CN103986897B - 医用影像***和获取医用影像的方法 - Google Patents
医用影像***和获取医用影像的方法 Download PDFInfo
- Publication number
- CN103986897B CN103986897B CN201410160850.8A CN201410160850A CN103986897B CN 103986897 B CN103986897 B CN 103986897B CN 201410160850 A CN201410160850 A CN 201410160850A CN 103986897 B CN103986897 B CN 103986897B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- msub
- sigma
- medical image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 153
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000003672 processing method Methods 0.000 claims abstract description 20
- 230000008054 signal transmission Effects 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 56
- 238000000968 medical method and process Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000002059 diagnostic imaging Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000026676 system process Effects 0.000 claims description 4
- 238000011282 treatment Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000001356 surgical procedure Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000001454 recorded image Methods 0.000 description 3
- 239000000872 buffer Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012865 aseptic processing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/815—Camera processing pipelines; Components thereof for controlling the resolution by using a single image
-
- 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
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- 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
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
- H04N5/2226—Determination of depth image, e.g. for foreground/background separation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/765—Interface circuits between an apparatus for recording and another apparatus
- H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Dentistry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本发明公开了一种医用影像***,包括医用影像采集设备和医用影像处理***。医用影像采集设备包括:采集装置,用于以手术医生的第一视角采集医疗过程中的影像信号;信号处理装置,用于对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去。医用影像处理***,包括:信号传输模块,用于接收来自医用影像采集设备的影像数字信号数据流;以及,影像处理模块,用于实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。本发明还公开了一种获取医用影像的方法。本发明的医用影像***和获取医用影像的方法可以较好地提供医生的手术过程或诊疗过程中的影像资料,方便科研、教学和管理。
Description
技术领域
本发明涉及影像技术领域,更具体地,涉及一种医用影像采集设备、医用影像处理***和医用影像***,以及一种获取医用影像的方法。
背景技术
在医生治疗病灶过程中,特别是在外科医生手术或者牙科医生进行口腔治疗过程中需要对手术和治疗过程进行影像收录,以便记录手术过程或进行教学和科研。
传统的医用影像收录由单独的摄影师通过手持摄像设备,像拍摄纪录片一样进行影像收录,但这样的方式存在很多缺陷,例如,需要单独的摄影师陪同参与手术,庞大的摄像设备和摄影师都需要进行无菌处理。而且摄影师在手术过程中需要近距离拍摄影像可能会对医生造成影响,一旦手持设备掉入无菌手术区,后果将非常严重。从另一方面而言,由于摄影师的拍摄角度与医生的视角不同,所以所收录的影像可能并不是最理想的角度。
目前出现了一种头戴式医用影像收录装置,它由手术医生佩戴在头部,具有一至两个***头,全程收录手术过程。但是这种设备兼具供电和存储功能重量和体积大,不利于医生的自由活动,且佩戴不牢固。而且,由于***头本身的清晰度受限,因此收录的影像清晰度较差。
发明内容
鉴于以上问题,根据本发明的一方面,提供了一种可较佳拍摄医疗过程中的影像的医用影像采集设备。
本发明实施例的一种医用影像采集设备,包括:
采集装置,用于以手术医生的第一视角采集医疗过程中的影像信号;
信号处理装置,用于对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去。
在可选实施例中,所述采集装置为数字摄像装置,所采集的影像信号为影像数字信号。所述信号处理装置对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去,包括:所述信号处理装置将所述影像数字信号缓存后通过发送模块发送影像数字信号数据流。
在可选实施例中,所述采集装置为模拟摄像装置,所述采集的影像信号为影像模拟信号。所述信号处理装置包括:模数转换模块,用于将所述影像模拟信号转换为影像数字信号;第一处理模块,用于将所述影像数字信号缓存后通过发送模块发送影像数字信号数据流。
在可选实施例中,所述医用影像采集设备为穿戴式采集设备,其中,所述采集装置为头戴式采集装置、耳戴式采集装置或者眼镜式采集装置。
根据本发明的另一方面,提供了一种能够获得优化的医用影像数字信号的医用影像处理***,包括:
信号传输模块,用于接收来自医用影像采集装置的影像数字信号数据流;
影像处理模块,用于实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。
在可选实施例中,所述处理***还包括存储模块,用于存储所述优化的医用影像数字信号;或者,所述影像处理模块,还用于将所述优化的医用影像数字信号通过所述信号传输模块发送给远程存储中心。
在可选实施例中,所述处理***还包括:影像输出接口,用于根据所述影像处理模块的显示指令将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。
在可选实施例中,所述预定的图像处理方法为改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法。
在可选实施例中,所述影像处理模块为FPGA芯片或者CPLD芯片。
在可选实施例中,所述处理***还包括:信息录入模块,用于接收通过显示装置输入的病人信息或者从数据库中导入的病人信息。在可选实施例中,所述处理***还包括影像处理模块,还用于根据接收到的图像处理控制指令对所述优化的医用影像数字信号进行相应的图像处理,其中,所述图像处理控制指令是显示装置通过控制界面接收并传送给医用影像处理***的图像处理控制指令,或者,通过声控模块接收到的图像处理控制指令。
根据本发明的又一方面,还提供了一种医用影像***,包括医用影像采集设备和医用影像处理***,其中:
所述医用影像采集设备,包括:采集装置,用于以手术医生的第一视角采集医疗过程中的影像信号;信号处理装置,用于对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去;以及,
所述医用影像处理***,包括:信号传输模块,用于接收来自医用影像采集装置的影像数字信号数据流;以及,影像处理模块,用于实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。
根据本发明的又一方面,提供了一种能够得到较满意的医用影像的方法。本发明实施例的一种获取医用影像的方法,包括:
医用影像采集设备以手术医生的第一视角采集医疗过程中的影像信号;
所述医用影像采集设备对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送;
医用影像处理***接收所述医用影像采集设备发送的影像数字信号数据流;
所述医用影像处理***实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。
在可选实施例中,所述方法还包括:所述医用影像处理***将所述优化的医用影像数字信号存储在本地或者发送给远程存储中心。
在可选实施例中,所述预定的图像处理方法为改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法。
在可选实施例中,所述医用影像处理***将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。
在可选实施例中,所述方法还包括:医用影像处理***接收通过显示装置输入的病人信息或者从数据库中导入的病人信息;或者,医用影像处理***根据接收到的图像处理控制指令对所述优化的医用影像数字信号进行相应的图像处理,其中,所述图像处理控制指令是显示装置通过控制界面接收并传送给医用影像处理***的图像处理控制指令,或者,通过声控模块接收到的图像处理控制指令。
本发明实施例的医用影像采集设备由于在采集过程中是以手术医生的第一视角收录手术的影像信号,因而所采集到的影像信号可以真实地再现手术过程。本发明实施例的医用影像处理***可以对影像数字信号数据流进行优化处理,从而获得更清晰的手术影像。本发明实施例的医用影像***和获取医用影像的方法可以较好地提供医生的手术过程或诊疗过程的影像资料,方便科研、教学和管理。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明一实施例的医用影像采集设备的结构示意图。
图2示出了本发明的采集装置为模拟摄像装置的医用影像采集设备的一个例子的结构示意图。
图3示意性地示出了根据本发明实施例的头戴式采集设备的一个例子。
图4示出了根据本发明一实施例的医用影像处理***的结构示意图。
图5示出了根据本发明一实施例的医用影像***的结构示意图。
图6示出了根据本发明另一实施例的医用影像***的结构示意图。
图7示出了根据本发明一实施例的获取医用影像的方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
图1示出了根据本发明一实施例的医用影像采集设备的结构示意图。如图1所示,该医用影像采集设备1,包括:采集装置10,用于以手术医生的第一视角采集医疗过程中的影像信号;以及,信号处理装置20,用于对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去。
在本发明实施例中,“第一视角”是指以手术医生本人的视角观看手术。这样采集装置所采集到的影像相当于在手术医生身后看到的影像,从而通过显示装置看到的图像即为手术医生所见。
在本发明实施例中,医用影像采集设备可以为穿戴式采集设备。在本发明一实施例中,穿戴式采集设备可以是一体式设计,即采集装置和信号处理装置设置成在一个设备中,这样医生仅将医用影像采集设备放置在头部即可。在本发明另一实施例中,穿戴式采集设备可以是分体式设计,即采集装置和信号处理装置是两个单独的设备,其中,信号处理装置可位于手术医生的身体部分的某个位置,如腰部;而采集装置可位于在手术医生的头部的某个位置,如头戴式采集装置、耳戴式采集装置或者眼镜式采集装置等。例如,眼镜式采集装置可以像眼镜一样,摄像头位于用户眼睛的上方。头戴式采集装置,摄像头位于用户的额头上。耳戴式采集装置通过用户的耳朵固定摄像头,摄像头会位于用户的侧脸部位。摄像头保持与手术医生的第一视角平行,从而采集的为手术医生的第一视角看到的手术内容的影像。
在本发明一实施例中,采集装置10可以是数字摄像装置,这样采集到的影像信号为影像数字信号。然后,信号处理装置20对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送出去。优选的,信号处理装置20可以是将采集装置采集到的影像数字信号存储到本地缓存空间,然后通过发送模块发送影像数字信号数据流。
在本发明另一实施例中,采集装置10可以是模拟摄像装置,这样采集的影像信号为影像模拟信号。在该实施例中,信号处理装置20包括:模数转换模块,用于将采集到的影像模拟信号转换为影像数字信号;第一处理模块,用于将所述影像数字信号缓存后通过发送模块发送影像数字信号数据流。
图2示出了本发明的采集装置为模拟摄像装置的医用影像采集设备的一个例子的结构示意图。如图2所示,医用影像采集设备的模拟摄像装置301为微型模拟摄像装置,用于对医疗过程中的手术影像进行收录。该医用影像采集设备还包括模数转换装置302,用于将收录的影像模拟信号转换为影像数字信号;供电装置303,用于为微型模拟摄像装置供电,以及信号发送装置304,用于将通过模数转换模块得到的影像数字信号数字流发送给医用影像处理***。
优选地,模数转换装置302、供电装置303和信号发送装置304可以是设置在信号处理装置20内部的各模块,信号处理装置将经模数转换模块转换后得到的影像数字信号进行缓存后以数字信号数据流方式通过信号发送装置发送出去。
在本发明实施例中,摄像装置可以包括一个或多个***头,优选为高清摄像头,发送模块或信号发送装置可以采用蓝牙、WiFi等无线传输方式进行信号发送,以便不妨碍医生手术过程中自由活动。
图3示意性地示出了根据本发明实施例的头戴式采集设备的一个例子。如图3所示,该头戴式采集设备的摄像设备在手术医生的额头上,使得可以以手术医生的第一视角采集医疗过程中的影像信号。需要说明的是,本发明中描述的手术医生包括但不限定为进行手术操作的医生,例如还可以是手术现场中的其他辅助医生。优选地,手术医生为进行手术操作的医生。
图4示出了根据本发明一实施例的医用影像处理***的结构示意图。如图4所示,医用影像处理***2包括:信号传输模块401,用于接收来自医用影像采集装置的影像数字信号数据流;以及,影像处理模块403,用于实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。
通过本发明的医用影像处理***,可以对接收到的影像数字信号数据流进行实时处理和存储。在本发明一优选实施例中,所述预定的图像处理方法可以是本发明提出的改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法,这样可以对收录的手术影像进行优化,从而获得更清晰的手术影像,从而对***装置本身在清晰度方面的缺陷进行弥补。
在本发明说明书的描述中,以下术语具有特定的含义:矩阵数据,表示通过仪器对目标观测后得到的图像进行数字化处理后得到的矩阵数据;仪器特征矩阵,表征仪器在对应方向上响应程度的矩阵,可以通过实验获得;再卷积矩阵,将矩阵数据和仪器特征矩阵的转置矩阵再次卷积得到的矩阵;归一化再卷积矩阵,使用相关算法计算得出的表现A矩阵在B矩阵的情况下存在数值突变位置和大数值位置的矩阵。
在本发明实施例中,影像处理模块403对影像数字信号数据流按照预定的图像处理方法进行处理,包括如下步骤:
S1、选取仪器特征矩阵p(i,j);
S2、对于输入图像的每一帧矩阵数据d(i),计算d(i)和pT(i,j)的卷积作为再卷积矩阵c(i);
S3、当矩阵数据d(i)中不存在背景或者背景b(i)已知,则进入步骤S9;S4、计算p(i,j)和d(i)的归一化再卷积矩阵c*(i),
其中,M是d(i)的每一行的矩阵数据元素;
S5、设定阈值fm,判断c*(i)的每一点是否大于fm,若是则判定此点为数据突变点或者数据远大于背景的数据点,计算db(k)=d(k)-p(k,is)fs,减去上述点的数值;
其中fs满足:∑i′{cb(i′)-[c*(i′)-fsca(i′,is)]}2=min,
其中,db(k)是减去数据突变点和数据远大于背景的数据点后的矩阵数据,cb(i)是db(k)和p(i,j)的再卷积矩阵,cs(i;is)是p(i,j)和自身的再卷积矩阵:
重复上述步骤,直至c*(i)中所有数据点均小于fm;此时获得去除数据突变点和数据远大于背景的数据点后的矩阵数据,记作db(k);
S6、计算db(k)和p(i,j)的卷积,记作cb(i);
S7、通过Gauss-Seidel迭代或Richardson-Lucy迭代方式恢复数据背景,其中在所述迭代中所设定的上限是所有的数值均大于等于0;
S8、重复步骤S7直到得到收敛结果作为重建后的背景数据,记作b(l)(i),其中上标l表示迭代l次;
S9、以b(l)(i)或者是预先知道的背景作为限制条件,利用Gauss-Seidel迭代或Richardson-Lucy迭代方式计算真实矩阵数据,记作f(l)(i),其中上标l表示为迭代l次;
S10,令f(l)(i)满足归一化条件:
满足归一化条件的f(l)(i)即为恢复后的矩阵数据。
其中,在所述步骤S7中通过如下公式,采用Gauss-Seidel迭代方式恢复数据背景:
b(l)(i)≥0
其中,f(l)(i)表示第l次迭代后的结果,p1(i,i)是p(i,j)和pT(i,j)相乘的结果。
可选择地,在所述步骤S7中也可以通过如下公式,采用带有收敛因子的Gauss-Seidel迭代方式恢复数据背景:
b(l)(i)≥0
其中,α是收敛因子,是介于0和1之间的数值。
另外,作为另一种选择,在所述步骤S7中还可以通过如下公式采用Richardson-Lucy迭代方式恢复数据背景:
b(l)(i)≥0。
相应地,在所述步骤S9中可以通过如下公式采用Gauss-Seidel迭代方式计算真实矩阵数据:
f(l)(i)≥b(l)(i)
此外,在所述步骤S9中还可以通过如下公式,采用带有收敛因子的Gauss-Seidel迭代方式计算真实矩阵数据:
f(l)(i)≥b(l)(i)
作为另一种选择,在所述步骤S9中还可以通过如下公式采用Richardson-Lucy迭代方式计算真实矩阵数据:
f(l)(i)≥b(l)(i)
在本发明实施例的改进的的Gauss-Seidel迭代或Richardson-Lucy迭代算法中,先处理背景从而可以较好地保留弱源信息;在迭代过程中,可反复使用成像***参数,从而提高还原能力。最终的优化条件,不是一个单一参数,而是矩阵判据,这样信息丢失较少。经上述处理方法处理后获得的图像最大化恢复了图像信息,通过充分利用对仪器和目标的先验知识,可实现较大动态范围内的图像还原和特定的信息提取。采用本发明实施例的医用影像处理***,可获得更清晰的手术影像,从而可以对医用影像采集设备本身在清晰度方面的缺陷进行弥补。在本发明实施例中,影像处理模块可以为FPGA芯片或者CPLD芯片,从而满足图像处理的实时性要求。
在本发明实施例中,还可以对医用影像处理***进行进一步设计以提供专业可视化界面和简单方便的图像视频功能。例如,对接收的影像数据流进行实时存储并归档,按时间提取对应的录像截图图片。在本发明实施例中,为得到清晰、优化的医用影像数字信号,医用影像处理***还可以对影像数字信号数据流执行其他处理功能,其中其他处理功能可包括以下一种或多种:图像扭转纠正、镜头手术区域中心定位、运动拍摄模糊纠正、术野区域自动检测、抖动/晃动/模糊纠正,色彩处理,白平衡,医用的特别色差处理等。此外,医用影像处理***还可以包括信息录入模块,用于接收通过显示装置输入的病人信息。信息录入模块可以提供填写名称,日期和备注等病人信息的界面,然后将接收到的病人信息归档在数据库中。信息录入模块还可以接收从数据库中导入的病人信息。在本发明实施例中,医用影像处理***还可以根据接收到的病人信息对存储的影像进行索引;或者,提供打印抽取的静态图片的功能等等。
图5是根据本发明一实施例的医用影像处理***的结构示意图。如图5所示,医用影像处理***2除了包括信号传输模块401和影像处理模块403之外,还包括存储模块405,用于存储所述优化的医用影像数字信号。在一可选实施例中,影像处理模块403,还用于将所述优化的医用影像数字信号通过信号传输模块401发送给远程存储中心,例如专门的数据服务器或云存储中心。在一可选实施例中,医用影像处理***2还可以包括影像输出接口407,用于根据影像处理模块的控制指令将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。显示装置可以例如台式电脑、平板电脑等。在本发明实施例中,用户可以通过显示装置显示的控制界面对优化后的影像数字信号的播放进行控制,或者,对影像处理模块的图像处理作相应的控制。例如,用户通过显示装置上的控制界面输入执行图像扭转纠正命令后,显示装置将图像扭转纠正指令传送给影像处理模块,然后影像处理模块根据接收到的图像扭转纠正指令对医用影像数字信号进行图像扭转纠正处理。图像处理模块还可以是根据通过声控模块接收到的图像处理控制指令对医用影像数字信号进行相应的图像处理。此外,医用影像处理***还可以通过信号传输模块将所述优化的医用影像数字信号实时共享给其他设备,例如通过如蓝牙、WiFi等无线技术在局域网或互联网上实时共享给其他设备。
图6示出了根据本发明实施例的医用影像***的结构示意图。如图6所示,医用影像***包括本发明各个实施例的医用影像采集设备1和本发明各个实施例的医用影像处理***2。其中,医用影像采集设备和医用影像处理***的实施方式可分别参见本文中关于医用影像采集设备和医用影像处理***的描述,在此不再赘述。
相应地,本发明还提供了一种获取医用影像的方法。图7示出了根据本发明一实施例的获取医用影像的方法的流程示意图。参见图7,该获取医用影像的方法包括:
S701,医用影像采集设备以手术医生的第一视角采集医疗过程中的影像信号;
S702,医用影像采集设备对所采集到的影像信号进行第一处理后以影像数字信号数据流方式发送;
优选地,医用影像采集设备对所采集到的影像信号进行第一处理后,使用无线传输方式将第一处理后的影像信号以影像数字信号数据流方式发送。如果医用影像采集设备采集的是影像模拟信号,则第一处理包括将影像模拟信号转换为影像数字信号,然后将影像数字信号缓存后发送影像数字信号数据流。如果医用影像采集设备采集的是影像数字信号,则第一处理包括经影像数字信号缓存后发送影像数字信号数据流。
S703,医用影像处理***接收所述医用影像采集设备发送的影像数字信号数据流;
S704,医用影像处理***实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号。
在本发明一实施例中,所述预定的图像处理方法为改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法。关于具体改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法的描述参见本发明实施例的图像处理***的相对应部分的描述,在此不再赘述。
在本发明可选实施例中,所述方法还包括:医用影像处理***将所述优化的医用影像数字信号存储在本地或者发送给远程存储中心。在本发明可选实施例中,所述处理方法还包括:医用影像处理***将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。在本发明可选实施例中,所述处理方法还包括:医用影像处理***接收通过显示装置输入的病人信息或者从数据库中导入的病人信息。
在本发明可选实施例中,所述方法还包括:医用影像处理***根据接收到的图像处理控制指令对所述优化的医用影像数字信号进行相应的图像处理。其中,所述图像处理控制指令是显示装置通过控制界面接收并传送给医用影像处理***的图像处理控制指令,或者,通过声控模块接收到的图像处理控制指令。
虽然关于示例实施例及其优点已经详细说明,应当理解在不脱离本发明的精神和所附权利要求限定的保护范围的情况下,可以对这些实施例进行各种变化、替换和修改。对于其他例子,本领域的普通技术人员应当容易理解在保持本发明保护范围内的同时,工艺步骤的次序可以变化。
此外,本发明的应用范围不局限于说明书中描述的特定实施例的工艺、机构、制造、物质组成、手段、方法及步骤。从本发明的公开内容,作为本领域的普通技术人员将容易地理解,对于目前已存在或者以后即将开发出的工艺、机构、制造、物质组成、手段、方法或步骤,其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结果,依照本发明可以对它们进行应用。因此,本发明所附权利要求旨在将这些工艺、机构、制造、物质组成、手段、方法或步骤包含在其保护范围内。
Claims (16)
1.一种医用影像处理***,包括:
信号传输模块,用于接收来自医用影像采集设备的影像数字信号数据流;
影像处理模块,用于实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号,
其中,所述预定的图像处理方法为改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法,
所述影像处理模块实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理包括如下步骤:
S1,选取仪器特征矩阵p(i,j);
S2,对于输入图像的每一帧矩阵数据d(i),计算d(i)和pT(i,j)的卷积作为再卷积矩阵c(i);
S3,当矩阵数据d(i)中不存在背景或者背景b(i)已知,则进入步骤S9;
S4,计算p(i,j)和d(i)的归一化再卷积矩阵c*(i),
<mrow>
<msup>
<mi>c</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>M</mi>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
其中M是d(i)的每一行的矩阵数据元素;
S5,设定阈值fm,判断c*(i)的每一点是否大于fm,若是则判定此点为数据突变点或者数据远大于背景的数据点,
计算db(k)=d(k)-p(k,is)fs,减去上述点的数值;
其中fs满足:
<mrow>
<munder>
<mo>&Sigma;</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</munder>
<msup>
<mrow>
<mo>{</mo>
<msub>
<mi>c</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>&lsqb;</mo>
<msup>
<mi>c</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
<msub>
<mi>c</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
其中,db(k)是减去数据突变点和数据远大于背景的数据点后的矩阵数据,cb(i)是db(k)和p(i,j)的再卷积矩阵,cs(i;is)是p(i,j)和自身的再卷积矩阵:
<mrow>
<msub>
<mi>c</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>;</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>M&Sigma;</mi>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>M&Sigma;</mi>
<mi>k</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
重复上述步骤,直至c*(i)中所有数据点均小于fm;此时获得去除数据突变点和数据远大于背景的数据点后的矩阵数据,记作db(k);
S6,计算db(k)和p(i,j)的卷积,记作cb(i);
S7,通过Gauss-Seidel迭代或Richardson-Lucy迭代算法恢复数据背景,其中在所述迭代中所设定的上限是所有的数值均大于等于0;
S8,重复步骤S7直到得到收敛结果作为重建后的背景数据,记作b(l)(i),其中上标l表示迭代l次;
S9,以b(l)(i)或者是预先知道的背景作为限制条件,利用Gauss-Seidel迭代或Richardson-Lucy迭代算法计算真实矩阵数据,记作f(l)(i),其中上标l表示为迭代l次;
S10,令f(l)(i)满足归一化条件:
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
满足归一化条件的f(l)(i)即为恢复后的矩阵数据。
2.根据权利要求1所述的处理***,其特征在于:
所述处理***还包括存储模块,用于存储所述优化的医用影像数字信号;或者,
所述影像处理模块,还用于将所述优化的医用影像数字信号通过所述信号传输模块发送给远程存储中心。
3.根据权利要求1所述的处理***,其特征在于,还包括:
影像输出接口,用于根据所述影像处理模块的显示指令将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。
4.根据权利要求1所述的处理***,其特征在于,在所述步骤S7中通过如下公式,采用Gauss-Seidel迭代算法恢复数据背景:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msub>
<mi>c</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
</munder>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,f(l)(i)表示第l次迭代后的结果,p1(i,i)是p(i,j)和pT(i,j)相乘的结果。
5.根据权利要求1所述的处理***,其特征在于,在所述步骤S7中通过如下公式,采用带有收敛因子的Gauss-Seidel迭代算法恢复数据背景:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>&alpha;</mi>
<mrow>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<msub>
<mi>c</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,α是收敛因子,是介于0和1之间的数值,p1(i,i)是p(i,j)和pT(i,j)相乘的结果。
6.根据权利要求1所述的处理***,其特征在于,在所述步骤S7中通过如下公式采用Richardson-Lucy迭代算法恢复数据背景:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>j</mi>
</msub>
<mfrac>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>j</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>.</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
7.根据权利要求1所述的处理***,其特征在于,在所述步骤S9中通过如下公式采用Gauss-Seidel迭代算法计算真实矩阵数据:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
</munder>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,p1(i,i)是p(i,j)和pT(i,j)相乘的结果。
8.根据权利要求1所述的处理***,其特征在于,在所述步骤S9中通过如下公式,采用带有收敛因子的Gauss-Seidel迭代算法计算真实矩阵数据:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mi>&alpha;</mi>
<mrow>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mi>c</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,p1(i,i)是p(i,j)和pT(i,j)相乘的结果。
9.根据权利要求1所述的处理***,其特征在于,在所述步骤S9中通过如下公式采用Richardson-Lucy迭代算法计算真实矩阵数据:
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>j</mi>
</msub>
<mfrac>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>j</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<msup>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
10.根据权利要求1所述的处理***,其特征在于,所述影像处理模块为FPGA芯片或者CPLD芯片。
11.根据权利要求3所述的处理***,其特征在于,还包括:
信息录入模块,用于接收通过显示装置输入的病人信息或者从数据库中导入的病人信息;
所述影像处理模块,还用于根据接收到的图像处理控制指令对所述优化的医用影像数字信号进行相对应的图像处理,其中,所述图像处理控制指令是显示装置通过控制界面接收并传送给医用影像处理***的图像处理控制指令,或者,通过声控模块接收到的图像处理控制指令。
12.一种医用影像***,包括权利要求1的医用影像处理***。
13.一种获取医用影像的方法,包括:
医用影像采集设备以手术医生的第一视角采集医疗过程中的影像信号;
所述医用影像采集设备对所采集到的影像信号进行第一处理后,以影像数字信号数据流方式发送;
医用影像处理***接收所述医用影像采集设备发送的影像数字信号数据流;
所述医用影像处理***实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理,以获得优化的医用影像数字信号,
其中,所述预定的图像处理方法为改进的Gauss-Seidel迭代或Richardson-Lucy迭代算法,
所述医用影像处理***实时对接收到的影像数字信号数据流按照预定的图像处理方法进行处理包括如下步骤:
S1,选取仪器特征矩阵p(i,j);
S2,对于输入图像的每一帧矩阵数据d(i),计算d(i)和pT(i,j)的卷积作为再卷积矩阵c(i);
S3,当矩阵数据d(i)中不存在背景或者背景b(i)已知,则进入步骤S9;
S4,计算p(i,j)和d(i)的归一化再卷积矩阵c*(i),
<mrow>
<msup>
<mi>c</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>M</mi>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>M</mi>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mo>&Sigma;</mo>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
其中M是d(i)的每一行的矩阵数据元素;
S5,设定阈值fm,判断c*(i)的每一点是否大于fm,若是则判定此点为数据突变点或者数据远大于背景的数据点,
计算db(k)=d(k)-p(k,is)fs,减去上述点的数值;
其中fs满足:
<mrow>
<munder>
<mo>&Sigma;</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
</munder>
<msup>
<mrow>
<mo>{</mo>
<msub>
<mi>c</mi>
<mi>b</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>&lsqb;</mo>
<msup>
<mi>c</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
<msub>
<mi>c</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
其中,db(k)是减去数据突变点和数据远大于背景的数据点后的矩阵数据,cb(i)是db(k)和p(i,j)的再卷积矩阵,cs(i;is)是p(i,j)和自身的再卷积矩阵:
<mrow>
<msub>
<mi>c</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>;</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>M&Sigma;</mi>
<mi>k</mi>
</msub>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mi>s</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>M&Sigma;</mi>
<mi>k</mi>
</msub>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&Sigma;</mi>
<mi>k</mi>
</msub>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
重复上述步骤,直至c*(i)中所有数据点均小于fm;此时获得去除数据突变点和数据远大于背景的数据点后的矩阵数据,记作db(k);
S6,计算db(k)和p(i,j)的卷积,记作cb(i);
S7,通过Gauss-Seidel迭代或Richardson-Lucy迭代算法恢复数据背景,其中在所述迭代中所设定的上限是所有的数值均大于等于0;
S8,重复步骤S7直到得到收敛结果作为重建后的背景数据,记作b(l)(i),其中上标l表示迭代l次;
S9,以b(l)(i)或者是预先知道的背景作为限制条件,利用Gauss-Seidel迭代或Richardson-Lucy迭代算法计算真实矩阵数据,记作f(l)(i),其中上标l表示为迭代l次;
S10,令f(l)(i)满足归一化条件:
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
满足归一化条件的f(l)(i)即为恢复后的矩阵数据。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括:
所述医用影像处理***将所述优化的医用影像数字信号存储在本地或者发送给远程存储中心。
15.根据权利要求13所述的方法,其特征在于,所述医用影像处理***将所述优化的医用影像数字信号提供给显示装置以便进行影像显示。
16.根据权利要求15所述的方法,其特征在于,所述方法还包括:
医用影像处理***接收通过显示装置输入的病人信息或者从数据库中导入的病人信息;或者,
医用影像处理***根据接收到的图像处理控制指令对所述优化的医用影像数字信号进行相对应的图像处理,其中,所述图像处理控制指令是显示装置通过控制界面接收并传送给医用影像处理***的图像处理控制指令,或者,通过声控模块接收到的图像处理控制指令。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410160850.8A CN103986897B (zh) | 2013-05-13 | 2014-04-21 | 医用影像***和获取医用影像的方法 |
PCT/CN2014/077306 WO2014183626A1 (zh) | 2013-05-13 | 2014-05-12 | 医用影像***和获取医用影像的方法 |
US14/939,444 US10212340B2 (en) | 2013-05-13 | 2015-11-12 | Medical imaging system and method for obtaining medical image |
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310174164.1 | 2013-05-13 | ||
CN201310174062.X | 2013-05-13 | ||
CN201310174164 | 2013-05-13 | ||
CN201310174062X | 2013-05-13 | ||
CN2013101741641 | 2013-05-13 | ||
CN201310174062 | 2013-05-13 | ||
CN201410160850.8A CN103986897B (zh) | 2013-05-13 | 2014-04-21 | 医用影像***和获取医用影像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103986897A CN103986897A (zh) | 2014-08-13 |
CN103986897B true CN103986897B (zh) | 2017-12-19 |
Family
ID=51278711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410160850.8A Active CN103986897B (zh) | 2013-05-13 | 2014-04-21 | 医用影像***和获取医用影像的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10212340B2 (zh) |
CN (1) | CN103986897B (zh) |
WO (1) | WO2014183626A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104902152A (zh) * | 2015-05-21 | 2015-09-09 | 段然 | Mipi协议csi-2接口摄像头在可穿戴摄录设备中的运用 |
TWI578092B (zh) * | 2015-08-06 | 2017-04-11 | 國立成功大學 | 口腔檢測裝置 |
CN106934781A (zh) * | 2017-03-31 | 2017-07-07 | 合肥民众亿兴软件开发有限公司 | 一种云平台超声图像处理*** |
CN107134184A (zh) * | 2017-06-13 | 2017-09-05 | 徐州医科大学 | 一种影像诊断教学仿真***及训练方法 |
CN107610768A (zh) * | 2017-10-10 | 2018-01-19 | 朗昇科技(苏州)有限公司 | 一种用于远程医疗诊断的采集终端及远程医疗诊断*** |
CN107666565A (zh) * | 2017-10-23 | 2018-02-06 | 潍坊华光数码设备有限公司 | 一种应用网络摄像进行的医用摄像机 |
CN109474828A (zh) * | 2018-11-02 | 2019-03-15 | 南京巨鲨显示科技有限公司 | 一种基于嵌入式设备的医用阅片4k编码器的编码方法及编码器 |
CN109917553A (zh) * | 2019-04-19 | 2019-06-21 | 张三妹 | 一种智能阅片机 |
AU2021210962A1 (en) | 2020-01-22 | 2022-08-04 | Photonic Medical Inc. | Open view, multi-modal, calibrated digital loupe with depth sensing |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1197094B1 (en) * | 1999-07-13 | 2004-02-11 | Surgivision Ltd. | Stereoscopic video observation and image magnification system |
CN101610354A (zh) * | 2009-04-03 | 2009-12-23 | 余铭鑫 | 手术用佩戴式***录音设备 |
CN102014240A (zh) * | 2010-12-01 | 2011-04-13 | 深圳市蓝韵实业有限公司 | 一种实时医学视频图像去噪方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL120135A0 (en) * | 1997-02-03 | 1997-06-10 | Dentop Systems Ltd | A video system for three dimensional imaging and photogrammetry |
ITTO20031055A1 (it) * | 2003-12-30 | 2005-06-30 | Fiat Ricerche | Sistema per l'assistenza remota di un operatore in una fase di lavoro. |
US9131844B2 (en) * | 2006-05-03 | 2015-09-15 | Triple Ring Technologies, Inc. | Method and apparatus for tissue measurement position tracking and depth adjustment |
US8406564B2 (en) * | 2008-09-24 | 2013-03-26 | Microsoft Corporation | Removing blur from an image |
-
2014
- 2014-04-21 CN CN201410160850.8A patent/CN103986897B/zh active Active
- 2014-05-12 WO PCT/CN2014/077306 patent/WO2014183626A1/zh active Application Filing
-
2015
- 2015-11-12 US US14/939,444 patent/US10212340B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1197094B1 (en) * | 1999-07-13 | 2004-02-11 | Surgivision Ltd. | Stereoscopic video observation and image magnification system |
CN101610354A (zh) * | 2009-04-03 | 2009-12-23 | 余铭鑫 | 手术用佩戴式***录音设备 |
CN102014240A (zh) * | 2010-12-01 | 2011-04-13 | 深圳市蓝韵实业有限公司 | 一种实时医学视频图像去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160057343A1 (en) | 2016-02-25 |
WO2014183626A1 (zh) | 2014-11-20 |
US10212340B2 (en) | 2019-02-19 |
CN103986897A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103986897B (zh) | 医用影像***和获取医用影像的方法 | |
CN103845113B (zh) | 无线手术放大镜及其利用方法、装置和*** | |
CN110622500B (zh) | 成像设备和成像方法 | |
US20220286687A1 (en) | Modifying data from a surgical robotic system | |
JP7226325B2 (ja) | 焦点検出装置および方法、並びにプログラム | |
US20110176106A1 (en) | Portable eye monitoring device and methods for using the same | |
EP3637757B1 (en) | Image processing device, image processing method, and program | |
US20080192202A1 (en) | Device and Method for Investigating Changes in the Eye | |
CN107315919B (zh) | 远程医疗重现*** | |
CN109068035B (zh) | 一种智能微相机阵列内窥成像*** | |
JP2024521942A (ja) | 目によるイメージとデジタル・イメージとの間の変換のための方法およびシステム | |
KR20220097585A (ko) | 인공지능 기반의 자궁경부암 검진 서비스 시스템 | |
JP2007296079A (ja) | 医用画像処理装置及びプログラム | |
CN115916482A (zh) | 信息处理装置、程序、学习模型以及学习模型生成方法 | |
KR102642303B1 (ko) | 인공지능 상황인지 녹화 시스템 및 그 방법 | |
CN107277493A (zh) | 一种双摄像头视频图像采集*** | |
US12015857B2 (en) | Light field capture, compression, transmission and reconstruction | |
WO2019049595A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US20220211267A1 (en) | Device navigation and capture of media data | |
CN114463236A (zh) | 单目内窥镜三维图像的显示方法和*** | |
Carlson et al. | A compact high-definition low-cost digital stereoscopic video camera for rapid robotic surgery development | |
CA2362038A1 (en) | Method and apparatus for stereoscopic imaging of an ocular fundus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |