CN117204790B - 一种内窥镜的图像处理方法及系统 - Google Patents
一种内窥镜的图像处理方法及系统 Download PDFInfo
- Publication number
- CN117204790B CN117204790B CN202311172571.9A CN202311172571A CN117204790B CN 117204790 B CN117204790 B CN 117204790B CN 202311172571 A CN202311172571 A CN 202311172571A CN 117204790 B CN117204790 B CN 117204790B
- Authority
- CN
- China
- Prior art keywords
- lesion
- endoscope
- image
- polyp
- image processing
- 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
- 238000003672 processing method Methods 0.000 title abstract description 15
- 230000003902 lesion Effects 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 50
- 210000001035 gastrointestinal tract Anatomy 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 238000002674 endoscopic surgery Methods 0.000 claims abstract description 4
- 210000002784 stomach Anatomy 0.000 claims description 28
- 201000010099 disease Diseases 0.000 claims description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 24
- 208000037062 Polyps Diseases 0.000 claims description 23
- 208000025865 Ulcer Diseases 0.000 claims description 23
- 231100000397 ulcer Toxicity 0.000 claims description 22
- 210000003238 esophagus Anatomy 0.000 claims description 20
- 210000001198 duodenum Anatomy 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000000968 intestinal effect Effects 0.000 claims description 9
- 206010013833 Duodenal polyp Diseases 0.000 claims description 8
- 206010051935 Oesophageal polyp Diseases 0.000 claims description 8
- 208000008469 Peptic Ulcer Diseases 0.000 claims description 8
- 208000007107 Stomach Ulcer Diseases 0.000 claims description 8
- 208000000718 duodenal ulcer Diseases 0.000 claims description 8
- 201000005917 gastric ulcer Diseases 0.000 claims description 7
- 208000011906 peptic ulcer disease Diseases 0.000 claims description 7
- 208000023984 stomach polyp Diseases 0.000 claims description 7
- 210000000936 intestine Anatomy 0.000 claims description 6
- 230000001954 sterilising effect Effects 0.000 claims description 6
