CN117064311B - 一种内窥镜图像的处理方法及内窥镜成像系统 - Google Patents
一种内窥镜图像的处理方法及内窥镜成像系统 Download PDFInfo
- Publication number
- CN117064311B CN117064311B CN202311335977.4A CN202311335977A CN117064311B CN 117064311 B CN117064311 B CN 117064311B CN 202311335977 A CN202311335977 A CN 202311335977A CN 117064311 B CN117064311 B CN 117064311B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- target tissue
- endoscope
- tissue
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 53
- 238000003672 processing method Methods 0.000 title description 9
- 238000005192 partition Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 37
- 230000003902 lesion Effects 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000013145 classification model Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 241001270131 Agaricus moelleri Species 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 37
- 238000001356 surgical procedure Methods 0.000 abstract 1
- 210000001519 tissue Anatomy 0.000 description 308
- 230000003287 optical effect Effects 0.000 description 33
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000006870 function Effects 0.000 description 18
- 238000005259 measurement Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000003780 insertion Methods 0.000 description 6
- 230000037431 insertion Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 5
- 208000025865 Ulcer Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000002073 fluorescence micrograph Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 210000004881 tumor cell Anatomy 0.000 description 3
- 231100000397 ulcer Toxicity 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 210000004324 lymphatic system Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008105 immune reaction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000036269 ulceration Effects 0.000 description 1
- 230000000007 visual effect 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
- A61B1/00002—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
- A61B1/00064—Constructional details of the endoscope body
- A61B1/00071—Insertion part of the endoscope body
- A61B1/0008—Insertion part of the endoscope body characterised by distal tip features
- A61B1/00097—Sensors
-
- 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
- A61B1/00163—Optical arrangements
- A61B1/00193—Optical arrangements adapted for stereoscopic vision
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1076—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions inside body cavities, e.g. using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Endoscopes (AREA)
Abstract
一种内窥镜图像的处理方法及内窥镜成像系统,其中图像处理方法包括内窥镜成像系统获取内窥镜拍摄目标组织得到的所述内窥镜图像,并通过显示设备显示所述内窥镜图像,然后从所述内窥镜图像中确定所述目标组织的目标组织图像,并测量所述内窥镜与所述目标组织之间的目标距离,根据所述目标距离、所述目标组织图像的大小,以及预设的距离‑物理尺寸关系,确定所述目标组织的目标物理尺寸,解决了通过对比显示器中光斑的面积以判断目标组织的实际尺寸大小存在测量精度低的问题,从而便于医生对目标组织的真实尺寸进行更为精准的判断,提高手术的准确性和效率。
Description
技术领域
本申请涉及医疗设备技术领域,特别是涉及一种内窥镜图像的处理方法及内窥镜成像系统。
背景技术
内窥镜摄像系统是一种常用的医疗诊断设备,它可以通过内窥镜将人体内部的图像传输到显示器上,以便医生对内部组织进行观察和诊断。内窥镜摄像系统一般包括摄像头、内窥镜、内窥镜摄像主机和显示器。其中,摄像头通过内窥镜拍摄图像,并通过传输线缆将拍摄的图像数据传输至内窥镜摄像主机,内窥镜摄像主机处理摄像头采集到的视频信息,并通过显示器显示摄像主机处理后的视频信息,以使显示器显示摄像头拍摄的内窥镜图像。
在使用内窥镜摄像系统进行诊断时,存在一个重要的问题,就是如何准确地测量目标组织的尺寸。由于在显示器中显示的目标组织并非真实尺寸大小,医生难以通过观察显示器的内窥镜图像来判断目标组织的实际尺寸大小。虽然目前也有一些具备测量功能的内窥镜系统,例如通过在人体组织中投射光斑(例如激光参照点),由于所投射的光斑面积是固定的,因此医生通过对比显示器中显示的光斑和目标组织的大小,能够估算出目标组织的真实尺寸大小。然而,在上述方案中,投射到人体组织中的光斑面积容易受到外界的干扰(例如目标组织的反射率、平整度、光斑投射角度等均会对光斑的投射面积造成较大影响),而且不同显示器对光斑的显示效果也有不同,因此通过对比显示器中光斑的面积以判断目标组织的实际尺寸大小存在测量精度低的问题,另一方面,在内窥镜中增加投射光斑的设备会增加内窥镜的复杂度和成本。
发明内容
以下是对本申请详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种内窥镜图像的处理方法、系统及内窥镜摄像主机,能够准确测量内窥镜图像中目标组织的真实尺寸大小。
一方面,本申请实施例提供了一种内窥镜图像的处理方法,包括:
获取内窥镜拍摄目标组织得到的所述内窥镜图像;
