CN117115139A - 内窥镜视频检测方法、装置、可读介质及电子设备 - Google Patents

内窥镜视频检测方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN117115139A
CN117115139A CN202311229596.8A CN202311229596A CN117115139A CN 117115139 A CN117115139 A CN 117115139A CN 202311229596 A CN202311229596 A CN 202311229596A CN 117115139 A CN117115139 A CN 117115139A
Authority
CN
China
Prior art keywords
frame
polyp detection
key frame
polyp
key
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311229596.8A
Other languages
English (en)
Inventor
杨志雄
杨延展
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202311229596.8A priority Critical patent/CN117115139A/zh
Publication of CN117115139A publication Critical patent/CN117115139A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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

Landscapes

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

Abstract

本公开涉及一种内窥镜视频检测方法、装置、可读介质及电子设备，以减小进行息肉检测的计算量。该方法包括：获取待检测的内窥镜视频；通过息肉检测模型对内窥镜视频进行息肉检测，得到内窥镜视频中每帧图像对应的息肉检测框，息肉检测模型用于通过如下方式对内窥镜视频进行息肉检测：对内窥镜视频提取关键帧，并对关键帧进行息肉检测得到关键帧中的息肉检测框；至少根据关键帧中的息肉检测框，确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，其中预测息肉检测框对应有预测分数，预测分数与对应的预测息肉检测框的预测准确率成正比；当预测息肉检测框对应的预测分数大于预设阈值时，将预测息肉框作为非关键帧对应的目标息肉检测框。

Description

内窥镜视频检测方法、装置、可读介质及电子设备
技术领域
本公开涉及视频检测技术领域，具体地，涉及一种内窥镜视频检测方法、装置、可读介质及电子设备。
背景技术
在肠镜检查过程中，医生会对检查出的息肉进行去除，因此如果检测到息肉，在较长的时间内息肉都是在视野内，并不会移动到较远的位置。
相关技术中，通常采用基于图像的模型检测技术，即针对肠镜检查视频下的每帧图像进行单独的模型检测，并把检测到的息肉给框选出来，从而减轻医生的负担。但是该方案需要对每一帧图像进行模型检测，计算量大，且存在很多不必要的计算。并且为了避免计算量进一步增大，通常采用小模型，但是这样导致精度受损严重，进而产生偏差。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种内窥镜视频检测方法，所述方法包括：
获取待检测的内窥镜视频；
通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：
对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；
至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；
当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
第二方面，本公开提供一种内窥镜视频检测装置，所述装置包括：
获取模块，用于获取待检测的内窥镜视频；
第一检测模块，用于通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：
对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；
至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；
当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中任一项所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中任一项所述方法的步骤。
通过上述技术方案，首先获取待检测的内窥镜视频，然后通过息肉检测模型对内窥镜视频进行息肉检测，得到内窥镜视频中每帧图像对应的息肉检测框。其中，息肉检测模型用于对内窥镜视频提取关键帧，并对关键帧进行息肉检测，得到关键帧中的息肉检测框，然后至少根据关键帧中的息肉检测框，确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，当预测息肉检测框对应的预测分数大于预设阈值时，将预测息肉框作为非关键帧对应的目标息肉检测框，从而得到内窥镜视频中每帧图像对应的息肉检测框。该方案无需对内窥镜视频中的每一帧图像进行模型检测，可以根据关键帧中的息肉检测框预测非关键帧的息肉检测框，从而可以得到每一帧图像对应的息肉检测框，计算量小且效率高，可以在保障模型性能的同时保障模型精度，避免产生偏差，从而在息肉检查场景中能够进行实时的息肉检测。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例提供的一种内窥镜视频检测方法的流程图；
图2是根据一示例性实施例提供的一种内窥镜视频检测流程的示意图；
图3是根据一示例性实施例提供的一种对关键帧进行息肉检测的流程示意图；
图4是根据一示例性实施例提供的一种内窥镜视频检测装置的框图；
图5是根据一示例性实施例提供的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
在息肉检测场景下，常用的方案包括基于图像的模型检测技术和基于视频的模型检测技术。其中，基于图像的模型检测技术是针对肠镜检查视频下的每帧图像进行单独的模型检测，并把检测到的息肉给框选出来，从而减轻医生的负担。但是该方案需要对每一帧图像进行模型检测，计算量大，且存在很多不必要的计算。并且为了避免计算量进一步增大，通常采用小模型，但是这样导致精度受损严重，进而产生偏差。并且没有利用到视频帧与帧之间的连贯信息，导致模型的检测并不够准确。而基于视频的模型检测技术是输入多帧图像进行模型检测，并把检测到的息肉框选出来，并且在视频上将息肉框的轨迹画出来，但是该方案同样需要对每一帧图像进行模型检测，计算量大且效率低。
有鉴于此，本公开提供一种内窥镜视频检测方法、装置、可读介质及电子设备，以解决上述技术问题。
以下结合附图对本公开实施例进行进一步解释与说明。
图1是根据本公开一示例性实施例示出的一种内窥镜视频检测方法的流程图，参照图1，该方法可以包括以下步骤：
S101、获取待检测的内窥镜视频。
S102、通过息肉检测模型对内窥镜视频进行息肉检测，得到内窥镜视频中每帧图像对应的息肉检测框。
其中，息肉检测模型用于通过如下方式对内窥镜视频进行息肉检测：对内窥镜视频提取关键帧，并对关键帧进行息肉检测，得到关键帧中的息肉检测框；至少根据关键帧中的息肉检测框，确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，其中，预测息肉检测框对应有预测分数，预测分数与对应的预测息肉检测框的预测准确率成正比；当预测息肉检测框对应的预测分数大于预设阈值时，将预测息肉框作为非关键帧对应的目标息肉检测框。
通过上述技术方案，无需对内窥镜视频中的每一帧图像进行模型检测，可以根据关键帧中的息肉检测框预测非关键帧的息肉检测框，从而可以得到每一帧图像对应的息肉检测框，计算量小且效率高，并且不需要限制模型的大小，可以在保障模型性能的同时保障模型精度，避免产生偏差，从而在息肉检查场景中能够进行实时的息肉检测。
在可能的方式中，该方法还可以包括：当预测息肉检测框对应的预测分数小于或等于预设阈值时，对非关键帧进行息肉检测，得到非关键帧中的目标息肉检测框。
示例地，参照图2，可以通过分支1先对内窥镜视频中的关键帧进行息肉检测，关键帧也就是视频中由于摄像头出现较大运动导致图像出现较大改变的帧。首先对内窥镜视频提取关键帧(Extract key frame)，然后对关键帧进行息肉检测，得到关键帧中的息肉检测框，进而确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，即进行轨迹预测(Trajectory prediction)，从而得到内窥镜视频中息肉检测框的预测轨迹，即每帧图像的息肉检测框在时间序列上的位置变化。当预测息肉检测框对应的预测分数(Score)大于预设阈值(thr)时，即满足预设的输出条件，说明预测息肉检测框的预测准确率满足要求，则输出预测息肉检测框，并将预测息肉框作为非关键帧对应的目标息肉检测框。关键帧对应的息肉检测框和非关键帧对应的目标息肉检测框构成内窥镜视频中每帧图像的息肉检测框(Polyp box)。
应当理解的是，在息肉检测场景下，息肉位置在内窥镜视频中不会发生远距离变动，视频中帧与帧之间相隔也比较近，导致帧与帧之间图像相似度极高，因此可以通过轻量的息肉检测模型利用关键帧来预测出整段视频中每帧图像的息肉检测框的位置，其中关键帧的数量是非常少的，例如100帧的视频可能只有3帧关键帧，从而可以大大减少计算量。
但是，如果当预测息肉检测框对应的预测分数小于或等于预设阈值时，即不满足预设的输出条件，说明上下两帧的差别很大，息肉位置可能发生远距离变动，这时候利用关键帧去做轨迹预测就会失效，因而可以通过分支2对非关键帧进行息肉检测，得到非关键帧中的目标息肉检测框。但是在息肉检测场景下这种情况发生较少，因此大多数情况下通过关键帧即可预测非关键帧对应的目标息肉检测框，所以整体的计算量小，耗时短且效率高。
在可能的方式中，对关键帧进行息肉检测，得到关键帧中的息肉检测框，可以包括：通过息肉检测模型中的特征提取模块对关键帧进行特征提取，得到关键帧特征，并通过息肉检测模型中的检测模块对关键帧特征进行息肉检测，得到关键帧中的息肉检测框。对非关键帧进行息肉检测，得到非关键帧中的目标息肉检测框，可以包括：通过特征提取模块对非关键帧进行特征提取，得到非关键帧特征，并通过检测模块对非关键帧特征进行息肉检测，得到非关键帧中的目标息肉检测框。
示例地，继续参照图2，通过分支2对非关键帧进行息肉检测，首先通过特征提取模块(Feature Extractor)对非关键帧进行特征提取，得到非关键帧特征，然后通过检测模块(Detector)对非关键帧特征进行息肉检测，得到非关键帧中的目标息肉检测框。其中，Detector模块一般会有分类和回归两分支，回归用于提高输出的息肉检测框的精度，分类用于输出检测的物体类别。
示例地，图3为本公开实施例提供的对关键帧进行息肉检测的流程示意图，可以看到其中也包括特征提取模块和检测模块。也就是说，分支1中对关键帧进行息肉检测与分支2对非关键帧进行息肉检测的过程相同，因此，分支1和分支2可以复用同一特征提取模块和检测模块，以提高息肉检测模型中模块的复用性，减少息肉检测模型占用的内存资源。
当然，也可以单独设计一个特征提取模块和检测模块用于对关键帧进行息肉检测，设计另一个特征提取模块和检测模块用于对非关键帧进行息肉检测，本公开对此不作限制。
在可能的方式中，至少根据关键帧中的息肉检测框，确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，可以包括：根据关键帧携带的时间信息，对息肉检测框在关键帧中的坐标进行位置编码，得到息肉检测框对应的坐标特征；提取关键帧中息肉检测框对应的原始图像特征；至少根据原始图像特征和坐标特征进行特征融合，得到目标融合特征；将目标融合特征输入息肉检测模型中的多层感知机模块中，得到内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框。
示例地，继续参照图3，关键帧[N,H,W]表示内窥镜视频中的N帧关键帧(Keyframes)，H表示图像高度，W表示图像宽度。
示例地，继续参照图3，通过特征提取模块对输入的关键帧进行特征提取，然后通过检测模块对关键帧的特征进行检测，输出关键帧的息肉检测框的坐标位置。并通过检测框位置编码模块(Box position encoding)对息肉检测框的坐标位置进行位置编码，从而将关键帧携带的时间位置信息也编码到息肉检测框的坐标位置中，而不是单纯的空间位置信息。通过引入时间(temporal)信息，使得后续轨迹预测更加准确。
进而，提取关键帧中息肉检测框对应的原始图像特征(检测框特征，Boxfeatures)，然后对原始图像特征和坐标特征进行特征融合(Concate)，得到目标融合特征，将目标融合特征输入息肉检测模型中的多层感知机模块(两个MLP模块)中，得到内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框。
应当理解的是，在息肉检测场景下，内窥镜视频是实时采集的，即图像帧的数量在实时递增，相应地，关键帧的数量也在实时递增。
因此，在可能的方式中，该方法还可以包括：获取历史检测过程中历史关键帧中的历史息肉检测框。至少根据关键帧中的息肉检测框，确定内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，可以包括：根据实时息肉检测框和历史息肉检测框，确定内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框。
示例地，以获取到新的关键帧(当前关键帧)为例，通过特征提取模块对输入的当前关键帧进行特征提取，然后通过检测模块对当前关键帧的特征进行检测，输出当前关键帧的息肉检测框的坐标位置，外加之前已经检测出的关键帧中息肉检测框的坐标位置，可以用表示内窥镜视频中第t帧关键帧中息肉检测框的坐标位置，其中，4表示息肉检测框的坐标位置由两个顶点的坐标表示，例如息肉检测框左上顶点和右下顶点的坐标。
示例地，可以通过如下编码方式对息肉检测框的坐标位置进行位置编码：
其中，PE(Bt)表示对第t帧关键帧进行位置编码，加入时间信息后的息肉检测框可以用表示，dm表示维度参数，即时间加坐标位置5个维度。进而将这个空间和时间组合的特征送入多层感知机(Multi-Layer Perceptron，MLP)做进一步特征转化，得到坐标特征，可以用Cb表示。从而在实际应用中，能够基于实时的内窥镜视频进行息肉检测，实时性高。
在可能的方式中，至少根据原始图像特征和坐标特征进行特征融合，得到目标融合特征，包括：将关键帧中的息肉检测框扩大预设倍数，得到扩大检测框，并提取关键帧中扩大检测框对应的扩大图像特征；将原始图像特征和扩大图像特征进行特征融合，得到中间融合特征；将中间融合特征和坐标特征进行融合，得到目标融合特征。
示例地，继续参数图3，还可以将当前关键帧中的息肉检测框扩大预设倍数，得到扩大检测框，并提取当前关键帧中扩大检测框对应的扩大图像特征(Cropped imagefeatures)，其中，预设倍数可以根据需求确定，本公开对此不作限制。进而将原始图像特征和扩大图像特征进行特征融合，并送入多层感知机做进一步特征转化，得到中间融合特征，可以用Ib表示。这样，不仅有息肉检测框的图像特征，还有其周边的图像特征，使得后续轨迹预测更加准确。
进而，将Cb和Ib进行特征融合，在经过两个MLP模块，得到内窥镜视频中除关键帧外的非关键帧中的预测息肉检测框，最后得到内窥镜视频对应的检测框轨迹(Boxtrajectory)，可以用Bt,t∈[1,2,…,T]表示第t帧图像的息肉检测框，T表示内窥镜视频的图像总帧数。
在可能的方式中，该息肉检测模型的训练过程可以包括：获取样本内窥镜视频，样本内窥镜视频对应的每帧图像标注有样本息肉检测框；将样本内窥镜视频输入息肉检测模型中，以通过息肉检测模型对样本内窥镜视频提取样本关键帧，并对样本关键帧进行息肉检测，得到样本关键帧对应的第一息肉检测框，根据第一息肉检测框，确定样本内窥镜视频中除样本关键帧外的样本非关键帧中的第二息肉检测框；根据样本关键帧对应的第一息肉检测框和样本息肉检测框、以及样本非关键帧对应的第二息肉检测框和样本息肉检测框，计算损失函数值；根据损失函数值调整息肉检测模型的参数。
示例地，样本内窥镜视频可以从开源数据中获取，保证视频连续即可，本公开对此不作限制。并且还可以将样本内窥镜视频分为训练集、验证集和测试集三类分别用于模型的训练、验证和测试。
示例地，可以对模型训练环境进行配置，例如选择合适的操作系统和CPU(CentralProcessing Unit，中央处理器)、内存大小、CPU(graphics processing unit，图形处理器)以及显卡运算平台等等，具体可以根据需求配置，本公开对此不作限制。还可以对模型训练参数进行配置，例如可以配置如下的模型训练参数：
Epochs(最大训练次数)：30；
Batch size(单次训练过程中的样本数量)：256；
初始学习率：5e-4；
学习率衰减：每10个Epochs衰减一次，衰减因子为0.1；
权重衰减：1e-5；
梯度裁剪：1.0；
输入视频分辨率大小：224×224；
优化算法：Adam。
应当理解的是，上述模型训练参数具体可以根据需求进行调整，本公开对此不作限制。
采用上述技术方案，可以基于内窥镜视频中的关键帧，通过息肉检测模型预测息肉检测框的轨迹，大大减少模型计算量，运行速度更快，便于方案实时运行，有助于在实际息肉检查场景中，帮助医生确定息肉位置。
基于同一发明构思，本公开提供一种内窥镜视频检测装置，参照图4，所述装置400包括：
获取模块401，用于获取待检测的内窥镜视频；
第一检测模块402，用于通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：
对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；
至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；
当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
通过上述装置，无需对内窥镜视频中的每一帧图像进行模型检测，可以根据关键帧中的息肉检测框预测非关键帧的息肉检测框，从而可以得到每一帧图像对应的息肉检测框，计算量小且效率高，并且不需要限制模型的大小，可以在保障模型性能的同时保障模型精度，避免产生偏差，从而在息肉检查场景中能够进行实时的息肉检测。
可选地，所述装置400还包括：
第二检测模块，用于当所述预测息肉检测框对应的所述预测分数小于或等于所述预设阈值时，对所述非关键帧进行息肉检测，得到所述非关键帧中的目标息肉检测框。
可选地，所述第一检测模块402用于：
通过所述息肉检测模型中的特征提取模块对所述关键帧进行特征提取，得到关键帧特征，并通过所述息肉检测模型中的检测模块对所述关键帧特征进行息肉检测，得到所述关键帧中的息肉检测框；
所述第二检测模块用于：
通过所述特征提取模块对所述非关键帧进行特征提取，得到非关键帧特征，并通过所述检测模块对所述非关键帧特征进行息肉检测，得到所述非关键帧中的目标息肉检测框。
可选地，所述第一检测模块402用于：
根据所述关键帧携带的时间信息，对所述息肉检测框在所述关键帧中的坐标进行位置编码，得到所述息肉检测框对应的坐标特征；
提取所述关键帧中所述息肉检测框对应的原始图像特征；
至少根据所述原始图像特征和所述坐标特征进行特征融合，得到目标融合特征；
将所述目标融合特征输入所述息肉检测模型中的多层感知机模块中，得到所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框。
可选地，所述第一检测模块402用于：
将所述关键帧中的息肉检测框扩大预设倍数，得到扩大检测框，并提取所述关键帧中所述扩大检测框对应的扩大图像特征；
将所述原始图像特征和所述扩大图像特征进行特征融合，得到中间融合特征；
将所述中间融合特征和所述坐标特征进行融合，得到目标融合特征。
可选地，所述装置400还包括获取子模块，所述获取子模块用于：
获取历史检测过程中历史关键帧中的历史息肉检测框；
可选地，所述第一检测模块402用于：
根据实时息肉检测框和所述历史息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框。
可选地，所述息肉检测模型的训练过程包括：
获取样本内窥镜视频，所述样本内窥镜视频对应的每帧图像标注有样本息肉检测框；
将所述样本内窥镜视频输入所述息肉检测模型中，以通过所述息肉检测模型对所述样本内窥镜视频提取样本关键帧，并对所述样本关键帧进行息肉检测，得到所述样本关键帧对应的第一息肉检测框，根据所述第一息肉检测框，确定所述样本内窥镜视频中除所述样本关键帧外的样本非关键帧中的第二息肉检测框；
根据所述样本关键帧对应的所述第一息肉检测框和样本息肉检测框、以及所述样本非关键帧对应的第二息肉检测框和样本息肉检测框，计算损失函数值；
根据所述损失函数值调整所述息肉检测模型的参数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于同一构思，本公开实施例还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述内窥镜视频检测方法的步骤。
基于同一构思，本公开实施例还提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述内窥镜视频检测方法的步骤。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待检测的内窥镜视频；通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种内窥镜视频检测方法，其特征在于，所述方法包括：
获取待检测的内窥镜视频；
通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：
对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；
至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；
当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述预测息肉检测框对应的所述预测分数小于或等于所述预设阈值时，对所述非关键帧进行息肉检测，得到所述非关键帧中的目标息肉检测框。
3.根据权利要求2所述的方法，其特征在于，所述对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框，包括：
通过所述息肉检测模型中的特征提取模块对所述关键帧进行特征提取，得到关键帧特征，并通过所述息肉检测模型中的检测模块对所述关键帧特征进行息肉检测，得到所述关键帧中的息肉检测框；
所述对所述非关键帧进行息肉检测，得到所述非关键帧中的目标息肉检测框，包括：
通过所述特征提取模块对所述非关键帧进行特征提取，得到非关键帧特征，并通过所述检测模块对所述非关键帧特征进行息肉检测，得到所述非关键帧中的目标息肉检测框。
4.根据权利要求1-3任一所述的方法，其特征在于，所述至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，包括：
根据所述关键帧携带的时间信息，对所述息肉检测框在所述关键帧中的坐标进行位置编码，得到所述息肉检测框对应的坐标特征；
提取所述关键帧中所述息肉检测框对应的原始图像特征；
至少根据所述原始图像特征和所述坐标特征进行特征融合，得到目标融合特征；
将所述目标融合特征输入所述息肉检测模型中的多层感知机模块中，得到所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框。
5.根据权利要求4所述的方法，其特征在于，所述至少根据所述原始图像特征和所述坐标特征进行特征融合，得到目标融合特征，包括：
将所述关键帧中的息肉检测框扩大预设倍数，得到扩大检测框，并提取所述关键帧中所述扩大检测框对应的扩大图像特征；
将所述原始图像特征和所述扩大图像特征进行特征融合，得到中间融合特征；
将所述中间融合特征和所述坐标特征进行融合，得到目标融合特征。
6.根据权利要求1-3任一所述的方法，其特征在于，所述方法还包括：
获取历史检测过程中历史关键帧中的历史息肉检测框；
所述至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，包括：
根据实时息肉检测框和所述历史息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框。
7.根据权利要求1-3任一所述的方法，其特征在于，所述息肉检测模型的训练过程包括：
获取样本内窥镜视频，所述样本内窥镜视频对应的每帧图像标注有样本息肉检测框；
将所述样本内窥镜视频输入所述息肉检测模型中，以通过所述息肉检测模型对所述样本内窥镜视频提取样本关键帧，并对所述样本关键帧进行息肉检测，得到所述样本关键帧对应的第一息肉检测框，根据所述第一息肉检测框，确定所述样本内窥镜视频中除所述样本关键帧外的样本非关键帧中的第二息肉检测框；
根据所述样本关键帧对应的所述第一息肉检测框和样本息肉检测框、以及所述样本非关键帧对应的第二息肉检测框和样本息肉检测框，计算损失函数值；
根据所述损失函数值调整所述息肉检测模型的参数。
8.一种内窥镜视频检测装置，其特征在于，所述装置包括：
获取模块，用于获取待检测的内窥镜视频；
第一检测模块，用于通过息肉检测模型对所述内窥镜视频进行息肉检测，得到所述内窥镜视频中每帧图像对应的息肉检测框，其中，所述息肉检测模型用于通过如下方式对所述内窥镜视频进行息肉检测：
对所述内窥镜视频提取关键帧，并对所述关键帧进行息肉检测，得到所述关键帧中的息肉检测框；
至少根据所述关键帧中的息肉检测框，确定所述内窥镜视频中除所述关键帧外的非关键帧中的预测息肉检测框，其中，所述预测息肉检测框对应有预测分数，所述预测分数与对应的所述预测息肉检测框的预测准确率成正比；
当所述预测息肉检测框对应的所述预测分数大于预设阈值时，将所述预测息肉框作为所述非关键帧对应的目标息肉检测框。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
CN202311229596.8A 2023-09-21 2023-09-21 内窥镜视频检测方法、装置、可读介质及电子设备 Pending CN117115139A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311229596.8A CN117115139A (zh) 2023-09-21 2023-09-21 内窥镜视频检测方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311229596.8A CN117115139A (zh) 2023-09-21 2023-09-21 内窥镜视频检测方法、装置、可读介质及电子设备

Publications (1)

Publication Number Publication Date
CN117115139A true CN117115139A (zh) 2023-11-24

Family

ID=88807670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311229596.8A Pending CN117115139A (zh) 2023-09-21 2023-09-21 内窥镜视频检测方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN117115139A (zh)

Similar Documents

Publication Publication Date Title
CN108985259B (zh) 人体动作识别方法和装置
CN112184738B (zh) 一种图像分割方法、装置、设备及存储介质
CN113313064B (zh) 字符识别方法、装置、可读介质及电子设备
CN112561840B (zh) 视频裁剪方法、装置、存储介质及电子设备
CN113033580B (zh) 图像处理方法、装置、存储介质及电子设备
CN113111684B (zh) 神经网络模型的训练方法、装置和图像处理系统
CN113689372A (zh) 图像处理方法、设备、存储介质及程序产品
CN112907628A (zh) 视频目标追踪方法、装置、存储介质及电子设备
CN112418232B (zh) 图像分割方法、装置、可读介质及电子设备
CN113449070A (zh) 多模态数据检索方法、装置、介质及电子设备
CN112330788A (zh) 图像处理方法、装置、可读介质及电子设备
CN113610034B (zh) 识别视频中人物实体的方法、装置、存储介质及电子设备
CN115205330A (zh) 轨迹信息生成方法、装置、电子设备和计算机可读介质
CN111539524B (zh) 轻量级自注意力模块和神经网络构架的搜索方法
CN111311609B (zh) 一种图像分割方法、装置、电子设备及存储介质
CN112418233B (zh) 图像处理方法、装置、可读介质及电子设备
CN115375657A (zh) 息肉检测模型的训练方法、检测方法、装置、介质及设备
CN117115139A (zh) 内窥镜视频检测方法、装置、可读介质及电子设备
CN114495080A (zh) 字体识别方法、装置、可读介质及电子设备
CN114004229A (zh) 文本识别方法、装置、可读介质及电子设备
CN114565586B (zh) 息肉分割模型的训练方法、息肉分割方法及相关装置
CN118038193B (zh) 地下电缆可视化展示方法、装置、电子设备与计算机介质
CN114782390B (zh) 检测模型的确定方法、息肉检测方法、装置、介质及设备
CN115861901B (zh) 视频分类方法、装置、设备及存储介质
CN111583283B (zh) 图像分割方法、装置、电子设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination