行图像识别,确定所述患者的病灶检测结果,包括:基于所述SSD目标检测算法对所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行特征提取,确定所述内镜在所述目标姿态采集的所述患者的胃部内镜图像的多个第二锚框;对于每个所述第二锚框,提取所述第二锚框对应的第二区域图像的图像特征,并基于所述第二区域图像的图像特征判断所述第二锚框包括的区域是否为病灶区域;对于每个所述病灶区域,基于所述病灶区域对应的第二区域图像的图像特征,确定病灶类型。
更进一步地,所述病灶识别模块提取所述第二锚框对应的第二区域图像的图像特征,并基于所述第二区域图像的图像特征判断所述第二锚框包括的区域是否为病灶区域,包括:提取所述第二锚框对应的第二区域图像的颜色特征、凸起特征及凹陷特征;基于所述第二区域图像的颜色特征、凸起特征及凹陷特征,判断所述第二锚框包括的区域是否为病灶区域。
更进一步地,所述病灶识别模块基于所述病灶区域对应的第二区域图像的图像特征,确定病灶类型,包括:获取多种预设标准病灶的颜色特征、凸起特征及凹陷特征;计算所述病灶区域对应的第二区域图像对应的第二区域图像的颜色特征、凸起特征及凹陷特征与每种所述预设标准病灶的颜色特征、凸起特征及凹陷特征之间的病灶相似度;基于所述病灶相似度,确定所述病灶区域对应的病灶类型。
更进一步地,所述内镜操控模块确定所述预设工作参数,包括:获取所述患者的相关信息;基于所述患者的相关信息,预测病灶类型;基于预设的病灶类型,确定位于所述患者的内部的至少一个目标检测位置;基于所述至少一个目标检测位置,确定所述预设工作参数。
更进一步地,所述患者的历史症状信息、饮食习惯信息、个体特征信息及病历信息。
相比于现有技术,本说明书提供的基于目标检测算法的早期胃癌内镜实时辅助检测系统,至少具备以下有益效果:
1、通过内镜操控模块、图像获取模块、病灶识别模块及参数调整模块,实现内镜检查的自动化及病灶识别的自动化,为医生进行早期胃癌诊断提供辅助;
2、基于患者的胃部内镜图像的可疑区域调整内镜操控模块的工作参数,实现自动化调整内镜姿态,获取质量更好的可疑区域的图像,从而提高病灶诊断的精准度;
3、基于患者的相关信息,预测病灶类型,基于预设的病灶类型,确定位于患者的内部的至少一个目标检测位置,基于至少一个目标检测位置,确定预设工作参数,提高内镜检查的效率;
4、通过计算病灶区域对应的第二区域图像对应的第二区域图像的颜色特征、凸起特征及凹陷特征与每种预设标准病灶的颜色特征、凸起特征及凹陷特征之间的病灶相似度,可疑快速且较为准确的确定病灶区域对应的病灶类型。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是本申请一实施例中示出的基于目标检测算法的早期胃癌内镜实时辅助检测系统的模块图;
图2是本申请一实施例中示出的确定患者的胃部内镜图像的可疑区域的流程图;
图3是本申请一实施例中示出的调整内镜操控模块的工作参数的流程图;
图4是本申请一实施例中示出的确定患者的病灶检测结果。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。
图1是本申请一实施例中示出的基于目标检测算法的早期胃癌内镜实时辅助检测系统的模块图,如图1所示,基于目标检测算法的早期胃癌内镜实时辅助检测系统可以包括内镜操控模块、图像获取模块、病灶识别模块及参数调整模块。
内镜操控模块可以用于基于预设工作参数控制内镜对患者的胃部进行内镜检查。
内镜操控模块可以包括对内镜进行操作的机械结构。具体的,内镜操控模块可以包括台车,台车上布置有对软式内镜的操作部进行功能控制的第一机械臂,和对软式内镜的头端部进行输送操控的第二机械臂;第二机械臂的末端安装有对头端部进行输送的输送装置,第一机械臂的末端安装有驱动操作部动作的操作装置;操作装置包括对软式内镜进行操作的内镜操作装置,和对软式内镜进行操作的同时,同步对软式内镜的配套器械进行操作的器械操作装置;还包括对内镜操作装置和器械操作装置进行连接和固定的操作部基座;内镜操作装置包括对软式内镜的操作部进行适配安装的适配器,以及驱动适配器对软式内镜上的功能按钮执行手术操作的驱动结构;适配器上伸出适配器卡爪,驱动结构上伸出驱动卡爪,适配器的下端面与驱动结构的上端面对接,驱动结构通过适配器驱动软式内镜;器械操作装置包括器械驱动结构和伸出器械驱动结构上的器械,器械的前端为器械执行器,器械驱动结构通过导向柱和导向滑座的导向滑移落在操作部基座,器械驱动结构的下端面设置器械对接盘,操作部基座上端面设置驱动对接盘,器械对接盘和驱动对接盘动力对接;器械驱动结构驱动器械伸缩,同时控制器械执行器动作。
可以理解的,按照胃部内镜检查操作的术式需求,患者采用侧躺方式卧于检测台上。此时软式内镜已经安装到台车上完成了术前准备工作,软式内镜的操作部安装于第一机械臂的操作装置上;软式内镜的头端部安装在输送装置上,并由输送装置对插入部的端部进行抱紧。第二机械臂将输送装置拖动至患者口腔处,并将输送装置的输出口对准口腔,内镜操控模块可以直接对台车发出控制命令,完成软式内镜输送、转动等任务,内镜操控模块可以包括控制器作为主控端执行上位机操控动作,台车作为受控设备,并内置GPU作为下位机。
在一些实施例中,内镜操控模块确定预设工作参数,包括:
获取患者的相关信息;
基于患者的相关信息,预测病灶类型;
基于预设的病灶类型,确定位于患者的内部的至少一个目标检测位置,其中,目标检测位置为患者的胃部可能出现病灶的位置;
基于至少一个目标检测位置,确定预设工作参数。
在一些实施例中,患者的历史症状信息、饮食习惯信息、个体特征信息及病历信息。具体的,患者的历史症状信息可以包括患者在多个历史时间点的与胃部相关的症状信息,饮食习惯信息可以包括患者在多个历史时间点的饮食信息和/或饮食偏好,个体特征信息可以包括患者的当前年龄、患者的性别、患者在多个历史时间点的体重等信息,病历信息可以包括患者在多个历史时间点的疾病诊断信息。
仅作为示例的,内镜操控模块可以通过电子问卷、从医院的数据库读取等方式获取患者的相关信息。
具体的,内镜操控模块可以通过检测位置确定模型基于患者的相关信息,预测患者胃部中可能出现的至少一种病灶类型。其中,检测位置确定模型可以为人工神经网络(Artificial Neural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。其中,病灶类型可以为不同形态的胃癌早期病灶的类型。例如,0-Ip型、0-Is型、0-Ⅱa型、0-Ⅱb型、0-Ⅱc型、0-Ⅲ型等。
可以理解的,不同类型的病灶的位置可能不同,例如,胃窦部位、胃小弯、胃体等。基于检测位置确定模型预测患者胃部中可能出现的至少一种病灶类型,并根据病灶类型对应的高发位置,确定目标检测位置。
内镜操控模块可以按照至少一个目标检测位置的分布情况,确定对至少一个目标检测位置进行依次检测的顺序,按照检测的顺序,依次基于每个目标检测位置,生成控制内镜依次到达每个目标检测位置的控制指令,预设工作参数可以包括该控制内镜依次到达每个目标检测位置的控制指令。
图像获取模块可以用于通过内镜获取患者的胃部内镜图像。
具体的,图像获取模块可以在依次到达每个目标检测位置过程中,连续获取患者的胃部内镜图像。
病灶识别模块可以用于基于SSD(Single Shot MultiBox Detector)目标检测算法对患者的胃部内镜图像进行图像识别,确定患者的胃部内镜图像的可疑区域。
图2是本申请一实施例中示出的确定患者的胃部内镜图像的可疑区域的流程图,如图2所示,在一些实施例中,病灶识别模块基于SSD目标检测算法对患者的胃部内镜图像进行图像识别,确定患者的胃部内镜图像的可疑区域,包括:
基于SSD目标检测算法对患者的胃部内镜图像进行特征提取,确定患者的胃部内镜图像的多个第一锚框;
对于每个第一锚框,提取第一锚框对应的第一区域图像的图像特征,并基于第一区域图像的图像特征判断第一锚框包括的区域是否为可疑区域。
例如,病灶识别模块可以提取第一锚框对应的第一区域图像的颜色特征及形态特征;基于第一锚框对应的第一区域图像的颜色特征及形态特征,判断第一锚框包括的区域是否为可疑区域。其中,颜色特征可以包括第一锚框对应的第一区域图像的每个像素的RGB值,形态特征可以包括基于每个像素的RGB值进一步确定的凹陷特征及凸起特征。
仅作为示例,病灶识别模块可以输入第一锚框对应的第一区域图像的特征图,经过区域候选网络(Region ProposalNetworks,RPN)生成多个候选区域(regionproposals),通过分类器判断候选区域属于前景或者后景,再利用边界框(bounding box)回归修正获得精确的候选区域的特征图,再根据候选区域和特征图,做区域特征聚集,例如,可以通过区域特征聚集算法(ROI Align)完成区域特征聚集,综合这些信息后提取候选区域特征图(proposal feature maps),其中,区域候选网络的作用是用来提取候选框的,它的网络结构基于神经网络,但是输出的是包含二元分类和边界矩形框回归的多任务模型。区域候选网络的输入是待处理图像的特征图,通过在待处理图像的特征图上做一个大小为3x3的滑窗操作,得到一个通道是256维的特征图;第三阶段:将候选区域特征图分别传入分类器和边界框回归算法,获得检测物体类别和检测框最终的精确位置,通过FCN网络(Fully Convolution Nets)对每个感兴趣区域进行预测分割掩膜,一般在卷积之后会接几层全连接层,最后输出一个一维的向量,用于表示第一锚框对应的第一区域图像为可疑区域的概率。将全连接层换成了卷积层,可获得二维的特征图,最后再接入分类器获得每个像素的分类信息,实现逐像素的预测,判断第一锚框对应的第一区域图像是否为可疑区域。
