CN113768452A - 一种电子内窥镜智能计时方法及装置 - Google Patents
一种电子内窥镜智能计时方法及装置 Download PDFInfo
- Publication number
- CN113768452A CN113768452A CN202111088686.0A CN202111088686A CN113768452A CN 113768452 A CN113768452 A CN 113768452A CN 202111088686 A CN202111088686 A CN 202111088686A CN 113768452 A CN113768452 A CN 113768452A
- Authority
- CN
- China
- Prior art keywords
- image
- electronic endoscope
- target part
- pixel
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000002496 gastric effect Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 210000004877 mucosa Anatomy 0.000 description 7
- 238000004043 dyeing Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 210000000436 anus Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Endoscopes (AREA)
Abstract
本发明公开了一种电子内窥镜智能计时方法及装置，获取电子内窥镜采集的图像，若图像是目标部位的图像，则记录图像的采集时间，进而输出电子内窥镜对目标部位采集图像的采集时间。本发明根据电子内窥镜采集的图像判断是否是对目标部位采集的图像，进而相应地记录图像的采集时间，能够较准确地记录电子内窥镜对目标部位的检查时间。
Description
技术领域
本发明涉及图像处理应用技术领域，特别是涉及一种电子内窥镜智能计时方法及装置。
背景技术
电子内窥镜是检查消化道疾病的主要方式，有研究显示检查时间与病变的检出率成正相关，以及相关的检查指南也对使用电子内窥镜对胃肠检查有相关的时长规范，另外，就诊要求对进行胃肠检查的病例的检查时间进行记录和保存。
现有技术中，进行时间记录是以内窥镜开机时间为起始时间来记录的，但是在实际操作过程中，在内窥镜开机后不是立即就对目标部位进行检查，那么这种方法不能准确地记录对目标部位实际检查的时间，记录的检查时长比实际对目标部位的检查时长要长。
发明内容
本发明的目的是提供一种电子内窥镜智能计时方法及装置，能够较准确地记录电子内窥镜对目标部位的检查时间。
为实现上述目的，本发明提供如下技术方案：
一种电子内窥镜智能计时方法，包括：
获取电子内窥镜采集的图像；
若所述图像是目标部位的图像，则记录所述图像的采集时间；
输出所述电子内窥镜对所述目标部位采集图像的采集时间。
优选的，判断所述图像是否是所述目标部位的图像包括：
从所述图像中选出属于所述目标部位的像素；
根据所述图像中所述目标部位的面积，确定所述图像是否是所述目标部位的图像。
优选的，判断所述图像的像素是否属于所述目标部位包括：对于所述图像的像素，获取本像素各个通道的分量值，根据本像素各个通道的分量值确定本像素是否属于所述目标部位。
优选的，根据本像素各个通道的分量值确定本像素是否属于所述目标部位包括：若本像素各个通道的分量值分别处于各自对应的预设取值范围，则认为本像素属于所述目标部位。
优选的，判断所述图像的像素是否属于所述目标部位包括：
分别在所述图像的多个颜色空间确定所述图像的像素是否属于所述目标部位；
联合在所述图像的各个颜色空间得出的判断结果进行投票，得到所述图像的像素是否属于所述目标部位。
优选的，判断所述图像是否是目标部位的图像包括：
使用预先训练好的神经网络对所述图像处理，得到所述图像是否是所述目标部位的图像的判断结果，所述神经网络用于对输入图像处理，得到所述图像是所述目标部位的图像的分类结果或者所述图像不是所述目标部位的图像的分类结果，或者，所述神经网络用于对输入图像处理，得到所述图像是多个预设部位中的任一个部位的图像的分类结果。
优选的，还包括：若所述电子内窥镜采集的当前帧图像是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都是所述目标部位的图像，则开始计时，若所述电子内窥镜采集的当前帧图像不是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都不是所述目标部位的图像，则停止计时。
优选的，还包括：判断所述图像所属部位，记录所述图像的所属部位名称以及采集时间。
优选的，还包括：将记录的时间数据与对当前对象采集的图像数据、当前对象的个人信息对应存储。
一种电子内窥镜智能计时装置，用于执行以上所述的电子内窥镜智能计时方法。
由上述技术方案可知，本发明所提供的电子内窥镜智能计时方法及装置，获取电子内窥镜采集的图像，若图像是目标部位的图像，则记录图像的采集时间，进而输出电子内窥镜对目标部位采集图像的采集时间。本发明根据电子内窥镜采集的图像判断是否是对目标部位采集的图像，进而相应地记录图像的采集时间，能够较准确地记录电子内窥镜对目标部位的检查时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电子内窥镜智能计时方法的流程图；
图2为本实施例采用的一种判断图像是否是目标部位的图像的方法流程图；
图3为本发明实施例采用的一种判断图像的像素是否属于目标部位的方法流程图；
图4为本发明实施例提供的一种电子内窥镜智能计时装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
请参考图1，图1为本实施例提供的一种电子内窥镜智能计时方法的流程图，如图所示，所述方法包括以下步骤：
S10：获取电子内窥镜采集的图像。在电子内窥镜开机运行后在其工作过程中，实时地获取电子内窥镜采集的图像。
S11：若所述图像是目标部位的图像，则记录所述图像的采集时间。
图像的采集时间是指电子内窥镜采集该图像的时刻。判断获取的电子内窥镜采集到的图像是否是目标部位的图像，即是否是对目标部位采集的图像。若是，则记录该图像的采集时间。
S12：输出所述电子内窥镜对所述目标部位采集图像的采集时间。
将电子内窥镜对目标部位采集图像的相应采集时间输出，使得操作人员能够得知对目标部位采集图像的时间情况。
本实施例的电子内窥镜智能计时方法根据电子内窥镜采集图像判断是否是对目标部位采集的图像，进而相应地记录图像的采集时间，能够较准确地记录电子内窥镜对目标部位的检查时间。
下面结合具体实施方式对本电子内窥镜智能计时方法进行详细说明。
本实施例中对判断图像是否是目标部位的图像的具体方法不进行限定，能够实现判断图像是否是目标部位的图像即可。可选的，可通过以下方法判断获取的图像是否是目标部位的图像，请参考图2，图2为本实施例采用的一种判断图像是否是目标部位的图像的方法流程图，如图所示包括以下步骤：
S20：从所述图像中选出属于所述目标部位的像素。
对于所述图像的每一像素，判断本像素是否属于目标部位，从而从图像中获得属于目标部位的像素。
S21：根据所述图像中所述目标部位的面积，确定所述图像是否是所述目标部位的图像。
根据所述图像中属于目标部位的像素，得到在所述图像中目标部位的面积。从而根据图像中目标部位的面积，决定是否将该图像判定为目标部位的图像。
可选的，可以根据图像中目标部位的面积比重，确定图像是否是目标部位图像。可以根据图像中属于目标部位的像素数量占图像像素总数量的比重，得到图像中目标部位的面积比重。可选的，可以设定一比重范围，根据图像中目标部位的面积比重是否在该比重范围内，来判定图像是否是目标部位图像。
可选的，可以根据图像中目标部位的面积大小，决定是否将图像判定为目标部位图像。可以根据图像中属于目标部位的像素数量获得图像中目标部位的面积。可选的，可以设定一面积取值范围，根据图像中目标部位的面积是否在该面积取值范围内，来判定图像是否是目标部位图像。
但不限于此，也可以采用其它的方法实现根据图像中属于目标部位的像素，判定图像是否为目标部位的图像，比如根据图像中属于目标部位的像素的分布情况等，也在本发明保护范围内。
可根据图像像素的特征来判断图像像素是否属于目标部位。可选的，可通过以下方法判断图像的像素是否属于目标部位，包括：对于所述图像的像素，获取本像素各个通道的分量值，根据本像素各个通道的分量值确定本像素是否属于所述目标部位。
可选的，若图像以HSV颜色空间描述，相应的，像素的各个通道包括色调通道、饱和度通道和明度通道，各分量值包括色调值、饱和度值和明度值。若图像以HSI颜色空间描述，相应的，像素的各个通道包括色调通道、饱和度通道和亮度通道，各分量值包括色调值、饱和度值和亮度值。或者若图像以RGB颜色空间描述，那么像素的各个通道包括红色通道、绿色通道和蓝色通道，各分量值包括红色值、绿色值和蓝色值。不限于此，图像还可以以其它颜色空间描述，相应根据相应的各通道分量值对图像像素进行判断。
可选的，根据本像素各个通道的分量值确定本像素是否属于目标部位可采用以下方法：若本像素各个通道的分量值分别处于各自对应的预设取值范围，则认为本像素属于所述目标部位。
对于设定各通道分量值对应的预设取值范围，可以使用电子内窥镜对目标部位采集图像，根据采集的目标部位图像，统计目标部位图像在相应颜色空间下各通道分量值的分布，从而根据统计所得情况，设定各通道分量值对应的预设取值范围。优选的，在实际应用中可以使用各种不同型号的电子内窥镜对目标部位采集图像，根据采集图像进行统计。
另外，电子内窥镜可以有多种染色模式，对于电子内窥镜的任意一种染色模式可设定相应的各通道分量值的预设取值范围。对于电子内窥镜的一种染色模式，使用电子内窥镜以本染色模式对目标部位采集图像，根据获得图像统计目标部位图像在相应颜色空间下各通道分量值的分布，进而根据统计结果设定本染色模式下各通道分量值对应的预设取值范围。那么使用电子内窥镜实际检查时，电子内窥镜采用一种染色模式，则可以使用该染色模式对应的各通道分量值的预设取值范围来判断是否是目标部位图像。电子内窥镜的染色模式包括但不限于奥林巴斯NBI模式或者富士BLI模式。
若使用电子内窥镜对被测对象检查时采集白光图像，那么设定的各通道分量值的预设取值范围是针对白光图像，在设定各通道分量值的预设取值范围时相应也是采集目标部位的白光图像。
示例性的在一具体实例中，电子内窥镜采集图像的有效图像区域的尺寸为Iw*Ih，具体可以通过对相邻两帧图像进行差分运算，得到相邻两帧图像发生变化的区域，根据发生变化的区域得到电子内窥镜采集图像的有效图像区域。
将有效图像部分从RGB颜色空间转换到HSV颜色空间，将图像以HSV颜色空间描述。目标部位为胃肠，在白光下采集的胃肠粘膜图像中胃肠粘膜颜色对应的H值、S值、V值的取值范围分别为：[0,20]&[156,180]、[40,255]、[80,255]。对于电子内窥镜实时采集的白光图像，对于图像有效区域的每一像素，若本像素的H值、S值、V值分别满足各自对应的取值范围，则判定本像素是胃肠粘膜。与RGB图像相比，根据图像像素的H值、S值、V值判断图像像素是否是目标部位准确性更高。
统计图像中属于胃肠粘膜的像素数量为N，计算粘膜色面积占比t＝N/(Iw*Ih)。当t>0.8时认定当前图像为胃肠粘膜图像，当0≤t≤0.2时认定当前图像为非胃肠粘膜图像，当0.2<t≤0.8时判定当前图像为未知。
优选的，还可通过以下方法判断图像的像素是否属于目标部位，请参考图3，图3为本实施例采用的一种判断图像的像素是否属于目标部位的方法流程图，主要包括以下步骤：
S30：分别在所述图像的多个颜色空间确定所述图像的像素是否属于所述目标部位。
图像的颜色空间是指描述图像颜色的方式。图像的颜色空间包括但不限于HSV颜色空间、HSI颜色空间或者RGB颜色空间。
将图像以多个颜色空间分别描述，在图像的每一颜色空间下，判断图像的像素是否属于目标部位。可选的，在图像的任一颜色空间下判断图像的像素是否属于目标部位可通过上面描述方法。
S31：联合在所述图像的各个颜色空间得出的判断结果进行投票，得到所述图像的像素是否属于所述目标部位。
对于图像的任一像素，根据在图像的各个颜色空间得出的本像素是否属于目标部位的判断结果，结合在各个颜色空间的判断结果进行投票，从而得出本像素是否属于目标部位。
本实施例判断图像的像素是否属于目标部位的方法，在图像的多个颜色空间分别进行判断并结合各个颜色空间的判断结果进行投票，能够进一步提高准确性。
可选的，还可通过以下方法判断获取的图像是否是目标部位的图像，具体包括：使用预先训练好的神经网络对所述图像处理，得到所述图像是否是所述目标部位的图像的判断结果，所述神经网络用于对输入图像处理，得到所述图像是所述目标部位的图像的分类结果或者所述图像不是所述目标部位的图像的分类结果。
可以建立训练样本图像集，对使用电子内窥镜采集的图像分类和标注是目标部位图像和非目标部位图像，作为样本图像。进而使用样本图像对卷积神经网络训练，得到训练好的卷积神经网络。卷积神经网络可采用但不限于GoogLeNet、ResNet等分类网络。
可选的，所述神经网络可以是用于对输入图像处理，得到所述图像是多个预设部位中的任一个部位的图像的分类结果。
训练该神经网络时，使用电子内窥镜对不同部位采集图像，比如对口腔、人脸、食道、胃肠、***等部位采集图像，并对采集的图像标注是哪一部位的图像，作为样本图像建立训练样本图像集。进而使用样本图像对卷积神经网络训练，得到训练好的卷积神经网络。训练得到的卷积神经网络能够针对输入图像，输出该输入图像是哪一部位的图像的分类结果，进而能够得到图像是否是目标部位的图像的结果。使用的卷积神经网络可采用但不限于YOLO、Faster R-CNN等目标检测网络。
进一步的，本实施例的电子内窥镜智能计时方法还包括以下过程：若所述电子内窥镜采集的当前帧图像是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都是所述目标部位的图像，则开始计时，若所述电子内窥镜采集的当前帧图像不是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都不是所述目标部位的图像，则停止计时。
在电子内窥镜工作过程中，实时地获取电子内窥镜采集的图像，若获取到第一帧被判定为是目标部位图像的图像时，继续等待下一张图像的检测结果，当连续n张图像都被认定为目标部位图像时，启动计时。在对目标部位的检查过程中，在接收到第一帧被判定为不是目标部位图像的图像时，继续等待下一张图像的检测结果，当连续检测到n张图像都被认定为不是目标部位图像时，结束计时。从而实现了计时电子内窥镜对目标部位采集图像的时长。
本实施例方法不仅较准确地记录电子内窥镜对目标部位采集图像的采集时间，而且能够计时电子内窥镜对目标部位采集图像的时长，满足了电子内窥镜的应用要求。
进一步优选的，本实施例的电子内窥镜智能计时方法还包括：判断所述图像所属部位，记录所述图像的所属部位名称以及采集时间。
在电子内窥镜工作过程中，获取电子内窥镜采集的图像，判断图像的所属部位即图像是属于哪一部位的图像，若识别出图像是一些特定部位的图像后，可以记录图像的所属部位名称以及采集时间。从而实现了电子内窥镜的智能化识别***位。优选的，还能够在识别出图像的所属部位时，计时电子内窥镜对该部位采集图像的时长。
进一步优选的，本实施例方法还包括：将记录的时间数据与对当前对象采集的图像数据、当前对象的个人信息对应存储。从而便于医生结合对对象检查获得的图像以及检查时间相关数据，对对象情况进行诊断。
相应的，本实施例还提供一种电子内窥镜智能计时装置，用于执行以上所述的电子内窥镜智能计时方法。
本实施例的电子内窥镜智能计时装置，获取电子内窥镜采集的图像，若图像是目标部位的图像，则记录图像的采集时间，进而输出电子内窥镜对目标部位采集图像的采集时间，因此根据电子内窥镜采集的图像判断是否是对目标部位采集的图像，进而相应地记录图像的采集时间，能够较准确地记录电子内窥镜对目标部位的检查时间。
可选的请参考图4，图4为本实施例提供的一种电子内窥镜智能计时装置的示意图，如图所示装置包括：识别模块30，用于判断图像是否是目标部位的图像；显示模块31，用于显示电子内窥镜对所述目标部位采集的图像和采集时间。
可选的，可以在电子内窥镜的***界面上实时地显示电子内窥镜采集的图像以及对应的采集时间，使操作人员能够随时得知检查时间。
进一步的还可包括计时模块32，用于若所述电子内窥镜采集的当前帧图像是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都是所述目标部位的图像，则开始计时，若所述电子内窥镜采集的当前帧图像不是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都不是所述目标部位的图像，则停止计时。从而本装置能够计时电子内窥镜对目标部位采集图像的时长。
以上对本发明所提供的一种电子内窥镜智能计时方法及装置进行了详细介绍。本文中应用了具体个例对本发明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发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种电子内窥镜智能计时方法，其特征在于，包括：
获取电子内窥镜采集的图像；
若所述图像是目标部位的图像，则记录所述图像的采集时间；
输出所述电子内窥镜对所述目标部位采集图像的采集时间。
2.根据权利要求1所述的电子内窥镜智能计时方法，其特征在于，判断所述图像是否是所述目标部位的图像包括：
从所述图像中选出属于所述目标部位的像素；
根据所述图像中所述目标部位的面积，确定所述图像是否是所述目标部位的图像。
3.根据权利要求2所述的电子内窥镜智能计时方法，其特征在于，判断所述图像的像素是否属于所述目标部位包括：对于所述图像的像素，获取本像素各个通道的分量值，根据本像素各个通道的分量值确定本像素是否属于所述目标部位。
4.根据权利要求3所述的电子内窥镜智能计时方法，其特征在于，根据本像素各个通道的分量值确定本像素是否属于所述目标部位包括：若本像素各个通道的分量值分别处于各自对应的预设取值范围，则认为本像素属于所述目标部位。
5.根据权利要求2所述的电子内窥镜智能计时方法，其特征在于，判断所述图像的像素是否属于所述目标部位包括：
分别在所述图像的多个颜色空间确定所述图像的像素是否属于所述目标部位；
联合在所述图像的各个颜色空间得出的判断结果进行投票，得到所述图像的像素是否属于所述目标部位。
6.根据权利要求1所述的电子内窥镜智能计时方法，其特征在于，判断所述图像是否是目标部位的图像包括：
使用预先训练好的神经网络对所述图像处理，得到所述图像是否是所述目标部位的图像的判断结果，所述神经网络用于对输入图像处理，得到所述图像是所述目标部位的图像的分类结果或者所述图像不是所述目标部位的图像的分类结果，或者，所述神经网络用于对输入图像处理，得到所述图像是多个预设部位中的任一个部位的图像的分类结果。
7.根据权利要求1-6任一项所述的电子内窥镜智能计时方法，其特征在于，还包括：若所述电子内窥镜采集的当前帧图像是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都是所述目标部位的图像，则开始计时，若所述电子内窥镜采集的当前帧图像不是所述目标部位的图像，且当前帧图像之前的连续预设数量帧图像都不是所述目标部位的图像，则停止计时。
8.根据权利要求1所述的电子内窥镜智能计时方法，其特征在于，还包括：判断所述图像所属部位，记录所述图像的所属部位名称以及采集时间。
9.根据权利要求1所述的电子内窥镜智能计时方法，其特征在于，还包括：将记录的时间数据与对当前对象采集的图像数据、当前对象的个人信息对应存储。
10.一种电子内窥镜智能计时装置，其特征在于，用于执行权利要求1-9任一项所述的电子内窥镜智能计时方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088686.0A CN113768452A (zh) | 2021-09-16 | 2021-09-16 | 一种电子内窥镜智能计时方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111088686.0A CN113768452A (zh) | 2021-09-16 | 2021-09-16 | 一种电子内窥镜智能计时方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113768452A true CN113768452A (zh) | 2021-12-10 |
Family
ID=78851448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111088686.0A Pending CN113768452A (zh) | 2021-09-16 | 2021-09-16 | 一种电子内窥镜智能计时方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113768452A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082739A (zh) * | 2022-07-01 | 2022-09-20 | 苏州慧维智能医疗科技有限公司 | 基于卷积神经网络的内窥镜评估方法及评估*** |
| CN116208533A (zh) * | 2023-02-23 | 2023-06-02 | 极限人工智能有限公司 | 一种内窥镜图像传输延迟监测方法和*** |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002345726A (ja) * | 2001-05-30 | 2002-12-03 | Asahi Optical Co Ltd | 電子内視鏡システムおよび電子内視鏡システムの利用状況記録方法 |
| JP2017056123A (ja) * | 2015-09-18 | 2017-03-23 | Hoya株式会社 | 電子内視鏡用画像記録システム |
| CN109347719A (zh) * | 2018-09-11 | 2019-02-15 | 内蒙古工业大学 | 一种基于机器学习的图像垃圾邮件过滤方法 |
| CN111012285A (zh) * | 2019-12-06 | 2020-04-17 | 腾讯科技（深圳）有限公司 | 内窥镜移动时间确定方法、装置和计算机设备 |
| CN111523551A (zh) * | 2020-04-03 | 2020-08-11 | 青岛进化者小胖机器人科技有限公司 | 蓝色目标的二值化方法、装置和设备 |
| CN111728613A (zh) * | 2020-08-18 | 2020-10-02 | 安翰科技(武汉)股份有限公司 | 基于图像的位置探测方法、电子设备及可读存储介质 |
| CN111931754A (zh) * | 2020-10-14 | 2020-11-13 | 深圳市瑞图生物技术有限公司 | 一种样本中目标物的识别方法、***和可读存储介质 |
| CN112200250A (zh) * | 2020-10-14 | 2021-01-08 | 重庆金山医疗器械有限公司 | 一种胶囊内窥镜图像的消化道分段识别方法、装置和设备 |
| CN112446876A (zh) * | 2020-12-11 | 2021-03-05 | 北京大恒普信医疗技术有限公司 | 基于图像的抗vegf指征判别方法、装置及电子设备 |
| CN112712057A (zh) * | 2021-01-13 | 2021-04-27 | 腾讯科技（深圳）有限公司 | 交通信号识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-16 CN CN202111088686.0A patent/CN113768452A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002345726A (ja) * | 2001-05-30 | 2002-12-03 | Asahi Optical Co Ltd | 電子内視鏡システムおよび電子内視鏡システムの利用状況記録方法 |
| JP2017056123A (ja) * | 2015-09-18 | 2017-03-23 | Hoya株式会社 | 電子内視鏡用画像記録システム |
| CN109347719A (zh) * | 2018-09-11 | 2019-02-15 | 内蒙古工业大学 | 一种基于机器学习的图像垃圾邮件过滤方法 |
| CN111012285A (zh) * | 2019-12-06 | 2020-04-17 | 腾讯科技（深圳）有限公司 | 内窥镜移动时间确定方法、装置和计算机设备 |
| CN111523551A (zh) * | 2020-04-03 | 2020-08-11 | 青岛进化者小胖机器人科技有限公司 | 蓝色目标的二值化方法、装置和设备 |
| CN111728613A (zh) * | 2020-08-18 | 2020-10-02 | 安翰科技(武汉)股份有限公司 | 基于图像的位置探测方法、电子设备及可读存储介质 |
| CN111931754A (zh) * | 2020-10-14 | 2020-11-13 | 深圳市瑞图生物技术有限公司 | 一种样本中目标物的识别方法、***和可读存储介质 |
| CN112200250A (zh) * | 2020-10-14 | 2021-01-08 | 重庆金山医疗器械有限公司 | 一种胶囊内窥镜图像的消化道分段识别方法、装置和设备 |
| CN112446876A (zh) * | 2020-12-11 | 2021-03-05 | 北京大恒普信医疗技术有限公司 | 基于图像的抗vegf指征判别方法、装置及电子设备 |
| CN112712057A (zh) * | 2021-01-13 | 2021-04-27 | 腾讯科技（深圳）有限公司 | 交通信号识别方法、装置、电子设备及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082739A (zh) * | 2022-07-01 | 2022-09-20 | 苏州慧维智能医疗科技有限公司 | 基于卷积神经网络的内窥镜评估方法及评估*** |
| CN115082739B (zh) * | 2022-07-01 | 2023-09-01 | 苏州慧维智能医疗科技有限公司 | 基于卷积神经网络的内窥镜评估方法及评估*** |
| CN116208533A (zh) * | 2023-02-23 | 2023-06-02 | 极限人工智能有限公司 | 一种内窥镜图像传输延迟监测方法和*** |
| CN116208533B (zh) * | 2023-02-23 | 2023-10-20 | 极限人工智能有限公司 | 一种内窥镜图像传输延迟监测方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104470416B (zh) | 图像处理装置和内窥镜装置 | |
| US8918164B2 (en) | Method and system for detecting colorimetric abnormalities in vivo | |
| US9959618B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
| US8144993B2 (en) | Medical image processing method | |
| US7907775B2 (en) | Image processing apparatus, image processing method and image processing program | |
| CN113768452A (zh) | 一种电子内窥镜智能计时方法及装置 | |
| CN104540438A (zh) | 图像处理装置和内窥镜装置 | |
| US20090208071A1 (en) | Medical Image Processing Apparatus, Luminal Image Processing Apparatus, Luminal Image Processing Method, and Programs for the Same | |
| JPWO2019198637A1 (ja) | 画像処理装置、内視鏡システム、及び画像処理方法 | |
| WO2021147429A1 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
| CN106056588A (zh) | 胶囊内窥镜图像数据去冗余方法 | |
| CN106102554A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
| CN103327883A (zh) | 医用图像处理装置和医用图像处理方法 | |
| CN115553685B (zh) | 一种判断内窥镜进出的方法 | |
| CN109242792B (zh) | 一种基于白色物体的白平衡校对方法 | |
| CN111767958A (zh) | 基于随机森林算法的肠镜退镜时间的实时监测方法 | |
| CN110136808B (zh) | 一种拍摄装置辅助显示*** | |
| Bourbakis et al. | A neural network-based detection of bleeding in sequences of WCE images | |
| KR101551814B1 (ko) | 설진 영상의 평가지표 정량화를 통한 설진 분석 방법, 시스템 및 그 기록매체 | |
| KR102225426B1 (ko) | 설태의 량을 추정하는 방법 및 장치, 그리고 그 시스템 | |
| WO2021112436A1 (ko) | 장 정결도의 자동화 계산 장치 및 방법 | |
| KR100904084B1 (ko) | 컬러 분포 기반의 설태 분류 방법 | |
| Pan et al. | Bleeding detection from wireless capsule endoscopy images using improved euler distance in CIELab | |
| CN117576097B (zh) | 基于ai辅助图像处理信息的内窥镜图像处理方法及*** | |
| CN117315787B (zh) | 基于机器视觉的婴幼儿吐奶实时识别方法、装置及设备 |
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 |