CN111091562B - 一种消化道病灶大小测量方法及*** - Google Patents

一种消化道病灶大小测量方法及*** Download PDF

Info

Publication number
CN111091562B
CN111091562B CN201911338548.6A CN201911338548A CN111091562B CN 111091562 B CN111091562 B CN 111091562B CN 201911338548 A CN201911338548 A CN 201911338548A CN 111091562 B CN111091562 B CN 111091562B
Authority
CN
China
Prior art keywords
reference object
size
image
lesion
digestive tract
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
Application number
CN201911338548.6A
Other languages
English (en)
Other versions
CN111091562A (zh
Inventor
左秀丽
冯建
马铭骏
李延青
李�真
邵学军
杨晓云
赖永航
辛伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Medcare Digital Engineering Co ltd
Qilu Hospital of Shandong University
Original Assignee
Qingdao Medcare Digital Engineering Co ltd
Qilu Hospital of Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Medcare Digital Engineering Co ltd, Qilu Hospital of Shandong University filed Critical Qingdao Medcare Digital Engineering Co ltd
Priority to CN201911338548.6A priority Critical patent/CN111091562B/zh
Publication of CN111091562A publication Critical patent/CN111091562A/zh
Application granted granted Critical
Publication of CN111091562B publication Critical patent/CN111091562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30092—Stomach; Gastric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Endoscopes (AREA)

Abstract

本发明公开了一种消化道病灶大小测量方法及***，所述方法包括：获取包含病变和参照物的消化道内窥镜图像；识别其中所包含的参照物；计算所述参照物与消化道粘膜相交的宽度；结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图像像素与实际尺寸之间的对应关系；提取消化道内窥镜图像中所包含的病灶区域；根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实际大小。本发明能够在内窥镜操作过程中，在不借助额外设备且不延长操作时间的前提下，实现病灶大小的精确测量。

Description

一种消化道病灶大小测量方法及***
技术领域
本发明属于人工智能技术领域，尤其涉及一种消化道病灶大小测量方 法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构 成在先技术。
使用电子内镜做诊断，在取出病灶活检之前，如何准确测量病灶大小 是一大难点，内镜下病灶大小的测量与内镜治疗决策和资料分析有关。由 于缺乏传感器，内镜不能像超声一样方便地测量息肉大小。在临床实践中， 大多数内镜医师通过目测或开放式活检钳估计息肉大小。然而，研究已经 证实，内窥镜医师在体外常常不能准确估计息肉的大小，这直接影响了治 疗决策的选择。目前已有多种方法来测量病变，据发明人了解，目前建立的方法有向体内输送参照物，如输送特制的测量参照物体、外接激光装置 投射激光束等；或者通过购买特殊三维立体内镜建立空间坐标系，通过三 维重建技术获取病变大小等，但是这些方法或多或少的需要额外的设备或 内镜操作时间，且测量精度有待提高。
发明内容
为克服上述现有技术的不足，本发明提供了一种消化道病灶大小测量 方法及***，能够在内窥镜操作过程中，在不借助额外设备且不延长操作 时间的前提下，实现病灶大小的精确测量。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
一种消化道病灶大小测量方法，包括以下步骤：
获取包含病变和参照物的消化道内窥镜图像；
识别其中所包含的参照物；
计算所述参照物与消化道粘膜相交的宽度；
结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图 像像素与实际尺寸之间的对应关系；
提取消化道内窥镜图像中所包含的病灶区域；
根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实际大小。
进一步地，识别图像中所包含的参照物采用预先构建的参照物识别模 型；所述模型构建方法包括：
获取训练数据，所述训练数据为参照物轮廓进行了预先标注的消化道 内窥镜样本图像；
对所述训练数据中的样本图像进行掩码处理；
采用经过掩码处理的训练数据，训练Mask R-CNN模型，得到参照物 识别模型。
进一步地，计算所述参照物与消化道粘膜相交的宽度包括：
对识别出的参照物的轮廓进行角点检测；
根据检测到的角点和参照物轮廓计算所述参照物与消化道粘膜相交的 宽度。
进一步地，计算所述参照物与消化道粘膜相交的宽度包括：
根据参照物轮廓识别参照物与消化道粘膜交界处的一侧的角点；
在对侧的轮廓线上取多个点，基于所述多个点进行直线拟合，得到对 侧的拟合直线；
将识别出的所述角点投影到拟合直线上，得到的投影点和所述角点之 间的距离即为参照物与消化道粘膜相交的宽度。
进一步地，提取图像中所包含的病灶区域采用边缘提取算法。
进一步地，得到所述病灶的实际大小包括：
提取病灶区域的外接矩形，并获取该外接矩形长和宽相应的像素数；
根据图像像素与实际尺寸之间的对应关系，得到所述病灶外接矩形的 长和宽实际大小。
进一步地，所述参照物为喷射的前向水柱或活检钳。
一个或多个实施例提供了一种消化道病灶大小测量***，包括：
参照物图像获取模块，获取包含病变和参照物的消化道内窥镜图像；
参照物识别模块，识别其中所包含的参照物；
像素与实际尺寸对应关系计算模块，计算所述参照物与消化道粘膜交 界处的尺寸大小；结合真实实验得到的参照物与消化道粘膜交界处的尺寸 大小，得到图像像素与实际尺寸之间的对应关系；
病灶提取模块，提取消化道内窥镜图像中所包含的病灶区域；
病灶尺寸计算模块，根据图像像素与实际尺寸之间的对应关系，得到 所述病灶的实际大小。
一个或多个实施例提供了一种电子设备，包括存储器、处理器及存储 在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序 时实现所述的消化道病灶大小测量方法。
一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算 机程序，该程序被处理器执行时实现所述的消化道病灶大小测量方法。
以上一个或多个技术方案存在以下有益效果：
本发明提供的病灶大小测量方法，采用内镜里的前向水柱或者活检钳 作为病变测量参照标准，运用卷积神经网络识别前向水柱或者活检钳与消 化道粘膜交界处的尺寸大小作为测量标尺，根据参照物在图像中病变投影 面直径计算病灶大小，本发明无需借助额外设备，在正常内镜操作过程中 即可完成病灶大小的测量，且不会延长操作时间，经济性好，可操作性强， 为病变治疗手段的选择提供了依据。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解， 本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不 当限定。
图1为本发明一个或多个实施例中消化道病灶大小测量方法流程图；
图2a为本发明一个或多个实施例中包含活检钳的胃镜图像；
图2b为本发明一个或多个实施例中包含前向水柱的胃镜图像；
图3为本发明一个或多个实施例中对前向水柱的识别效果图；
图4为本发明一个或多个实施例中生成的参照物的轮廓图像；
图5为本发明一个或多个实施例中参照物与胃粘膜交界处的示意图；
图6为本发明一个或多个实施例中获取的包含病灶的胃镜图像；
图7为本发明一个或多个实施例中病灶区域的外接矩形示意图；
图8为本发明一个或多个实施例中标注尺寸的病灶区域示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的 说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属 技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非 意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文 另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的 是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步 骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组 合。
实施例一
如图1所示，本实施例公开了一种消化道病灶大小测量方法，以测量 胃粘膜上的病灶大小为例，包括以下步骤：
步骤1：在采用内窥镜操作过程中，获取包含病变和参照物的胃镜图像。
由于胃镜检查时，胃镜镜头与胃粘膜之间的距离会发生变化，为了保 证病变和参照物是在同一镜头远近前提下，在医师发现病变时，采集包含 病变和参照物的胃镜图像。参照物可以是喷射的前向水柱或者是活检钳。 由于水柱和活检钳都属于胃镜检查过程中医师经常使用的辅助手段或工 具，将其作为参照物，并且获取同时包含病变和参照物的胃镜图像不会使 得检查过程明显延长，在正常检查过程中即可完成。
采用电子胃镜将患者的检查情况反映到显示屏上，并将带有测量标准 参照物的胃镜图像作为资料进行存储，从而获得待检测的目标胃镜图像。
电子胃镜镜头畸变会对胃镜下测量病灶造成误差，因此还需对电子胃 镜镜头畸变进行校正，本实施例利用一个特定模板，计算出理想效果图和 畸变图之间的映射关系，从中获取畸变变化方程来矫正图像。
步骤2：基于训练好的胃镜图像的参照物识别模型，对电子胃镜采集的 胃镜图像进行检测，获取到标注参照物的轮廓，如图3-4所示。
其中，训练胃镜图像参照物的轮廓检测模型具体包括：
(1)获取包含参照物的样本胃镜图像，对样本胃镜图像里的参 照物进行轮廓标注，得到训练样本。
(2)对所述样本胃镜图像进行图像处理，得到样本胃镜图像数据集。
其中，图像处理包括：生成掩码图像，4x4像素邻域的双三次插值缩放 处理。通过掩码处理缩小后的图像能够尽量多的保留图像细节特征，有利 于网络的训练。
(3)根据所述样本胃镜图像数据集，训练MASK-RCNN卷积神经网 络，得到训练好的识别胃镜图像的参照物识别模型。
将样本胃镜图像数据集按照6:2:2的比例划分为样本胃镜图像训练集、 样本胃镜图像测试集和样本胃镜图像验证集，输入到待训练的胃镜图像的 参照物识别模型中。在本发明实施例，参照物识别模型基于卷积神经网络 训练得到，该卷积神经网络包含多个卷积层，每个卷积层中叠加若干个可 选地卷积核，以提高卷积神经网络的性能。在样本胃镜图像数据集经过卷 积神经网络的一系列卷积和池化运算之后，提取出样本胃镜图像的图像特 征，根据图像特征判断该样本胃镜图像的图像是否包含待检测的水柱或者 活检钳等参照物，并通过样本胃镜图像测试集和样本胃镜图像验证集对卷 积神经网络进行测试和验证，若满足预设条件，则得到训练好的参照物识 别模型。
步骤3：计算所述参照物与消化道粘膜相交的宽度。
其中，对于水柱而言，水柱与消化道粘膜相交的宽度为水柱喷射到消 化道粘膜的接触面直径。
3.1：先在轮廓图像中寻找具有最大特征值的角点集合，这里采用 Shi-Tomasi角点检测算法实现。
3.2：获取参照物与消化道粘膜交界处两端的角点。由于水柱喷射的角 度是固定的，右侧的角点可以比较准确的识别，而左侧的角点不易准确识 别，故先识别出参照物与粘膜交界处右侧的角点，再从参照物轮廓左侧的 边上取5个点，对这5个点采用最小二值化拟合直线算法，拟合出左侧轮 廓线的直线方程(y＝kx+d)，求右侧角点在左侧轮廓线上投影点，右侧角点和 该投影点就认为是水柱或者活检钳等参照物与消化道粘膜交界处两端的角 点，计算两个点的距离即为参照物与消化道粘膜相交的宽度，如图5所示。
结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图 像像素与实际尺寸之间的对应关系。例如，根据真实实验得出水柱等参照 物与消化道粘膜的接触面直径是1mm，依据步骤4求出的两个接触点，即 认为两个接触点实际直径是1mm。
步骤4：从消化道内窥镜图像中，提取病灶区域。
获取的包含病灶的胃镜图像如图6所示，依据Canny边界提取算法获 得病灶的轮廓图像，如图7所示提取到的病灶轮廓。根据轮廓区域位置可 得出矩形区域大小。
步骤5：对比参照物直径，得出图像中病变的大小。
依据下面公式：图像中交界处两点间距/病灶区域长、宽间距＝交界处实 际长度/病灶区域实际长度。
步骤6：根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实 际大小，如图8所示。
实施例二
本实施例的目的是提供一种消化道病灶大小测量***。
一种消化道病灶大小测量***，包括：
参照物图像获取模块，获取包含病变和参照物的消化道内窥镜图像；
参照物识别模块，识别其中所包含的参照物；
像素与实际尺寸对应关系计算模块，计算所述参照物与消化道粘膜交 界处的尺寸大小；结合真实实验得到的参照物与消化道粘膜交界处的尺寸 大小，得到图像像素与实际尺寸之间的对应关系；
病灶提取模块，提取消化道内窥镜图像中所包含的病灶区域；
病灶尺寸计算模块，根据图像像素与实际尺寸之间的对应关系，得到 所述病灶的实际大小。
实施例三
本实施例的目的是提供一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器 上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：
获取包含病变和参照物的消化道内窥镜图像；
识别其中所包含的参照物；
计算所述参照物与消化道粘膜交界处的尺寸大小；
结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图 像像素与实际尺寸之间的对应关系；
提取消化道内窥镜图像中所包含的病灶区域；
提取其中所包含的病灶区域，根据图像像素与实际尺寸之间的对应关 系，得到所述病灶的实际大小。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器 执行时执行以下步骤：
获取包含病变和参照物的消化道内窥镜图像；
识别其中所包含的参照物；
计算所述参照物与消化道粘膜交界处的尺寸大小；
结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图 像像素与实际尺寸之间的对应关系；
提取消化道内窥镜图像中所包含的病灶区域；
根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实际大小。
以上实施例二、三和四中涉及的各步骤与方法实施例一相对应，具体 实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该 理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包 括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指 令集并使处理器执行本发明中的任一方法。
以上一个或多个实施例具有以下技术效果：
本发明提供的病灶大小测量方法，采用内镜里的前向水柱或者活检钳 作为病变测量参照标准，运用卷积神经网络识别前向水柱或者活检钳与消 化道粘膜交界处的尺寸大小作为测量标尺，根据参照物在图像中的粗细变 化计算病灶大小，本发明无需借助额外设备，在正常内镜操作过程中即可 完成病灶大小的测量，且不会延长操作时间，经济性好，可操作性强，为 病变治疗手段的选择提供了依据。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用 的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来 实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它 们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成 单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于 本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精 神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明 的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本 发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案 的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或 变形仍在本发明的保护范围以内。

Claims (8)

1.一种消化道病灶大小测量方法，其特征在于，包括以下步骤：
获取包含病变和参照物的消化道内窥镜图像；
识别其中所包含的参照物；
计算所述参照物与消化道粘膜相交的宽度；
结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图像像素与实际尺寸之间的对应关系；
提取消化道内窥镜图像中所包含的病灶区域；
对比参照物直径，得出图像中病变的大小；根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实际大小；
所述参照物与消化道粘膜相交的宽度的计算方法包括：
对识别出的参照物的轮廓进行角点检测；
根据检测到的角点和参照物轮廓计算所述参照物与消化道粘膜相交的宽度：根据参照物轮廓识别参照物与消化道粘膜交界处的一侧的角点；在对侧的轮廓线上取多个点，基于所述多个点进行直线拟合，得到对侧的拟合直线；将识别出的所述角点投影到拟合直线上，得到的投影点和所述角点之间的距离即为参照物与消化道粘膜相交的宽度。
2.如权利要求1所述的一种消化道病灶大小测量方法，其特征在于，识别图像中所包含的参照物采用预先构建的参照物识别模型；所述模型构建方法包括：
获取训练数据，所述训练数据为参照物轮廓进行了预先标注的消化道内窥镜样本图像；
对所述训练数据中的样本图像进行掩码处理；
采用经过掩码处理的训练数据，训练Mask R-CNN模型，得到参照物识别模型。
3.如权利要求1所述的一种消化道病灶大小测量方法，其特征在于，提取病灶区域采用边缘提取算法。
4.如权利要求1所述的一种消化道病灶大小测量方法，其特征在于，得到所述病灶的实际大小包括：
提取病灶区域的外接矩形，并获取该外接矩形长和宽相应的像素数；
根据图像像素与实际尺寸之间的对应关系，得到所述病灶外接矩形的长和宽实际大小。
5.如权利要求1所述的一种消化道病灶大小测量方法，其特征在于，所述参照物为喷射的前向水柱或活检钳。
6.一种消化道病灶大小测量***，其特征在于，包括：
参照物图像获取模块，获取包含病变和参照物的消化道内窥镜图像；
参照物识别模块，识别其中所包含的参照物；
像素与实际尺寸对应关系计算模块，计算所述参照物与消化道粘膜交界处的尺寸大小；结合真实实验得到的参照物与消化道粘膜交界处的尺寸大小，得到图像像素与实际尺寸之间的对应关系；
病灶提取模块，提取消化道内窥镜图像中所包含的病灶区域；
病灶尺寸计算模块，对比参照物直径，得出图像中病变的大小，根据图像像素与实际尺寸之间的对应关系，得到所述病灶的实际大小；
所述参照物与消化道粘膜相交的尺寸大小的计算包括：
对识别出的参照物的轮廓进行角点检测；
根据检测到的角点和参照物轮廓计算所述参照物与消化道粘膜相交的宽度：根据参照物轮廓识别参照物与消化道粘膜交界处的一侧的角点；在对侧的轮廓线上取多个点，基于所述多个点进行直线拟合，得到对侧的拟合直线；将识别出的所述角点投影到拟合直线上，得到的投影点和所述角点之间的距离即为参照物与消化道粘膜相交的宽度。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的消化道病灶大小测量方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的消化道病灶大小测量方法。
CN201911338548.6A 2019-12-23 2019-12-23 一种消化道病灶大小测量方法及*** Active CN111091562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911338548.6A CN111091562B (zh) 2019-12-23 2019-12-23 一种消化道病灶大小测量方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911338548.6A CN111091562B (zh) 2019-12-23 2019-12-23 一种消化道病灶大小测量方法及***

Publications (2)

Publication Number Publication Date
CN111091562A CN111091562A (zh) 2020-05-01
CN111091562B true CN111091562B (zh) 2020-12-01

Family

ID=70395892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911338548.6A Active CN111091562B (zh) 2019-12-23 2019-12-23 一种消化道病灶大小测量方法及***

Country Status (1)

Country Link
CN (1) CN111091562B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260648B (zh) * 2020-05-06 2020-08-21 杭州迪英加科技有限公司 胃粘膜esd切除标本图像的病变区域测量方法、装置
CN112257506A (zh) * 2020-09-21 2021-01-22 北京豆牛网络科技有限公司 果蔬大小识别方法、装置、电子设备以及计算机可读介质
CN112153320B (zh) * 2020-09-23 2022-11-08 北京京东振世信息技术有限公司 一种物品尺寸的测量方法、装置、电子设备和存储介质
CN112580437A (zh) * 2020-11-26 2021-03-30 复旦大学附属中山医院 一种测量目标大小的方法、装置
CN112863699B (zh) * 2020-12-31 2021-09-07 山东大学齐鲁医院 一种基于移动端的esd术前讨论***
CN114052641A (zh) * 2021-11-04 2022-02-18 深圳市博盛医疗科技有限公司 基于智能优化技术减少3d视觉中三维畸变的腹腔镜***
CN114740614B (zh) * 2022-05-07 2024-04-19 深圳市微视光电科技有限公司 一种能够辅助测量的内窥镜探头
CN116958147B (zh) * 2023-09-21 2023-12-22 青岛美迪康数字工程有限公司 基于深度图像特征的目标区域确定方法、装置和设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102670155A (zh) * 2012-03-19 2012-09-19 中国人民解放军***南京总医院 一种用于内镜测量的物像关联因子的建立方法及其在内镜测量中的应用
CN104083172A (zh) * 2013-11-28 2014-10-08 北京华科创智健康科技股份有限公司 一种电子内窥镜病灶尺寸定量测量的方法和装置
CN106456271A (zh) * 2014-03-28 2017-02-22 直观外科手术操作公司 手术植入物的定量三维成像和打印
WO2018008195A1 (ja) * 2016-07-05 2018-01-11 オリンパス株式会社 画像処理装置、画像処理システム、画像処理装置の作動方法、及び画像処理装置の作動プログラム
CN109381152A (zh) * 2017-08-04 2019-02-26 卡普索影像公司 用于肠胃图像中的兴趣对象的面积或体积的方法以及设备
CN110200580A (zh) * 2019-06-14 2019-09-06 石焕 一种用于消化道肿瘤临床早期检测的辅助方法
CN110473192A (zh) * 2019-04-10 2019-11-19 腾讯医疗健康(深圳)有限公司 消化道内镜图像识别模型训练及识别方法、装置及***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103505217A (zh) * 2012-06-28 2014-01-15 吕海涛 内镜下病灶尺寸的精确测量方法
CN104146711A (zh) * 2014-08-01 2014-11-19 深圳市开立科技有限公司 一种基于内窥镜的病灶尺寸测量方法和***
CN109141250B (zh) * 2018-08-08 2020-08-04 深圳码隆科技有限公司 箱包尺寸测量方法、装置和箱包尺寸测量服务器

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102670155A (zh) * 2012-03-19 2012-09-19 中国人民解放军***南京总医院 一种用于内镜测量的物像关联因子的建立方法及其在内镜测量中的应用
CN104083172A (zh) * 2013-11-28 2014-10-08 北京华科创智健康科技股份有限公司 一种电子内窥镜病灶尺寸定量测量的方法和装置
CN106456271A (zh) * 2014-03-28 2017-02-22 直观外科手术操作公司 手术植入物的定量三维成像和打印
WO2018008195A1 (ja) * 2016-07-05 2018-01-11 オリンパス株式会社 画像処理装置、画像処理システム、画像処理装置の作動方法、及び画像処理装置の作動プログラム
CN109381152A (zh) * 2017-08-04 2019-02-26 卡普索影像公司 用于肠胃图像中的兴趣对象的面积或体积的方法以及设备
CN110473192A (zh) * 2019-04-10 2019-11-19 腾讯医疗健康(深圳)有限公司 消化道内镜图像识别模型训练及识别方法、装置及***
CN110200580A (zh) * 2019-06-14 2019-09-06 石焕 一种用于消化道肿瘤临床早期检测的辅助方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Lesion Classification of Wireless Capsule Endoscopy Images;Wenming Yang等;《2019 IEEE 16th International Symposium on Biomedical Imaging（ISBI 2019）》;20190711;第1238-1242页 *
内镜专用直接测量尺的设计及临床应用价值;王向前等;《中华消化病与影像杂志》;20121231;第2卷(第6期);第30-32页 *

Also Published As

Publication number Publication date
CN111091562A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN111091562B (zh) 一种消化道病灶大小测量方法及***
US9672620B2 (en) Reconstruction with object detection for images captured from a capsule camera
CN111161290B (zh) 一种图像分割模型的构建方法、图像分割方法及***
EP2466541B1 (en) Image processing apparatus, image processing method and image processing program
JP5281826B2 (ja) 画像処理装置、画像処理プログラムおよび画像処理方法
JP5851160B2 (ja) 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
CN109124662B (zh) 肋骨中心线检测装置及方法
US10872408B2 (en) Method and system for imaging and analysis of anatomical features
CN103945755B (zh) 图像处理装置
WO2013187206A1 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
JP2007244519A (ja) 画像解析装置
CN108601509B (zh) 图像处理装置、图像处理方法以及记录有程序的介质
CN113240726B (zh) 一种内窥镜下光学目标尺寸实时测量方法
CN113017702B (zh) 超声内镜小探头伸出长度的识别方法、***及存储介质
CN110443802B (zh) 图像检测方法和装置、设备及存储介质
CN111291736A (zh) 图像修正方法、装置及医疗设备
CN114022547A (zh) 一种内窥镜图像检测方法、装置、设备及存储介质
CN111311626A (zh) 基于ct图像的颅骨骨折自动检测方法及电子介质
CN110603004A (zh) 内窥镜测量方法和工具
CN115170629A (zh) 一种伤口信息获取方法、装置、设备及存储介质
JP2007105352A (ja) 差分画像表示装置、差分画像表示方法およびそのプログラム
CN116958147B (zh) 基于深度图像特征的目标区域确定方法、装置和设备
US9386908B2 (en) Navigation using a pre-acquired image
CN111466952B (zh) 一种超声内镜与ct三维图像实时转化方法和***
CN111161852B (zh) 一种内窥镜图像处理方法、电子设备及内窥镜***

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
CB03 Change of inventor or designer information

Inventor after: Zuo Xiuli

Inventor after: Feng Jian

Inventor after: Ma Mingjun

Inventor after: Li Yanqing

Inventor after: Li Zhen

Inventor after: Shao Xuejun

Inventor after: Yang Xiaoyun

Inventor after: Lai Yonghang

Inventor after: Xin Wei

Inventor before: Zuo Xiuli

Inventor before: Feng Jian

Inventor before: Ma Mingjun

Inventor before: Li Yanqing

Inventor before: Li Zhen

Inventor before: Shao Xuejun

Inventor before: Yang Xiaoyun

Inventor before: Lai Yonghang

Inventor before: Xin Wei

CB03 Change of inventor or designer information