CN117788468B - 喉部图像处理方法、系统、喉镜、可调节气道建立装置 - Google Patents
喉部图像处理方法、系统、喉镜、可调节气道建立装置 Download PDFInfo
- Publication number
- CN117788468B CN117788468B CN202410210495.4A CN202410210495A CN117788468B CN 117788468 B CN117788468 B CN 117788468B CN 202410210495 A CN202410210495 A CN 202410210495A CN 117788468 B CN117788468 B CN 117788468B
- Authority
- CN
- China
- Prior art keywords
- throat
- image
- data
- laryngeal
- generate
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 68
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 116
- 238000009826 distribution Methods 0.000 claims abstract description 102
- 230000003595 spectral effect Effects 0.000 claims abstract description 79
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 238000003825 pressing Methods 0.000 claims abstract description 12
- 230000003902 lesion Effects 0.000 claims description 152
- 230000002159 abnormal effect Effects 0.000 claims description 91
- 238000005457 optimization Methods 0.000 claims description 61
- 238000009877 rendering Methods 0.000 claims description 48
- 230000000877 morphologic effect Effects 0.000 claims description 46
- 238000000547 structure data Methods 0.000 claims description 25
- 230000001186 cumulative effect Effects 0.000 claims description 22
- 230000003287 optical effect Effects 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 17
- 238000005520 cutting process Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000012300 Sequence Analysis Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 10
- 230000004660 morphological change Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 210000000214 mouth Anatomy 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 230000010339 dilation Effects 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 206010036790 Productive cough Diseases 0.000 abstract description 3
- 210000004369 blood Anatomy 0.000 abstract description 3
- 239000008280 blood Substances 0.000 abstract description 3
- 230000028327 secretion Effects 0.000 abstract description 3
- 210000003802 sputum Anatomy 0.000 abstract description 3
- 208000024794 sputum Diseases 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 34
- 230000008859 change Effects 0.000 description 33
- 238000005516 engineering process Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 13
- 229910000831 Steel Inorganic materials 0.000 description 10
- 238000003708 edge detection Methods 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000036285 pathological change Effects 0.000 description 7
- 231100000915 pathological change Toxicity 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 5
- 230000003014 reinforcing effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 210000000867 larynx Anatomy 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 210000001260 vocal cord Anatomy 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000025865 Ulcer Diseases 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005714 functional activity Effects 0.000 description 2
- 210000004704 glottis Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 231100000397 ulcer Toxicity 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000011977 language disease Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及一种喉部图像处理方法、系统、喉镜、可调节气道建立装置。该方法包括以下步骤：取喉部图像；光谱特征分析；波长频段划分；光谱曲线重构；光强分布分析；均衡化映射等步骤；所述系统用于执行所述方法；所述喉镜包括主机、显示屏，所述系统植入至所述主机的内部控制器中；所述可调节气道建立装置包括喉镜、手持部、导向片，导向片的前端铰接有压舌片，且当该压舌片的活动端偏转时，压舌片的活动端可抵在喉管的内壁并促使喉管撑开；本发明方法可去除咽喉部位血液、分泌物、痰液等对摄像头摄取图像造成的干扰，通过与可调节气道建立装置结合使用实现高效的喉部图像处理。
Description
技术领域
本发明涉及图像处理及医用器材技术领域，具体涉及一种喉部图像处理方法、系统、喉镜、可调节气道建立装置。
背景技术
随着医学技术的不断进步，喉部图像处理在声音和语言障碍的诊断和治疗中起着重要作用，随着当前数字成像技术的发展，越来越多的数字喉镜和高清喉镜被应用于喉部图像采集并能够获取高质量的喉部图像，当前，喉部检查方法主要依赖于光纤喉镜、柔性喉镜等设备进行直接观察和拍摄，由于喉部气管内部环境的特殊性，如喉部气管内壁粘附粘液、咽喉部位血液、分泌物、痰液等其他附着物，传统的喉部摄取图像往往会受此影响，存在图像不清晰，处理效率不高的问题。
其次，现有市面上的喉镜还具有如下问题：不能够在张口度小等情况下的困难气道患者身上使用，一次性的喉镜片没有包住喉镜主机手柄，手术过程中容易污染喉镜主机手柄；现有市面上喉镜主机手柄下部为不锈钢材料制作，使整个产品重量重，制作成本高；现有市场上一次性喉镜片前端弯曲角度固定、极限角度有限，临床操作过程中往往需要较大的力，容易造成口腔组织损伤。
因此，为了提高喉部图像处理的清晰度、准确性和效率并解决上述问题，本发明提供一种喉部图像处理方法、系统、喉镜、可调节气道建立装置。
发明内容
本发明提供一种喉部图像处理方法、系统、喉镜、可调节气道建立装置，以解决背景技术中所述的技术问题。
公开一种喉部图像处理方法包括以下步骤：
步骤S1：利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线。
步骤S2：根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
步骤S3：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像。
步骤S4：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据。
步骤S5：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
步骤S6：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本发明通过光谱特征分析，获取喉部图像中的光谱信息，了解喉部的组织结构和生理变化，划分波长频段和光谱曲线重构提取不同波长频段下的喉部特征，对喉部图像进行更详细的分析和描述，光强分布数据反映喉部图像中不同区域的光强变化情况，有助于检测亮度异常区域和重要特征，通过直方图均衡化映射，增强喉部图像的亮度对比度，提高图像的观察和分析效果，喉部结构数据提供喉部的形态和结构信息，对喉部疾病进行定量分析和比较，喉部内壁纹理数据反映喉部内部的纹理特征，通过分析纹理信息识别异常区域和病变，结构细节优化进一步提升喉部图像的质量，增强关键结构特征的可见性，喉部图像的时序数据捕捉喉部内部的动态变化，有助于观察和分析喉部运动、振动等特征，序列分割将时序图像分割为多个时间段的图像序列，便于对喉部的动态变化进行分析和比较，喉部纹理轨迹形变数据提供了喉部内壁纹理随时间变化的信息，用于评估喉部的形态演化和病变情况，异常轨迹检测通过比较纹理轨迹的形变情况，识别出异常的喉部区域，有助于发现潜在的疾病迹象，结构病变识别利用喉部结构病变数据，对异常区域进行定量分析和分类，提供有关喉部疾病类型和程度的信息，图像切割将喉部图像中的结构病变区域从整体图像中分离出来，生成更清晰和准确的喉部结构病变图像，动态渲染映射通过结构病变图像的信息，对细节优化喉部图像进行渲染，增加喉部图像的真实感和细节表现力，利用卷积神经网络构建超像素全息喉部结构模型更好地捕捉喉部结构的特征，提供更全面和准确的喉部图像处理结果。
优选地，步骤S1包括以下步骤：
步骤S11：利用喉镜获取喉部图像。
步骤S12：对喉部图像进行光谱特征分析，以生成光谱特征数据。
步骤S13：对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据。
步骤S14：对喉部图像波长频段数据进行局部波长趋势分析，生成局部波长趋势数据。
步骤S15：根据局部波长趋势数据对光谱特征数据进行光谱曲线重构，构建喉部图像光谱曲线。
本发明通过获取喉部的实际图像，作为后续处理的基础，通过光谱特征分析，提取喉部图像中的光谱信息，喉部组织在不同波长的光照下会产生不同的反射和吸收特性，光谱特征数据反映喉部图像中不同波长下的光谱分布情况，光谱特征数据提供关于喉部组织成分、血液供应和病变程度等信息，将光谱特征数据划分为不同的波长频段，不同波长频段对应着不同的光谱范围，其特征反映喉部图像中特定波长范围内的信息，波长频段数据提供更详细的喉部特征信息，有助于进一步分析和描述喉部图像的不同特征，局部波长趋势分析是对喉部图像波长频段数据进行处理，以获取局部波长的变化趋势，通过分析局部波长的变化情况，了解喉部图像中不同区域的局部特征，局部波长趋势数据提供喉部图像中不同部位的形态信息，有助于区分正常和异常区域，通过局部波长趋势数据，对光谱特征数据进行光谱曲线重构，光谱曲线是喉部图像中不同波长下的光谱分布情况的表示，通过重构光谱曲线，更直观地展示喉部图像中的光谱特征，喉部图像光谱曲线提供喉部组织的光谱信息，有助于医生对喉部状况进行分析和诊断。
优选地，步骤S2的具体步骤为：
步骤S21：根据喉部图像光谱曲线对喉部图像进行光照强度计算，以生成喉部图像强度数据。
步骤S22：对喉部图像进行区域划分，以生成区域喉部图像。
步骤S23：根据喉部图像强度数据对区域喉部图像进行局部像素熵量化，以生成局部像素熵值。
步骤S24：通过局部像素熵值对区域喉部图像进行光强分布分析，以生成喉部图像光强分布数据。
步骤S25：基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
本发明通过喉部图像的光谱曲线，计算出每个像素点的光照强度，光照强度数据反映喉部图像中每个像素点接收到的光的强弱程度，通过计算喉部图像的光照强度，提供关于喉部组织表面亮度的信息，将喉部图像划分为不同的区域，区域划分根据喉部图像中的不同特征或者医学标准进行，例如分割出声带区、喉头区等，生成区域喉部图像有助于将注意力集中在特定区域的分析和处理上，从而提高对喉部状况的理解，局部像素熵量化是对区域喉部图像进行处理，以获得局部像素的熵值，熵值是一种衡量图像信息丰富程度的指标，通过计算局部像素的熵值，了解喉部图像中不同区域的复杂性和纹理信息，局部像素熵值提供了喉部图像中不同区域的信息丰富程度，有助于区分正常和异常区域，通过局部像素熵值，进行光强分布分析，即分析喉部图像中不同区域的光强分布情况，光强分布数据反映喉部图像中不同区域的亮度分布特征，通过光强分布数据，了解喉部图像中不同区域的亮度差异和潜在的异常光强情况，直方图均衡化是一种图像增强方法，通过对喉部图像的亮度分布进行调整，增强图像的对比度和视觉效果，基于喉部图像的光强分布数据，对图像进行直方图均衡化映射，使得喉部图像中的亮度范围更加均匀分布并去除咽喉部位血液、分泌物、痰液等附着物等造成的图像干扰，同一像素下的摄像头通过本方法提供更为清晰的喉部内部图像，从而提高图像的观察和分析效果。
优选地，步骤S25的具体步骤为：
步骤S251：对喉部图像进行灰度图转换，以生成喉部灰度图。
步骤S252：对喉部灰度图进行灰度直方图计算，生成灰度级像素值。
步骤S253：根据灰度级像素值对喉部灰度图进行累积分布计算，以生成灰度累积分布函数。
步骤S254：基于灰度累积分布函数对喉部灰度图进行直方图均衡化映射，以生成灰度均衡直方图。
步骤S255：基于喉部图像光强分布数据对灰度均衡直方图进行图像亮度增强处理，以生成亮度增强喉部图像。
本发明通过喉部图像转换为灰度图，将彩色图像转换为单通道的灰度图像，在灰度图中，每个像素点的数值表示其亮度值，不再包含颜色信息，灰度直方图是对喉部灰度图中每个灰度级别像素值的统计分布，通过计算灰度直方图，得到喉部图像中每个灰度级别的像素数量，提供关于喉部图像亮度分布的信息，帮助分析喉部图像中不同亮度级别的特征，灰度累积分布函数是对喉部灰度图中每个灰度级别像素值的累积分布，通过计算灰度累积分布函数，了解喉部图像中不同灰度级别的像素在整个图像中的累积占比，有助于分析喉部图像中亮度分布的全局特征，直方图均衡化是一种图像增强方法，通过调整喉部灰度图的像素值分布，增强图像的对比度和亮度均匀性，根据灰度累积分布函数，对喉部灰度图进行直方图均衡化映射，使得图像中的灰度级别更加均匀分布，从而提高图像的视觉效果和观察能力，利用喉部图像的光强分布数据，对经过直方图均衡化的喉部灰度图进行图像亮度增强处理，通过调整灰度均衡直方图，进一步增强喉部图像中不同区域的亮度差异，使得图像更加清晰、明亮，突出喉部组织的特征。
优选地，步骤S3的具体步骤为：
步骤S31：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据。
步骤S32：对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据。
步骤S33：对喉部内壁纹理数据进行喉部形态学特征分析，以生成喉部形态特征数据。
步骤S34：利用喉部形态特征数据对亮度增强喉部图像进行双向映照纠正，以生成喉部形态结构纠正数据。
步骤S35：通过喉部形态结构纠正数据对亮度增强喉部图像进行喉部结构细节优化，以生成结构细节优化喉部图像。
本发明通过对经过亮度增强处理的喉部图像进行分析，提取喉部的结构信息，通过分析图像中的边缘、线条和轮廓等特征，获得喉部的整体结构和形状信息，喉部结构数据包含关于喉部解剖结构的定量和定性信息，为后续的分析和诊断提供基础，喉部内壁纹理分析是对喉部结构数据中的纹理特征进行提取和分析，通过对喉部内壁的纹理进行量化描述，获取关于喉部组织的纹理信息，喉部内壁纹理数据提供关于喉部组织的细微纹理变化和不规则性的定量描述，有助于识别异常纹理特征和病变，喉部形态学特征分析是对喉部内壁纹理数据进行形态学特征提取和分析，通过计算和测量喉部内壁的形态学特征，如面积、周长、长度、宽度等，获取喉部的形态特征数据，喉部形态特征数据提供关于喉部形状和大小的定量信息，评估喉部的结构变化和异常情况，通过利用喉部形态特征数据，对经过亮度增强处理的喉部图像进行形态结构的纠正，双向映照纠正是一种基于形态学特征的图像校正方法，通过调整图像的形状和结构，使得喉部图像更符合正常的喉部结构，消除因亮度增强处理引入的形态结构失真，提高喉部图像的准确性和可靠性，利用喉部形态结构纠正数据，对经过亮度增强处理的喉部图像进行结构细节的优化，通过对图像进行局部的纠正和增强处理，突出喉部图像中的结构细节，使得喉部的解剖结构更加清晰可见，结构细节优化喉部图像提供了更好的可视化效果和图像质量。
优选地，步骤S33的具体步骤为：
步骤S331：对喉部内壁纹理数据进行内壁轮廓边缘检测，以生成内壁纹理轮廓线。
步骤S332：根据内壁纹理轮廓线对喉部内壁纹理数据进行喉部内壁面积计算，以生成喉部内壁面积数据。
步骤S333：对内壁纹理轮廓线进行纹理曲率计算，生成内壁纹理弯曲度数据。
步骤S334：对内壁纹理轮廓线进行内壁轴向分析，得到内壁纹理轴向数据。
步骤S335：对内壁纹理轴向数据进行空间分布分析，以生成内壁纹理空间分布数据。
步骤S336：对内壁纹理弯曲度数据及内壁纹理空间分布数据进行喉部形态学特征分析，以生成喉部形态特征数据。
本发明通过对喉部内壁纹理数据进行边缘检测，以提取喉部内壁的轮廓线，边缘检测技术识别喉部内壁纹理数据中的边界和轮廓信息，形成一个表示内壁形状的轮廓线，内壁纹理轮廓线提供喉部内壁的形状和边界信息，为后续的分析和测量提供了基础，利用内壁纹理轮廓线，对喉部内壁纹理数据进行面积计算，通过计算轮廓线所围成的区域的面积，得到喉部内壁的表面积信息，喉部内壁面积数据提供关于喉部内壁的大小和扩展程度的定量信息，有助于评估喉部的状况和变化，根据内壁纹理轮廓线，计算喉部内壁纹理的曲率，纹理曲率描述喉部内壁纹理的弯曲程度和变化率，通过分析纹理曲率，获取关于喉部内壁纹理的弯曲特征和变化情况，内壁纹理弯曲度数据提供喉部内壁纹理的形态特征信息，有助于检测异常纹理特征和病变，通过对内壁纹理轮廓线进行分析，获得内壁纹理的轴向信息，轴向分析确定喉部内壁纹理的主要方向和分布情况，内壁纹理轴向数据提供关于喉部内壁纹理的方向性和对称性的定量信息，了解喉部内壁的纹理特征和形态结构，通过对内壁纹理轴向数据进行空间分布分析，了解喉部内壁纹理的空间分布特征，空间分布分析探索喉部内壁纹理在不同位置和区域的分布情况，包括纹理的密度、均匀性和聚集程度等，内壁纹理空间分布数据提供了喉部内壁纹理的空间特征信息，有助于评估喉部的纹理变化和异常情况，通过对内壁纹理弯曲度数据和内壁纹理空间分布数据进行形态学特征分析，得到喉部的形态特征数据，形态学特征分析包括各种形状参数的计算和统计分析，如曲率半径、曲率变化率、纹理密度、纹理均匀性等，这用于量化和描述喉部的形态特征。
优选地，步骤S4的具体步骤为：
步骤S41：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据。
步骤S42：根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像。
步骤S43：对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成动态纹理特征数据。
步骤S44：对动态纹理特征数据进行光流跟踪，以生成喉部内壁动态纹理轨迹。
步骤S45：对喉部内壁动态纹理轨迹进行形态变化检测，以生成喉部纹理轨迹形变数据。
本发明通过对一系列喉部图像进行时序分析，捕捉到喉部内部结构的动态变化，时序数据包括每个时间点的图像特征、颜色信息、纹理特征等，喉部图像时序数据提供喉部内部结构的时变信息，有助于检测喉部的功能活动和动态变化，将连续的喉部图像分割成一系列帧图像，通过序列分割，将细节优化的喉部图像转换为一系列单独的喉部图像帧，细节优化喉部序列图像提供每个时间点上喉部内部结构的静态视图，为后续的分析和处理提供了基础，通过分析每个时间点上喉部内壁的纹理特征，捕捉到喉部内壁的动态变化和纹理模式，动态纹理特征数据包括纹理强度、纹理方向、纹理频率等信息，动态纹理特征数据提供喉部内壁纹理的时变特征，评估喉部的功能活动和纹理变化，利用光流跟踪技术，对动态纹理特征数据进行分析和处理，光流跟踪追踪喉部内壁纹理在连续图像帧之间的运动和变化，通过光流跟踪，生成喉部内壁纹理的动态轨迹，描述喉部内壁纹理的运动方向和速度，喉部内壁动态纹理轨迹提供喉部内壁纹理的时空信息，了解喉部内壁的运动模式和动态特征，对喉部内壁动态纹理轨迹进行形态变化检测，以分析喉部纹理轨迹的形变情况，形态变化检测识别喉部纹理轨迹在时间上的形态变化，包括扭曲、拉伸、收缩等，喉部纹理轨迹形变数据提供了喉部内壁的形态变化信息，有助于检测喉部的异常形态变化和病变。
优选地，步骤S5的具体步骤为：
步骤S51：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据。
步骤S52：对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据。
步骤S53：基于喉部结构病变数据对细节优化喉部序列图像进行病变部位定位，标记病变部位。
步骤S54：根据病变部位对细节优化喉部序列图像进行边界框提取，以生成病变部位边界框。
步骤S55：基于病变部位边界框对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
本发明通过分析喉部纹理轨迹的形变情况，检测到异常的轨迹模式，异常轨迹表示喉部存在结构病变或其他异常情况，喉部纹理轨迹异常数据提供喉部纹理轨迹形变的定量信息，有助于筛查喉部的异常情况，通过比对异常轨迹数据与已知的喉部结构病变模式，识别出喉部存在的结构病变类型，喉部结构病变数据提供关于喉部结构异常的定性和定量信息，有助于进一步的疾病诊断和治疗决策，利用喉部结构病变数据，对细节优化的喉部序列图像进行病变部位的定位，通过分析病变特征和结构异常信息，确定喉部图像中存在病变的位置，标记病变部位使后续的处理和分析更加精确和准确，根据病变部位的定位结果，对细节优化的喉部序列图像进行边界框提取，边界框精确地包围喉部中的病变区域，提供病变部位的准确位置和范围信息，病变部位边界框为后续的图像切割和分析提供基础，利用病变部位的边界框信息，对细节优化的喉部序列图像进行图像切割，通过切割操作，提取出包含病变区域的图像片段，生成喉部结构病变图像，喉部结构病变图像提供了病变部位的详细视图，有助于进一步的病变分析、特征提取和诊断。
优选地，步骤S6的具体步骤为：
步骤S61：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像。
步骤S62：对动态渲染喉部图像进行膨胀卷积，以生成动态渲染卷积喉部图像。
步骤S63：对动态渲染卷积喉部图像进行超像素卷积优化，生成超像素卷积喉部图像。
步骤S64：利用卷积神经网络对超像素卷积喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本发明通过喉部结构病变图像对原始喉部图像进行动态渲染映射，动态渲染映射技术增强喉部图像的视觉效果，突出结构细节，通过将喉部结构病变图像的信息融合到原始图像中，生成动态渲染喉部图像，利用膨胀卷积技术对动态渲染喉部图像进行处理，膨胀卷积增加图像中的边缘和细节信息，提高喉部结构的清晰度和可见性，通过应用膨胀卷积操作，生成动态渲染卷积喉部图像，使得喉部结构更加鲜明和突出，通过超像素卷积优化技术对动态渲染卷积喉部图像进行进一步的处理，超像素卷积优化能够更好地捕捉喉部图像中的纹理和结构信息，并将其进行增强和优化，通过应用超像素卷积优化操作，生成超像素卷积喉部图像，提升图像的细节和清晰度，有助于更准确地分析喉部结构，利用卷积神经网络（CNN）对超像素卷积喉部图像进行处理，构建超像素全息喉部结构模型，CNN是一种深度学习算法，能够自动学习图像特征并进行模型构建，通过对超像素卷积喉部图像应用CNN，提取喉部图像中的更高级特征，并构建出全息喉部结构模型并去除咽喉部位血液、分泌物、痰液等附着物等造成的图像干扰，同一像素下的摄像头通过本方法提供更为清晰的喉部内部图像，模型包含更丰富的喉部结构信息，有助于更准确地进行喉部图像处理和分析任务。
在发明中还提供一种喉部图像处理系统，用于执行如上所述的喉部图像处理方法，包括：
光谱曲线模块，利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线。
直方图均衡化模块，根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
结构细节优化模块，对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像。
动态纹理模块，对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据。
异常轨迹检测模块，对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
卷积神经网络模块，利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本发明通过光谱曲线模块对喉部图像进行光谱分析，提取出图像中不同波长范围的光谱特征数据，将光谱特征数据按照不同的波长频段进行划分，得到喉部图像的波长频段数据，利用波长频段数据，重构出喉部图像的光谱曲线，光谱曲线描述喉部图像在不同波长范围内的光强分布情况，直方图均衡化模块根据喉部图像的光谱曲线，分析图像中光强的分布情况，了解不同区域的亮度差异，根据光强分布数据，对喉部图像进行直方图均衡化处理，调整图像的亮度分布，增强图像的对比度和视觉效果，结构细节优化模块通过对亮度增强的喉部图像进行分析，提取喉部的结构特征数据，包括边缘、纹理等信息，对喉部结构数据进行纹理分析，了解喉部内壁的纹理特征，有助于进一步优化图像的细节，根据喉部内壁纹理数据，对喉部图像的结构细节进行优化，增强图像中的纹理细节，使喉部结构更加清晰可见，动态纹理模块对结构细节优化的喉部图像进行时序分析，观察图像在不同时间点的变化情况，根据喉部图像的时序数据，将图像序列划分为不同的时间段，便于进一步分析和处理，对细节优化的喉部序列图像进行纹理特征分析，了解喉部内壁纹理在时间上的动态变化情况，异常轨迹检测模块根据喉部纹理轨迹形变数据，检测出异常的纹理轨迹，表示喉部结构的异常变化或病变情况，根据异常数据，识别出喉部的结构病变情况，包括肿瘤、溃疡等疾病，为后续的诊断和治疗提供依据，根据喉部结构病变数据，对细节优化的喉部序列图像进行切割，将病变区域从整个图像中分离出来，便于进一步分析和处理，卷积神经网络模块利用喉部结构病变图像，将结构细节优化的喉部图像进行动态渲染映射，使得图像中的病变区域更加清晰可见，通过应用卷积神经网络技术，对动态渲染的喉部图像进行处理，构建出喉部的超像素全息结构模型，提供更全面、准确的喉部图像信息。
进一步的，本发明还公开一种喉镜，包括带有手柄的主机，所述主机上设有用于显示喉部气道内图像的显示屏，所述手柄的下方连接有柔性的导管，所述导管的前端部上连接有摄像头，所述系统植入至所述主机的内部控制器中。
所述显示屏与所述手柄通过转臂组件连接。
进一步的，本发明还公开一种可调节气道建立装置，包括如上所述的喉镜，还包括中部中空、两端开口的手持部，所述手持部的上端一侧连接有呈弧形的导向片，所述导向片上设有贯通所述导向片两端的导管通道。
进一步的，所述导向片的前端通过口腔可进入至喉部，所述手柄通过手持部的底部插入至所述手持部内，且所述摄像头由所述导管通过所述导管通道移动至所述导向片的前端。
进一步的，所述导向片的前端设有压舌片，所述压舌片铰接于导向片上并通过驱动结构可促使该导向片的活动端偏转，且当该压舌片的活动端偏转时，所述压舌片的活动端可抵在喉管的内壁并促使喉管撑开。
进一步的，所述驱动结构包括推杆、与所述导向片弯曲度匹配的连杆，所述推杆的上端转动连接在所述手持部上，所述连杆的一端转动连接在所述连杆前段的连接板上，所述连杆的另一端转动连接在所述压舌片的尾端，且通过握压所述推杆可促使所述连杆拉动所述压舌片尾端、并促使所述压舌片以与所述导向片的连接点转动。
进一步的，所述手持部的尾端呈曲面，所述手柄的顶部设有与所述曲面匹配的定位曲面外缘，所述定位曲面外缘可抵在所述曲面上。
进一步的，所述手持部的尾端设有定位孔，所述手柄上设有定位钢珠，所述手柄插入所述手持部内时，所述定位钢珠卡入所述定位孔内。
进一步的，所述推杆与所述手持部连接处还设有扭簧。
进一步的，所述手持部上设有按键开槽。
进一步的，还包括加药管路，所述加药管路沿所述导向片的侧壁设置并粘附于所述导向片上，且所述加药管路的出口位于所述导向片的前端，所述加药管路的进口端通过柔性连管位于手柄外部，所述加药管路的进口端上连接有具有单向进药功能的连接头。
附图说明
图1为本发明一种喉部图像处理方法的步骤流程示意图；
图2为步骤S1的详细实施步骤流程示意图；
图3为步骤S2的详细实施步骤流程示意图；
图4为步骤S3的详细实施步骤流程示意图；
图5为本发明中的喉镜主要结构示意图；
图6为图5所示结构状态下的左视示意图；
图7为本发明中的可调节气道建立装置主要结构示意图；
图8为本发明中的手持部与导管通道截面状态下的结构示意图；
图9为图7所示结构左视状态下的结构示意图；
图10为本发明中的喉镜与可调节气道建立装置配合后的结构示意图；
图11为本发明中的牙垫结构示意图；
图12为本发明中的牙垫与喉镜、可调节气道建立装置配合后的主要结构示意图；
图13为图8所示结构增加加药管路后的结构示意图；
图14为图7所示结构增加加药管路后的结构示意图；
图15为实施例5中的沟槽设置位置结构示意图；
图16为实施例5中的沟槽截面结构示意图。
图中：
1、手柄；2、定位钢珠；3、定位曲面外缘；4、导管；5、定位孔；6、推杆；7、扭簧；8、连杆；9、压舌片；
10、导管通道；15、牙垫；18、曲面；19、手持部；
20、导向片；21、摄像头；24、主机；25、转臂组件；27、多功能按键；28、TYPC接口；29、螺丝连接孔；
30、第一公母铆钉；31、第二公母铆钉；32、销钉；34、按键开槽；36、加强筋；37、加药管路；38、连接头；39、加药管路的出口；
40、沟槽。
具体实施方式
下面结合附图和实施例对本发明进一步说明：
实施例1：一种喉部图像处理方法、系统，参见图1至图4。
所述喉部图像处理方法、系统的执行主体包括但不限于搭载该系统的：机械设备、数据处理平台、云服务器节点、网络上传设备等可看作本申请的通用计算节点，所述数据处理平台包括但不限于：音频图像管理系统、信息管理系统、云端数据管理系统至少一种。
请参阅图1至图4，本发明提供了一种喉部图像处理方法，所述喉部图像处理方法包括以下步骤：
步骤S1：利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线。
步骤S2：根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
步骤S3：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像。
步骤S4：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据。
步骤S5：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
步骤S6：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本发明通过光谱特征分析，获取喉部图像中的光谱信息，了解喉部的组织结构和生理变化，划分波长频段和光谱曲线重构提取不同波长频段下的喉部特征，对喉部图像进行更详细的分析和描述，光强分布数据反映喉部图像中不同区域的光强变化情况，有助于检测亮度异常区域和重要特征，通过直方图均衡化映射，增强喉部图像的亮度对比度，提高图像的观察和分析效果，喉部结构数据提供喉部的形态和结构信息，对喉部疾病进行定量分析和比较，喉部内壁纹理数据反映喉部内部的纹理特征，通过分析纹理信息识别异常区域和病变，结构细节优化进一步提升喉部图像的质量，增强关键结构特征的可见性，喉部图像的时序数据捕捉喉部内部的动态变化，有助于观察和分析喉部运动、振动等特征，序列分割将时序图像分割为多个时间段的图像序列，便于对喉部的动态变化进行分析和比较，喉部纹理轨迹形变数据提供了喉部内壁纹理随时间变化的信息，用于评估喉部的形态演化和病变情况，异常轨迹检测通过比较纹理轨迹的形变情况，识别出异常的喉部区域，有助于发现潜在的疾病迹象，结构病变识别利用喉部结构病变数据，对异常区域进行定量分析和分类，提供有关喉部疾病类型和程度的信息，图像切割将喉部图像中的结构病变区域从整体图像中分离出来，生成更清晰和准确的喉部结构病变图像，动态渲染映射通过结构病变图像的信息，对细节优化喉部图像进行渲染，增加喉部图像的真实感和细节表现力，利用卷积神经网络构建超像素全息喉部结构模型更好地捕捉喉部结构的特征，提供更全面和准确的喉部图像处理结果。
本发明实施例中，参考图1，为本发明一种喉部图像处理方法的步骤流程示意图，在本实施例中，所述喉部图像处理方法的步骤包括：
步骤S1：利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线。
本实施例中，将喉镜轻轻插入患者口腔中，通过观察患者的喉部，调整喉镜的位置，使其能够清晰显示喉部结构，获取喉部图像，针对喉部图像，提取图像中每个像素点的光谱信息，包括不同波长范围内的光强度值，将每个像素点的光谱信息绘制成光谱曲线，横轴表示波长，纵轴表示光强度，从光谱曲线中提取感兴趣的光谱特征，如峰值位置、峰值强度、谷值位置、谷值强度等，将提取的光谱特征数据保存，在后续步骤中用于波长频段划分和光谱曲线重构，根据确定的划分方案，将光谱特征数据按照不同的波长频段进行划分和分组，对每个波长频段内的光谱特征数据进行整合和汇总，生成喉部图像的波长频段数据，对每个波长频段内的光谱特征数据，重新绘制光谱曲线，得到喉部图像的光谱曲线，将所有波长频段内的光谱曲线合并，构建出喉部图像的完整光谱曲线。
步骤S2：根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
本实施例中，对光谱曲线数据进行统计分析，包括计算平均光强、最大光强、最小光强等光强相关的指标，根据光谱曲线数据，将光强值按照一定的区间范围进行分组，并统计每个区间内光强值的数量，根据光强分布直方图，计算每个光强值对应的累积频率，将CDF（累积分布函数）线性映射到期望范围内，例如将累积频率映射到0-255的灰度范围，根据标定的映射函数，对喉部图像中的每个像素点的光强值进行映射，得到亮度增强的喉部图像。
步骤S3：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像。
本实施例中，利用边缘检测算法，如Canny算法或Sobel算法，提取喉部图像的边缘特征，对提取的边缘进行连接和填充，得到连续的喉部结构轮廓，基于喉部结构轮廓，进行形态学分析、角度测量、曲率计算等，以获得喉部结构的参数化描述，运用纹理特征提取方法，如灰度共生矩阵（GLCM）、局部二值模式（LBP）等，从喉部图像中提取喉部内壁的纹理特征，对提取的纹理特征进行统计分析，例如计算纹理的均值、方差、能量、对比度等，以获取喉部内壁的纹理信息，使用图像增强技术，如锐化、滤波等，突出喉部图像中的结构细节，使其更加清晰可见，应用图像处理算法，如边缘增强、细节增强等，进一步增强喉部图像中的结构细节。
步骤S4：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据。
本实施例中，对每个时间点的喉部图像进行特征提取，如边缘特征、纹理特征等，将提取的特征组合为时序数据，每个时间点对应一个特征向量，形成喉部图像的时序数据，基于喉部图像时序数据，应用序列分割算法，如基于阈值、基于变化率等方法，对喉部图像序列进行分割，将其划分为多个连续的图像序列段，每个序列段代表一个特定的喉部结构状态或运动过程，对细节优化喉部序列图像中的每个图像帧，应用纹理特征提取方法，如局部二值模式（LBP）、灰度共生矩阵（GLCM）等，提取喉部内壁的动态纹理特征，对于每个图像帧，计算纹理特征的统计量，如均值、方差、能量等，形成喉部内壁的纹理特征向量，将每个图像帧的纹理特征向量按时间顺序组合，形成喉部纹理轨迹，反映喉部内壁纹理的时序变化。
步骤S5：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据。对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
本实施例中，应用异常轨迹检测算法，如基于统计分析、机器学习等方法，对喉部纹理轨迹形变数据进行分析，识别出异常的轨迹，基于喉部纹理轨迹异常数据，应用病变识别算法，如特征提取、模式识别等方法，对异常轨迹进行分析和分类，将异常轨迹与已知的结构病变进行对比和匹配，识别出具体的喉部结构病变类型，将识别结果整合并形成喉部结构病变数据，记录每个异常轨迹的病变类型和相关信息，根据喉部结构病变数据，确定病变区域的位置和范围，对于每个病变区域，在相应的细节优化喉部序列图像中进行图像切割，提取出病变区域的图像片段，进一步的图像处理和增强，以突出喉部结构病变的特征和细节。
步骤S6：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本实施例中，将喉部结构病变图像映射到结构细节优化的喉部图像上，根据病变区域的位置和范围，将病变区域在喉部图像上进行动态渲染，动态渲染映射通过颜色映射、透明度调整等方式，将病变区域标示出来，并与喉部图像的细节优化部分融合，形成动态渲染喉部图像，使用卷积神经网络（CNN）进行全息模型构建，将动态渲染喉部图像作为输入，通过CNN提取喉部的特征表示，根据CNN提取的特征表示，构建超像素全息喉部结构模型，将图像划分为具有相似特征的区域，从而更好地捕捉喉部结构的细节，构建的超像素全息喉部结构模型包含喉部内部的结构信息，并且具有更高的维度和丰富的特征表示。
本实施例中，参考图2，为步骤S1的详细实施步骤流程示意图，本实施例中，所述步骤S1的详细实施步骤包括：
步骤S11：利用喉镜获取喉部图像。
步骤S12：对喉部图像进行光谱特征分析，以生成光谱特征数据。
步骤S13：对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据。
步骤S14：对喉部图像波长频段数据进行局部波长趋势分析，生成局部波长趋势数据。
步骤S15：根据局部波长趋势数据对光谱特征数据进行光谱曲线重构，构建喉部图像光谱曲线。
本实施例中，将喉镜轻轻插入患者口腔中，通过观察患者的喉部，调整喉镜的位置，使其能够清晰显示喉部结构，获取喉部图像，对喉部图像进行预处理，包括去除噪声、增强对比度等操作，以提高后续的光谱特征分析效果，应用光谱分析算法，如离散傅里叶变换（DFT）或小波变换（WaveletTransform），对预处理后的喉部图像进行光谱特征提取，光谱特征包括频域信息、颜色分布等，反映喉部图像的光学特性，将光谱特征数据按照波长进行频段划分，根据具体需求设置不同的频段范围，对每个波长频段内的光谱特征数据进行提取和统计，获得该频段内的特征统计量，如平均值、方差等，将每个波长频段的特征统计量整理和记录，形成喉部图像波长频段数据集，对喉部图像波长频段数据进行局部波长趋势分析，使用滑动窗口或其他局部分析方法，在每个波长频段内，将滑动窗口应用于数据，计算窗口内数据的波长趋势，如斜率或变化率，窗口的大小根据需求进行调整，较小的窗口更好地捕捉细节变化，而较大的窗口提取更广泛的趋势信息，根据局部波长趋势数据中的斜率或变化率，对光谱特征数据进行线性插值或曲线拟合等处理，以恢复原始光谱曲线的形状，根据需要选择不同的插值或拟合方法，如多项式拟合、样条插值等，将重构得到的光谱曲线数据记录下来，形成喉部图像光谱曲线，用于进一步分析和研究。
本实施例中，参考图3，为步骤S2的详细实施步骤流程示意图，本实施例中，所述步骤S2的详细实施步骤包括：
步骤S21：根据喉部图像光谱曲线对喉部图像进行光照强度计算，以生成喉部图像强度数据。
步骤S22：对喉部图像进行区域划分，以生成区域喉部图像。
步骤S23：根据喉部图像强度数据对区域喉部图像进行局部像素熵量化，以生成局部像素熵值。
步骤S24：通过局部像素熵值对区域喉部图像进行光强分布分析，以生成喉部图像光强分布数据。
步骤S25：基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
本实施例中，根据光谱曲线的波峰和波谷位置，计算喉部图像中每个像素点的光照强度，光照强度通过光谱曲线的幅值或其他相关指标来表示，对喉部图像的每个像素点进行光照强度计算，并将结果整理和记录，形成喉部图像强度数据集，将喉部图像划分为不同的区域，区域划分基于解剖结构、病变特征或其他相关因素进行，使用图像分割算法对喉部图像进行区域划分，对每个区域进行标记或记录，形成区域喉部图像数据集，对每个区域喉部图像内的像素点，计算其局部像素熵，局部像素熵是对局部像素分布的一种度量，反映图像区域的复杂程度和信息量，使用灰度共生矩阵、小波变换或其他图像处理技术来计算局部像素熵，计算得到每个区域喉部图像的局部像素熵值，并将结果整理和记录，根据局部像素熵值的大小，判断区域喉部图像中的光强分布情况，将区域喉部图像分为不同的光强分布区域，如高光强区域、低光强区域等，对每个光强分布区域进行记录和统计，形成喉部图像光强分布数据集，直方图均衡化是一种调整图像亮度分布的方法，增强图像的对比度和细节，根据光强分布数据，使用直方图均衡化算法将喉部图像中的像素值进行映射，使得光强分布更均匀。
本实施例中，步骤S25的具体步骤为：
步骤S251：对喉部图像进行灰度图转换，以生成喉部灰度图。
步骤S252：对喉部灰度图进行灰度直方图计算，生成灰度级像素值。
步骤S253：根据灰度级像素值对喉部灰度图进行累积分布计算，以生成灰度累积分布函数。
步骤S254：基于灰度累积分布函数对喉部灰度图进行直方图均衡化映射，以生成灰度均衡直方图。
步骤S255：基于喉部图像光强分布数据对灰度均衡直方图进行图像亮度增强处理，以生成亮度增强喉部图像。
本实施例中，将彩色喉部图像转换为灰度图像，灰度图像是一种只包含亮度信息而没有颜色信息的图像，常见的灰度图像转换方法是将彩色图像的每个像素点的红、绿、蓝三个通道的值加权平均，得到对应的灰度值，对喉部图像的每个像素点应用灰度转换算法，生成喉部灰度图，对喉部灰度图像进行像素值统计，统计喉部灰度图中每个像素值的出现次数，得到灰度直方图，灰度直方图表示喉部图像中每个灰度级别的像素点的数量，统计得到的灰度直方图可用于后续的灰度级像素值计算，对灰度直方图进行累积操作，得到累积直方图，累积直方图表示喉部图像中小于等于某一灰度级别的像素点的累积数量，根据累积直方图，计算每个灰度级别对应的像素点在整个喉部图像中的累积分布概率，得到喉部灰度图的灰度累积分布函数，利用灰度累积分布函数，对喉部灰度图的每个像素点进行映射，根据灰度累积分布函数，计算每个灰度级别对应的像素点在新的灰度均衡直方图中的像素值，将喉部灰度图中的每个像素点的灰度值替换为对应的均衡化后的灰度值，得到灰度均衡直方图，使得喉部图像的灰度分布更均匀，增强图像的对比度和细节，根据喉部图像光强分布数据，调整灰度均衡直方图中的像素值，使得亮度增强更符合实际情况，根据光强分布情况调整灰度均衡直方图中的像素值分布，以增强喉部图像的亮度和对比度，通过对灰度均衡直方图进行像素值调整，得到亮度增强的喉部图像。
本实施例中，参考图4，为步骤S3的详细实施步骤流程示意图，本实施例中，所述步骤S3的详细实施步骤包括：
步骤S31：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据。
步骤S32：对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据。
步骤S33：对喉部内壁纹理数据进行喉部形态学特征分析，以生成喉部形态特征数据。
步骤S34：利用喉部形态特征数据对亮度增强喉部图像进行双向映照纠正，以生成喉部形态结构纠正数据。
步骤S35：通过喉部形态结构纠正数据对亮度增强喉部图像进行喉部结构细节优化，以生成结构细节优化喉部图像。
本实施例中，对亮度增强后的喉部图像进行喉部结构分析，喉部结构分析旨在识别和提取喉部图像中的结构特征，如声带、喉室等，利用图像处理算法，如边缘检测、形态学操作等，来提取喉部结构，通过分析和处理喉部图像，得到喉部结构数据，用于后续的纹理分析和形态学特征分析，利用喉部结构数据，对喉部内壁进行纹理分析，喉部内壁纹理分析旨在提取喉部内壁的纹理特征，如纹理强度、纹理方向等，应用图像处理技术，如纹理特征提取算法、纹理滤波器等，来分析喉部内壁的纹理，通过分析和处理喉部结构数据，得到喉部内壁的纹理数据，用于后续的形态学特征分析和纠正处理，利用喉部内壁纹理数据，对喉部的形态学特征进行分析，形态学特征分析旨在提取喉部图像的形态学特征，如面积、周长、凸包等，应用形态学操作和特征提取算法，如二值化、轮廓提取、形态学测量等，来分析喉部的形态学特征，通过分析和处理喉部内壁纹理数据，得到喉部的形态特征数据，用于后续的纠正处理和优化操作，利用喉部形态特征数据，对亮度增强的喉部图像进行形态结构纠正，双向映照纠正是一种基于形态学特征的图像纠正方法，通过对喉部形态特征进行分析和处理来实现图像的纠正，应用图像配准算法和形态学变换等技术，对喉部图像进行变换和调整，以纠正形态结构上的偏差，通过对亮度增强喉部图像进行双向映照纠正，得到喉部形态结构纠正数据，用于后续的结构细节优化，利用喉部形态结构纠正数据，对亮度增强的喉部图像进行结构细节优化，结构细节优化旨在增强喉部图像的结构细节和清晰度，应用图像增强算法，如锐化步骤S31：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；针对亮度增强的喉部图像，进行喉部结构分析来提取喉部的结构信息，使用图像处理技术，例如边缘检测、分割算法等，来检测和提取喉部的关键结构，如声带、喉咙等。
本实施例中，步骤S33的具体步骤为：
步骤S331：对喉部内壁纹理数据进行内壁轮廓边缘检测，以生成内壁纹理轮廓线。
步骤S332：根据内壁纹理轮廓线对喉部内壁纹理数据进行喉部内壁面积计算，以生成喉部内壁面积数据。
步骤S333：对内壁纹理轮廓线进行纹理曲率计算，生成内壁纹理弯曲度数据。
步骤S334：对内壁纹理轮廓线进行内壁轴向分析，得到内壁纹理轴向数据。
步骤S335：对内壁纹理轴向数据进行空间分布分析，以生成内壁纹理空间分布数据。
步骤S336：对内壁纹理弯曲度数据及内壁纹理空间分布数据进行喉部形态学特征分析，以生成喉部形态特征数据。
本实施例中，针对喉部内壁纹理数据，进行内壁轮廓的边缘检测，使用边缘检测算法，例如Canny边缘检测算法，检测喉部内壁纹理的轮廓边缘，边缘检测将提取喉部内壁纹理数据中的边缘信息，并生成对应的二值图像，其中包含喉部内壁纹理的轮廓线，利用内壁纹理轮廓线，对喉部内壁纹理数据进行喉部内壁面积计算，使用图像处理算法，如区域填充算法，来计算喉部内壁纹理轮廓线内部的面积，通过计算喉部内壁纹理轮廓线内部的像素数量或面积，得到喉部内壁的表面积数据，利用内壁纹理轮廓线，进行纹理曲率的计算，纹理曲率描述了喉部内壁纹理轮廓线的弯曲程度，应用曲率计算算法，如曲率流算法，来计算喉部内壁纹理轮廓线上不同点的曲率值，通过计算喉部内壁纹理轮廓线上各点的曲率值，得到喉部内壁的纹理弯曲度数据，利用内壁纹理轮廓线，进行内壁轴向的分析，内壁轴向分析旨在提取喉部内壁纹理轮廓线的主要轴向特征，应用图像处理和特征提取算法，如主成分分析（PCA）等，来分析喉部内壁纹理轮廓线的主轴向和辅助轴向，通过分析喉部内壁纹理轮廓线的轴向特征，得到内壁纹理轴向数据，用于后续的分析和描述，利用内壁纹理轴向数据，进行内壁纹理的空间分布分析，空间分布分析描述喉部内壁纹理轴向在空间中的分布情况，应用统计分析和图像处理算法，如直方图分析、空间滤波器等，来分析喉部内壁纹理轴向的分布特征，通过分析喉部内壁纹理轴向在空间中的分布情况，得到内壁纹理的空间分布数据，利用内壁纹理弯曲度数据和内壁纹理空间分布数据，进行喉部的形态学特征分析，通过形态学特征分析提取和描述喉部内壁纹理的形态学特点和特征，应用统计分析、图像处理和机器学习等方法，如特征提取、分类器训练等，来分析和提取喉部形态学特征，通过分析喉部内壁纹理的弯曲度数据和空间分布数据，得到喉部的形态学特征数据，用于进一步的研究和应用。
本实施例中，步骤S4包括以下步骤：
步骤S41：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据。
步骤S42：根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像。
步骤S43：对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成动态纹理特征数据。
步骤S44：对动态纹理特征数据进行光流跟踪，以生成喉部内壁动态纹理轨迹。
步骤S45：对喉部内壁动态纹理轨迹进行形态变化检测，以生成喉部纹理轨迹形变数据。
本实施例中，针对喉部图像进行结构细节优化，以提高图像质量和清晰度，对优化后的喉部图像进行时序分析，即对一系列连续的喉部图像进行时间顺序上的分析，应用图像处理技术，如去噪、增强对比度等方法，对喉部图像进行优化，通过分析连续的喉部图像，提取图像中的时序特征，例如喉部结构的变化和运动，利用喉部图像的时序数据，对结构细节优化后的喉部图像进行序列分割，序列分割将时序数据中的连续帧分为若干个序列，每个序列包含一组连续的喉部图像，应用图像处理和序列分割算法，如帧间差分、阈值分割等，对时序数据进行分割，通过分割后的喉部图像序列，得到一系列细节优化的喉部图像，利用细节优化的喉部序列图像，进行喉部内壁动态纹理特征的分析，动态纹理特征分析提取喉部内壁图像序列中的纹理变化信息，应用图像处理和特征提取算法，如纹理特征描述符、运动特征提取等，对喉部图像序列进行分析，通过分析喉部内壁图像序列的动态纹理特征，提取喉部内壁纹理在时间上的变化信息，生成动态纹理特征数据，利用动态纹理特征数据，进行光流跟踪，以了解喉部内壁纹理在时间上的运动轨迹，光流跟踪是一种计算运动目标在图像序列中运动方向和速度的技术，应用光流算法，如Lucas-Kanade光流算法、基于密集光流的方法等，对喉部内壁动态纹理进行跟踪，通过光流跟踪，得到喉部内壁动态纹理的运动轨迹，即喉部内壁动态纹理轨迹，利用喉部内壁动态纹理轨迹，进行形态变化检测，以了解喉部纹理轨迹的形变情况，形态变化检测分析喉部纹理轨迹在时间上的形态演化和变化，应用形态学操作、特征提取和形态变化检测算法，如二值化、形态学滤波、轮廓提取等，对喉部纹理轨迹进行分析，通过形态变化检测，获取喉部纹理轨迹的形变数据，即喉部纹理轨迹形变数据，用于进一步的分析和研究。
本实施例中，步骤S5的具体步骤为：
步骤S51：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据。
步骤S52：对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据。
步骤S53：基于喉部结构病变数据对细节优化喉部序列图像进行病变部位定位，标记病变部位。
步骤S54：根据病变部位对细节优化喉部序列图像进行边界框提取，以生成病变部位边界框。
步骤S55：基于病变部位边界框对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
本实施例中，利用喉部纹理轨迹形变数据，进行异常轨迹检测，以识别具有异常形变的喉部纹理轨迹，异常轨迹检测使用统计方法、机器学习方法或深度学习方法等，基于已知的正常喉部纹理轨迹数据，建立模型或阈值来判断轨迹的异常程度，通过异常轨迹检测，生成喉部纹理轨迹异常数据，用于后续的病变识别和分析，利用喉部纹理轨迹异常数据，进行结构病变的识别，以判断喉部是否存在结构性病变，结构病变识别利用图像分析、模式识别和机器学习等方法，使用已有的喉部结构病变数据集进行训练，建立分类器或模型，用于识别不同类型的结构病变，通过结构病变识别，生成喉部结构病变数据，用于进一步的定位和分析，利用喉部结构病变数据，对细节优化的喉部序列图像进行病变部位的定位，即确定病变在图像中的位置，使用图像处理和分析方法，如边缘检测、特征匹配等，对喉部图像进行处理和分析，基于已知的病变形态和特征，通过匹配和定位算法，确定病变在喉部图像中的位置，标记病变部位，即在喉部图像中标注和突出显示病变区域，以便进一步的分析和处理，根据病变部位的位置信息，对细节优化的喉部序列图像进行边界框提取，以框定病变的位置和范围，使用图像处理和边界框提取算法，如轮廓检测、边缘检测等，对喉部图像进行处理和分析，基于病变部位的位置信息，提取包围病变的最小矩形边界框或者更精确的边界框，生成病变部位边界框，即确定病变在喉部图像中的位置和范围，用于后续的图像切割和病变图像生成，根据病变部位边界框的位置和范围信息，对细节优化的喉部序列图像进行图像切割，即提取包含病变的局部图像，使用图像处理方法，如裁剪或掩膜操作，将病变部位边界框内的图像区域提取出来，生成喉部结构病变图像，获得仅包含病变部位的图像，用于进一步的病变分析和诊断，将生成的喉部结构病变图像保存或进行其他后续处理，如特征提取、分类或与其他医学数据进行关联分析等。
本实施例中，步骤S6的具体步骤为：
步骤S61：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像。
步骤S62：对动态渲染喉部图像进行膨胀卷积，以生成动态渲染卷积喉部图像。
步骤S63：对动态渲染卷积喉部图像进行超像素卷积优化，生成超像素卷积喉部图像。
步骤S64：利用卷积神经网络对超像素卷积喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本实施例中，获取喉部结构病变图像，喉部结构病变图像包含喉部的结构性病变信息，对喉部图像进行结构细节优化处理，以增强病变的可视化效果和结构细节，动态渲染映射是一种图像处理技术，通过调整图像的亮度、对比度、颜色映射等参数，使图像呈现出更加生动和具有对比度的效果，使用适当的动态渲染映射算法，对结构细节优化后的喉部图像进行处理，生成动态渲染喉部图像，将动态渲染喉部图像应用膨胀卷积操作，以进一步增强图像中的结构特征，膨胀卷积是一种图像处理方法，通过在图像上应用特定的卷积核，强调和扩展图像中的边缘和纹理等特征，选择适当的膨胀卷积核大小和形状，将其应用于动态渲染喉部图像，以突出喉部图像中的结构特征，执行膨胀卷积操作后，生成动态渲染卷积喉部图像，其中结构特征得到了进一步的增强，对动态渲染卷积喉部图像应用超像素分割算法，将图像分割成具有相似特征的超像素区域，超像素分割是一种图像分割技术，将图像划分为多个紧密相连且具有相似特征的区域，对超像素区域应用卷积操作，以进一步强调和增强喉部图像中的结构特征，选择适当的卷积核大小和形状，将其应用于超像素区域，进行超像素卷积优化操作，生成超像素卷积喉部图像，其中超像素区域的结构特征得到了进一步的增强，使用卷积神经网络（CNN）对超像素卷积喉部图像进行训练和建模，以构建超像素全息喉部结构模型，准备标注好的超像素卷积喉部图像作为训练数据，并设计CNN网络架构，对超像素卷积喉部图像进行训练，通过反向传播算法优化CNN的权重和参数，使其能够准确地捕捉喉部结构特征，完成CNN的训练后，使用该模型对新的超像素卷积喉部图像进行预测，以生成超像素全息喉部结构模型，超像素全息喉部结构模型用于执行各种喉部图像处理任务，如病变检测、分割和分析等。
在本实施例中，提供一种喉部图像处理系统，用于执行如上所述的喉部图像处理方法，包括：
光谱曲线模块，利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线。
直方图均衡化模块，根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像。
结构细节优化模块，对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像。
动态纹理模块，对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据。
异常轨迹检测模块，对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像。
卷积神经网络模块，利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
本发明通过光谱曲线模块对喉部图像进行光谱分析，提取出图像中不同波长范围的光谱特征数据，将光谱特征数据按照不同的波长频段进行划分，得到喉部图像的波长频段数据，利用波长频段数据，重构出喉部图像的光谱曲线，光谱曲线描述喉部图像在不同波长范围内的光强分布情况，直方图均衡化模块根据喉部图像的光谱曲线，分析图像中光强的分布情况，了解不同区域的亮度差异，根据光强分布数据，对喉部图像进行直方图均衡化处理，调整图像的亮度分布，增强图像的对比度和视觉效果，结构细节优化模块通过对亮度增强的喉部图像进行分析，提取喉部的结构特征数据，包括边缘、纹理等信息，对喉部结构数据进行纹理分析，了解喉部内壁的纹理特征，有助于进一步优化图像的细节，根据喉部内壁纹理数据，对喉部图像的结构细节进行优化，增强图像中的纹理细节，使喉部结构更加清晰可见，动态纹理模块对结构细节优化的喉部图像进行时序分析，观察图像在不同时间点的变化情况，根据喉部图像的时序数据，将图像序列划分为不同的时间段，便于进一步分析和处理，对细节优化的喉部序列图像进行纹理特征分析，了解喉部内壁纹理在时间上的动态变化情况，异常轨迹检测模块根据喉部纹理轨迹形变数据，检测出异常的纹理轨迹，表示喉部结构的异常变化或病变情况，根据异常数据，识别出喉部的结构病变情况，包括肿瘤、溃疡等疾病，为后续的诊断和治疗提供依据，根据喉部结构病变数据，对细节优化的喉部序列图像进行切割，将病变区域从整个图像中分离出来，便于进一步分析和处理，卷积神经网络模块利用喉部结构病变图像，将结构细节优化的喉部图像进行动态渲染映射，使得图像中的病变区域更加清晰可见，通过应用卷积神经网络技术，对动态渲染的喉部图像进行处理，构建出喉部的超像素全息结构模型，提供更全面、准确的喉部图像信息。
实施例2，一种喉镜，参见图5、图6，包括带有手柄1的主机24，所述主机上设有用于显示喉部气道内图像的显示屏和多功能按键27、TYPC接口28等部件，TYPC接口不仅能充电还能做为U盘接口、通过转接线连接平板并能够在大屏显示图像；所述手柄的下方连接有柔性的导管4，所述导管4的前端部上连接有摄像头21，所述导管4能够弯曲任意角度并能恢复原状，导管4的截面外径为4.5mm，圆形的导管4与长方形的摄像头21采用过渡连接。本设计中，所述主机与所述手柄1通过转臂组件25连接，主机能上下旋转180度，转臂组件能围绕手柄左右旋转270度。
进一步的，本实施例1中的所述喉部图像处理系统植入至所述主机的内部控制器中。
实施例3，一种可调节气道建立装置，参见图7至图12，包括如实施例2所述的喉镜，还包括中部中空、两端开口的手持部19，所述手持部19的上端一侧连接有呈弧形的导向片20，导向片20的厚度为9-11mm，所述导向片20上设有贯通所述导向片两端的导管通道10；所述导向片20的前端通过口腔可进入至喉部，所述手柄1通过手持部19的底部插入至所述手持部19内，且所述摄像头由所述导管通过所述导管通道10移动至所述导向片的前端（导管4和摄像头21沿导管通道10进入）。
所述导向片的前端设有压舌片9，所述压舌片9铰接于导向片20上并通过驱动结构可促使该导向片的活动端偏转，且当该压舌片9的活动端偏转时，所述压舌片9的活动端可抵在喉管的内壁并促使喉管撑开。
本实施例中，所述压舌片可以更换3种不同尺寸，即可以变成儿童、成人中号、成人大号压舌片。
所述驱动结构包括推杆6、与所述导向片20弯曲度匹配的连杆8，所述推杆6的上端转动连接在所述手持部19上，所述连杆8的一端转动连接在所述连杆前段的连接板上，所述连杆的另一端转动连接在所述压舌片9的尾端，且通过握压所述推杆可促使所述连杆拉动所述压舌片尾端、并促使所述压舌片以与所述导向片的连接点转动，更有利于暴露患者声门。
本实施例中，所述推杆6和连杆8通过第一公母铆钉30铆接，推杆和手持部19通过螺丝连接孔29锁紧，连杆和压舌片9通过第二公母铆钉31铆接，压舌片9和导向片20通过销钉32连接，所述推杆与所述手持部连接处还设有扭簧7，扭簧7能够让推杆6在撤去握持力后恢复初始位置。所述连杆8的侧面靠内侧有整条加强筋能够在转动过程中起到加强支撑力的作用，材料可以为塑料或者不锈钢。
进一步的，所述手持部19的尾端呈曲面18，所述手柄1的顶部设有与所述曲面匹配的定位曲面外缘3，所述定位曲面外缘3可抵在所述曲面上完成定位。
进一步的，所述手持部19的尾端设有定位孔，所述手柄上设有定位钢珠，所述手柄插入所述手持部内时，所述定位钢珠卡入所述定位孔内，通过该定位钢珠卡入所述定位孔的方式实现手持部和手柄的定位或相对固定。
进一步的，手持部19设计有防滑结构，所述手持部上设有按键开槽34，使用中摄像按键装配在按键开槽34内。
进一步的，配合使用时，主机上的定位钢珠2装配到手持部19上的定位孔5内，完成定位。
进一步的，还包括牙垫15，所述牙垫呈弧形，且截面为U形，所述牙垫可扣在所述手持部的上方，所述牙垫上设有牙垫限位槽、单手扣、第二定位钢珠、加强筋36，通过限位槽、单手扣、第二定位钢珠完成对牙垫的定位安装（常规技术），通过加强筋36增加牙垫的整体强度。
通过本发明的可调节气道建立装置使用中能够减轻组织损伤，能够解决困难气道下显露声门，能够解决手术过程中污染喉镜主机手柄的问题，结构简单，能够降低产品制作成本。
实施例4，一种可调节气道建立装置，参见图13至图14，本实施例在实施例3的基础上增加改进设计，具体是，本设计的可调节气道建立装置还包括加药管路37，所述加药管路37沿所述导向片20的侧壁设置并粘附于所述导向片20上，且所述加药管路的出口39位于所述导向片20的前端，所述加药管路的进口端通过柔性连管位于手柄外部，同时所述加药管路的进口端上连接有具有单向进药功能的连接头38，通过该加药管路37的设计，在使用中可以在外部通过注射器等器件连接所述连接头，并将药液通过加药管路将药液输送至喉部，完成给药操作。
实施例5，一种可调节气道建立装置，参见图15、图16，本实施例在上述实施例4的基础上增加改进设计，具体是，本设计在所述导向片20的前端侧壁上设置有一沟槽40，该沟槽可以通过外置的U形槽粘在所述导向片20的前端侧壁上，或直接设置成与导向片20为一体结构；具体是，该沟槽40设置在加药管路的出口39处的导向片20侧壁上，该沟槽40长度在1-3cm之间，该沟槽内可以允许具有柔性并具有一定硬度的可视软镜固定，且沟槽对可视软镜固定时其沟槽两侧壁对可视软镜的夹持力又不会很大，如此在导向片20进入患者喉部时，其可视软镜固定在沟槽内并被导向片带动至喉部内，此时沟槽起到引导的作用；当导向片20进入患者喉部位置后，操作者施加对可视软镜的扭转力及侧向力并可以允许可视软镜从沟槽内移出，当可视软镜从沟槽内移出后可以通过摄像头的配合对可视软镜的前端进行位置的移动，实现更加方便的置管。
上述所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种喉部图像处理方法，其特征在于，包括以下步骤：
步骤S1：利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线；
步骤S2：根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像；
步骤S3：该步骤S3具体包括：
步骤S31：对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；
步骤S32：对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；
步骤S33：对喉部内壁纹理数据进行喉部形态学特征分析，以生成喉部形态特征数据；步骤S33的具体步骤为：
步骤S331：对喉部内壁纹理数据进行内壁轮廓边缘检测，以生成内壁纹理轮廓线；
步骤S332：根据内壁纹理轮廓线对喉部内壁纹理数据进行喉部内壁面积计算，以生成喉部内壁面积数据；
步骤S333：对内壁纹理轮廓线进行纹理曲率计算，生成内壁纹理弯曲度数据；
步骤S334：对内壁纹理轮廓线进行内壁轴向分析，得到内壁纹理轴向数据；
步骤S335：对内壁纹理轴向数据进行空间分布分析，以生成内壁纹理空间分布数据；
步骤S336：对内壁纹理弯曲度数据及内壁纹理空间分布数据进行喉部形态学特征分析，以生成喉部形态特征数据;
步骤S34：利用喉部形态特征数据对亮度增强喉部图像进行双向映照纠正，以生成喉部形态结构纠正数据；
步骤S35：通过喉部形态结构纠正数据对亮度增强喉部图像进行喉部结构细节优化，以生成结构细节优化喉部图像；
步骤S4：该步骤S4具体包括：
步骤S41：对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；
步骤S42：根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；
步骤S43：对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成动态纹理特征数据；
步骤S44：对动态纹理特征数据进行光流跟踪，以生成喉部内壁动态纹理轨迹；
步骤S45：对喉部内壁动态纹理轨迹进行形态变化检测，以生成喉部纹理轨迹形变数据；
步骤S5：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像；
步骤S6：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
2.根据权利要求1所述的喉部图像处理方法，其特征在于，步骤S1包括：
步骤S11：利用喉镜获取喉部图像；
步骤S12：对喉部图像进行光谱特征分析，以生成光谱特征数据；
步骤S13：对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；
步骤S14：对喉部图像波长频段数据进行局部波长趋势分析，生成局部波长趋势数据；
步骤S15：根据局部波长趋势数据对光谱特征数据进行光谱曲线重构，构建喉部图像光谱曲线。
3.根据权利要求1所述的喉部图像处理方法，其特征在于，步骤S2包括：
步骤S21：根据喉部图像光谱曲线对喉部图像进行光照强度计算，以生成喉部图像强度数据；
步骤S22：对喉部图像进行区域划分，以生成区域喉部图像；
步骤S23：根据喉部图像强度数据对区域喉部图像进行局部像素熵量化，以生成局部像素熵值；
步骤S24：通过局部像素熵值对区域喉部图像进行光强分布分析，以生成喉部图像光强分布数据；
步骤S25：基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像;
步骤S25的具体步骤为：
步骤S251：对喉部图像进行灰度图转换，以生成喉部灰度图；
步骤S252：对喉部灰度图进行灰度直方图计算，生成灰度级像素值；
步骤S253：根据灰度级像素值对喉部灰度图进行累积分布计算，以生成灰度累积分布函数；
步骤S254：基于灰度累积分布函数对喉部灰度图进行直方图均衡化映射，以生成灰度均衡直方图；
步骤S255：基于喉部图像光强分布数据对灰度均衡直方图进行图像亮度增强处理，以生成亮度增强喉部图像。
4.根据权利要求1所述的喉部图像处理方法，其特征在于，步骤S5包括：
步骤S51：对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；
步骤S52：对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；
步骤S53：基于喉部结构病变数据对细节优化喉部序列图像进行病变部位定位，标记病变部位；
步骤S54：根据病变部位对细节优化喉部序列图像进行边界框提取，以生成病变部位边界框；
步骤S55：基于病变部位边界框对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像；
步骤S6包括：
步骤S61：利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；
步骤S62：对动态渲染喉部图像进行膨胀卷积，以生成动态渲染卷积喉部图像；
步骤S63：对动态渲染卷积喉部图像进行超像素卷积优化，生成超像素卷积喉部图像；
步骤S64：利用卷积神经网络对超像素卷积喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
5.一种喉部图像处理系统，其特征在于，用于执行如权利要求1至权利要求4任一所述的喉部图像处理方法，包括：
光谱曲线模块，利用喉镜获取喉部图像；对喉部图像进行光谱特征分析，以生成光谱特征数据；对光谱特征数据进行波长频段划分，以生成喉部图像波长频段数据；对喉部图像波长频段数据进行光谱曲线重构，构建喉部图像光谱曲线；
直方图均衡化模块，根据喉部图像光谱曲线对喉部图像进行光强分布分析，以生成喉部图像光强分布数据；基于喉部图像光强分布数据对喉部图像进行直方图均衡化映射，以生成亮度增强喉部图像；
结构细节优化模块，对亮度增强喉部图像进行喉部结构分析，以生成喉部结构数据；对喉部结构数据进行喉部内壁纹理分析，以生成喉部内壁纹理数据；对喉部内壁纹理数据进行喉部结构细节优化，以生成结构细节优化喉部图像；
动态纹理模块，对结构细节优化喉部图像进行时序分析，生成喉部图像时序数据；根据喉部图像时序数据对结构细节优化喉部图像进行序列分割，生成细节优化喉部序列图像；对细节优化喉部序列图像进行喉部内壁动态纹理特征分析，以生成喉部纹理轨迹形变数据；
异常轨迹检测模块，对喉部纹理轨迹形变数据进行异常轨迹检测，生成喉部纹理轨迹异常数据；对喉部纹理轨迹异常数据进行结构病变识别，生成喉部结构病变数据；基于喉部结构病变数据对细节优化喉部序列图像进行图像切割，以生成喉部结构病变图像；
卷积神经网络模块，利用喉部结构病变图像对结构细节优化喉部图像进行动态渲染映射，以生成动态渲染喉部图像；利用卷积神经网络对动态渲染喉部图像进行全息模型构建，以构建超像素全息喉部结构模型，以执行喉部图像处理作业。
6.一种喉镜，包括带有手柄的主机，所述主机上设有用于显示喉部气道内图像的显示屏，所述手柄的下方连接有柔性的导管，所述导管的前端部上连接有摄像头，其特征是，权利要求5所述的喉部图像处理系统植入至所述主机的内部控制器中。
7.一种可调节气道建立装置，包括如权利要求6所述的喉镜，其特征在于，还包括中部中空、两端开口的手持部，所述手持部的上端一侧连接有呈弧形的导向片，所述导向片上设有贯通所述导向片两端的导管通道；
所述导向片的前端通过口腔可进入至喉部，所述手柄通过手持部的底部插入至所述手持部内，且所述摄像头由所述导管通过所述导管通道移动至所述导向片的前端；
所述导向片的前端设有压舌片，所述压舌片铰接于导向片上并通过驱动结构可促使该导向片的活动端偏转，且当该压舌片的活动端偏转时，所述压舌片的活动端可抵在喉管的内壁并促使喉管撑开。
8.根据权利要求7所述的可调节气道建立装置，其特征在于，所述驱动结构包括推杆、与所述导向片弯曲度匹配的连杆，所述推杆的上端转动连接在所述手持部上，所述连杆的一端转动连接在所述连杆前段的连接板上，所述连杆的另一端转动连接在所述压舌片的尾端，且通过握压所述推杆可促使所述连杆拉动所述压舌片尾端、并促使所述压舌片以与所述导向片的连接点转动。
9.根据权利要求7所述的可调节气道建立装置，其特征在于，还包括加药管路，所述加药管路沿所述导向片的侧壁设置并粘附于所述导向片上，且所述加药管路的出口位于所述导向片的前端，所述加药管路的进口端通过柔性连管位于手柄外部，所述加药管路的进口端上连接有具有单向进药功能的连接头。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410210495.4A CN117788468B (zh) | 2024-02-26 | 2024-02-26 | 喉部图像处理方法、系统、喉镜、可调节气道建立装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410210495.4A CN117788468B (zh) | 2024-02-26 | 2024-02-26 | 喉部图像处理方法、系统、喉镜、可调节气道建立装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117788468A CN117788468A (zh) | 2024-03-29 |
| CN117788468B true CN117788468B (zh) | 2024-04-30 |
Family
ID=90394876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410210495.4A Active CN117788468B (zh) | 2024-02-26 | 2024-02-26 | 喉部图像处理方法、系统、喉镜、可调节气道建立装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788468B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997021979A1 (en) * | 1995-12-12 | 1997-06-19 | Spectral Diagnostic Ltd. | Spectral bio-imaging methods for biological research, medical diagnostics and therapy |
| EP1148355A1 (en) * | 2000-04-20 | 2001-10-24 | Canon Kabushiki Kaisha | Picturetaking apparatus having diffractive optical element |
| EP1840831A1 (en) * | 2006-03-31 | 2007-10-03 | Sony Deutschland Gmbh | Adaptive histogram equalization for images with strong local contrast |
| GB201410339D0 (en) * | 2014-06-10 | 2014-07-23 | Univ Edinburgh | Image capture apparatus and method |
| WO2015081008A1 (en) * | 2013-11-27 | 2015-06-04 | Medrobotics Corporation | Oral retraction devices and methods |
| CN105469093A (zh) * | 2015-12-07 | 2016-04-06 | 周升峰 | 一种智能耳鼻喉电子检查装置及图像处理方法 |
| CN208808439U (zh) * | 2018-04-19 | 2019-05-03 | 南昌贝欧特医疗科技股份有限公司 | 一种新型可视喉镜 |
| WO2019092723A1 (en) * | 2017-11-12 | 2019-05-16 | Ofek Eshkolot Research And Development Ltd. | System and method for determining pathological status of a laryngopharyngeal area in a patient |
| CN110115557A (zh) * | 2019-05-17 | 2019-08-13 | 中科光电(北京)科学技术有限公司 | 一种高光谱内窥成像装置及成像方法 |
| CN113661257A (zh) * | 2019-04-02 | 2021-11-16 | 杰富意钢铁株式会社 | 转炉的喷溅预知方法、转炉的操作方法及转炉的喷溅预知系统 |
| US11197645B1 (en) * | 2020-09-04 | 2021-12-14 | Kaohsiung Chang Gung Memorial Hospital | System and method of throat abnormal object recognition |
| CN114693593A (zh) * | 2020-12-31 | 2022-07-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置、及计算机装置 |
| CN116883281A (zh) * | 2023-07-14 | 2023-10-13 | 首都医科大学附属北京潞河医院 | 一种用于图像引导放疗的影像呈像画质增强系统和方法 |
| CN117475121A (zh) * | 2023-12-04 | 2024-01-30 | 河南科技大学 | 一种图像处理系统以及图像处理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9149175B2 (en) * | 2001-07-26 | 2015-10-06 | Given Imaging Ltd. | Apparatus and method for light control in an in-vivo imaging device |
| CA3117116A1 (en) * | 2020-04-13 | 2021-10-13 | AIMIC Corp. | An imaging system and method for quality and dosage control of anesthetics applied by a spray nozzle |
-
2024
- 2024-02-26 CN CN202410210495.4A patent/CN117788468B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997021979A1 (en) * | 1995-12-12 | 1997-06-19 | Spectral Diagnostic Ltd. | Spectral bio-imaging methods for biological research, medical diagnostics and therapy |
| EP1148355A1 (en) * | 2000-04-20 | 2001-10-24 | Canon Kabushiki Kaisha | Picturetaking apparatus having diffractive optical element |
| EP1840831A1 (en) * | 2006-03-31 | 2007-10-03 | Sony Deutschland Gmbh | Adaptive histogram equalization for images with strong local contrast |
| WO2015081008A1 (en) * | 2013-11-27 | 2015-06-04 | Medrobotics Corporation | Oral retraction devices and methods |
| GB201410339D0 (en) * | 2014-06-10 | 2014-07-23 | Univ Edinburgh | Image capture apparatus and method |
| CN105469093A (zh) * | 2015-12-07 | 2016-04-06 | 周升峰 | 一种智能耳鼻喉电子检查装置及图像处理方法 |
| WO2019092723A1 (en) * | 2017-11-12 | 2019-05-16 | Ofek Eshkolot Research And Development Ltd. | System and method for determining pathological status of a laryngopharyngeal area in a patient |
| CN208808439U (zh) * | 2018-04-19 | 2019-05-03 | 南昌贝欧特医疗科技股份有限公司 | 一种新型可视喉镜 |
| CN113661257A (zh) * | 2019-04-02 | 2021-11-16 | 杰富意钢铁株式会社 | 转炉的喷溅预知方法、转炉的操作方法及转炉的喷溅预知系统 |
| CN110115557A (zh) * | 2019-05-17 | 2019-08-13 | 中科光电(北京)科学技术有限公司 | 一种高光谱内窥成像装置及成像方法 |
| US11197645B1 (en) * | 2020-09-04 | 2021-12-14 | Kaohsiung Chang Gung Memorial Hospital | System and method of throat abnormal object recognition |
| CN114693593A (zh) * | 2020-12-31 | 2022-07-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置、及计算机装置 |
| CN116883281A (zh) * | 2023-07-14 | 2023-10-13 | 首都医科大学附属北京潞河医院 | 一种用于图像引导放疗的影像呈像画质增强系统和方法 |
| CN117475121A (zh) * | 2023-12-04 | 2024-01-30 | 河南科技大学 | 一种图像处理系统以及图像处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 钝性喉气管损伤的MSCT诊断;王小鹏;杨军;刘伟;;放射学实践;20110420(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117788468A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113573654B (zh) | 用于检测并测定病灶尺寸的ai系统、方法和存储介质 | |
| Lohscheller et al. | Phonovibrography: mapping high-speed movies of vocal fold vibrations into 2-D diagrams for visualizing and analyzing the underlying laryngeal dynamics | |
| Herrera et al. | Development of a Multispectral Gastroendoscope to Improve the Detection of Precancerous Lesions in Digestive Gastroendoscopy | |
| US8483454B2 (en) | Methods for tissue classification in cervical imagery | |
| JP2008520345A (ja) | 超音波画像における病変の検出及び分類方法、及びそのシステム | |
| Verikas et al. | Advances in laryngeal imaging | |
| CN114782307A (zh) | 基于深度学习的增强ct影像直肠癌分期辅助诊断系统 | |
| CN110349141A (zh) | 一种乳腺病灶定位方法和系统 | |
| CN117152507B (zh) | 一种牙齿健康状态检测方法、装置、设备及存储介质 | |
| CN117012344B (zh) | 一种4cmos相机采集的图像分析方法 | |
| WO2024066895A1 (zh) | 一种基于散斑域高斯分布拟合的通道划痕深度和宽度测定方法 | |
| CN104318565A (zh) | 基于等梯度距离的双向区域增长的视网膜血管分割交互式方法 | |
| Schenk et al. | Automatic high-speed video glottis segmentation using salient regions and 3D geodesic active contours | |
| CN117788468B (zh) | 喉部图像处理方法、系统、喉镜、可调节气道建立装置 | |
| Rew et al. | Hybrid Segmentation Scheme for Skin Features Extraction Using Dermoscopy Images. | |
| Kuo et al. | Applied image processing techniques in video laryngoscope for occult tumor detection | |
| Kuo et al. | Using image processing technology and mathematical algorithm in the automatic selection of vocal cord opening and closing images from the larynx endoscopy video | |
| Sridhar et al. | Lung Segment Anything Model (LuSAM): A Prompt-integrated Framework for Automated Lung Segmentation on ICU Chest X-Ray Images | |
| Kuo et al. | Using image processing technology combined with decision tree algorithm in laryngeal video stroboscope automatic identification of common vocal fold diseases | |
| Arnold et al. | Indistinct frame detection in colonoscopy videos | |
| CN113487568B (zh) | 一种基于差分曲率的肝脏表面平滑度的测量方法 | |
| CN111292285A (zh) | 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法 | |
| Sobhi et al. | Extraction of Laryngeal Cancer Informative Frames from Narrow Band Endoscopic Videos | |
| Ettler | Detekce a vyhodnocení vysokorychlostního videozáznamu hlasivkové štěrbiny | |
| Bae et al. | Automated quantitative analysis of vocal fold vibration using two-dimensional scanning videokymography after transoral laser microsurgery |
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 |