通过显示设备显示所述内窥镜图像;
从所述内窥镜图像中确定所述目标组织的目标组织图像,并测量所述内窥镜与所述目标组织之间的目标距离;
根据所述目标距离、所述目标组织图像的大小,以及预设的距离-物理尺寸关系,确定所述目标组织的目标物理尺寸,其中,所述距离-物理尺寸关系为不同距离下所述内窥镜拍摄的图像大小与被拍摄目标真实尺寸之间的关系。
另一方面,本申请实施例还提供了一种内窥镜成像系统,包括:
内窥镜;
显示设备,用于显示所述内窥镜图像;
内窥镜主机,分别与所述内窥镜和所述显示设备连接,所述内窥镜主机还用于执行上述的第一方面任意一项所述内窥镜图像的处理方法。
另一方面,本申请实施例还提供了一种内窥镜摄像主机,包括:
壳体;
通信接口,用于与内窥镜有线或无线连接;
显示接口,设置于所述壳体上,用于与显示设备连接;
处理器,所述处理器获取所述内窥镜的数据进行图像处理后,输出至所述显示器进行显示;
所述处理器还用于执行上述的第一方面任意一项所述内窥镜图像的处理方法。
另一方面,本申请实施例还提供了一种电子设备,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上述的第一方面任意一项所述内窥镜图像的处理方法。
另一方面,本申请实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的第一方面任意一项所述内窥镜图像的处理方法。
另一方面,本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行实现上述的第一方面任意一项所述内窥镜图像的处理方法。
本申请提供的内窥镜图像的处理方法及内窥镜成像系统,至少具有以下有益效果:内窥镜成像系统通过获取内窥镜拍摄目标组织得到的内窥镜图像,并将内窥镜图像通过显示设备显示;然后从内窥镜图像中确定目标组织的目标组织图像,通过测量得到内窥镜与目标组织之间的目标距离,再根据目标距离、目标组织图像的大小以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸。在本申请实施例中,无需与投射光斑面积参考进行比较而直接根据预设的距离-物理尺寸关系确定目标组织的目标物理尺寸,由于目标物理尺寸的测量结果只与拍摄的内窥镜图像相关,没有其他的干扰因素,因此能够有效提高目标物理尺寸的测量准确率,能够为医生提供准确的目标组织尺寸信息,从而对目标组织的真实尺寸进行更为精准的判断,提高手术的准确性和效率。另外,由于直接通过拍摄的内窥镜图像对目标组织的目标物理尺寸进行检查,无须增加额外的光斑投射设备,能够降低内窥镜的复杂度和成本。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。
附图说明
附图用来提供对本申请技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1是本申请一个实施例提供的内窥镜成像系统的结构示意图;
图2是本申请一个实施例提供的内窥镜图像的处理方法的整体流程图;
图3是本申请一个实施例提供的分区测量目标距离的流程图;
图4是本申请一个实施例提供的根据局部物理尺寸确定目标物理尺寸的流程图;
图5是本申请一个实施例提供的获取多帧内窥镜图像的流程图;
图6是本申请一个实施例提供的叠加内窥镜图像的示意图;
图7是本申请一个实施例提供的采用预训练图像识别模型识别荧光特征区域的示意图;
图8是本申请一个实施例提供的显示参数信息和/或图像位置信息的示意图;
图9是本申请一个实施例提供的在内窥镜图像中叠加显示特征信息的示意图;
图10是本申请一个实施例提供的内窥镜图像的处理方法的另一流程图;
图11是本申请一个实施例提供的内窥镜摄像主机的结构框图;
图12是本申请一个实施例提供的终端的部分结构框图;
图13是本申请一个实施例提供的服务器的部分结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据目标对象属性信息或属性信息集合等与目标对象特性相关的数据进行相关处理时,都会先获得目标对象的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关法律法规和标准。其中,目标对象可以是用户。此外,当本申请实施例需要获取目标对象属性信息时,会通过弹窗或者跳转到确认页面等方式获得目标对象的单独许可或者单独同意,在明确获得目标对象的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的目标对象相关数据。
为便于理解本申请实施例提供的技术方案,这里先对本申请实施例使用的一些关键名词进行解释:
参照图1,图1为本申请实施例提供的一种内窥镜成像系统的示意性结构图,该内窥镜成像系统100包括内窥镜110、显示设备120以及内窥镜主机130等部件,内窥镜包括操作部111和插入部112,操作部111和插入部112可以是一体式结构或可分离式结构,插入部112用于插入待观察部位160,内窥镜110还包括至少一个图像传感器,图像传感器可以设置在插入部112的前端。此外,内窥镜系统100还包括摄像主机131、光源主机132、通信线缆140及导光束150。
插入部112包括镜管、照明光路及图像传感器,镜管的前端插入待观察部位160,镜管可以是硬管或软管。照明光路与导光束150对应连接,用于将光源照射至待观察部位160。具体地,图像传感器可以包括第一图像传感器和第二图像传感器,用于将光学信号进行转换得到电信号,即得到图像信号。应理解,对于不同的光源会产生不同的光学信号,例如当可见光光源照射待观察部位160时,待观察部位160可以直接对可见光进行反射得到可见光的光学信号,当特殊光光源照射待观察部位160时,可以得到由特殊光激发后的光学信号。第一图像传感器和第二图像传感器的光轴可以平行设置,也可以呈一定角度设置。第一图像传感器和第二图像传感器采集的左路图像信号和右路图像信号能够对应于人左右眼观察到的立体对图像,从而模拟人眼双目立体视觉。进一步,图像传感器包括但不限于CCD传感器,CMOS传感器等。
操作部111通过通信线缆140与摄像主机131通信连接,可用于获取插入部112对待观察部位160的光学信号进行转换得到图像信号,并将图像信号通过通信线缆140传输到摄像主机131进行处理。在操作部111中可进行初步的信号处理,例如放大、滤波等处理。在一些实施例中,操作部111还可以通过无线传输的方式将图像信号发送至摄像主机131。操作部111还可以包括调焦部件,可用于对光学信号进行光路整形,从而调节操作部111的成像焦距。
在一些实施例中,摄像主机131内设置有图像信号处理模块和人工智能处理模块,图像信号处理模块和人工智能处理模块通过获取操作部111传输的图像信号,并对图像信号进行处理后,输出待观察部位160的内窥镜图像,包括可见光图像或特殊光图像,例如白光内窥镜图像、荧光内窥镜图像、窄带光内窥镜图像以及多光谱内窥镜图像等。
显示设备120通过通信线缆140与摄像主机131通信连接,用于显示摄像主机131输出的内窥镜图像。具体地,显示设备120可以包括液晶显示器、LED显示器、OLED显示器以及用于人机交互的触摸显示器等,也可以为与摄像主机131通信连接的手机、平板电脑或者个人电脑等电子设备上的显示器等等。
导光束150的一端连接到光源主机132的光源接口,另一端连接到内窥镜110的光源接口,导光束150可用于通过内窥镜110向待观察部位160提供光源。光源可以包括可见光光源和特殊光光源,具体地,可见光光源为LED光源,可以提供不同波长范围的多个单色光,例如蓝光、绿光、红光等,在一些实施例中,可见光光源还可以是多个单色光的组合光,或者宽光谱的白光光源;特殊光光源可以是对应于荧光试剂的激光光源,例如近红外光等激光。在一些实施例中,可以在采用内窥镜成像系统之前,向待观察部位160注射荧光试剂,荧光试剂吸收激光光源产生的激光后可产生荧光。应理解,待观察部位160可以为人体。
需要说明的是,本领域技术人员应当理解,图1仅是内窥镜成像系统100的示例,并不构成对内窥镜成像系统100的限定,内窥镜成像系统100可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如内窥镜成像系统100还可以包括扩张器、烟雾控制装置、输入输出设备、网络接入设备等。
参照图2,图2为本申请实施例提供的一种内窥镜图像的处理方法的流程图,该方法可以由参照图1描述的内窥镜成像系统实现,具体可以由内窥镜成像系统的摄像主机通过控制其他部件实现,包括但不限于以下步骤S100至步骤S400:
步骤S100,获取内窥镜拍摄目标组织得到的内窥镜图像。
可以理解的是,当内窥镜位于目标组织附近时,用户可以通过控制内窥镜成像系统拍摄目标组织得到内窥镜图像,具体来说,通过将获取到的目标组织的光学信号转换成电信号,即得到内窥镜图像信号,进一步对图像信号进行处理后,得到目标组织的内窥镜图像。其中,采用不同的光源照射待观察部位时会产生不同的光学信号,例如,当采用可见光光源照射待观察部位时,待观察部位可以直接对可见光进行反射得到可见光的光学信号,根据可见光的光学信号可以生成可见光图像,当采用特殊光光源照射待观察部位时,可以得到由特殊光激发后的光学信号,根据特殊光的光学信号可以生成特殊光图像。特殊光图像可以包括红外荧光图像、紫外荧光图像、近红外荧光图像和可见光荧光图像等。具体地,目标组织为人体内待观察部位的解剖结构或者组织,待观察部位包括但不限于血液循环系统、淋巴系统和肿瘤组织等。
步骤S200,通过显示设备显示内窥镜图像。
可以理解的是,将内窥镜拍摄目标组织得到的图像通过显示设备进行显示,显示设备包括但不限于液晶显示器、LED显示器或OLED显示器等,也可以为手机、平板电脑或者个人电脑等电子设备上的显示器等。
步骤S300,从内窥镜图像中确定目标组织的目标组织图像,并测量内窥镜与目标组织之间的目标距离。
可以理解的是,得到的内窥镜图像通常包括多个图像,内窥镜图像的视野包括目标组织及其周围的其他组织,因此需要从内窥镜图像中选择目标组织的区域,以确定目标组织图像,并对目标组织进行标记。一实施例中,可以通过在确定好的目标组织图像中标记以确定距离测量的位置,以便测量内窥镜与目标组织图像的目标距离。例如可以利用内窥镜的末端作为参考标记点。通过测量内窥镜与目标组织之间的距离,医生可以更准确地定位目标组织的区域,以便进行后续的诊断或治疗。
步骤S400,根据目标距离、目标组织图像的大小,以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸,其中,距离-物理尺寸关系为不同距离下内窥镜拍摄的图像大小与被拍摄目标真实尺寸之间的关系。
可以理解的是,通过内窥镜成像系统获取内窥镜拍摄目标组织得到的内窥镜图像之后,向显示设备输出显示内窥镜图像,然后从内窥镜图像中确定目标组织的目标组织图像,通过测量得到内窥镜与目标组织之间的目标距离,再根据目标距离、目标组织图像的大小以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸。在本申请实施例中,无需与投射光斑面积参考进行比较而直接根据预设的距离-物理尺寸关系确定目标组织的目标物理尺寸,由于目标物理尺寸的测量结果只与拍摄的内窥镜图像相关,没有其他的干扰因素,因此能够有效提高目标物理尺寸的测量准确率,能够为医生提供准确的目标组织尺寸信息,从而对目标组织的真实尺寸进行更为精准的判断,提高手术的准确性和效率。另外,由于直接通过拍摄的内窥镜图像对目标组织的目标物理尺寸进行检查,无须增加额外的光斑投射设备,能够降低内窥镜的复杂度和成本。
在一些实施例中,上述步骤S300中测量内窥镜与目标组织之间的目标距离,包括以下步骤S310至步骤S340中的至少之一:
步骤S310,通过设置于内窥镜上的距离传感器测量内窥镜与目标组织之间的目标距离。
可以理解的是,通过在内窥镜硬管镜头端集成微型的距离传感器,传感器能够通过发射并接收物体反射的信号,获得距离、时间、信号强度、角度等参数,以实时计算得到目标组织与内窥镜之间的目标距离。医生可以使用传感器提供的距离数据来确定内窥镜与目标组织之间的目标距离,从而结合目标组织图像的大小,以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸。具体地,距离传感器包括红外距离传感器、激光距离传感器、超声距离传感器或者微波测距传感器中的至少一种。
步骤S320,通过内窥镜中的立体摄像模块获取多个内窥镜图像,根据各个内窥镜图像之间的差异计算内窥镜与目标组织之间的目标距离。
在一些实施例中,还可以在内窥镜硬管镜头端设置立体摄像模块,同时捕捉多个内窥镜图像,多个内窥镜图像是以不同的角度或位置拍摄得到的,由多个内窥镜图像构成多个立体的内窥镜图像。然后通过比较立体的内窥镜图像的特征点、纹理或形状,确定立体图像之间的相对位移或差异,从而得到图像匹配信息,并根据该图像匹配信息计算目标组织的三维坐标,得到目标组织的三维坐标信息。进一步地,根据已知的立体摄像模块的参数和三维坐标信息,可以计算内窥镜与目标组织之间的目标距离。
步骤S330,获取内窥镜在不同位置拍摄目标组织得到的多个内窥镜图像,以及内窥镜在拍摄各个内窥镜图像过程中的不同拍摄位置之间的位移距离,根据各个内窥镜图像之间的差异以及位移距离计算内窥镜与目标组织之间的目标距离,其中,位移距离为内窥镜水平于目标组织进行位移的距离或者垂直于目标组织进行位移的距离。
可以理解的是,当内窥镜水平于或者垂直于目标组织进行位移时,可以拍摄目标组织不同位置处的多个内窥镜图像,内窥镜可以在不同的位置处移动或定位,由用户手动或者控制内窥镜成像系统自动进行拍摄目标组织每个位置的多个图像,这些图像共同覆盖目标组织的基本表面区域,包括目标组织的不同角度和视角。进一步地,对拍摄的多个内窥镜图像进行图像匹配,确定它们之间的特征点、纹理或结构等差异,得到图像匹配信息,并根据该图像匹配信息计算目标组织的三维坐标,得到目标组织的三维坐标信息,从而结合位移距离信息计算内窥镜与目标组织之间的目标距离。
步骤S340,获取内窥镜在不同焦距拍摄目标组织得到的多个内窥镜图像,根据各个内窥镜图像之间的差异以及内窥镜拍摄内窥镜图形过程中的焦距变化量,计算内窥镜与目标组织之间的目标距离。
在一些实施例中,还可以通过变换内窥镜不同的焦距,以便在不同焦距下对目标组织进行拍摄多个内窥镜图像,应理解,不同焦距的内窥镜图像对应于不同的放大倍数。对多个内窥镜图像的焦距变化量进行测量,可以通过内窥镜成像系统的焦距调整机制或其他测距方法来实现,本申请实施例不对其作具体限定。进一步地,根据各个内窥镜图像之间的差异以及焦距变化量,可以确定目标组织的焦点深度信息,从而结合焦距变化量计算内窥镜与目标组织之间的目标距离。另外,通过比较不同焦距的多个内窥镜图像,可以筛选出具有最佳焦距的图像,以提高内窥镜成像的清晰度和质量。
在一些实施例中,上述步骤S400中根据目标距离、目标组织图像的大小,以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸,包括以下步骤S410至步骤S430中的至少之一:
步骤S410,根据目标距离,确定当前目标距离下内窥镜图像与被拍摄目标真实尺寸之间的比例关系,根据目标组织图像的大小以及当前目标距离下的比例关系,计算得到目标组织的目标物理尺寸。
可以理解的是,在不同的目标距离下拍摄的内窥镜图像与被拍摄目标真实尺寸之间的比例关系各不相同,即对于不同的目标距离存在一个与之对应的比例关系,具体地,将目标组织图像的大小除以对应的比例关系,即可计算出目标物理尺寸。应理解,目标组织图像的大小为放大倍数或者像素尺寸,目标组织的目标物理尺寸以毫米或厘米为单位,在一些实施例中,如果目标组织图像的大小为100像素,比例关系为10像素/毫米,则计算得到目标物理尺寸为10毫米。
步骤S420,根据目标距离和目标组织图像的大小,查询距离-物理尺寸关系的预设对应表格,得到目标组织的目标物理尺寸。
在一些实施例中,计算目标物理尺寸还可以根据目标距离查询预设对应表格,找到与目标距离对应距离-物理尺寸关系,再将目标组织图像的大小和目标距离代入方程或数学模型,即与目标距离对应距离-物理尺寸关系,从而得到目标组织的目标物理尺寸。可以根据实际测量的目标距离和目标组织图像的大小,估算得到目标物理尺寸。应理解,对于不同的目标组织图像的大小和目标距离,需要制定不同的距离-物理尺寸关系的预设对应表格,在查询表格之前进行校准和验证。
步骤S430,将目标距离和目标组织图像的大小,代入距离-物理尺寸关系的曲线函数,得到目标组织的目标物理尺寸。
在一些实施例中,可以采用距离-物理尺寸关系的曲线函数计算目标组织的目标物理尺寸,具体地,可以预先建立一个用于描述距离和物理尺寸关系的曲线函数,例如线性函数、多项式函数或其他合适的数学模型,将通过内窥镜测量得到的目标距离和目标组织图像的大小代入距离-物理尺寸关系的曲线函数中,再计算曲线函数的输出得到目标组织的目标物理尺寸。
参照图3,在一些实施例中,上述步骤S300还包括:
步骤S350,从内窥镜图像中确定目标组织的目标组织图像,其中,目标组织图像包括多个组织图像分区;
步骤S351,分别测量内窥镜与各个组织图像分区之间的目标距离。
在一些实施例中,还可以采用分区测量的方式测量内窥镜与目标组织之间的目标距离,通过将目标组织图像划分为多个组织图像分区,然后分别测量每个组织图像分区与内窥镜之间的目标距离。具体地,首先将目标组织图像划分为多个小分区或子分区,分区的形状可以是矩形、圆形或其他合适的形状,取决于具体的应用和医生进行手术的需求,并且考虑到目标组织的几何形状和表面特征,例如目标组织的表面为非光滑平面,具有突出部分或凹陷部分,本申请实施例不对组织图像分区形状作限定。进一步,在每个分区内选择一个或多个测量点,用于测量目标距离,可以选择目标组织图像分区的中心点或其他明显特征点。之后分别测量每个组织图像分区与内窥镜之间的目标距离,可以对其中一个或多个组织图像分区采用距离传感器进行测量,测距方式与前述实施例的步骤S310至步骤S340类似,具体可参阅前述的步骤S310至步骤S340。进一步地,可以将每个组织图像分区的目标距离记录下来,以计算整体目标组织图像与内窥镜之间的目标距离,例如可以通过对各个组织图像分区的目标距离采用加权平均或其他合适的校准算法,剔除具有偏差的一部分组织图像分区的目标距离,以对整体目标组织图像的目标距离进行校正。应理解,通过分别测量内窥镜与各个组织图像分区之间的目标距离,可以减小由于光线、内窥镜视角或目标组织表面不均匀性等因素影响而产生的测量误差,提高测量目标距离的精确度。
参照图4,在一些实施例中,上述步骤S400还包括:
步骤S440,根据目标组织图像中的各个组织图像分区、各个组织图像分区对应的目标距离、以及预设的距离-物理尺寸关系,确定各个组织图像分区对应的局部组织的局部物理尺寸;
步骤S441,根据各个局部物理尺寸,得到目标组织的目标物理尺寸。
可以理解的是,由于目标组织的几何形状是三维立体结构,局部组织的表面可能突出或凹陷,各个组织图像分区对应的目标距离下,局部组织的表面近似于一个平面。确定局部物理尺寸的方式与前述实施例的步骤S410至步骤S430类似。在一些实施例中,根据各个组织图像分区对应的目标距离,确定当前目标距离下组织图像分区与被拍摄局部组织真实尺寸之间的比例关系,将组织图像分区的大小除以该对应的比例关系,从而计算出各个局部物理尺寸。应理解,组织图像分区的大小可以是放大倍数或像素尺寸。示例性地,如果组织图像分区的大小为100像素,对应的比例关系为10像素/毫米,可以计算出局部物理尺寸为10毫米。
在一些实施例中,还可以根据各个组织图像分区的目标距离查询预设对应表格,找到与各个组织图像分区的目标距离对应的距离-物理尺寸关系,再将各个组织图像分区的大小和目标距离代入对应的距离-物理尺寸关系,从而得到各个局部物理尺寸。应理解,距离-物理尺寸关系可以为方程或数学模型,各个目标距离对应不同的距离-物理尺寸关系。
在一些实施例中,可以采用距离-物理尺寸关系的曲线函数计算各个组织图像分区对应的局部组织的局部物理尺寸,具体地,对各个组织图像分区预先建立一个用于距离和物理尺寸关系的曲线函数,例如线性函数、多项式函数或其他合适的数学模型,将各个组织图像分区的大小和目标距离代入距离-物理尺寸关系的曲线函数中,计算曲线函数的输出以得到各个局部物理尺寸。
进一步,如果各个组织图像分区没有重叠或交叉部分,可以根据前述实施例得到的各个局部物理尺寸以及目标组织整体的几何结构,通过相加求和的方式计算得到目标组织的目标物理尺寸,例如目标组织的目标物理尺寸为整体长度(L),可以通过将各个局部物理尺寸,即各个局部组织的长度相加(L1+L2+L3),以获得整体目标组织的目标物理尺寸。在一些实施例中,如果各个组织图像分区的局部组织不是相互独立的,而是具有相似的局部物理尺寸,那么可以计算出所有局部物理尺寸的加权平均值,以得到整体目标组织的目标物理尺寸。例如通过上述实施例计算各个组织图像分区对应的局部组织的三个局部物理尺寸(n1,n2,n3),然后根据各个组织图像分区的重要性或者合适的权重分配算法确定每个局部物理尺寸的权重(m1,m2,m3),权重分配算法可以采用AHP层次分析法、熵值法等,本申请实施例不对权重分配算法作具体限定。对于每个局部物理尺寸,将其乘以相应的权重计算出加权平均值,即目标物理尺寸=(n1×m1 + n2×m2 + n3×m3) / (m1 + m2 + m3)。在一些实施例中,还可以通过构建数学模型计算具有复杂几何形状的目标组织的目标物理尺寸,采用线性拟合、积分等方式进行计算。通过对各个组织图像分区对应的局部组织的局部物理尺寸进行计算,可以还原得到整体目标组织的目标物理尺寸,从而提高计算整体的目标组织图像的目标物理尺寸的精确度。
在一些实施例中,上述步骤S440和S441可以是步骤S351的后续步骤。在得到各个组织图像分区和各个组织图像分区对应的目标距离后,再根据预设的距离-物理尺寸关系,计算各个组织图像分区对应的局部组织的局部物理尺寸,从而得到目标组织的整体的目标物理尺寸。
可以理解的是,上述实施例中的目标物理尺寸包括目标组织的物理长度、物理宽度、物理面积或者物理体积中的至少之一。
在一些实施例中,上述目标组织图像的大小,包括以下之一:
目标组织图像在内窥镜图像中的像素尺寸;
目标组织图像在显示设备中显示的像素尺寸;
目标组织图像在显示设备中显示的放大倍率。
可以理解的是,在根据目标距离、目标组织图像的大小,以及预设的距离-物理尺寸关系,确定目标组织的目标物理尺寸之前,可以使用内窥镜在已知成像距离下对已知尺寸的标定物品进行拍摄,以得到标定拍摄图像,然后根据标定拍摄图像确定标定物品的显示尺寸,从而根据已知成像距离、标定物品的已知尺寸以及显示尺寸,构建距离-物理尺寸的对应关系。具体地,距离-物理尺寸的对应关系可以是一个线性函数、曲线或其他合适的数学模型,本申请实施例不对其作具体限定。
参照图5,在一些实施例中,上述步骤S100包括:
步骤S110,实时获取内窥镜拍摄目标组织的内窥镜图像信号;
步骤S111,根据内窥镜图像信号得到多帧内窥镜图像。
可以理解的是,在步骤S200通过显示设备显示内窥镜图像之前,先实时获取内窥镜拍摄目标组织的内窥镜图像信号,该内窥镜图像信号由内窥镜的图像传感器将目标组织的光学信号转换而成,内窥镜通常以每秒多少帧的速度进行拍摄,因此需要内窥镜成像系统实时获取每帧内窥镜图像信号并进行图像信号处理,以确保医生能够观察到流畅的内窥镜图像。具体地可通过去噪、增强、颜色校正等处理,每帧图像由多个行像素或列像素内窥镜信号构成,多帧内窥镜图像信号可以纵向叠加构成内窥镜图像,或者多帧内窥镜图像信号还可以横向叠加构成内窥镜图像。在一些实施例中,对多帧内窥镜图像进行统计计算,得到作为后续处理基准的内窥镜图像,以得到准确的目标组织的目标物理尺寸,本申请实施例不对统计计算多帧内窥镜图像的方法作具体限定。例如,可以通过计算多帧内窥镜图像的平均值、创建多帧内窥镜图像的直方图等,以减少图像噪声、检测并增强图像特征信息,进一步地,使用机器学习或深度学习对多帧内窥镜图像进行分类、聚类、回归或特征检测等分析,能够提高后续对多帧内窥镜图像进行处理得到目标物理尺寸的精准度。
在一些实施例中,内窥镜图像包括以下至少之一:
白光内窥镜图像;
荧光内窥镜图像;
窄带光内窥镜图像;
多光谱内窥镜图像。
可以理解的是,每个图像类型的内窥镜图像可以是单独基于可见光光学信号生成的,也可以是单独基于特殊光光学信号生成的,或者是基于可见光光学信号和特殊光光学信号共同生成的;不同类型的内窥镜图像可以叠加,本申请实施例不对内窥镜图像的叠加数量进行限定,参照图6所示,例如可以在一张白光内窥镜图像(A)的基础上叠加一张荧光内窥镜图像(B),得到叠加内窥镜图像(C)以区分目标组织和周围的正常组织。其中,荧光内窥镜图像是由内窥镜成像系统的内窥镜图像传感器靠近目标组织时,采集的荧光光学信号并经过图像信号处理得到的。具体地,在采集荧光光学信号时,特殊光光源提供窄带激光,以激发荧光试剂产生荧光,发出特殊光光学信号,即荧光光学信号。在使用内窥镜成像系统进行成像之前,向待观察部位注入荧光试剂,并且在成像过程中采用特殊光光源照射待观察部位,以激发待观察部位的目标组织内的荧光试剂产生荧光,通过内窥镜接收目标组织发出的荧光光学信号,进而获得荧光内窥镜图像。应理解,在本申请实施例中的待观察部位包括但不限于血液循环系统、淋巴系统和肿瘤组织等。不同类型的内窥镜图像可以提供不同的目标组织信息,例如,荧光内窥镜图像可以突出肿瘤细胞或其他病变等目标组织,与正常组织之间形成高对比,以便于确定目标组织的目标组织图像。
在一些实施例中,上述步骤S300中从内窥镜图像中确定目标组织的目标组织图像,包括以下步骤S360至步骤S380中的至少之一:
步骤S360,对内窥镜图像进行图像识别处理,识别内窥镜图像中的荧光特征区域,得到目标组织图像。
参照图7所示,在一些实施例中,可以通过采用图像识别算法对内窥镜图像进行处理,识别内窥镜图像中的荧光特征区域,得到目标组织图像,图像识别算法包括但不限于机器学习或深度学习。具体地,首先将内窥镜图像数据输入至预训练的图像识别模型中,图像识别模型会分析内窥镜图像数据并预测图像中的荧光特征区域,然后根据模型的输出提取荧光特征区域,进而得到目标组织图像,本申请实施例不对图像识别模型的具体类型和训练过程进行限定。
在一些实施例中,可以采用传统的基于滑窗的方法,对荧光特征区域内的目标组织进行特征提取操作,特征提取方法可以采用传统的PCA(Principal ComponentAnalysis,主成分分析)、LDA(Linear Discriminate Analysis,线性判别分析)、Harr特征、纹理特征等,也可以采用深度神经网络,如CNN(Convolutional Neural Networks,卷积神经网络)、ResNet(残差网络)、VGG(Visual Geometry Group Network)等一种或多种提取操作组合使用进行特征提取,然后将提取到的荧光特征区域内目标组织的特征信息与数据库记录的目标组织的特征信息进行匹配,采用支持向量机、神经网络、最邻近分类、随机森林等分类器进行分类,从而确定目标组织图像。
在一些实施例中,还可以采用基于深度学习的边界框回归方式对内窥镜图像数据进行荧光特征区域提取,具体地,可通过堆叠基层卷积层和全连接层来对构建的数据库进行荧光特征的学习和参数的回归,对于输入的内窥镜图像数据,可以通过神经网络直接回归得到对应的荧光特征区域的边界框,并确定边界框中的荧光特征区域所对应的目标组织,其中,神经网络包括但不限于R-CNN(Region-based Convolutional NeuralNetworks)、Fast R-CNN(Fast Region-based Convolutional Neural Networks)、Faster-RCNN、SSD、YOLO等。
步骤S370,从内窥镜图像中确定用户对目标组织的标记特征,根据标记特征确定目标组织图像。
可以理解的是,在内窥镜成像时使用标记工具或标记物品,例如手术刀、标签等,标记用户关注的目标组织,对获得的内窥镜图像进行预处理后,使用计算机视觉算法以识别并确定用户对目标组织的标记特征,进而根据标记特征确定目标组织图像。进一步,计算机视觉算法包括但不限于边缘检测、颜色分割、形状匹配等,在识别到标记特征后,可以使用这些标记特征的位置信息或形状信息以确定目标组织所在的标记特征区域,通过特征提取确定目标组织图像的具体方法可参阅前述步骤S360的实施例,例如对内窥镜图像进行裁剪得到标记特征区域图像,或者基于卷积神经网络训练深度学习模型来识别和提取标记特征区域,进而确定目标组织图像。
步骤S380,获取用户对内窥镜图像的标记指令,根据标记指令确定目标组织图像。
在一些实施例中,确定目标组织图像的方式可以采用用户标记的方式,具体来说,可以通过输入设备获取用户对内窥镜图像的标记指令,然后根据标记指令确定目标组织图像。应理解,输入设备用于检测用户的输入信息,该输入信息可以是对目标组织的标记信息,也可以是在显示设备界面上绘制的点、线或框等标记指令,或者还可以包括其他指令类型,在一些实施例中,可以使用内窥镜成像系统中的显示设备作为输入设备,例如触摸显示器,以便用户输入标记指令并可以直观地看到对内窥镜图像所做的标记信息。在一些实施例中,输入设备可以是内窥镜成像系统中带有实体按键的输入设备包括键盘、鼠标、滚轮、轨迹球、多功能旋钮等,也可以是移动便携式输入设备,例如带有触摸显示屏的手机、平板电脑或者个人电脑等其中之一或者多个的组合使用。进一步地,将用户的标记指令转换成计算机可理解数据格式,并将标记指令数据与原始内窥镜图像进行关联,确定用户标记的位置和区域。根据用户的标记指令,通过基于机器学习或深度学习的特征提取算法,提取标记指令区域,进而确定目标组织图像。本实施例具体的特征提取方法与前述步骤S360的实施例类似,在此不再赘述。
在一些实施例中,还可以采用电子染色的方式确定目标组织图像,具体地,在使用内窥镜采集光学信号时,采用特殊光光源照射待观察部位,例如黏膜组织,特殊光光源可以是通过滤光器过滤光源所发出红、蓝、绿光的宽带光谱而留下的窄带光。由于窄带光符合目标组织的光学特性,并且目标组织内的血液对蓝、绿光吸收较强,因此通过内窥镜接收到目标组织的窄带光光学信号,进而获得窄带光内窥镜图像,窄带光内窥镜图像可以突出肿瘤细胞或其他病变等目标组织,与正常组织之间形成高对比。进一步,通过对窄带光内窥镜图像进行图像识别处理,从而能够确定目标组织的目标组织图像。具体的对窄带光内窥镜图像进行图像识别处理的方法可参阅步骤S360至步骤S380。
在一些实施例中,本申请的内窥镜图像的处理方法还包括:
步骤S500,通过显示设备显示目标物理尺寸的参数信息和/或目标组织的图像位置信息。
参照图8所示,在一些实施例中,可以将计算得到的目标物理尺寸的参数信息和/或目标组织的图像位置信息通过显示设备显示,例如在内窥镜图像周围划分独立的分区进行显示,或者将参数信息和图像位置信息叠加在内窥镜图像上显示。其中,显示设备可以包括液晶显示器、LED显示器、OLED显示器以及用于人机交互的触摸显示器等,也可以为与内窥镜成像系统通信连接的手机、平板电脑或者个人电脑等电子设备上的显示器等。进一步地,目标物理尺寸的参数信息包括但不限于数值、图像或比例尺等,例如目标组织的长度、宽度、直径等尺寸参数,以及面积和体积等更复杂的参数信息。应理解,其中的图像位置信息,包括以下至少之一:
目标组织的边界;
目标组织所在的区域;
目标组织的位置标记。
在一些实施例中,通过显示目标组织在图像中的位置标记,例如坐标、参考标记、辅助线、箭头等以指示目标组织的准确位置;还可以显示目标组织相对于器官或身体的位置信息,包括但不限于深度或距离。应理解,用户可以通过内窥镜成像系统的输入设备对目标物理尺寸的参数信息和/或目标组织的图像位置信息进行修改。显示目标物理尺寸的参数信息和/或目标组织的图像位置信息能够使用户或医生能够做出更准确的诊断和治疗决策,提高内窥镜成像系统的实用性。
在一些实施例中,本申请的内窥镜图像的处理方法还包括:
步骤S600,根据目标物理尺寸计算目标组织的特征信息;
步骤S700,通过显示设备显示特征信息。
可以理解的是,目标组织的特征信息包括但不限于形状、纹理、密度、血流信息等特征,具体地,通过计算目标组织的形状特征,例如圆形度、轮廓曲率等,以帮助医生判断目标组织的真实尺寸,还可以对目标组织的纹理特征进行分析,例如粗糙度、纹理方向等,有利于检测目标组织的纹理异常。在一些实施例中,通过目标组织图像的像素强度分布计算目标组织的密度特征,可用于区分不同类型的目标组织,例如肿瘤与正常组织。进一步,可以通过任意合适且易于理解的方式显示这些特征信息,用户或医生可以根据具体的医学应用需求对特征信息进行标注或注释。根据目标物理尺寸计算目标组织的特征信息,并通过内窥镜成像系统的显示设备显示特征信息,在一些实施例中,可以将目标组织的特征信息与内窥镜图像分开,通过显示设备独立显示,参照图9所示,还可以采用在内窥镜图像中叠加的方式显示特征信息,同时显示原始内窥镜图像和带有特征信息的图像,有助于用户或医生全面地了解目标组织的特性,从而对目标组织的真实尺寸进行更为精准的判断,提高手术的准确性和效率。
在一些实施例中,上述步骤S600中根据目标物理尺寸计算目标组织的特征信息,包括:
步骤S610,根据目标物理尺寸对目标组织的类型进行识别处理,确定目标组织并得到表征目标组织类型的特征信息。
可以理解的是,基于目标物理尺寸和预估的目标组织特征参数,使用匹配、分类或机器学习算法来识别目标组织的类型,确定目标组织并得到表征目标组织类型的特征信息。具体地,首先将内窥镜图像和目标物理尺寸数据输入至预训练的识别模型中,通过识别模型分析输入数据,输出预测目标组织的类型,本申请实施例不对识别模型的具体类型和训练过程进行限定。
在一些实施例中,可以对目标组织的目标物理尺寸进行特征提取操作,特征提取方法可以采用传统的PCA、LDA、Harr特征、纹理特征等,也可以采用深度神经网络,如CNN、ResNet(残差网络)、VGG等一种或多种提取操作组合使用进行特征提取,然后将提取到的目标组织的特征信息与数据库记录的目标组织的特征信息进行匹配,采用支持向量机、神经网络、最邻近分类、随机森林等分类器进行分类,从而确定目标组织类型并得到表征目标组织类型的特征信息。
参照图10,在一些实施例中,上述步骤S610具体包括以下步骤S611至步骤S613:
步骤S611,获取目标组织的目标特征,其中,目标特征包括目标组织的形貌特征或者目标组织反射的荧光信号的强度中的至少之一;
步骤S612,将目标组织的目标物理尺寸和目标特征输入到训练好的分类模型进行分类识别,确定目标组织的类型;
步骤S613,根据目标组织的类型得到特征信息;
可以理解的是,目标组织的形貌特征或者目标组织反射的荧光信号的强度是用于识别目标组织和分析目标组织的重要特征之一,形貌特征通常指的是目标组织的几何形状、轮廓和纹理等特征,可以通过图像识别或计算机视觉技术进行分析和提取特征,有助于用户或医生识别不同类型的目标组织或病变,例如正常的组织可能具有平滑的轮廓,相较于肿瘤可能具有不规则的形状。进一步,荧光信号的强度通常指目标组织对特定波长的光学信号的反射或发射强度,可以提供目标组织中存在的分子或某种生物标志物的信息,例如肿瘤或正常组织荧光内窥镜图像中显示出不同的亮度或颜色。将目标组织的目标物理尺寸和目标特征数据输入至预训练的分类模型中,通过分类模型进行特征提取、匹配后采用支持向量机、神经网络、最邻近分类、随机森林等分类器进行分类,从而确定目标组织的类型并得到表征目标组织类型的特征信息。有助于用户或医生全面地了解目标组织的特性,从而对目标组织的真实尺寸进行更为精准的判断,提高手术的准确性和效率。
可以理解的是,其中目标组织的类型包括以下之一:
目标组织的异常情况分类;
目标组织的病变阶段分类;
目标组织的病变类型分类。
其中,目标组织的异常情况包括但不限于良性或恶性肿瘤,在内窥镜图像中,良性肿瘤通常显示圆形或椭圆形,与周围组织的边界清晰,而恶性肿瘤通常显示为不规则的几何形状,例如块状或肿块,部分恶性肿瘤出现溃疡情况,其表面凹凸不平,并且与周围组织没有明显的边界。目标组织的另一异常情况可以是炎症,表现在内窥镜图像中则是目标组织出现红肿,异常情况还可以是目标组织的表面出现损伤或糜烂的溃疡症状,在内窥镜图像中显示为明显的凹陷或缺损。应理解,还可以根据目标组织的病变阶段进行分类,病变阶段通常分为早期、中期和晚期,在目标组织的早期病变阶段,由于疾病可能刚开始,症状不明显,通常会出现炎症、溃疡等情况;发展到中期阶段的一些疾病,例如癌症,目标组织可能是在一段时间内逐渐形成的肿瘤,在内窥镜图像中显示出的目标组织可以是不规则块状或肿块;在目标组织的晚期病变中,肿瘤细胞已扩散到目标组织周围的器官,内窥镜图像可能更明显地显示出目标组织,病变范围广。另外,还可以根据病变类型划分目标组织类型,例如目标组织异常生长而产生的肿瘤、目标组织出现免疫反应而产生的炎症、以及目标组织可能受到化学物质或药物的损伤导致的溃疡等病变。
在一些实施例中,上述步骤S700的通过显示设备显示特征信息具体包括:
步骤S710,根据目标组织的类型对特征信息进行显示。
可以理解的是,不同类型的目标组织对应不同的显示模式,具体地,不同的显示模式,包括以下至少之一:
不同的边界颜色;
不同的填充颜色;
不同的亮度;
不同的灰度;
不同的文字标记;
不同的图形标记。
可以理解的是,虽然上述各个流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本实施例中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时间执行完成,而是可以在不同的时间执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
参照图11,图11为本申请实施例提供的一种内窥镜摄像主机的结构框图,该内窥镜摄像主机1100包括壳体1110、通信接口1120、显示接口1130以及处理器1140等部件,本领域技术人员可以理解,图11中示出的内窥镜摄像主机1100结构并不构成对内窥镜摄像主机1100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
通信接口1120设置在壳体1110上,可用于与内窥镜有线或无线通信连接,从内窥镜获取图像信号;
显示接口1130设置在壳体1110上,可用于与显示设备通信连接,输出内窥镜图像;
处理器1140通过通信接口1120获取内窥镜的数据进行图像处理后,通过显示接口1130输出内窥镜图像至显示器进行显示。
在本实施例中,该内窥镜摄像主机1100所包括的处理器1140可以执行前面实施例的内窥镜图像的处理方法。
本申请实施例提供的用于执行上述内窥镜图像的处理方法的电子设备可以是终端1200,参照图12,图12为本申请实施例提供的终端1200的部分结构框图,该终端1200包括:摄像头组件1210、存储器1220、输入单元1230、显示单元1240、传感器1250、音频电路1260、无线保真(wireless fidelity,简称WiFi)模块1270、处理器1280、以及电源1290等部件。本领域技术人员可以理解,图12中示出的终端1200结构并不构成对终端1200的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
摄像头组件1210可用于采集图像或视频。可选地,摄像头组件1210包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。
存储器1220可用于存储软件程序以及模块,处理器1280通过运行存储在存储器1220的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。
输入单元1230可用于接收输入的数字或字符信息,以及产生与终端的设置以及功能控制有关的键信号输入。具体地,输入单元1230可包括触摸面板1231以及其他输入装置1232。
显示单元1240可用于显示输入的信息或提供的信息以及终端的各种菜单。显示单元1240可包括显示面板1241。
音频电路1260、扬声器1261,传声器1262可提供音频接口。
电源1290可以是交流电、直流电、一次性电池或可充电电池。
传感器1250的数量可以为一个或者多个,该一个或多个传感器1250包括但不限于:加速度传感器、陀螺仪传感器、压力传感器、光学传感器等等。其中:
加速度传感器可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器可以用于检测重力加速度在三个坐标轴上的分量。处理器1280可以根据加速度传感器采集的重力加速度信号,控制显示单元1240以横向视图或纵向视图进行用户界面的显示。加速度传感器还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器可以检测终端的机体方向及转动角度,陀螺仪传感器可以与加速度传感器协同采集用户对终端的3D动作。处理器1280根据陀螺仪传感器采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器可以设置在终端的侧边框和/或显示单元1240的下层。当压力传感器设置在终端的侧边框时,可以检测用户对终端的握持信号,由处理器1280根据压力传感器采集的握持信号进行左右手识别或快捷操作。当压力传感器设置在显示单元1240的下层时,由处理器1280根据用户对显示单元1240的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
光学传感器用于采集环境光强度。在一个实施例中,处理器1280可以根据光学传感器采集的环境光强度,控制显示单元1240的显示亮度。具体地,当环境光强度较高时,调高显示单元1240的显示亮度;当环境光强度较低时,调低显示单元1240的显示亮度。在另一个实施例中,处理器1280还可以根据光学传感器采集的环境光强度,动态调整摄像头组件1210的拍摄参数。
在本实施例中,该终端1200所包括的处理器1280可以执行前面实施例的内窥镜图像的处理方法。应理解,终端1200可以是手机、电脑、智能语音交互设备、智能家电、车载终端等,但并不局限于此。
本申请实施例提供的用于执行上述内窥镜图像的处理方法的电子设备也可以是服务器1300,参照图13,图13为本申请实施例提供的服务器1300的部分结构框图,服务器1300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器1310(Central Processing Units,简称CPU),一个或一个以上存储器1320,存储介质1330(例如一个或一个以上海量存储装置)。其中,存储器1320和存储介质1330可以是短暂存储或持久存储。存储在存储介质1330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器1300中的一系列指令操作。更进一步地,处理器1310可以设置为与存储介质1330通信,在服务器1300上执行存储介质1330中的一系列指令操作。
服务器1300还可以包括一个或一个以上电源(图示没标出),一个或一个以上有线或无线网络接口1340,一个或一个以上输入输出接口1350等。
在本实施例中,服务器1300中的处理器1310可以用于执行前面实施例的内窥镜图像的处理方法。应理解,服务器1300可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。另外,服务器1300还可以是区块链网络中的一个节点服务器。
终端1200以及服务器1300可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质用于存储计算机程序,计算机程序用于执行前述各个实施例的内窥镜图像的处理方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行实现上述的内窥镜图像的处理方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便描述本申请的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或装置不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或装置固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
应了解,在本申请实施例的描述中,多个(或多项)的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
还应了解,本申请实施例提供的各种实施方式可以任意进行组合,以实现不同的技术效果。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的共享条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本申请权利要求所限定的范围内。
Claims (10)
1.一种内窥镜成像系统,其特征在于,包括:
内窥镜,用于拍摄目标组织得到内窥镜图像;
显示设备,用于显示所述内窥镜图像;
内窥镜主机,分别与所述内窥镜和所述显示设备连接,所述内窥镜主机还用于执行:
获取所述内窥镜拍摄目标组织得到的所述内窥镜图像;
通过所述显示设备显示所述内窥镜图像;
从所述内窥镜图像中确定所述目标组织的目标组织图像,所述目标组织图像包括多个组织图像分区;
分别测量所述内窥镜与各个所述组织图像分区对应的所述目标组织之间的目标距离;
根据所述目标组织图像中的各个所述组织图像分区、各个所述组织图像分区对应的所述目标距离、以及预设的距离-物理尺寸关系,确定各个所述组织图像分区对应的局部组织的局部物理尺寸;
根据各个所述局部物理尺寸,得到所述目标组织的目标物理尺寸;
其中,所述根据所述目标组织图像中的各个所述组织图像分区、各个所述组织图像分区对应的所述目标距离、以及预设的距离-物理尺寸关系,确定各个所述组织图像分区对应的局部组织的局部物理尺寸,包括以下之一:
根据所述目标距离,确定当前所述目标距离下所述内窥镜图像与被拍摄目标组织真实尺寸之间的比例关系,根据所述目标组织图像的大小以及当前所述目标距离下的所述比例关系,计算得到所述组织图像分区对应的局部组织的局部物理尺寸;
根据所述目标距离和所述目标组织图像的大小,查询所述距离-物理尺寸关系的预设对应表格,得到所述组织图像分区对应的局部组织的局部物理尺寸;
将所述目标距离和所述目标组织图像的大小,代入所述距离-物理尺寸关系的曲线函数,得到所述组织图像分区对应的局部组织的局部物理尺寸;
根据各个所述局部物理尺寸,得到所述目标组织的所述目标物理尺寸,包括:
当各个所述组织图像分区没有重叠部分时,通过对各个所述局部物理尺寸相加求和得到所述目标组织的所述目标物理尺寸;
当各个所述组织图像分区对应的局部组织不是相互独立时,通过计算出所有局部物理尺寸的加权平均值得到所述目标组织的所述目标物理尺寸;
当目标组织为具有复杂几何形状的目标组织时,通过构建数学模型对各个所述局部物理尺寸进行计算,得到所述目标物理尺寸。
2.根据权利要求1所述的内窥镜成像系统,其特征在于,所述目标物理尺寸包括所述目标组织的物理长度、物理宽度、物理面积或者物理体积中的至少之一;所述目标组织图像的大小,包括以下之一:
所述目标组织图像在所述内窥镜图像中的像素尺寸;
所述目标组织图像在所述显示设备中显示的像素尺寸;
所述目标组织图像在所述显示设备中显示的放大倍率。
3.根据权利要求1所述的内窥镜成像系统,其特征在于,获取内窥镜拍摄目标组织得到的内窥镜图像,包括:
实时获取内窥镜拍摄目标组织的内窥镜图像信号;
根据所述内窥镜图像信号得到多帧所述内窥镜图像;
对多帧所述内窥镜图像进行统计计算,得到作为后续处理基准的内窥镜图像。
4.根据权利要求1所述的内窥镜成像系统,其特征在于,所述内窥镜图像包括以下至少之一:
白光内窥镜图像;
荧光内窥镜图像;
窄带光内窥镜图像;
多光谱内窥镜图像。
5.根据权利要求1所述的内窥镜成像系统,其特征在于,所述从所述内窥镜图像中确定所述目标组织的目标组织图像,包括以下至少之一:
对所述内窥镜图像进行图像识别处理,识别所述内窥镜图像中的荧光特征区域,得到所述目标组织图像;
从所述内窥镜图像中确定用户对所述目标组织的标记特征,根据所述标记特征确定所述目标组织图像;
获取用户对所述内窥镜图像的标记指令,根据所述标记指令确定所述目标组织图像。
6.根据权利要求1所述的内窥镜成像系统,其特征在于,还包括:通过所述显示设备显示所述目标物理尺寸的参数信息和/或所述目标组织的图像位置信息,其中,所述图像位置信息,包括以下至少之一:
所述目标组织的边界;
所述目标组织所在的区域;
所述目标组织的位置标记。
7.根据权利要求1所述的内窥镜成像系统,其特征在于,还包括:
根据所述目标物理尺寸计算所述目标组织的特征信息;
通过所述显示设备显示所述特征信息。
8.根据权利要求7所述的内窥镜成像系统,其特征在于,所述根据所述目标物理尺寸计算所述目标组织的特征信息,包括:
根据所述目标物理尺寸对所述目标组织的类型进行识别处理,确定所述目标组织并得到表征所述目标组织的类型的所述特征信息。
9.根据权利要求8所述的内窥镜成像系统,其特征在于,根据所述目标物理尺寸对所述目标组织的类型进行识别处理,确定所述目标组织并得到表征所述目标组织的类型的所述特征信息,包括:
获取所述目标组织的目标特征,其中,所述目标特征包括所述目标组织的形貌特征或者所述目标组织反射的荧光信号的强度中的至少之一;
将所述目标组织的所述目标物理尺寸和所述目标特征输入到训练好的分类模型进行分类识别,确定所述目标组织的类型;
根据所述目标组织的类型得到所述特征信息,其中,所述目标组织的类型包括以下之一:所述目标组织的异常情况分类;
所述目标组织的病变阶段分类;
所述目标组织的病变类型分类。
10.根据权利要求8或9所述的内窥镜成像系统,其特征在于,所述通过所述显示设备显示所述特征信息,包括:
根据所述目标组织的类型对所述特征信息进行显示,其中,不同类型的所述目标组织对应不同的显示模式,所述不同的显示模式,包括以下至少之一:
不同的边界颜色;
不同的填充颜色;
不同的亮度;
不同的灰度;
不同的文字标记;
不同的图形标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335977.4A CN117064311B (zh) | 2023-10-16 | 2023-10-16 | 一种内窥镜图像的处理方法及内窥镜成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311335977.4A CN117064311B (zh) | 2023-10-16 | 2023-10-16 | 一种内窥镜图像的处理方法及内窥镜成像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117064311A CN117064311A (zh) | 2023-11-17 |
CN117064311B true CN117064311B (zh) | 2024-01-30 |
Family
ID=88708412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311335977.4A Active CN117064311B (zh) | 2023-10-16 | 2023-10-16 | 一种内窥镜图像的处理方法及内窥镜成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117064311B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576097B (zh) * | 2024-01-16 | 2024-03-22 | 华伦医疗用品(深圳)有限公司 | 基于ai辅助图像处理信息的内窥镜图像处理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109730683A (zh) * | 2018-12-21 | 2019-05-10 | 重庆金山医疗器械有限公司 | 内窥镜目标物大小计算方法及分析系统 |
CN110811495A (zh) * | 2019-10-28 | 2020-02-21 | 浙江华诺康科技有限公司 | 荧光内窥镜的病灶尺寸测量方法、系统及计算机设备 |
CN111948798A (zh) * | 2020-08-21 | 2020-11-17 | 微创(上海)医疗机器人有限公司 | 内窥镜系统及用于检测内窥镜的末端与组织接触的方法 |
CN113240726A (zh) * | 2021-05-20 | 2021-08-10 | 南开大学 | 一种内窥镜下光学目标尺寸实时测量方法 |
CN113610908A (zh) * | 2021-07-29 | 2021-11-05 | 中山大学 | 一种用于单目内窥镜手术中的多基线融合的深度估计方法 |
CN114631767A (zh) * | 2022-05-19 | 2022-06-17 | 深圳市资福医疗技术有限公司 | 病灶面积测量方法、系统、设备及存储介质 |
CN115444355A (zh) * | 2022-10-28 | 2022-12-09 | 四川大学华西医院 | 一种内窥镜病变尺寸信息确定方法、电子设备及存储介质 |
CN115727757A (zh) * | 2022-08-29 | 2023-03-03 | 上海大学 | 基于可伸缩镜头测量目标大小的内窥镜操作方法 |
-
2023
- 2023-10-16 CN CN202311335977.4A patent/CN117064311B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109730683A (zh) * | 2018-12-21 | 2019-05-10 | 重庆金山医疗器械有限公司 | 内窥镜目标物大小计算方法及分析系统 |
CN110811495A (zh) * | 2019-10-28 | 2020-02-21 | 浙江华诺康科技有限公司 | 荧光内窥镜的病灶尺寸测量方法、系统及计算机设备 |
CN111948798A (zh) * | 2020-08-21 | 2020-11-17 | 微创(上海)医疗机器人有限公司 | 内窥镜系统及用于检测内窥镜的末端与组织接触的方法 |
CN113240726A (zh) * | 2021-05-20 | 2021-08-10 | 南开大学 | 一种内窥镜下光学目标尺寸实时测量方法 |
CN113610908A (zh) * | 2021-07-29 | 2021-11-05 | 中山大学 | 一种用于单目内窥镜手术中的多基线融合的深度估计方法 |
CN114631767A (zh) * | 2022-05-19 | 2022-06-17 | 深圳市资福医疗技术有限公司 | 病灶面积测量方法、系统、设备及存储介质 |
CN115727757A (zh) * | 2022-08-29 | 2023-03-03 | 上海大学 | 基于可伸缩镜头测量目标大小的内窥镜操作方法 |
CN115444355A (zh) * | 2022-10-28 | 2022-12-09 | 四川大学华西医院 | 一种内窥镜病变尺寸信息确定方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117064311A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6045417B2 (ja) | 画像処理装置、電子機器、内視鏡装置、プログラム及び画像処理装置の作動方法 | |
JP6348078B2 (ja) | 分岐構造判定装置、分岐構造判定装置の作動方法および分岐構造判定プログラム | |
US7292719B2 (en) | System and method for imaging | |
Wannous et al. | Enhanced assessment of the wound-healing process by accurate multiview tissue classification | |
EP3000386B1 (en) | Skin function evaluation device and skin evaluation method | |
JP6967602B2 (ja) | 検査支援装置、内視鏡装置、内視鏡装置の作動方法、及び検査支援プログラム | |
JP2019505898A (ja) | 外科織物内の血液構成要素の量の評価方法 | |
US20150272423A1 (en) | Endoscope system | |
CN117064311B (zh) | 一种内窥镜图像的处理方法及内窥镜成像系统 | |
CN105072968A (zh) | 图像处理装置、内窥镜装置、程序和图像处理方法 | |
CN108135453B (zh) | 内窥镜系统和图像处理方法 | |
US11741619B2 (en) | Methods and systems for registering preoperative image data to intraoperative image data of a scene, such as a surgical scene | |
CN103988057A (zh) | 估算体外血液体积并对外科手术样品计数的系统和方法 | |
AU2008296303A1 (en) | Dermatology information | |
US9412054B1 (en) | Device and method for determining a size of in-vivo objects | |
US20150257628A1 (en) | Image processing device, information storage device, and image processing method | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
US20220117689A1 (en) | Systems and methods for multi-modal sensing of depth in vision systems for automated surgical robots | |
JP2008289698A (ja) | 医用画像表示装置、医用画像表示方法、プログラム、記憶媒体およびマンモグラフィ装置 | |
WO2019088008A1 (ja) | 画像処理装置、画像処理方法、プログラム、及び内視鏡システム | |
JP2005084012A (ja) | 肌形状計測方法及び肌形状計測装置 | |
Ahmad et al. | 3D reconstruction of gastrointestinal regions using shape-from-focus | |
CN117398042B (zh) | 一种ai辅助检测的3d内窥镜系统及成像方法 | |
CN117058067A (zh) | 人脸深度图像的处理方法、装置、电子设备和存储介质 | |
Alkhalifah | Optimizing graphics for understanding real-scene using 3D image registration and tracking and mapping |
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 |