- 210000002318 cardia Anatomy 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 210000001187 pylorus Anatomy 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 2
- 238000012552 review Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 8
- 201000011591 microinvasive gastric cancer Diseases 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010013554 Diverticulum Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002183 duodenal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000015768 polyposis Diseases 0.000 description 2
- 206010017817 Gastric polyps Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000001156 gastric mucosa Anatomy 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Landscapes
- Endoscopes (AREA)
Abstract
本发明公开了一种内窥镜的图像处理方法及系统，涉及图像处理技术领域，所述系统包括设备层、控制层、数据存储层；所述设备层包括：内窥镜摄像头、内窥镜光源、CPU，所述控制层包括：内窥镜预处理模块、图像采集模块、图像处理模块、反馈模块，所述内窥镜预处理模块用于对内窥镜进行防雾预处理，所述图像采集模块用于采集肠道内部的图像，并将图像传输至CPU进行图像处理，所述图像处理模块用于对CPU接收到的图像进行深度分析，所述反馈模块用于将图像的深度分析结果反馈给进行内窥镜手术的医护人员。本发明能方便医护人员在后续的复查过程中快速且精确地找到病变部位。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种内窥镜的图像处理方法及系统。
背景技术
随着图像处理技术的不断发展，关于医学方向的图像分析方法的研究也在不断深入，在医学方向上，关于内窥镜图像的处理聚焦于对图像中病变部位的类型进行识别，并对该病变部位的类型进行分类，由此可见，关于内窥镜的图像处理方法的研究还不够深入，对于图像处理和分析的方向还比较单一，没有充分将图像与实际环境结合起来进行研究。
如申请公开号为CN113256572A的中国专利公开了一种基于修复和选择性增强的胃镜图像分析系统、方法及设备，旨在解决现有的胃镜图像识别系统无法精确识别早期胃癌图像的问题。本发明包括：获取窄带成像的胃镜图像，并作为待测图像；进行预处理获得仅包含胃部黏膜的待测图像；并通过反光处理模块得到无反光的待测图像；进而通过训练好的生成式对抗网络生成合成图像，并自动选择其中更为逼真的图像；训练好的胃镜图像识别网络获得待测图像的早期胃癌概率并通过基于梯度加权类激活映射方法获取疑似早期胃癌的区域图像。该发明通过生成式对抗网络进行数据特征的选择性增强，并通过识别模型自动学习到与分类任务最相关的特征信息，提高了胃镜图像分析的准确度。
如申请公开号为CN115731189A的中国专利公开了一种肠镜图像病变识别方法、装置、电子设备及存储介质。该方法包括：采用DINO算法对初始ViT网络进行预训练，得到训练后的ViT网络；通过肠镜检测器获取原始图像，基于训练后的ViT网络对原始图像进行特征提取，得到注意力图；将注意力图和原始图像进行特征融合，得到待识别图像；基于RetinaNet网络对待识别图像进行息肉和憩室识别，根据识别结果在原始图像上进行分类标注和目标框标注，以使显示器显示带有分类标注和目标框标注的原始图像。该申请能够准确识别和标注肠镜检测器采集的原始图像中的息肉和/或憩室，进而为医生的正确诊断提供有效帮助。
以上专利都存在本背景技术提出的问题：在图像处理分析时，没有考虑到将病变部位具体位置与病变类型结合起来，去推测该疾病类型。为解决这一问题，本发明提出了一种内窥镜的图像处理方法及系统。
发明内容
针对现有技术的不足，本发明的主要目的是提供一种内窥镜的图像处理方法及系统，能够有效解决背景技术中的问题。本发明的具体技术方案如下：
一种内窥镜的图像处理系统，所述系统包括设备层、控制层、数据存储层；