参数调整模块可以用于基于患者的胃部内镜图像的可疑区域调整内镜操控模块的工作参数。
图3是本申请一实施例中示出的调整内镜操控模块的工作参数的流程图,如图3所示,在一些实施例中,参数调整模块基于患者的胃部内镜图像的可疑区域调整内镜操控模块的工作参数,包括:
确定患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,其中,图像质量特征可以包括清晰度、伪影等,病灶完整度特征用于表征病灶的边缘的完整度;
基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断是否调整内镜操控模块的工作参数;
当基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断调整内镜操控模块的工作参数时,基于可疑区域的位置信息、图像质量特征及病灶完整度特征,确定可疑区域对应的目标姿态,可以理解的,在内镜可疑区域对应的目标姿态获取的该患者的胃部内镜图像的可疑区域内的病灶的图像质量更好、病灶完整度更高;
基于可疑区域对应的目标姿态及内镜的当前姿态,生成将内镜从当前姿态调整为目标姿态的姿态调整指令,其中,姿态调整指令用于控制内镜操控模块将内镜的姿态调整至目标姿态。
具体的,参数调整模块可以通过轮廓预测模型基于胃部内镜图像的可疑区域的图像,预测胃部内镜图像的可疑区域对应的病灶的完整轮廓,并计算预测的胃部内镜图像的可疑区域对应的病灶的完整轮廓和基于胃部内镜图像的可疑区域的图像提取的病灶的轮廓之间的轮廓相似度,其中,轮廓预测模型可以为人工神经网络(Artificial NeuralNetwork,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
进一步的,参数调整模块可以基于胃部内镜图像的可疑区域的清晰度、伪影及轮廓相似度,确定图像质量分数,当图像质量分数小于预设图像质量分数阈值时,判断需要调整内镜操控模块的工作参数。
仅作为示例,参数调整模块可以通过以下公式基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征确定患者的胃部内镜图像的可疑区域的图像质量分数:
其中,Simage quality为患者的胃部内镜图像的可疑区域的图像质量分数,Cimage为患者的胃部内镜图像的可疑区域对应的归一化后的清晰度,Sartifact为患者的胃部内镜图像的可疑区域对应的归一化后的伪影面积,Soutline为患者的胃部内镜图像的可疑区域对应的归一化后的轮廓相似度,a1、a2及a3均为预设权重。
内镜操控模块还可以用于基于参数调整模块调整后的工作参数,将内镜的姿态调整至目标姿态。
具体的,当基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断调整内镜操控模块的工作参数时,内镜操控模块可以暂停执行预设工作参数,先基于可疑区域的位置信息、图像质量特征及病灶完整度特征,确定可疑区域对应的目标姿态,基于可疑区域对应的目标姿态及内镜的当前姿态,生成将内镜从当前姿态调整为目标姿态的姿态调整指令,并执行该姿态调整指令,直至执行完该姿态调整指令后,将内镜回归至调整前的姿态,再继续执行预设工作参数。
图像获取模块还可以用于获取内镜在目标姿态采集的患者的胃部内镜图像。
病灶识别模块还用于基于SSD目标检测算法对内镜在目标姿态采集的患者的胃部内镜图像进行图像识别,确定患者的病灶检测结果。
图4是本申请一实施例中示出的确定患者的病灶检测结果,如图4所示,在一些实施例中,病灶识别模块基于SSD目标检测算法对内镜在目标姿态采集的患者的胃部内镜图像进行图像识别,确定患者的病灶检测结果,包括:
基于SSD目标检测算法对内镜在目标姿态采集的患者的胃部内镜图像进行特征提取,确定内镜在目标姿态采集的患者的胃部内镜图像的多个第二锚框;
对于每个第二锚框,提取第二锚框对应的第二区域图像的图像特征,并基于第二区域图像的图像特征判断第二锚框包括的区域是否为病灶区域;
对于每个病灶区域,基于病灶区域对应的第二区域图像的图像特征,确定病灶类型。
在一些实施例中,病灶识别模块可以提取第二锚框对应的第二区域图像的颜色特征、凸起特征及凹陷特征;基于第二区域图像的颜色特征、凸起特征及凹陷特征,判断第二锚框包括的区域是否为病灶区域。
具体的,病灶识别模块可以基于提取的第二锚框对应的第二区域图像的颜色特征,确定颜色变化率、凸起高度及凹陷深度,其中,颜色变化率可以基于每两个相邻像素的RGB值的差值计算得到。当颜色变化率大于预设颜色变化率阈值、凸起高度大于预设凸起高度阈值和/或凹陷深度大于预设凹陷深度阈值时,病灶识别模块可以判断第二锚框包括的区域是否为病灶区域。
在一些实施例中,病灶识别模块基于病灶区域对应的第二区域图像的图像特征,确定病灶类型,包括:
获取多种预设标准病灶的颜色特征、凸起特征及凹陷特征;
计算病灶区域对应的第二区域图像对应的第二区域图像的颜色特征、凸起特征及凹陷特征与每种预设标准病灶的颜色特征、凸起特征及凹陷特征之间的病灶相似度;
基于病灶相似度,确定病灶区域对应的病灶类型。
可以理解的,不同的预设标准病灶对应的颜色特征、凸起特征及凹陷特征可以不同,例如:
0-Ⅰ型病灶(0-Ip型和0-I s型)相对易于发现,应主要观察病灶表面形态和色调是否不规则,胃窦后壁I s型早癌,表面结节状不平;胃体小弯偏后壁I s型早期癌,边缘呈花瓣样不规则;胃体前壁I s型早期胃癌,普通白光内镜下可见隆起的中心有发红的凹陷;NBI(非放大)下可见隆起病灶中心有边界清晰的凹陷;胃角前壁I s型病灶,表面可见边界清晰的退色调区域;胃体Ip型病灶,可见表面色调和细微结构完全不同的两个部分,之间有清晰的边界,为增生性息肉癌变。
0-Ⅱa型病灶隆起不太明显,可表现为局部的“粗糙黏膜”,有时白光内镜下难以确定,靛胭脂染色特别有助于判断。0-Ⅱb型病灶易于漏诊,有时边界不清晰,要特别注意黏膜色调的轻微变化。0-Ⅱc型病灶最多见,占早期胃癌的一半以上,不规则的边界(毛刺/星芒状)有助于判断,一部分伴浅溃疡形成,凹陷部色调发红常为分化型癌,发白/红白相间需考虑未分化癌。胃体小弯可见片状粗糙黏膜,略微隆起,边界不清;NBI未放大,可见粗糙黏膜区域内血管密度增加、增粗,表面形态与周边有明显差异,可大致判断边界;胃体小弯可见隆起,表面形态不规则,边界欠清晰;靛胭脂染色后,可见清晰边界,及自发性出血;胃窦小弯可见略隆起的粗糙黏膜,表面颜色不规则,有退色区域,但白光内镜下边界不清晰;靛胭脂染色后,可见边界清晰的Ⅱa型病灶,表面结节状不整。0-Ⅱb型早期胃癌,胃窦大弯,萎缩的背景上可见一边界清晰的退色区域,退色区域中又可见红色斑点;胃角后壁,边界不清的退色调病灶,病理为印戒细胞癌;胃角正中,可见粗糙的白色黏膜,边界清晰,表面成绒毛状。0-Ⅱc型早期胃癌,胃窦小弯近幽门Ⅱc型病灶,具有明显的星芒状边界,及自发性出血。胃底后壁Ⅱc型病灶,具有不规则毛刺状边界,色调发红。贲门6点钟方向Ⅱc型病灶,具有明显的星芒状边界。胃窦后壁Ⅱc型病灶,色调发白,活检病理为印戒细胞癌。胃窦小弯Ⅱc型病灶,色调发白并有白色黏液样物质附着于凹陷部表面,边界清晰,部分边界呈虫蚀样,凹陷中心有发红的相对正常上皮覆盖,为典型的未分化型早期癌表现,活检病理为印戒细胞癌。
0-Ⅲ型病灶(溃疡型),胃窦前壁可见一溃疡,溃疡周边可见更大范围的凹陷及黏膜皱襞集中、变浅。
具体的,病灶识别模块可以通过以下公式计算病灶区域对应的第二区域图像对应的第二区域图像的颜色特征、凸起特征及凹陷特征与每种预设标准病灶的颜色特征、凸起特征及凹陷特征之间的病灶相似度:
S(focus,j)=a4S(colour,j)+a5S(protusion,j)+a6S(protrusion,j)
其中,S(focus,j)为病灶区域的病灶与第j种预设标准病灶之间的病灶相似度,S(colour,j)为病灶区域对应的第二区域图像对应的第二区域图像的颜色特征与第j种预设标准病灶的颜色特征之间的颜色相似度,S(protrusion,j)为病灶区域对应的第二区域图像对应的第二区域图像的凸起特征与第j种预设标准病灶的凸起特征之间的凹起相似度,S(protrusion,j)为病灶区域对应的第二区域图像对应的第二区域图像的凹陷特征与第j种预设标准病灶的凹陷特征之间的凹陷相似度,a4、a4及a6均为预设权重。
可以理解的,可以将病灶相似度的最大值对应的病灶类型,作为该病灶区域对应的病灶类型。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,包括:
内镜操控模块,用于基于预设工作参数控制内镜对患者的胃部进行内镜检查;
图像获取模块,用于通过所述内镜获取所述患者的胃部内镜图像;
病灶识别模块,用于基于SSD目标检测算法对所述患者的胃部内镜图像进行图像识别,确定所述患者的胃部内镜图像的可疑区域;
参数调整模块,用于基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数;
所述内镜操控模块还用于基于所述参数调整模块调整后的工作参数,将所述内镜的姿态调整至目标姿态;
所述图像获取模块还用于获取所述内镜在所述目标姿态采集的所述患者的胃部内镜图像;
所述病灶识别模块还用于基于SSD目标检测算法对所述所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行图像识别,确定所述患者的病灶检测结果;
所述病灶识别模块基于SSD目标检测算法对所述患者的胃部内镜图像进行图像识别,确定所述患者的胃部内镜图像的可疑区域,包括:
基于所述SSD目标检测算法对所述患者的胃部内镜图像进行特征提取,确定所述患者的胃部内镜图像的多个第一锚框;
对于每个所述第一锚框,提取所述第一锚框对应的第一区域图像的图像特征,并基于所述第一区域图像的图像特征判断所述第一锚框包括的区域是否为所述可疑区域;
所述病灶识别模块提取所述第一锚框对应的第一区域图像的图像特征,并基于所述第一区域图像的图像特征判断所述第一锚框包括的区域是否为所述可疑区域,包括:
提取所述第一锚框对应的第一区域图像的颜色特征及形态特征;
基于所述第一锚框对应的第一区域图像的颜色特征及形态特征,判断所述第一锚框包括的区域是否为所述可疑区域;
所述参数调整模块基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数,包括:
确定所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征;
基于所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断是否调整所述内镜操控模块的工作参数;
所述参数调整模块基于所述患者的胃部内镜图像的可疑区域调整所述内镜操控模块的工作参数,包括:
当基于所述患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断调整所述内镜操控模块的工作参数时,基于所述可疑区域的位置信息、图像质量特征及病灶完整度特征,确定所述可疑区域对应的目标姿态;
基于所述可疑区域对应的目标姿态及所述内镜的当前姿态,生成将所述内镜从当前姿态调整为所述目标姿态的姿态调整指令,其中,所述姿态调整指令用于控制所述内镜操控模块将所述内镜的姿态调整至目标姿态;
参数调整模块通过轮廓预测模型基于胃部内镜图像的可疑区域的图像,预测胃部内镜图像的可疑区域对应的病灶的完整轮廓,并计算预测的胃部内镜图像的可疑区域对应的病灶的完整轮廓和基于胃部内镜图像的可疑区域的图像提取的病灶的轮廓之间的轮廓相似度,并基于胃部内镜图像的可疑区域的清晰度、伪影及轮廓相似度,确定图像质量分数,当图像质量分数小于预设图像质量分数阈值时,判断需要调整内镜操控模块的工作参数;
具体的,参数调整模块通过以下公式基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征确定患者的胃部内镜图像的可疑区域的图像质量分数:
其中,Simage quality为患者的胃部内镜图像的可疑区域的图像质量分数,Cimage为患者的胃部内镜图像的可疑区域对应的归一化后的清晰度,Sartifact为患者的胃部内镜图像的可疑区域对应的归一化后的伪影面积,Soutline为患者的胃部内镜图像的可疑区域对应的归一化后的轮廓相似度,a1、a2及a3均为预设权重;
当基于患者的胃部内镜图像的可疑区域的图像质量特征及病灶完整度特征,判断调整内镜操控模块的工作参数时,内镜操控模块暂停执行预设工作参数,先基于可疑区域的位置信息、图像质量特征及病灶完整度特征,确定可疑区域对应的目标姿态,基于可疑区域对应的目标姿态及内镜的当前姿态,生成将内镜从当前姿态调整为目标姿态的姿态调整指令,并执行该姿态调整指令,直至执行完该姿态调整指令后,将内镜回归至调整前的姿态,再继续执行预设工作参数。
2.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,所述病灶识别模块基于SSD目标检测算法对所述所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行图像识别,确定所述患者的病灶检测结果,包括:
基于所述SSD目标检测算法对所述内镜在所述目标姿态采集的所述患者的胃部内镜图像进行特征提取,确定所述内镜在所述目标姿态采集的所述患者的胃部内镜图像的多个第二锚框;
对于每个所述第二锚框,提取所述第二锚框对应的第二区域图像的图像特征,并基于所述第二区域图像的图像特征判断所述第二锚框包括的区域是否为病灶区域;
对于每个所述病灶区域,基于所述病灶区域对应的第二区域图像的图像特征,确定病灶类型。
3.根据权利要求2所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,所述病灶识别模块提取所述第二锚框对应的第二区域图像的图像特征,并基于所述第二区域图像的图像特征判断所述第二锚框包括的区域是否为病灶区域,包括:
提取所述第二锚框对应的第二区域图像的颜色特征、凸起特征及凹陷特征;
基于所述第二区域图像的颜色特征、凸起特征及凹陷特征,判断所述第二锚框包括的区域是否为病灶区域。
4.根据权利要求3所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,所述病灶识别模块基于所述病灶区域对应的第二区域图像的图像特征,确定病灶类型,包括:
