CN117045178A - 一种用于荧光腔镜成像的图像品质智能监测方法及系统 - Google Patents
一种用于荧光腔镜成像的图像品质智能监测方法及系统 Download PDFInfo
- Publication number
- CN117045178A CN117045178A CN202311085947.2A CN202311085947A CN117045178A CN 117045178 A CN117045178 A CN 117045178A CN 202311085947 A CN202311085947 A CN 202311085947A CN 117045178 A CN117045178 A CN 117045178A
- Authority
- CN
- China
- Prior art keywords
- image
- fluorescent
- lymph node
- fluorescence
- node area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000003384 imaging method Methods 0.000 title claims abstract description 35
- 210000001165 lymph node Anatomy 0.000 claims abstract description 114
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000011282 treatment Methods 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 6
- 238000002073 fluorescence micrograph Methods 0.000 claims description 58
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 6
- 238000002189 fluorescence spectrum Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 36
- 238000013441 quality evaluation Methods 0.000 description 21
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical compound [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 description 11
- 229960004657 indocyanine green Drugs 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000004324 lymphatic system Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 102000004506 Blood Proteins Human genes 0.000 description 1
- 108010017384 Blood Proteins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000004895 Lipoproteins Human genes 0.000 description 1
- 108090001030 Lipoproteins Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 210000001365 lymphatic vessel Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- 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
- A61B1/04—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 combined with photographic or television appliances
- A61B1/043—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 combined with photographic or television appliances for fluorescence imaging
-
- 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
-
- 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
- A61B1/06—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 with illuminating arrangements
- A61B1/0661—Endoscope light sources
-
- 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
- A61B1/313—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 introducing through surgical openings, e.g. laparoscopes
-
- 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
- A61B1/313—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 introducing through surgical openings, e.g. laparoscopes
- A61B1/3132—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 introducing through surgical openings, e.g. laparoscopes for laparoscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10064—Fluorescence 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
- G06T2207/10—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
- G06T2207/30168—Image quality inspection
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Endoscopes (AREA)
Abstract
本发明公开了一种用于荧光腔镜成像的图像品质智能监测方法及系统,属于医学图像品质监测技术领域,其具体包括:获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长,对荧光图像进行分割,去除除淋巴结区域以外的图像,根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估,通过对患者淋巴结区域的荧光图像品质的实时评估,能够挑选出品质最佳的患者淋巴结区域的荧光图像,克服了主观评价的缺陷,为医生规划治疗手术方案提供重要保障,且对于监测和评估医学图像质量意义重大。
Description
技术领域
本发明属于医学图像品质监测技术领域,具体的说是一种用于荧光腔镜成像的图像品质智能监测方法及系统。
背景技术
随着现代大型医疗成像设备的飞速发展,新的成像方法和图像处理方法不断涌现,医学图像正成为临床医学研究、诊断和治疗的依据。
荧光腹腔镜技术,利用荧光显影剂吸收近红外光后释放出不同波长荧光的特性,将荧光显影剂注入目标组织,再利用镜头感受器捕捉荧光信号,并将信号传输到处理器,从而在屏幕上实时成像,实现术中特定组织的靶向标记组织灌注情况,由于荧光染料在人体显影时间有限,且在显影时间内存在部分成像的区域无法发光,导致荧光的图像品质不高,目前对于荧光腔镜成像的图像质量评估研究较少,导致在治疗和手术过程中容易发生误判。
对于医学图像质量的评价,最可靠的方法是主观评价方法。但是医学图像主观评价方法存在代价高、耗时长、实时性差、易受主客观因素影响、不能嵌入实际医学图像处理系统中的缺陷,这使得医学图像质量客观评价方法受到了重视。发展荧光腹腔镜图像质量评价方法对于监控和调整医学图像质量、检验和优化医学图像处理算法意义重大。
如申请公开号为CN115272213A的中国专利公开了一种医学图像质量评价方法及装置,包括通过预设的医学图像质量评价数据集获取样本集合,将样本集合划分为训练样本集和测试样本集;将训练样本集输入预构建的初始医学图像质量评价网络模型中,根据预设损失函数对初始医学图像质量评价网络模型进行迭代训练,得到目标医学图像质量评价网络模型;将测试样本集输入目标医学图像质量评价网络模型,得到医学图像质量评价结果。该发明采用医学图像的训练样本集对初始医学图像质量评价网络模型进行训练,采用训练后得到的目标医学图像质量评价网络模型对医学图像进行评价,能够真实反应图像的视觉感知质量,更加符合人类视觉系统特性的医学图像质量评价。
如申请公开号为CN115809996A的中国专利公开了一种医学图像质量评价方法、装置及设备,该方法包括:获取至少一组相对应的待测图像和参考图像,及每组的主观质量评级标签;将每组图像及其主观质量评级标签进行组合生成样本,得到样本集;构建基于秩损失的全参考医学图像质量评价网络模型;根据所述样本集对所述全参考医学图像质量评价网络模型进行迭代训练;利用训练好的全参考医学图像质量评价网络模型获取医学图像质量评价结果。可以理解的是,该发明提供的技术方案,能够构建并训练全参考医学图像质量评价网络模型,通过全参考的训练方式,使得模型对医学图像质量评价的质量评价效果提高,能够进行医学客观图像质量评价。
以上专利均存在以下问题:需要大量的数据去训练网络模型,并且网络模型的效果耗时长、准确度低和效率低。
发明内容
针对现有技术的不足,本发明提出了一种用于荧光腔镜成像的图像品质智能监测方法及系统,获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长,对荧光图像进行分割,去除除淋巴结区域以外的图像,根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估,通过对患者淋巴结区域的荧光图像品质的实时评估,能够挑选出品质最佳的患者淋巴结区域的荧光图像,克服了主观评价的缺陷,有效的提高了患者淋巴结区域的荧光图像评价的效率,为医生规划治疗手术方案提供重要保障,且对于监测和评估医学图像质量意义重大。
为实现上述目的,本发明提供如下技术方案:
一种用于荧光腔镜成像的图像品质智能监测方法,包括:
获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长;
对荧光图像进行分割,去除除淋巴结区域以外的图像;
根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估。
具体的,所述荧光图像的荧光光谱波长范围为:390nm-850nm。
具体的,所述品质参数包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比。
具体的,所述荧光覆盖面积比例计算方法为:
设定淋巴结区域的面积为,荧光覆盖面积为/>,/>的计算公式为:,其中,/>表示淋巴结区域的荧光图像中荧光像素数量,/>表示腹腔镜的横向分辨率,/>表示腹腔镜的纵向分辨率,/>表示淋巴结区域的荧光图像的宽,单位为像素,/>表示淋巴结区域的荧光图像的高,单位为像素,荧光覆盖面积比例计算公式为:,其中,/>表示荧光覆盖面积比例。
具体的,所述荧光像素占比计算方法为:
荧光像素占比的计算公式为:,其中,/>表示淋巴结区域的荧光图像中的像素数量。
具体的,所述荧光波长比例计算方法为:
以淋巴结区域的荧光图像左下角为原点,建立直角坐标系,设定淋巴结区域的荧光图像的光谱波长集合为,/>,其中,/>表示坐标为/>的像素波长;
计算荧光图像中每个像素点的荧光波长比例,计算公式为:
,
其中,表示光谱波长集合/>中的最大波长值,/>表示荧光图像中每个像素点的荧光波长比例。
具体的,所述荧光像素点亮度比计算方法为:
对淋巴结区域的荧光图像进行预处理,获得淋巴结区域的荧光图像灰度图,设定淋巴结区域的荧光图像灰度图灰度值集合为,
,其中,/>表示坐标为/>的像素点的灰度值,根据灰度图像中灰度值和亮度值的关系,计算灰度图中每个像素点荧光像素亮度比,计算公式为:,其中,/>表示坐标为/>的像素点的亮度比,/>表示荧光图像灰度图灰度值集合/>中的最大灰度值。
具体的,所述荧光图像的品质的评估方法为:
对t时刻的患者淋巴结区域的荧光图像的品质进行评估,评估系数的计算公式为:
,其中,/>表示坐标为/>的像素点的荧光波长比例,/>表示坐标为/>的像素点的亮度比,/>表示波长噪声系数,表示亮度噪声系数,当评估系数/>越大,患者淋巴结区域的荧光图像的品质就越好。
具体的,所述预处理包括:灰度化处理。
具体的,所述灰度图像中灰度值和亮度值的关系为:在灰度图像中,像素的亮度值等于该像素的灰度值。
一种用于荧光腔镜成像的图像品质智能监测系统,包括:图像采集模块、图像预处理模块、图像处理模块、数据存储模块、评估模块和显示终端;
所述图像采集模块,用于采集实时的患者的淋巴结区域的荧光图像,并将采集的实时荧光图像传输至图像预处理模块;
所述图像预处理模块,用于对患者的淋巴结区域进行分割和灰度化处理,将除淋巴结区域从荧光图像中分割去除,并将图像传输至图像处理模块进行处理;
所述图像处理模块,用于分析计算淋巴结区域荧光图像的品质参数,包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比;
所述数据存储模块,用于存储计算出的淋巴结区域荧光图像的品质参数数据;
所述评估模块,用于根据计算出的淋巴结区域荧光图像的品质参数,对淋巴结区域荧光图像的品质进行评估;
所述显示终端,用于接收评估模块发送的荧光图像品质数据,并进行显示。
具体的,所述图像采集模块包括:腹腔镜,所述腹腔镜包括光源及光路、摄像头、摄像头转换器、自动冷光源,用于采集实时的患者的淋巴结区域的荧光图像。
具体的,一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
具体的,一种计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
与现有技术相比,本发明的有益效果是:
1.本发明提出了一种用于荧光腔镜成像的图像品质智能监测方法及系统,并进行了架构、运行步骤和流程上的优化改进,系统具备流程简单,投资运行费用低廉,生产工作成本低的优点,在原有品质监测评估系统的基础上提高了监测评估效果。
2.本发明通过获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长,对荧光图像进行分割,去除除淋巴结区域以外的图像,根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估,通过对患者淋巴结区域的荧光图像品质的实时评估,能够挑选出品质最佳的患者淋巴结区域的荧光图像,克服了主观评价的缺陷,有效的提高了患者淋巴结区域的荧光图像评价的效率,为医生规划治疗手术方案提供重要保障。
3、本发明对于监测和评估医学图像、质量检验和优化医学图像处理方法具有重大的现实意义。
附图说明
图1为本发明的一种用于荧光腔镜成像的图像品质智能监测方法流程图;
图2为本发明的一种用于荧光腔镜成像的图像品质智能监测系统架构图;
图3位本发明的一种电子设备图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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发明和简化描述,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发明的限制。此外,术语“一号”、“二号”、“三号”仅用于描述目的,而不能理解为指示或暗示相对重要性。下面结合具体实施方式,进一步阐述本发明。
实施例1
请参阅图1,本发明提供的一种实施例:一种用于荧光腔镜成像的图像品质智能监测方法,其包括以下步骤:
获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长;
采集患者淋巴结区域的实时荧光图像的步骤:1)取2.5mg的吲哚菁绿(ICG)与50ml的水,混合搅匀,得到剂量为0.05mg/ml的ICG溶液;2)将ICG溶液注射如淋巴结区域,等待ICG可被淋巴系统吸收并与淋巴系统中的白蛋白结合,随淋巴系统引流至淋巴结最终回流至血液系统,由于淋巴系统转运缓慢,ICG可在淋巴系统内存在较长时间;3)利用腹腔镜采集患者淋巴结区域的实时荧光图像,并传输至图像预处理模块。ICG荧光成像技术正是基于以上原理,通过特殊的显像设备实现引流淋巴管和淋巴结的示踪。
吲哚菁绿(ICG),是一种有水溶性但相对疏水的近红外激发荧光的三碳菁染料。其从外周静脉注入后性质稳定,主要与血浆蛋白以及脂蛋白结合,随血流迅速到达全身组织,几乎全部由胆汁快速排泄,不产生其他代谢物。此外,它具有独特的荧光特性,经750-810mm波长的红外光线激发后可产生840mm左右波长的红外光,该波长的红外光极少被血红蛋白或水吸收,通过具有敏感的红外光和适当滤波的荧光腔镜系统捕捉和图像处理后存在ICG区域的组织呈不同颜色,而无ICG区域组织呈灰白色的视觉效果,从而达到肉眼极易分辨的实时图像。通过运用ICG上述原理并结合荧光腔镜系统,能够为外科医生提供切实有用的实时视觉信息。
对荧光图像进行分割,去除除淋巴结区域以外的图像;
根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估。
荧光图像的荧光光谱波长范围为:390nm-850nm。
品质参数包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比。
荧光覆盖面积比例计算方法为:
设定淋巴结区域的面积为,荧光覆盖面积为/>,/>的计算公式为:,其中,/>表示淋巴结区域的荧光图像中荧光像素数量,/>表示腹腔镜的横向分辨率,/>表示腹腔镜的纵向分辨率,/>表示淋巴结区域的荧光图像的宽,单位为像素,/>表示淋巴结区域的荧光图像的高,单位为像素,荧光覆盖面积比例计算公式为:,其中,/>表示荧光覆盖面积比例。
具体的,所述荧光像素占比计算方法为:
荧光像素占比的计算公式为:,其中,/>表示淋巴结区域的荧光图像中的像素数量。
荧光波长比例计算方法为:
以淋巴结区域的荧光图像左下角为原点,建立直角坐标系,设定淋巴结区域的荧光图像的光谱波长集合为,/>,其中,/>表示坐标为/>的像素波长;
计算荧光图像中每个像素点的荧光波长比例,计算公式为:
,
其中,表示光谱波长集合/>中的最大波长值,/>表示荧光图像中每个像素点的荧光波长比例。
荧光像素点亮度比计算方法为:
对淋巴结区域的荧光图像进行预处理,获得淋巴结区域的荧光图像灰度图,设定淋巴结区域的荧光图像灰度图灰度值集合为,
,其中,/>表示坐标为/>的像素点的灰度值,根据灰度图像中灰度值和亮度值的关系,计算灰度图中每个像素点荧光像素亮度比,计算公式为:,其中,/>表示坐标为/>的像素点的亮度比,/>表示荧光图像灰度图灰度值集合/>中的最大灰度值。
荧光图像的品质的评估方法为:
对t时刻的患者淋巴结区域的荧光图像的品质进行评估,评估系数的计算公式为:
,其中,/>表示坐标为/>的像素点的荧光波长比例,/>表示坐标为/>的像素点的亮度比,/>表示波长噪声系数,表示亮度噪声系数,当评估系数/>越大,患者淋巴结区域的荧光图像的品质就越好。
预处理包括:灰度化处理。
灰度化处理:根据图像的R、G和B三个分量的数值,按照一定的权值进行加权平均进行灰度化转化,加权计算公式为:
,
其中,表示患者淋巴结区域的荧光图像中任意一个像素的灰度化后的灰度值,/>表示患者淋巴结区域的荧光图像中的任意一个像素,/>表示像素/>的R值,/>表示像素/>的G值,/>表示像素/>的B值。
灰度图像中灰度值和亮度值的关系为:在灰度图像中,像素的亮度值等于该像素的灰度值。
实施例2
品质参数包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例、荧光像素亮度比和图像清晰度。
目前较为常用的图像清晰度评价函数主要有空域函数、频域函数、信息学函数和统计学函数四大类,其中,频域函数计算量大,不适于快速测量计算,信息学函数计算结果波动较大,统计学函数的计算结果精度较低,相较而言空域函数,即梯度评价函数计算简单,其利用边缘灰度梯度变化来评价图像清晰度,可识别更多灰度梯度变化,使其调焦范围大、稳定性好,应用范围更加广泛,常用的梯度函数有能量梯度函数(EOG)、Roberts函数、Tenengrad函数、Brenner函数、方差Variance函数、拉普拉斯Laplace函数等。
图像清晰度的计算方法为:对患者淋巴结区域的荧光图像灰度化处理,并设定图像清晰度评价值为,(1)能量梯度函数(EOG),能量梯度函数是将图像水平与锤子方向相邻的像素点的灰度值作差,然后将逐个平方差运算的和作为评价值,计算公式为:;(2)Roberts函数,Roberts函数主要是利用对角线方向像素点灰度值差的平方和作为每个像素点新的梯度值,所有像素梯度值的累加和即为清晰度值,计算公式为:/>;(3)Sobel算子函数,Sobel算子清晰度函数是将图像与Sobel算子水平、垂直方向模板卷积计算梯度值,再将梯度平方和作为清晰度值,所有像素梯度值的累加和即为清晰度值,计算公式为:/>,其中,/>、/>分别表示Sobel算子水平方向、垂直方向的模板,/>和/>分别表示像素点(x,y)与水平、垂直方向模板上卷积的梯度值;(4)Brenner函数,Brenner函数是将相邻两个像素点灰度之差的平方累加作为清晰度值,计算公式为:/>,优点是计算量小、灵敏度高,缺点是对噪声比较敏感;(5)方差函数(Variance),方差函数Variance可以用来表示图像灰度信息的离散水平,处在焦点位置的图像灰度变化明显,离散水平高,方差大,而其他位置灰度变化小,方差也相对较小,因此可以用灰度变化的平均程度来评判图像是否正确对焦,计算公式为:/>,/>表示图像的平均灰度;(6)Laplace函数,Laplace函数是将灰度图像各个像素点与Laplace算子模板进行卷积运算,得到梯度矩阵,取梯度矩阵的平方和作为评价值,计算公式为:/>,其中,/>表示梯度矩阵。
上述为常用的梯度图像清晰度评价函数,不同的梯度评价函数因为评价方法计算方式不同,而拥有不同的优点和特点。但都普遍存在一个问题,在外部噪声的干扰下,传统梯度评价函数容易出现局部最值,评价曲线波动较大,灵敏度大大降低,不利于对焦。因此在传统梯度函数基础上,提出一种计算简单、灵敏度高、抗噪性强的图像清晰度函数对提高自动对焦精度具有重要意义。
本发明提供的一种图像清晰度计算方法及另一种评估方法:步骤A:设定所有方向的sobel算子的集合为,/>,其中,n表示方向的数量,/>表示第n个方向的Sobel算子;
步骤B:对患者淋巴结区域的荧光图像中的每个像素点的卷积值进行计算,计算公式为:,n=1,2,3,...,n,其中,/>表示灰度图像中每个像素点在方向/>的卷积梯度值,/>表示灰度图像中像素点/>的灰度值;
步骤C:构建梯度图像,计算梯度图像/>中每个像素点的梯度值,计算公式为:/>,其中/>表示每个像素点在方向/>的卷积梯度值,各像素点平均梯度值为:/>,其中,/>表示灰度梯度图像中像素点的梯度值,/>表示灰度值为c的频数;
步骤D:设定梯度阈值为,清晰度的计算公式为:/>,其中,/>表示患者淋巴结区域的荧光图像的清晰度;
步骤E:荧光图像的品质的评估方法为:
对t时刻的患者淋巴结区域的荧光图像的品质进行评估,评估系数的计算公式为:
,其中,/>表示患者淋巴结区域的荧光图像的清晰度,/>表示坐标为/>像素的荧光波长比例,/>表示坐标为/>像素的亮度比,/>表示波长噪声系数,/>表示亮度噪声系数,当评估系数/>越大,患者淋巴结区域的荧光图像的品质就越好。
实施例3
请参阅图2,本发明提供的第三种实施例:一种用于荧光腔镜成像的图像品质智能监测系统,包括:图像采集模块、图像预处理模块、图像处理模块、数据存储模块、评估模块和显示终端;
所述图像采集模块,用于采集实时的患者的淋巴结区域的荧光图像,并将采集的实时荧光图像传输至图像预处理模块;
所述图像预处理模块,用于对患者的淋巴结区域进行分割和灰度化处理,将除淋巴结区域从荧光图像中分割,并将图像传输至图像处理模块进行处理;
所述图像处理模块,用于分析计算淋巴结区域荧光图像的品质参数,包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比;
所述数据存储模块,用于存储计算出的淋巴结区域荧光图像的品质参数数据;
所述评估模块,用于根据计算出的淋巴结区域荧光图像的品质参数,对淋巴结区域荧光图像的品质进行评估;
所述显示终端,用于接收评估模块发送的荧光图像品质数据,并进行显示。
所述图像采集模块包括:腹腔镜,所述腹腔镜包括光源及光路、摄像头、摄像头转换器、自动冷光源,用于采集实时的患者的淋巴结区域的荧光图像。
实施例4
请参阅图3,一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
一种计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (14)
1.一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,包括:
获取腹腔镜拍摄的患者淋巴结区域的实时荧光图像,并用光谱仪获取淋巴结区域荧光图像的荧光光谱波长;
对荧光图像进行分割,去除除淋巴结区域以外的图像;
根据淋巴结区域荧光图像的品质参数,实时对患者淋巴结区域的荧光图像的品质进行评估。
2.如权利要求1所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光图像的荧光光谱波长范围为:390nm-850nm。
3.如权利要求2所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述品质参数包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比。
4.如权利要求3所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光覆盖面积比例计算方法为:
设定淋巴结区域的面积为,荧光覆盖面积为/>,/>的计算公式为:/>,其中,/>表示淋巴结区域的荧光图像中荧光像素数量,/>表示腹腔镜的横向分辨率,表示腹腔镜的纵向分辨率,/>表示淋巴结区域的荧光图像的宽,单位为像素,/>表示淋巴结区域的荧光图像的高,单位为像素,荧光覆盖面积比例计算公式为:/>,其中,/>表示荧光覆盖面积比例。
5.如权利要求4所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光像素占比计算方法为:
荧光像素占比的计算公式为:,其中,/>表示淋巴结区域的荧光图像中的像素数量。
6.如权利要求5所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光波长比例计算方法为:
以淋巴结区域的荧光图像左下角为原点,建立直角坐标系,设定淋巴结区域的荧光图像的光谱波长集合为,/>,其中,/>表示坐标为/>的像素波长;
计算荧光图像中每个像素点的荧光波长比例,计算公式为:
,
其中,表示光谱波长集合/>中的最大波长值,/>表示荧光图像中每个像素点的荧光波长比例。
7.如权利要求6所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光像素亮度比计算方法为:
对淋巴结区域的荧光图像进行预处理,获得淋巴结区域的荧光图像灰度图,设定淋巴结区域的荧光图像灰度图灰度值集合为,
,其中,/>表示坐标为/>的像素点的灰度值,根据灰度图像中灰度值和亮度值的关系,计算灰度图中每个像素点荧光像素亮度比,计算公式为:,其中,/>表示坐标为/>的像素点的亮度比,/>表示荧光图像灰度图灰度值集合/>中的最大灰度值。
8.如权利要求7所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述荧光图像的品质的评估方法为:
对t时刻的患者淋巴结区域的荧光图像的品质进行评估,评估系数的计算公式为:
,其中,/>表示坐标为/>的像素点的荧光波长比例,/>表示坐标为/>的像素点的亮度比,/>表示波长噪声系数,/>表示亮度噪声系数,当评估系数/>越大,患者淋巴结区域的荧光图像的品质就越好。
9.如权利要求7所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述预处理包括:灰度化处理。
10.如权利要求7所述的一种用于荧光腔镜成像的图像品质智能监测方法,其特征在于,所述灰度图像中灰度值和亮度值的关系为:在灰度图像中,像素的亮度值等于该像素的灰度值。
11.一种用于荧光腔镜成像的图像品质智能监测系统,其基于权利要求1-10中任一项所述的一种用于荧光腔镜成像的图像品质智能监测方法实现,其特征在于,包括:图像采集模块、图像预处理模块、图像处理模块、数据存储模块、评估模块和显示终端;
所述图像采集模块,用于采集实时的患者的淋巴结区域的荧光图像,并将采集的实时荧光图像传输至图像预处理模块;
所述图像预处理模块,用于对患者的淋巴结区域进行分割和灰度化处理,将除淋巴结区域从荧光图像中分割去除,并将图像传输至图像处理模块进行处理;
所述图像处理模块,用于分析计算淋巴结区域荧光图像的品质参数,包括:荧光覆盖面积比例、荧光像素占比、荧光波长比例和荧光像素亮度比;
所述数据存储模块,用于存储计算出的淋巴结区域荧光图像的品质参数数据;
所述评估模块,用于根据计算出的淋巴结区域荧光图像的品质参数,对淋巴结区域荧光图像的品质进行评估;
所述显示终端,用于接收评估模块发送的荧光图像品质数据,并进行显示。
12.如权利要求11所述的一种用于荧光腔镜成像的图像品质智能监测系统,其特征在于,所述图像采集模块包括:腹腔镜,所述腹腔镜用于采集实时的患者的淋巴结区域的荧光图像,包括光源及光路、摄像头、摄像头转换器、自动冷光源。
13.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-10中任一项所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
14.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,当计算机指令运行时执行权利要求1-10中任一项所述的一种用于荧光腔镜成像的图像品质智能监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085947.2A CN117045178B (zh) | 2023-08-28 | 2023-08-28 | 一种用于荧光腔镜成像的图像品质智能监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085947.2A CN117045178B (zh) | 2023-08-28 | 2023-08-28 | 一种用于荧光腔镜成像的图像品质智能监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117045178A true CN117045178A (zh) | 2023-11-14 |
CN117045178B CN117045178B (zh) | 2024-02-02 |
Family
ID=88667475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311085947.2A Active CN117045178B (zh) | 2023-08-28 | 2023-08-28 | 一种用于荧光腔镜成像的图像品质智能监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117045178B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130314520A1 (en) * | 2011-02-21 | 2013-11-28 | Olympus Corporation | Fluorescence observation device |
CN109934831A (zh) * | 2019-03-18 | 2019-06-25 | 安徽紫薇帝星数字科技有限公司 | 一种基于吲哚氰绿荧光显像的外科肿瘤手术实时导航方法 |
CN111601047A (zh) * | 2020-04-28 | 2020-08-28 | 汕头大学 | 一种油液泄漏图像采集方法 |
CN112022109A (zh) * | 2020-11-06 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种医学荧光成像影像数据采集系统及其采集方法 |
WO2021184842A1 (zh) * | 2020-03-20 | 2021-09-23 | 深圳市绎立锐光科技开发有限公司 | 照明装置 |
-
2023
- 2023-08-28 CN CN202311085947.2A patent/CN117045178B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130314520A1 (en) * | 2011-02-21 | 2013-11-28 | Olympus Corporation | Fluorescence observation device |
CN109934831A (zh) * | 2019-03-18 | 2019-06-25 | 安徽紫薇帝星数字科技有限公司 | 一种基于吲哚氰绿荧光显像的外科肿瘤手术实时导航方法 |
WO2021184842A1 (zh) * | 2020-03-20 | 2021-09-23 | 深圳市绎立锐光科技开发有限公司 | 照明装置 |
CN111601047A (zh) * | 2020-04-28 | 2020-08-28 | 汕头大学 | 一种油液泄漏图像采集方法 |
CN112022109A (zh) * | 2020-11-06 | 2020-12-04 | 南京诺源医疗器械有限公司 | 一种医学荧光成像影像数据采集系统及其采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117045178B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451998B (zh) | 一种眼底图像质量控制方法 | |
CN105513077B (zh) | 一种用于糖尿病性视网膜病变筛查的系统 | |
AU2012231802B2 (en) | Apparatus and method for determining a skin inflammation value | |
CN102525381B (zh) | 图像处理装置、图像处理方法及计算机可读取的记录装置 | |
US8295565B2 (en) | Method of image quality assessment to produce standardized imaging data | |
US8265362B2 (en) | Pathological tissue image capturing system, method, and program | |
JP2021511901A (ja) | 創傷の撮像および分析 | |
US20020127735A1 (en) | Methods of monitoring effects of chemical agents on a sample | |
WO2023103467A1 (zh) | 图像处理方法、装置及设备 | |
CN103617611B (zh) | 一种自动阈值分割光斑中心及尺寸检测方法 | |
KR20130100384A (ko) | 화상처리장치, 그 제어방법 및 컴퓨터 프로그램 | |
CN103857335A (zh) | 激光散斑图像的各向异性处理 | |
CN103327883A (zh) | 医用图像处理装置和医用图像处理方法 | |
CN108272434A (zh) | 对眼底图像进行处理的方法及装置 | |
JP6342810B2 (ja) | 画像処理 | |
CN107945156A (zh) | 一种自动评价数字病理扫描图像画质的方法 | |
CN102860814B (zh) | 一种oct合成眼底图视盘中心定位方法及设备 | |
CN103975364A (zh) | 针对宫颈的光学检查的图像选择 | |
JP4383352B2 (ja) | 核多形性の組織学的評価 | |
CN107543788A (zh) | 一种尿红细胞畸形率检测方法及系统 | |
JP3548473B2 (ja) | 眼底画像の動静脈識別方法、記録媒体及び装置 | |
CN117045178B (zh) | 一种用于荧光腔镜成像的图像品质智能监测方法及系统 | |
US11037294B2 (en) | Image processing device, image processing method, and computer-readable recording medium | |
US10422749B2 (en) | Facilitating real-time visualization of tissue features derived from optical signals | |
RU2295297C2 (ru) | Способ исследования и диагностики состояния биологического объекта или его части |
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 |