CN112712515A - 一种内镜图像处理方法、装置、电子设备及存储介质 - Google Patents
一种内镜图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112712515A CN112712515A CN202110013810.0A CN202110013810A CN112712515A CN 112712515 A CN112712515 A CN 112712515A CN 202110013810 A CN202110013810 A CN 202110013810A CN 112712515 A CN112712515 A CN 112712515A
- Authority
- CN
- China
- Prior art keywords
- endoscope
- image
- identification
- terminal
- image processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 239000002775 capsule Substances 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 210000001035 gastrointestinal tract Anatomy 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30028—Colon; Small intestine
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Endoscopes (AREA)
Abstract
本申请公开了一种内镜图像处理方法、装置、电子设备及计算机可读存储介质,该方法包括:云端获取内镜终端发送的内镜图像;利用图像识别网络对内镜图像进行异常识别处理,得到识别结果;将识别结果发送至内镜终端;该方法中,内镜终端不需要对内镜图像进行处理,因此可以降低对内镜终端的硬件要求,降低其成本使得能够被广泛应用;通过云端和若干个内镜终端的配合,可以使得内镜终端被广泛应用,有效地减少阅片工作量,提高效率,可有效地推进人工智能***在基层医院的辅助诊疗。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种内镜图像处理方法、内镜图像处理装置、电子设备及计算机可读存储介质。
背景技术
消化道疾病在全球的发病率较高,特别是随着身体各项机能的减弱,中老年人成为了消化道疾病发病率更高的群体。我国对于消化道疾病的检查工作大部分在基层医院中完成。胶囊内窥镜检查方便且对中老年人身体要求低,适用于任何消化道症状的检查,属于无副作用、无创伤性的检查,是最适合中老年人进行消化道疾病检查的方式。但在用胶囊内窥镜进行消化道检查的过程中,会产生大量图像数据,少则几千张(例如胃部检查),多则几万张(例如小肠检查),大量的胶囊内镜图像数据使得医生查看图像的阅片工作量大、耗时长,诊疗效率低,容易发生漏诊现象。为了解决上述问题,相关技术利用部署在电子设备上的医学人工智能***对获取到的图像进行筛选处理,降低阅片工作量。然而,医学人工智能***往往需要较强的GPU(Graphics Processing Unit,图形处理器)硬件或者专业的高性能计算芯片等硬件配合,而这些硬件的设备采购成本较高,基层医院较少采购,这对于推进人工智能***在基层医院的辅助诊疗造成了极大阻力。
因此,如何高效地推进人工智能***在基层医院的辅助诊疗,是本领域技术人员需要解决的技术问题。
发明内容
有鉴于此,本申请的目的在于提供一种内镜图像处理方法、内镜图像处理装置、电子设备及计算机可读存储介质,通过云端和若干个内镜终端的配合,可以使得内镜终端被广泛应用,有效地减少阅片工作量,提高效率。
为解决上述技术问题,本申请提供了一种内镜图像处理方法,包括:
云端获取内镜终端发送的内镜图像;
利用图像识别网络对所述内镜图像进行异常识别处理,得到识别结果;
将所述识别结果发送至所述内镜终端。
可选地,在利用图像识别网络对所述内镜图像进行异常识别处理之前,还包括:
获取所述内镜终端发送的内镜信息;
根据所述内镜信息,在多个候选识别网络中确定所述图像识别网络。
可选地,在利用图像识别网络对所述内镜图像进行异常识别处理之前,还包括:
获取所述内镜图像对应的标识信息;
相应的,所述将所述识别结果发送至所述内镜终端,包括:
将所述识别结果与所述标识信息绑定,得到绑定数据;
将所述绑定数据发送至所述内镜终端,以便所述内镜终端对所述绑定数据进行输出。
可选地,所述获取所述内镜图像对应的标识信息,包括:
获取所述内镜终端对用户数据进行敏感数据删除处理后得到的所述标识信息。
可选地,还包括:
保存所述内镜图像,并生成所述内镜图像对应的备份数据。
可选地,还包括:
若检测到识别故障,则确定目标标识信息;
利用所述目标标识信息确定目标备份数据,并将所述目标备份数据输入所述图像识别网络。
可选地,在将所述识别结果发送至所述内镜终端之后,还包括:
获取所述内镜终端发送的结果反馈信息;
根据所述结果反馈信息调整所述图像识别网络。
本申请还提供了一种内镜图像处理装置,包括:
获取模块,用于获取内镜终端发送的内镜图像;