获取多种预设标准病灶的颜色特征、凸起特征及凹陷特征;
计算所述病灶区域对应的第二区域图像对应的第二区域图像的颜色特征、凸起特征及凹陷特征与每种所述预设标准病灶的颜色特征、凸起特征及凹陷特征之间的病灶相似度;
基于所述病灶相似度,确定所述病灶区域对应的病灶类型。
5.根据权利要求1所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,所述内镜操控模块确定所述预设工作参数,包括:
获取所述患者的相关信息;
基于所述患者的相关信息,预测病灶类型;
基于预设的病灶类型,确定位于所述患者的内部的至少一个目标检测位置;
基于所述至少一个目标检测位置,确定所述预设工作参数。
6.根据权利要求5所述的基于目标检测算法的早期胃癌内镜实时辅助检测系统,其特征在于,所述患者的历史症状信息、饮食习惯信息、个体特征信息及病历信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962093.5A CN116965765B (zh) | 2023-08-01 | 2023-08-01 | 基于目标检测算法的早期胃癌内镜实时辅助检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310962093.5A CN116965765B (zh) | 2023-08-01 | 2023-08-01 | 基于目标检测算法的早期胃癌内镜实时辅助检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116965765A CN116965765A (zh) | 2023-10-31 |
CN116965765B true CN116965765B (zh) | 2024-03-08 |
Family
ID=88484680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310962093.5A Active CN116965765B (zh) | 2023-08-01 | 2023-08-01 | 基于目标检测算法的早期胃癌内镜实时辅助检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116965765B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690134B (zh) * | 2024-02-02 | 2024-04-12 | 苏州凌影云诺医疗科技有限公司 | 一种esd手术中电刀目标位置的标记辅助方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4907156A (en) * | 1987-06-30 | 1990-03-06 | University Of Chicago | Method and system for enhancement and detection of abnormal anatomic regions in a digital image |
CN107230198A (zh) * | 2017-06-09 | 2017-10-03 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
CN109616195A (zh) * | 2018-11-28 | 2019-04-12 | 武汉大学人民医院(湖北省人民医院) | 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法 |
CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
CN110477846A (zh) * | 2019-08-23 | 2019-11-22 | 西安交通大学医学院第二附属医院 | 一种消化内镜异常特征实时标记方法及系统 |
CN111127425A (zh) * | 2019-12-23 | 2020-05-08 | 北京至真互联网技术有限公司 | 基于视网膜眼底图像的目标检测定位方法和装置 |
WO2020116115A1 (ja) * | 2018-12-04 | 2020-06-11 | Hoya株式会社 | 情報処理装置およびモデルの生成方法 |
EP3839577A1 (de) * | 2019-12-18 | 2021-06-23 | Siemens Healthcare GmbH | Verfahren zur erzeugung eines röntgenbilddatensatzes |
CN114332056A (zh) * | 2021-12-31 | 2022-04-12 | 南京鼓楼医院 | 一种基于目标检测算法的早期胃癌内镜实时辅助检测系统 |
CN114727027A (zh) * | 2022-03-09 | 2022-07-08 | 浙江华诺康科技有限公司 | 曝光参数调节方法、装置、计算机设备和存储介质 |
KR20230008959A (ko) * | 2021-07-07 | 2023-01-17 | 성신여자대학교 연구 산학협력단 | 캡슐 내시경 장치 및 병변 진단 지원 방법 |
-
2023
- 2023-08-01 CN CN202310962093.5A patent/CN116965765B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4907156A (en) * | 1987-06-30 | 1990-03-06 | University Of Chicago | Method and system for enhancement and detection of abnormal anatomic regions in a digital image |
CN107230198A (zh) * | 2017-06-09 | 2017-10-03 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
CN109616195A (zh) * | 2018-11-28 | 2019-04-12 | 武汉大学人民医院(湖北省人民医院) | 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法 |
WO2020116115A1 (ja) * | 2018-12-04 | 2020-06-11 | Hoya株式会社 | 情報処理装置およびモデルの生成方法 |
CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
CN110477846A (zh) * | 2019-08-23 | 2019-11-22 | 西安交通大学医学院第二附属医院 | 一种消化内镜异常特征实时标记方法及系统 |
EP3839577A1 (de) * | 2019-12-18 | 2021-06-23 | Siemens Healthcare GmbH | Verfahren zur erzeugung eines röntgenbilddatensatzes |
CN111127425A (zh) * | 2019-12-23 | 2020-05-08 | 北京至真互联网技术有限公司 | 基于视网膜眼底图像的目标检测定位方法和装置 |
KR20230008959A (ko) * | 2021-07-07 | 2023-01-17 | 성신여자대학교 연구 산학협력단 | 캡슐 내시경 장치 및 병변 진단 지원 방법 |
CN114332056A (zh) * | 2021-12-31 | 2022-04-12 | 南京鼓楼医院 | 一种基于目标检测算法的早期胃癌内镜实时辅助检测系统 |
CN114727027A (zh) * | 2022-03-09 | 2022-07-08 | 浙江华诺康科技有限公司 | 曝光参数调节方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
A signal analysis of crosswell seismic interferometry using 2D finite difference modeling of ambient noise;Crane, Garvie;《Michigan Technological University》;20161231;全文 * |
RESOLVE-DWI和常规DWI对宫颈癌图像质量的对比研究;庄蔚;吴献华;冯峰;陈瑜凤;;医学影像学杂志;20200530(第05期);全文 * |
基于双目视觉的盆腔微创手术增强现实导航仿真系统的设计;高钦泉;黄伟萍;杜民;韦孟宇;柯栋忠;;计算机应用(第09期);全文 * |
基层医院如何提高早期胃癌的检出率;李发旺;尹雯;;甘肃医药(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116965765A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635871B (zh) | 一种基于多特征融合的胶囊内窥镜图像分类方法 | |
JP6176978B2 (ja) | 内視鏡用画像処理装置、内視鏡装置、内視鏡用画像処理装置の作動方法及び画像処理プログラム | |
JP4307496B2 (ja) | 顔部位検出装置及びプログラム | |
US8218862B2 (en) | Automatic mask design and registration and feature detection for computer-aided skin analysis | |
JP5276225B2 (ja) | 医用画像処理装置及び医用画像処理装置の作動方法 | |
JP5424584B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理装置の作動方法 | |
CN116965765B (zh) | 基于目标检测算法的早期胃癌内镜实时辅助检测系统 | |
US11298012B2 (en) | Image processing device, endoscope system, image processing method, and program | |
WO2007119297A1 (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
JP7278202B2 (ja) | 画像学習装置、画像学習方法、ニューラルネットワーク、及び画像分類装置 | |
WO2020224153A1 (zh) | 一种基于深度学习和图像增强的nbi图像处理方法及其应用 | |
WO2020012872A1 (ja) | 医用画像処理装置、医用画像処理システム、医用画像処理方法、及びプログラム | |
EP3922163A1 (en) | Medical image processing device, endoscope system, and medical image processing method | |
US20210076917A1 (en) | Image processing apparatus, endoscope system, and image processing method | |
US20130064436A1 (en) | Medical image processing apparatus and method of operating medical image processing apparatus | |
US11978550B2 (en) | Endoscopic image learning device, endoscopic image learning method, endoscopic image learning program, and endoscopic image recognition device | |
WO2017203701A1 (ja) | 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム | |
US11980420B2 (en) | Dynamic adjustment of flash intensity based on retinal pigmentation | |
Du et al. | A novel algorithm of color tongue image segmentation based on HSI | |
US20210209755A1 (en) | Automatic lesion border selection based on morphology and color features | |
CN111292285B (zh) | 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法 | |
Gu et al. | Automatic Tongue Image Segmentation Based on Thresholding and an Improved Level Set Model | |
US20240065540A1 (en) | Apparatus and method for detecting cervical cancer | |
US20230210349A1 (en) | Medical imaging apparatus and operating method for same | |
US20240032856A1 (en) | Method and device for providing alopecia information |
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 |