所述设备层包括：内窥镜摄像头、内窥镜光源、CPU，所述内窥镜摄像头用于在内窥镜进入人体肠胃之后，采集肠道的内部图像，所述内窥镜光源用于在内窥镜进入人体肠胃后提供照明，其中所述内窥镜光源中添加了紫外线光源，所述紫外线光源用于对内窥镜摄像头进行杀菌，所述CPU用于对内窥镜摄像头采集到的肠道内部图像进行处理分析；
所述数据存储层用于存储内窥镜的图像处理系统采集到的数据；
本发明进一步的改进在于，所述控制层包括：内窥镜预处理模块、图像采集模块、图像处理模块、反馈模块，所述内窥镜预处理模块用于对内窥镜进行防雾预处理，所述图像采集模块用于采集肠道内部的图像，并将图像传输至CPU进行图像处理，所述图像处理模块用于对CPU接收到的图像进行深度分析，所述反馈模块用于将图像的深度分析结果反馈给进行内窥镜手术的医护人员。
本发明进一步的改进在于，所述内窥镜预处理模块包括内窥镜预处理策略，所述内窥镜预处理策略包括以下具体步骤：
S101、将防雾剂涂抹在内窥镜摄像头表面，使内窥镜摄像头表面形成一层均匀的防雾涂层；
S102、在内窥镜摄像头进入肠道前对其进行杀菌处理。
本发明进一步的改进在于，所述图像处理模块包括镜头位置计算策略，所述镜头位置计算策略用于计算内窥镜摄像头在肠道中的位置信息，包括以下具体步骤：
S201、设食道的长度为，在胃部区域中从贲门到幽门的距离为/>，十二指肠的长度为/>；
S202、提取到内窥镜摄像头在肠道中的移动速度为，移动时间为/>；
S203、则内窥镜摄像头在肠道中移动的距离；
S204、当时，则内窥镜摄像头位于食管；
S205、当时，则内窥镜摄像头位于胃部；
S206、当时，则内窥镜摄像头位于十二指肠。
本发明进一步的改进在于，所述图像处理模块包括病变部位位置计算策略，所述病变部位位置计算策略用于根据内窥镜摄像头的位置计算肠道中病变部位的位置，包括以下具体步骤：
S301、设肠道的直径为，内窥镜摄像头取景框高度为/>，病变部位在内窥镜摄像头取景框上的高度为/>，内窥镜摄像头的焦距为/>；
S302、则在肠道中病变部位到内窥镜摄像头的距离；
S303、当时，则病变部位位于食管；
S304、当时，则病变部位位于胃部；
S305、当时，则病变部位位于十二指肠。
本发明进一步的改进在于，所述图像处理模块包括溃疡病变判断策略，所述溃疡病变判断策略包括以下具体步骤：
S401、设图像的像素大小为，对图像进行灰度化处理，提取图像灰度化矩阵，其中/>为第/>行第/>列像素点的灰度值，其中/>，/>；
S402、构建溃疡病变判断模型，其中/>为溃疡病变判断模型参数，/>用于存储当判断为溃疡病变时，该病变部位在图像中的位置/>；
S403、当时，则该图像中存在溃疡病变部位，其中/>表示/>中没有存储任何关于当判断为溃疡病变时，该病变部位在图像中的位置/>。
本发明进一步的改进在于，所述图像处理模块包括息肉病变判断策略，所述息肉病变判断策略包括以下具体步骤：
S501、对进行灰度化处理后的图像进行二值化处理，提取病变部位边缘区域的像素点，并存储到关于病变部位边缘点的集合中；
S502、构建息肉病变判断模型，其中/>为息肉病变判断模型参数，/>用于存储当判断为息肉病变时，该病变部位在图像中的位置/>；
S503、当时，则该图像中存在息肉病变部位，其中/>表示/>中没有存储任何关于当判断为息肉病变时，该病变部位在图像中的位置/>。
本发明进一步的改进在于，所述图像处理模块包括疾病类型判断策略，所述疾病类型判断策略包括以下具体步骤：
S601、食道消化性溃疡的判断公式为，当/>等式成立时，输出true，并返回食道消化性溃疡在食道中的具体位置为/>；
S602、胃溃疡的判断公式为，当/>等式成立时，输出true，并返回胃溃疡在胃部的具体位置为/>；
S603、十二指肠溃疡的判断公式为，当等式成立时，输出true，并返回十二指肠溃疡在十二指肠肠道中的具体位置为；
S604、食道息肉的判断公式为，当/>等式成立时，输出true，并返回食道息肉在食道中的具体位置为/>；
S605、胃息肉的判断公式为，当/>等式成立时，输出true，并返回胃息肉在胃部的具体位置为/>；
S606、十二指肠息肉的判断公式为，当等式成立时，输出true，并返回十二指肠息肉在十二指肠肠道中的具体位置为。
一种内窥镜的图像处理方法，所述方法包括以下具体步骤：
A1、对内窥镜进行防雾预处理；
A2、采集内窥镜摄像头拍摄的肠道图像；
A3、根据内窥镜在肠道中的移动时间和移动速度计算移动距离，判断内窥镜摄像头在肠道中的位置，并计算肠道中病变部位的位置；
A4、判断肠道中病变部位的病变类型；
A5、根据肠道中病变部位的病变类型和病变位置，判断疾病类型；
A6、将疾病类型和具体位置反馈给医护人员。
本发明进一步的改进在于，所述病变类型包括溃疡病变、息肉病变，所述病变位置包括食管、胃部、十二指肠。
本发明进一步的改进在于，所述疾病类型包括食道消化性溃疡、胃溃疡、十二指肠溃疡、食道息肉、胃息肉、十二指肠息肉。
一种设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行所述一种内窥镜的图像处理方法。
一种计算机可读存储介质，其上存储有可擦写的计算机程序；当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行所述一种内窥镜的图像处理方法。
与现有技术相比，本发明具有如下有益效果：
c1、本发明能够通过计算病变类型和病变部位的具体位置，从而判断患者所患疾病类型，方便医护人员在治疗中能够精准施策，更进一步为医生的正确诊断提供帮助；
c2、本发明进一步将内窥镜移动距离与病变部位相联系，能够方便医护人员在后续的复查过程中快速且精确地找到病变部位。
附图说明
图1为本发明一种内窥镜的图像处理系统的框架示意图；
图2为本发明一种内窥镜的图像处理方法的工作流程图；
图3为本发明中所述设备的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
本实施例通过一种内窥镜的图像处理系统进一步精确判断肠道中病变部位的位置和类型，并进一步判断疾病类型，具体方案为，如图1所示，一种内窥镜的图像处理系统，包括设备层、控制层、数据存储层；
所述设备层包括：内窥镜摄像头、内窥镜光源、CPU，所述内窥镜摄像头用于在内窥镜进入人体肠胃之后，采集肠道的内部图像，所述内窥镜光源用于在内窥镜进入人体肠胃后提供照明，其中所述内窥镜光源中添加了紫外线光源，所述紫外线光源用于对内窥镜摄像头进行杀菌，所述CPU用于对内窥镜摄像头采集到的肠道内部图像进行处理分析；
所述数据存储层用于存储内窥镜的图像处理系统采集到的数据；
在本实施例中，所述控制层包括：内窥镜预处理模块、图像采集模块、图像处理模块、反馈模块，所述内窥镜预处理模块用于对内窥镜进行防雾预处理，所述图像采集模块用于采集肠道内部的图像，并将图像传输至CPU进行图像处理，所述图像处理模块用于对CPU接收到的图像进行深度分析，所述反馈模块用于将图像的深度分析结果反馈给进行内窥镜手术的医护人员。
在本实施例中，所述内窥镜预处理模块包括内窥镜预处理策略，所述内窥镜预处理策略包括以下具体步骤：
S101、将防雾剂涂抹在内窥镜摄像头表面，使内窥镜摄像头表面形成一层均匀的防雾涂层；
S102、在内窥镜摄像头进入肠道前对其进行杀菌处理。
在本实施例中，所述图像处理模块包括镜头位置计算策略，所述镜头位置计算策略用于计算内窥镜摄像头在肠道中的位置信息，包括以下具体步骤：
S201、设食道的长度为，在胃部区域中从贲门到幽门的距离为/>，十二指肠的长度为/>；
S202、提取到内窥镜摄像头在肠道中的移动速度为，移动时间为/>；
S203、则内窥镜摄像头在肠道中移动的距离；
S204、当时，则内窥镜摄像头位于食管；
S205、当时，则内窥镜摄像头位于胃部；
S206、当时，则内窥镜摄像头位于十二指肠。
在本实施例中，所述图像处理模块包括病变部位位置计算策略，所述病变部位位置计算策略用于根据内窥镜摄像头的位置计算肠道中病变部位的位置，包括以下具体步骤：
S301、设肠道的直径为，内窥镜摄像头取景框高度为/>，病变部位在内窥镜摄像头取景框上的高度为/>，内窥镜摄像头的焦距为/>；
S302、则在肠道中病变部位到内窥镜摄像头的距离；
S303、当时，则病变部位位于食管；
S304、当时，则病变部位位于胃部；
S305、当时，则病变部位位于十二指肠。
在本实施例中，所述图像处理模块包括溃疡病变判断策略，所述溃疡病变判断策略包括以下具体步骤：
S401、设图像的像素大小为，对图像进行灰度化处理，提取图像灰度化矩阵，其中/>为第/>行第/>列像素点的灰度值，其中/>，/>；
S402、构建溃疡病变判断模型，其中/>为溃疡病变判断模型参数，所述溃疡病变判断模型参数/>的取值范围为/>，所述取值范围由采集到的肠道内部图像的像素大小确定，/>用于存储当判断为溃疡病变时，该病变部位在图像中的位置/>；
S403、当时，则该图像中存在溃疡病变部位，其中/>表示/>中没有存储任何关于当判断为溃疡病变时，该病变部位在图像中的位置/>。
在本实施例中，所述图像处理模块包括息肉病变判断策略，所述息肉病变判断策略包括以下具体步骤：
S501、对进行灰度化处理后的图像进行二值化处理，提取病变部位边缘区域的像素点，并存储到关于病变部位边缘点的集合中；
S502、构建息肉病变判断模型，其中/>为息肉病变判断模型参数，所述息肉病变判断模型参数/>的取值满足/>且/>，用于存储当判断为息肉病变时，该病变部位在图像中的位置/>；
S503、当时，则该图像中存在息肉病变部位，其中/>表示/>中没有存储任何关于当判断为息肉病变时，该病变部位在图像中的位置/>。
在本实施例中，所述图像处理模块包括疾病类型判断策略，所述疾病类型判断策略包括以下具体步骤：
S601、食道消化性溃疡的判断公式为，当/>等式成立时，输出true，并返回食道消化性溃疡在食道中的具体位置为/>；
S602、胃溃疡的判断公式为，当/>等式成立时，输出true，并返回胃溃疡在胃部的具体位置为/>；
S603、十二指肠溃疡的判断公式为，当等式成立时，输出true，并返回十二指肠溃疡在十二指肠肠道中的具体位置为；
S604、食道息肉的判断公式为，当/>等式成立时，输出true，并返回食道息肉在食道中的具体位置为/>；
S605、胃息肉的判断公式为，当/>等式成立时，输出true，并返回胃息肉在胃部的具体位置为/>；
S606、十二指肠息肉的判断公式为，当等式成立时，输出true，并返回十二指肠息肉在十二指肠肠道中的具体位置为。
通过本实施例能够实现：通过一种内窥镜的图像处理系统进一步精确判断肠道中病变部位的位置和类型，并进一步判断疾病类型。
实施例2
在本实施例中，如图2所示，一种内窥镜的图像处理方法包括以下具体步骤：
A1、对内窥镜进行防雾预处理；
A2、采集内窥镜摄像头拍摄的肠道图像；
A3、根据内窥镜在肠道中的移动时间和移动速度计算移动距离，判断内窥镜摄像头在肠道中的位置，并计算肠道中病变部位的位置；
A4、判断肠道中病变部位的病变类型；
A5、根据肠道中病变部位的病变类型和病变位置，判断疾病类型；
A6、将疾病类型和具体位置反馈给医护人员。
在本实施例中，所述病变类型包括溃疡病变、息肉病变，所述病变位置包括食管、胃部、十二指肠。
在本实施例中，所述疾病类型包括食道消化性溃疡、胃溃疡、十二指肠溃疡、食道息肉、胃息肉、十二指肠息肉。
通过本实施例能够实现：通过一种内窥镜的图像处理方法实现对内窥镜返回图像信息的进一步精确处理。
实施例3
在本实施例中，提供一种设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行如实施例2所述的一种内窥镜的图像处理方法。在本实施例中，还提供一种计算机可读存储介质，其上存储有可擦写的计算机程序；当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行如上述实施例2中一种内窥镜的图像处理方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种内窥镜的图像处理系统，包括设备层、控制层、数据存储层；
所述设备层包括：内窥镜摄像头、内窥镜光源、CPU，所述内窥镜摄像头用于在内窥镜进入人体肠胃之后，采集肠道的内部图像，所述内窥镜光源用于在内窥镜进入人体肠胃后提供照明，其中所述内窥镜光源中添加了紫外线光源，所述紫外线光源用于对内窥镜摄像头进行杀菌，所述CPU用于对内窥镜摄像头采集到的肠道内部图像进行处理分析；
所述数据存储层用于存储内窥镜的图像处理系统采集到的数据；
其特征在于：所述控制层包括：内窥镜预处理模块、图像采集模块、图像处理模块、反馈模块，所述内窥镜预处理模块用于对内窥镜进行防雾预处理，所述图像采集模块用于采集肠道内部的图像，并将图像传输至CPU进行图像处理，所述图像处理模块用于对CPU接收到的图像进行深度分析，所述反馈模块用于将图像的深度分析结果反馈给进行内窥镜手术的医护人员；
所述内窥镜预处理模块包括内窥镜预处理策略，所述内窥镜预处理策略包括以下具体步骤：
S101、将防雾剂涂抹在内窥镜摄像头表面，使内窥镜摄像头表面形成一层均匀的防雾涂层；
S102、在内窥镜摄像头进入肠道前对其进行杀菌处理；
所述图像处理模块包括镜头位置计算策略，所述镜头位置计算策略用于计算内窥镜摄像头在肠道中的位置信息，包括以下具体步骤：
S201、设食道的长度为LE，在胃部区域中从贲门到幽门的距离为LS，十二指肠的长度为LD；
S202、提取到内窥镜摄像头在肠道中的移动速度为V，移动时间为T；
S203、则内窥镜摄像头在肠道中移动的距离S＝V×T；
S204、当0＜S≤LE时，则内窥镜摄像头位于食管；
S205、当LE＜S≤LS+LE时，则内窥镜摄像头位于胃部；
S206、当LS+LE＜S≤LD+LS+LE时，则内窥镜摄像头位于十二指肠；
所述图像处理模块包括病变部位位置计算策略，所述病变部位位置计算策略用于根据内窥镜摄像头的位置计算肠道中病变部位的位置，包括以下具体步骤：
S301、设肠道的直径为d，内窥镜摄像头取景框高度为p，病变部位在内窥镜摄像头取景框上的高度为po，内窥镜摄像头的焦距为f；
S302、则在肠道中病变部位到内窥镜摄像头的距离
S303、当0＜S+l≤LE时，则病变部位位于食管；
S304、当LE＜S+l≤LS+LE时，则病变部位位于胃部；
S305、当LS+LE＜S+l≤LD+LS+LE时，则病变部位位于十二指肠；
所述图像处理模块包括溃疡病变判断策略，所述溃疡病变判断策略包括以下具体步骤：
S401、设图像的像素大小为m×n，对图像进行灰度化处理，提取图像灰度化矩阵其中λij为第i行第j列像素点的灰度值，其中i∈[1,m]，j∈[1,n]；
S402、构建溃疡病变判断模型其中A为溃疡病变判断模型参数，G用于存储当判断为溃疡病变时，该病变部位在图像中的位置(i,j)；
S403、当G≠φ时，则该图像中存在溃疡病变部位，其中φ表示G中没有存储任何关于当判断为溃疡病变时，该病变部位在图像中的位置(i,j)；
所述图像处理模块包括息肉病变判断策略，所述息肉病变判断策略包括以下具体步骤：
S501、对进行灰度化处理后的图像进行二值化处理，提取病变部位边缘区域的像素点，并存储到关于病变部位边缘点的集合β＝{(i,j)}中；
S502、构建息肉病变判断模型H＝{(i,j)|j＝ai2+bi+c(i,j)∈β}，其中a,b,c为息肉病变判断模型参数，H用于存储当判断为息肉病变时，该病变部位在图像中的位置(i,j)；
S503、当H≠φ时，则该图像中存在息肉病变部位，其中φ表示H中没有存储任何关于当判断为息肉病变时，该病变部位在图像中的位置(i,j)；
所述图像处理模块包括疾病类型判断策略，所述疾病类型判断策略包括以下具体步骤：
S601、食道消化性溃疡的判断公式为FE＝{0＜S+l≤LE G≠φ}，当FE等式成立时，输出true，并返回食道消化性溃疡在食道中的具体位置为S+l；
S602、胃溃疡的判断公式为FS＝{LE＜S+l≤LS+LE G≠φ}，当FS等式成立时，输出true，并返回胃溃疡在胃部的具体位置为S+l-LE；
S603、十二指肠溃疡的判断公式为FD＝{LS+LE＜S+l≤LD+LS+LE G≠φ}，当FD等式成立时，输出true，并返回十二指肠溃疡在十二指肠肠道中的具体位置为S+l-LS-LE；
S604、食道息肉的判断公式为KE＝{0＜S+l≤LE H≠φ}，当KE等式成立时，输出true，并返回食道息肉在食道中的具体位置为S+l；
S605、胃息肉的判断公式为KS＝{LE＜S+l≤LS+LE H≠φ}，当KS等式成立时，输出true，并返回胃息肉在胃部的具体位置为S+l-LE；
S606、十二指肠息肉的判断公式为KD＝{LS+LE＜S+l≤LD+LS+LE H≠φ}，当KD等式成立时，输出true，并返回十二指肠息肉在十二指肠肠道中的具体位置为S+l-LS-LE。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311172571.9A CN117204790B (zh) | 2023-09-12 | 2023-09-12 | 一种内窥镜的图像处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311172571.9A CN117204790B (zh) | 2023-09-12 | 2023-09-12 | 一种内窥镜的图像处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117204790A CN117204790A (zh) | 2023-12-12 |
| CN117204790B true CN117204790B (zh) | 2024-01-30 |
Family
ID=89047473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311172571.9A Active CN117204790B (zh) | 2023-09-12 | 2023-09-12 | 一种内窥镜的图像处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117204790B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4895431A (en) * | 1986-11-13 | 1990-01-23 | Olympus Optical Co., Ltd. | Method of processing endoscopic images |
| CA1329655C (en) * | 1985-03-22 | 1994-05-17 | Carter Kittrell | Laser fiber-optic imaging system |
| JP2005080790A (ja) * | 2003-09-05 | 2005-03-31 | Olympus Corp | カプセル型内視鏡 |
| CN105962880A (zh) * | 2016-04-18 | 2016-09-28 | 浙江大学 | 一种适用于肠道病变检测的太赫兹内窥镜及检测方法 |
| CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
| CN209332000U (zh) * | 2018-04-24 | 2019-09-03 | 无锡圣诺亚科技有限公司 | 双摄像头免充电防雾化插管喉镜 |
| CN209489990U (zh) * | 2018-04-18 | 2019-10-15 | 中国科学院宁波材料技术与工程研究所 | 软镜保护套及其可视软镜 |
| CN111292318A (zh) * | 2020-03-12 | 2020-06-16 | 深圳智信生物医疗科技有限公司 | 内窥镜系统及内窥镜图像识别方法、设备、可存储介质 |
| CN115954096A (zh) * | 2023-03-14 | 2023-04-11 | 南京诺源医疗器械有限公司 | 一种基于图像数据处理的腔镜vr成像系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5019589B2 (ja) * | 2007-03-28 | 2012-09-05 | 富士フイルム株式会社 | カプセル内視鏡、およびカプセル内視鏡システム、並びにカプセル内視鏡の作動方法 |
| JP7017198B2 (ja) * | 2018-06-22 | 2022-02-08 | 株式会社Ａｉメディカルサービス | 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体 |
| CN109447973B (zh) * | 2018-10-31 | 2021-11-26 | 腾讯医疗健康(深圳)有限公司 | 一种结肠息肉图像的处理方法和装置及系统 |
| JP7346285B2 (ja) * | 2019-12-24 | 2023-09-19 | 富士フイルム株式会社 | 医療画像処理装置、内視鏡システム、医療画像処理装置の作動方法及びプログラム |
| KR102625668B1 (ko) * | 2021-07-07 | 2024-01-18 | 성신여자대학교 연구 산학협력단 | 캡슐 내시경 장치 및 병변 진단 지원 방법 |
-
2023
- 2023-09-12 CN CN202311172571.9A patent/CN117204790B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1329655C (en) * | 1985-03-22 | 1994-05-17 | Carter Kittrell | Laser fiber-optic imaging system |
| US4895431A (en) * | 1986-11-13 | 1990-01-23 | Olympus Optical Co., Ltd. | Method of processing endoscopic images |
| JP2005080790A (ja) * | 2003-09-05 | 2005-03-31 | Olympus Corp | カプセル型内視鏡 |
| CN105962880A (zh) * | 2016-04-18 | 2016-09-28 | 浙江大学 | 一种适用于肠道病变检测的太赫兹内窥镜及检测方法 |
| CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
| CN209489990U (zh) * | 2018-04-18 | 2019-10-15 | 中国科学院宁波材料技术与工程研究所 | 软镜保护套及其可视软镜 |
| CN209332000U (zh) * | 2018-04-24 | 2019-09-03 | 无锡圣诺亚科技有限公司 | 双摄像头免充电防雾化插管喉镜 |
| CN111292318A (zh) * | 2020-03-12 | 2020-06-16 | 深圳智信生物医疗科技有限公司 | 内窥镜系统及内窥镜图像识别方法、设备、可存储介质 |
| CN115954096A (zh) * | 2023-03-14 | 2023-04-11 | 南京诺源医疗器械有限公司 | 一种基于图像数据处理的腔镜vr成像系统 |
Non-Patent Citations (3)
| Title |
|---|
| ESAKI,M等.use of capsule endoscopy in patients with crohn's disease in japan:a multicenter survey.JOURNAL OF GASTROENTEROLOGY AND HEPATOLOGY.2014,第29卷(第1期),全文. * |
| 胶囊内窥镜数字无线通信模块的设计;潘国兵;颜国正;宋昕帅;;上海交通大学学报(第06期);全文 * |
| 胶囊内镜对小肠疾病的诊断价值;张冰凌, 陈春晓, 厉有名, 蒋伟莉;浙江预防医学(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117204790A (zh) | 2023-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3876190B1 (en) | Endoscopic image processing method and system and computer device | |
| TWI823897B (zh) | 用於診斷腸胃腫瘤的系統和方法 | |
| Yu et al. | Integrating online and offline three-dimensional deep learning for automated polyp detection in colonoscopy videos | |
| CN118674677A (zh) | 一种胃癌图像识别模型的构建方法及其应用 | |
| WO2016161115A1 (en) | System and methods for automatic polyp detection using convolutional neural networks | |
| JP7083191B2 (ja) | セファロ画像における計測点の自動認識方法 | |
| CN110477846A (zh) | 一种消化内镜异常特征实时标记方法及系统 | |
| CN112466466B (zh) | 基于深度学习的消化道辅助检测方法、装置和计算设备 | |
| CN113610847B (zh) | 一种白光模式下胃部标志物评估方法及系统 | |
| US9430706B1 (en) | System and method for detection of in-vivo pathology sequences | |
| US20220301159A1 (en) | Artificial intelligence-based colonoscopic image diagnosis assisting system and method | |
| US20200311931A1 (en) | Method for analyzing image of biopsy specimen to determine cancerous probability thereof | |
| US20230206435A1 (en) | Artificial intelligence-based gastroscopy diagnosis supporting system and method for improving gastrointestinal disease detection rate | |
| CN112950546B (zh) | 一种钡餐造影图像的食道癌检测方法及系统 | |
| CN116958147B (zh) | 基于深度图像特征的目标区域确定方法、装置和设备 | |
| CN102436665A (zh) | 消化道图像二维平面表示方法 | |
| CN110427994A (zh) | 消化道内镜图像处理方法、装置、存储介质、设备及系统 | |
| CN113570592B (zh) | 肠胃病检测和模型训练方法、装置、设备及介质 | |
| CN114693598A (zh) | 一种胶囊内镜胃肠道器官图像自动识别方法 | |
| CN113962998A (zh) | 肠镜检查的有效退镜时间评估方法、装置及存储介质 | |
| CN117204790B (zh) | 一种内窥镜的图像处理方法及系统 | |
| Arnold et al. | Indistinct frame detection in colonoscopy videos | |
| CN112001896B (zh) | 一种甲状腺边界不规则度检测装置 | |
| Stancilas et al. | Detection of Pathological Markers in Colonoscopy Images using YOLOv7 | |
| CN117893953B (zh) | 一种软式消化道内镜操作规范动作评估方法及系统 |
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 |