识别模块,用于利用图像识别网络对所述内镜图像进行异常识别处理,得到识别结果;
响应模块,用于将所述识别结果发送至所述内镜终端。
本申请还提供了一种电子设备,包括存储器和处理器,其中:
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现上述的内镜图像处理方法。
本申请还提供了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现上述的内镜图像处理方法。
本申请提供的内镜图像处理方法,云端获取内镜终端发送的内镜图像;利用图像识别网络对内镜图像进行异常识别处理,得到识别结果;将识别结果发送至内镜终端。
可见,该方法利用云端获取内镜终端发送的内镜图像,图像识别网络部署在云端上,而并不部署于内镜终端上,内镜终端不需要对内镜图像进行处理,因此可以降低对内镜终端的硬件要求,降低其成本使得能够被广泛应用。而云端具有较强的计算能力和图像处理能力,能够利用图像识别网络对内镜图像进行异常识别处理,得到识别结果。在得到识别结果后,将其发送至内镜终端。通过云端和若干个内镜终端的配合,可以使得内镜终端被广泛应用,有效地减少阅片工作量,提高效率。
此外,本申请还提供了一种内镜图像处理装置、电子设备及计算机可读存储介质,同样具有上述有益效果。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种内镜图像处理方法流程图;
图2为本申请实施例提供的一种内镜图像处理***结构图;
图3为本申请实施例提供的一种内镜图像处理装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,图1为本申请实施例提供的一种内镜图像处理方法流程图。该方法包括:
S101:云端获取内镜终端发送的内镜图像。
本申请提供的内镜图像处理方法中的全部或部分步骤可以由云端执行,云端具体可以为单个云端服务器,或者可以为由多个电子设备组成的集群,例如由多个计算机、服务器、路由设备等组成的云端集群,各个电子设备具体执行的步骤本实施例不做限定。内镜终端用于获取内镜图像,并将内镜图像发送至云端进行处理。内镜终端的具体形式不做限定,例如可以为胶囊内镜本身,或者可以为与胶囊内镜通信的其他电子设备,例如与胶囊内镜对应的计算机或手持终端。内镜图像的数量为多个,内镜终端可以与云端进行无线或有线通讯,在一种实施方式中,在内镜终端获取到内镜图像后,可以立即将其发送至云端;在另一种实施方式中,可以在内镜终端获取到的内镜图像数量大于某一阈值时,将获取到的内镜图像发送至云端;在另一种实施方式中,可以按照预设周期发送内镜图像,即将本周期内获取到的内镜图像发送至云端。本实施例并不限定内镜终端获取内镜图像的具体方式,根据内镜终端具体类型的不同,其获取内镜图像的方式可以不同。例如当内镜终端为胶囊内镜时,可以通过图像获取部件获取内镜图像;当内镜终端为与胶囊内镜对应的电子设备时,其可以从预设存储路径下获取内镜图像,或者可以通过预设端口获取内镜图像。其中,预设存储路径可以为本地存储路径,或者可以为便携式存储设备的存储路径。
S102:利用图像识别网络对内镜图像进行异常识别处理,得到识别结果。
在获取到内镜图像后,利用图像识别网络对内镜图像进行异常识别,即判断各个内镜图像是否为正常图像。由于内镜图像可以表示人体内部的情况,因此通过异常识别,可以将记录了异常情况的内镜图像进行识别,从海量的内镜图像中筛选出有价值的图像。在进行异常识别处理后,可以得到识别结果,识别结果可以对内镜图像中的异常图像进行标识,其具体形式不做限定。例如,识别结果可以为异常图像本身,即将内镜图像中的异常图像筛选出来作为识别结果;在另一种实施方式中,识别结果可以为异常图像的图像编号,可以理解的是,各个内镜图像具有先后生成顺序,在生成内镜图像时,可以按照生成顺序对其进行编号,得到对应的图像编号。在获取内镜图像时,还可以同时获取对应的图像编号,在检测到异常图像后可以获取其图像编号并组成识别结果。需要说明的是,图像识别网络的具体形式和架构本实施例不做限定,具体可以参考相关技术,本实施例再次不做限定。相应的,图像识别网络不同,对应的异常识别处理过程也可以不同。
进一步,在一种可行的实施方式中,由于胶囊内镜具有多种型号,不同型号的作用不同,例如胃镜、肠镜分别用于获取人体不同部位的内镜图像。同时,不同型号的胶囊内镜获取到的内镜图像可能具有不同的特征。因此为了提高异常识别处理的准确性,提高识别结果的准确性,在利用图像识别网络对内镜图像进行异常识别处理之前,还可以包括:
步骤11:获取内镜终端发送的内镜信息。
步骤12:根据内镜信息,在多个候选识别网络中确定图像识别网络。
内镜信息可以表示内镜的具体类型,其可以包括内镜型号信息、内镜工作模式信息、内镜厂家信息等若干信息,还可以根据实际需要增加或减少部分信息。在一种具体的实施方式中,内镜信息可以为内镜类型编号,其并不包括具体的信息,内镜终端通过内镜型号、工作模式等信息与内镜类型编号之间的对应关系确定内镜信息,并将内镜信息发送至云端。云端具有多个候选识别网络,不同的内镜信息分别对应于不同的候选识别网络,不同的候选识别网络可以基于不同的训练数据训练得到,可以理解的是,训练数据同样与内镜信息相互对应。在获取到内镜信息后,在多个候选识别网络中确定图像识别网络,以便在后续利用图像识别网络进行异常识别处理。通过设置多个候选识别网络,可以根据内镜信息获取匹配的图像识别网络,进而得到准确的识别结果。
可以理解的是,由于云端对应于多个内镜终端,因此可能同时对多个内镜终端发送的内镜图像进行处理,或者对一个内镜终端发送的多份不相关的内镜图像进行处理,一份内镜图像由多张内镜图像组成。为了区分各份内镜图像,还可以:
步骤21:获取内镜图像对应的标识信息:。
标识信息用于区分不同组的内镜图像,图像编号用于区分同一组内不同的内镜图像。标识信息的具体内容和形式不做限定,可以根据需要进行设置,例如可以与内镜图像所对应的人员相关,例如可以为人员名称或人员编号等。
为了防止造成隐私泄露,内镜终端可以上传经过脱敏处理的标识信息,在这种情况下,获取内镜图像对应的标识信息可以包括:
步骤31:获取内镜终端对用户数据进行敏感数据删除处理后得到的标识信息。
本实施例并不限定敏感数据删除处理的具体方式,例如可以对用户数据进行散列值计算,得到对应的散列值,并将该散列值确定为标识信息;或者可以预设有标识信息映射关系,通过标识信息映射关系,将用户数据映射为标识信息。
在另一种可行的实施方式中,云端还可以对内镜图像进行保存,以便在后续需要多次获取识别结果时可以无需多次上传内镜图像,减少通信资源的消耗。因此还可以包括:
步骤41:保存内镜图像,并生成内镜图像对应的备份数据。
本实施例并不限定备份数据的具体生成方式,例如可以采用多份备份的备份方式,例如1主3备的备份方式,即为每份内镜图像生成3份备份,防止造成数据丢失的情况。
进一步的,由于云端负载通常较大,运行时可能出现故障,造成识别失败。通过保存数据和备份数据,可以在发生故障时进行故障恢复。具体的,还可以包括:
步骤51:若检测到识别故障,则确定目标标识信息。
步骤52:利用目标标识信息确定目标备份数据,并将目标备份数据输入图像识别网络。
若检测到识别故障,则说明没有得到某些内镜图像对应的识别结果。在这种情况下可以确定目标标识信息,目标标识信息可以确定哪些内镜图像没有被正常处理,进而利用其确定目标备份数据。通过将目标备份数据输入图像识别网络,重新对其进行异常识别处理,得到对应的识别结果。
S103:将识别结果发送至内镜终端。
在得到识别结果后,将其反馈至内镜终端,以便根据识别结果确定记录有异常情况的内镜图像。在一种实施方式中,基于上述步骤21及步骤31的实施方式,将识别结果发送至内镜终端,包括:
步骤61:将识别结果与标识信息绑定,得到绑定数据。
步骤62:将绑定数据发送至内镜终端,以便内镜终端对绑定数据进行输出。
为了表明识别结果与内镜图像之间的对应关系,可以将识别结果与标识信息进行绑定,得到绑定数据。通过反馈绑定数据,可以使得内镜终端在向云端发送了多份内镜图像时准确将得到的识别结果与内镜图像相互对应。
在一种实施方式中,在将识别结果发送至内镜终端之后,还包括:
步骤71:获取内镜终端发送的结果反馈信息。
步骤72:根据结果反馈信息调整图像识别网络。
通过获取结果反馈信息,并根据结果反馈信息调整图像识别网络,可以提高图像识别网络的准确性,以便在后续识别时得到准确的识别结果。本实施例并不限定图像识别网络的具体调整方式,例如可以将结果反馈信息作为内镜图像的标签对图像识别网络进行训练,完成对图像识别网络的调整。
请参考图2,图2为本申请实施例提供的一种内镜图像处理***结构图。内镜图像处理***包括一个云端21和若干个内镜终端20,内镜终端20包括数据加密发送部件201,数据加密发送部件201可以对用户数据进行敏感数据删除处理,还可以对内镜图像进行加密,加密结束后发送至云端21。云端21中的数据接收模块211获取内镜终端发送的数据并解析,解析得到的内镜图像发送至图像处理模块212进行异常识别处理,得到识别结果。云端21将异常识别处理发送至内镜终端,内镜终端中的显示交互模块202根据识别结果,对内镜图像中的异常图像进行显示。
应用本申请实施例提供的内镜图像处理方法,利用云端获取内镜终端发送的内镜图像,图像识别网络部署在云端上,而并不部署于内镜终端上,内镜终端不需要对内镜图像进行处理,因此可以降低对内镜终端的硬件要求,降低其成本使得能够被广泛应用。而云端具有较强的计算能力和图像处理能力,能够利用图像识别网络对内镜图像进行异常识别处理,得到识别结果。在得到识别结果后,将其发送至内镜终端。通过云端和若干个内镜终端的配合,可以使得内镜终端被广泛应用,有效地减少阅片工作量,提高效率。
下面对本申请实施例提供的内镜图像处理装置进行介绍,下文描述的内镜图像处理装置与上文描述的内镜图像处理方法可相互对应参照。
请参考图3,图3为本申请实施例提供的一种内镜图像处理装置的结构示意图,包括:
获取模块110,用于获取内镜终端发送的内镜图像;
识别模块120,用于利用图像识别网络对内镜图像进行异常识别处理,得到识别结果;
响应模块130,用于将识别结果发送至内镜终端。
可选地,还包括:
内镜信息获取模块,用于获取内镜终端发送的内镜信息;
图像识别网络确定模块,用于根据内镜信息,在多个候选识别网络中确定图像识别网络。
可选地,还包括:
标识信息获取模块,用于获取内镜图像对应的标识信息;
相应的,响应模块130,包括:
绑定单元,用于将识别结果与标识信息绑定,得到绑定数据;
发送单元,用于将绑定数据发送至内镜终端,以便内镜终端对绑定数据进行输出。
可选地,标识信息获取模块,包括:
获取单元,用于获取内镜终端对用户数据进行敏感数据删除处理后得到的标识信息。
可选地,还包括:
备份模块,用于保存内镜图像,并生成内镜图像对应的备份数据。
可选地,还包括:
故障检测模块,用于若检测到识别故障,则确定目标标识信息;
输入模块,用于利用目标标识信息确定目标备份数据,并将目标备份数据输入图像识别网络。
可选地,还包括:
结果反馈信息获取模块,用于获取内镜终端发送的结果反馈信息;
模型调整模块,用于根据结果反馈信息调整图像识别网络。
下面对本申请实施例提供的电子设备进行介绍,下文描述的电子设备与上文描述的内镜图像处理方法可相互对应参照。
请参考图4,图4为本申请实施例提供的一种电子设备的结构示意图。其中电子设备100可以包括处理器101和存储器102,还可以进一步包括多媒体组件103、信息输入/信息输出(I/O)接口104以及通信组件105中的一种或多种。
其中,处理器101用于控制电子设备100的整体操作,以完成上述的内镜图像处理方法中的全部或部分步骤;存储器102用于存储各种类型的数据以支持在电子设备100的操作,这些数据例如可以包括用于在该电子设备100上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器102可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,SRAM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、只读存储器(Read-OnlyMemory,ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
多媒体组件103可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器102或通过通信组件105发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口104为处理器101和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件105用于电子设备100与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件105可以包括:Wi-Fi部件,蓝牙部件,NFC部件。
电子设备100可以被一个或多个应用专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field ProgrammableGate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例给出的内镜图像处理方法。
下面对本申请实施例提供的计算机可读存储介质进行介绍,下文描述的计算机可读存储介质与上文描述的内镜图像处理方法可相互对应参照。
本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的内镜图像处理方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本领域技术人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应该认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语包括、包含或者其他任何变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种内镜图像处理方法,其特征在于,包括:
云端获取内镜终端发送的内镜图像;
利用图像识别网络对所述内镜图像进行异常识别处理,得到识别结果;
将所述识别结果发送至所述内镜终端。
2.根据权利要求1所述的内镜图像处理方法,其特征在于,在利用图像识别网络对所述内镜图像进行异常识别处理之前,还包括:
获取所述内镜终端发送的内镜信息;
根据所述内镜信息,在多个候选识别网络中确定所述图像识别网络。
3.根据权利要求1所述的内镜图像处理方法,其特征在于,在利用图像识别网络对所述内镜图像进行异常识别处理之前,还包括:
获取所述内镜图像对应的标识信息;
相应的,所述将所述识别结果发送至所述内镜终端,包括:
将所述识别结果与所述标识信息绑定,得到绑定数据;
将所述绑定数据发送至所述内镜终端,以便所述内镜终端对所述绑定数据进行输出。
4.根据权利要求3所述的内镜图像处理方法,其特征在于,所述获取所述内镜图像对应的标识信息,包括:
获取所述内镜终端对用户数据进行敏感数据删除处理后得到的所述标识信息。
5.根据权利要求3所述的内镜图像处理方法,其特征在于,还包括:
保存所述内镜图像,并生成所述内镜图像对应的备份数据。
6.根据权利要求5所述的内镜图像处理方法,其特征在于,还包括:
若检测到识别故障,则确定目标标识信息;
利用所述目标标识信息确定目标备份数据,并将所述目标备份数据输入所述图像识别网络。
7.根据权利要求1所述的内镜图像处理方法,其特征在于,在将所述识别结果发送至所述内镜终端之后,还包括:
获取所述内镜终端发送的结果反馈信息;
根据所述结果反馈信息调整所述图像识别网络。
8.一种内镜图像处理装置,其特征在于,包括:
获取模块,用于获取内镜终端发送的内镜图像;
识别模块,用于利用图像识别网络对所述内镜图像进行异常识别处理,得到识别结果;
响应模块,用于将所述识别结果发送至所述内镜终端。
9.一种电子设备,其特征在于,包括存储器和处理器,其中:
所述存储器,用于保存计算机程序;
所述处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的内镜图像处理方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的内镜图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110013810.0A CN112712515A (zh) | 2021-01-06 | 2021-01-06 | 一种内镜图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110013810.0A CN112712515A (zh) | 2021-01-06 | 2021-01-06 | 一种内镜图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112712515A true CN112712515A (zh) | 2021-04-27 |
Family
ID=75548374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110013810.0A Pending CN112712515A (zh) | 2021-01-06 | 2021-01-06 | 一种内镜图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712515A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344927A (zh) * | 2021-08-05 | 2021-09-03 | 武汉楚精灵医疗科技有限公司 | 基于深度学习的图像识别方法、装置、服务器及存储介质 |
CN114529544A (zh) * | 2022-04-22 | 2022-05-24 | 武汉大学 | 医学图像分析方法、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364025A (zh) * | 2018-02-11 | 2018-08-03 | 广州市碳码科技有限责任公司 | 基于深度学习的胃镜图像识别方法、装置、设备及介质 |
CN108596870A (zh) * | 2018-03-06 | 2018-09-28 | 重庆金山医疗器械有限公司 | 基于深度学习的胶囊内镜图像筛除方法、装置及设备 |
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*** |
CN110909803A (zh) * | 2019-11-26 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 图像识别模型训练方法、装置和计算机可读存储介质 |
CN111126574A (zh) * | 2019-12-30 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 基于内镜图像对机器学习模型进行训练的方法、装置和存储介质 |
CN111179252A (zh) * | 2019-12-30 | 2020-05-19 | 山东大学齐鲁医院 | 基于云平台的消化道病灶辅助识别与正反馈*** |
-
2021
- 2021-01-06 CN CN202110013810.0A patent/CN112712515A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364025A (zh) * | 2018-02-11 | 2018-08-03 | 广州市碳码科技有限责任公司 | 基于深度学习的胃镜图像识别方法、装置、设备及介质 |
CN108596870A (zh) * | 2018-03-06 | 2018-09-28 | 重庆金山医疗器械有限公司 | 基于深度学习的胶囊内镜图像筛除方法、装置及设备 |
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*** |
CN110909803A (zh) * | 2019-11-26 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 图像识别模型训练方法、装置和计算机可读存储介质 |
CN111126574A (zh) * | 2019-12-30 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 基于内镜图像对机器学习模型进行训练的方法、装置和存储介质 |
CN111179252A (zh) * | 2019-12-30 | 2020-05-19 | 山东大学齐鲁医院 | 基于云平台的消化道病灶辅助识别与正反馈*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344927A (zh) * | 2021-08-05 | 2021-09-03 | 武汉楚精灵医疗科技有限公司 | 基于深度学习的图像识别方法、装置、服务器及存储介质 |
CN114529544A (zh) * | 2022-04-22 | 2022-05-24 | 武汉大学 | 医学图像分析方法、计算机设备及存储介质 |
CN114529544B (zh) * | 2022-04-22 | 2022-07-19 | 武汉大学 | 医学图像分析方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807495B (zh) | 多标签分类方法、装置、电子设备及存储介质 | |
WO2019200781A1 (zh) | 票据识别方法、装置及存储介质 | |
WO2018228218A1 (zh) | 身份识别方法、计算设备及存储介质 | |
US20210313048A1 (en) | Neural network-based object detection in visual input | |
CN112712515A (zh) | 一种内镜图像处理方法、装置、电子设备及存储介质 | |
CN110738235B (zh) | 肺结核判定方法、装置、计算机设备及存储介质 | |
US20220130544A1 (en) | Machine learning techniques to assist diagnosis of ear diseases | |
US11726784B2 (en) | Patient monitoring using edge servers having deep learning accelerator and random access memory | |
JP6780767B2 (ja) | 点検支援装置、点検支援方法およびプログラム | |
CN108292277A (zh) | 用于存储器存取命令的传送描述符 | |
CN106257438B (zh) | 用于为单变量时间序列信号实时检测离群值的***和方法 | |
CN111008957A (zh) | 医疗信息处理方法和装置 | |
CN107563997B (zh) | 一种皮肤病诊断***、构建方法、分类方法和诊断装置 | |
KR102394758B1 (ko) | 데이터의 특징점을 취합하여 기계 학습하는 방법 및 장치 | |
KR102097743B1 (ko) | 인공지능 질환 판독 장치 및 방법 | |
JPWO2020003990A1 (ja) | 医用画像処理装置及び方法、機械学習システム、プログラム並びに記憶媒体 | |
JP2015505430A (ja) | 携帯電子機器及び携帯電子機器を使用してメディアを記録する方法 | |
Van Woudenberg et al. | Quantitative echocardiography: real-time quality estimation and view classification implemented on a mobile android device | |
US20220132028A1 (en) | Imaging apparatus, information processing method, and recording medium | |
JP2022078314A (ja) | 情報処理システム、情報処理装置、情報処理方法、及びコンピュータプログラム | |
CN110288668B (zh) | 图像生成方法、装置、计算机设备及存储介质 | |
WO2020071086A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN112542244B (zh) | 辅助信息的生成方法、相关装置及计算机程序产品 | |
US20200178840A1 (en) | Method and device for marking adventitious sounds | |
CN113673318B (zh) | 一种动作检测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210819 Address after: 401120 1-1, 2-1, 3-1, building 5, No. 18, Cuiping Lane 2, Huixing street, Yubei District, Chongqing Applicant after: Chongqing Jinshan Medical Technology Research Institute Co.,Ltd. Address before: 401120 1 office buildings, Jinshan International Industrial City, 18 of Nei sang Road, Hui Xing street, Yubei District, Chongqing. Applicant before: CHONGQING JINSHAN MEDICAL APPLIANCE Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210427 |