CN115797617A - 一种甲状旁腺识别方法及智能腔镜摄像***装置 - Google Patents
一种甲状旁腺识别方法及智能腔镜摄像***装置 Download PDFInfo
- Publication number
- CN115797617A CN115797617A CN202211548101.3A CN202211548101A CN115797617A CN 115797617 A CN115797617 A CN 115797617A CN 202211548101 A CN202211548101 A CN 202211548101A CN 115797617 A CN115797617 A CN 115797617A
- Authority
- CN
- China
- Prior art keywords
- parathyroid gland
- image
- visible light
- images
- parathyroid
- 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
- 210000002990 parathyroid gland Anatomy 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 abstract description 7
- 230000006378 damage Effects 0.000 abstract description 6
- 208000027418 Wounds and injury Diseases 0.000 abstract description 5
- 208000014674 injury Diseases 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 description 6
- 238000001356 surgical procedure Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000001685 thyroid gland Anatomy 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000849 parathyroid Effects 0.000 description 1
Images
Landscapes
- Endoscopes (AREA)
Abstract
本发明公开一种甲状旁腺识别方法及智能腔镜摄像***装置，该种甲状旁腺识别方法包括通过智能腔镜摄像***采集腔体内的图像、根据采集到的腔镜下可见光图像和近红外图像，进入甲状旁腺智能检测模块进行目标识别，计算出甲状旁腺在图像中的位置，判断图像中是否存在甲状旁腺并对计算其在图像中的位置信息、根据检测到的甲状旁腺位置信息，输出甲状旁腺位置图像，并在输出的图像上对甲状旁腺进行标注，本发明根据采集到的腔镜下图像实时识别图像中可能存在的旁腺，并在图像中以目标框的方式进行标注，提醒医生对目标区域进行确认。可以减少因肉眼无法直接识别甲状旁腺而在术中损伤甚至误切，减少甲状旁腺损伤或误切导致的医疗事故的发生。
Description
技术领域
本发明涉及医疗设备技术领域，具体为一种甲状旁腺识别方法及智能腔镜摄像***装置。
背景技术
随着医学技术的进步，可以利用腔镜进行甲状腺手术。腔镜下的甲状手术，切口远小于通常的开放式手术，受到越来越多的患者欢迎。通过腔镜摄像***，腔镜下图像实时输出到显示器，供医生观看。在进行甲状腺手术的过程中，需要对甲状旁腺加以保护，避免误切而产生后遗症。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
因此，本发明的目的是提供一种腔镜下甲状旁腺识别方法和具有甲状旁腺识别功能的智能腔镜摄像***装置，可以有效减少因找不到甲状旁腺而产生误切，从而降低医疗事故的发生。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种甲状旁腺识别方法，具体步骤如下：
通过智能腔镜摄像***采集腔体内的图像；
根据采集到的腔镜下可见光图像和近红外图像，进入甲状旁腺智能检测模块进行目标识别，计算出甲状旁腺在图像中的位置，判断图像中是否存在甲状旁腺并对计算其在图像中的位置信息；
根据检测到的甲状旁腺位置信息，输出甲状旁腺位置图像，并在输出的图像上对甲状旁腺进行标注。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，所述根据采集到的腔镜下可见光图像和近红外图像，进入甲状旁腺智能检测模块进行目标识别，包括：采集的腔镜下图像包括可见光图像和近红外图像，每采集到多张可见光图像和近红外图像，检测所述多张图像存在的甲状旁腺，其中，所述多张图像是所述智能腔镜摄像***采集的连续多张可见光图像和近红外图像或者所述多张腔镜下图像是从所述智能腔镜摄像***设定时间内采集的腔镜下图像中提取的多张图像。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，所述检测多张可见光图像和近红外图像中存在的甲状旁腺，包括：将所述多张的可见光图像和近红外图像输入甲状旁腺识别模型，分别获得所述多张腔镜下可见光图像和近红外图像中存在的甲状旁腺，所述甲状旁腺识别模型用于识别腔镜下可见光图像和近红外图像中存在的甲状旁腺。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，将所述多张的可见光图像和近红外图像输入甲状旁腺识别模型，包括：所述甲状旁腺识别模型每次对处于同一时刻的可见光图像和近红外图像分别进行识别，识别结果进入甲状旁腺判别模块进行判断，根据设定的权重对可见光和近红外的识别结果进行计算，得到最终的判定结果。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，所述将多张的可见光图像和近红外图像输入甲状旁腺识别模型之前，还包括：对每次采集的可见光图像和近红外图像进行去噪、增强等预处理。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，所述通过智能腔镜摄像***采集腔镜下图像之后，还包括：每次采集到的腔镜下图像，确定所述腔镜下图像中的甲状旁腺目标框位置信息，目标框用于指示存在甲状旁腺的区域；
将所述腔镜下图像与所述腔镜下图像中的甲状旁腺目标框位置信息进行对应存储。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，所述确定所述腔镜下图像中的目标框位置信息，包括：将所述单次采集的腔镜下图像输入甲状旁腺识别模型中，分别获得所述腔镜下可见光图像和近红外图像中的目标框位置信息，所述甲状旁腺识别模型用于识别腔镜下图像中存在的甲状旁腺。
作为本发明所述的一种甲状旁腺识别方法的一种优选方案，其中，还包括：每采集一次腔镜下可见光图像和近红外图像，进行一次四分屏显示，其中，四分屏显示包括，四分屏显示可见光图像、近红外图像、可见光近红外绿色融合图像、可见光近红外梯度融合图像，分屏为一个主屏，三个副屏。
一种具有甲状旁腺识别功能的智能腔镜摄像***装置，包括：
采集模块，用于同时采集腔镜下可见光图像和近红外图像；
识别模块，用于同时识别采集到的可见光图像和近红外图像，识别图像中的甲状旁腺；
判断模块，用于根据识别的可见光图像和近红外图像中甲状旁腺结果，进行权重计算，得到最终甲状旁腺的判断结果和对应的位置信息。
输出模块，用于将甲状旁腺位置信息与主屏图像进行叠加并输出到外部显示器。
作为本发明所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置的一种优选方案，其中，所述识别模块包括：
可见光图像甲状旁腺识别模块，用于识别可见光图像中的甲状旁腺及其位置信息；
近红外图像甲状旁腺识别模块，用于识别近红外图像中的甲状旁腺及其位置信息。
作为本发明所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置的一种优选方案，其中，所述判断模块包括：
权重设置模块，用于设置可见光图像中甲状旁腺的识别结果和近红外图像中甲状旁腺的识别结果的权重系数；
阈值设置模块，用于设置权重系数的下限值，根据权重系数计算出的结果大于阈值判断为甲状旁腺存在，反之不存在甲状旁腺。
作为本发明所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置的一种优选方案，其中，所述输出模块还包括：
第一显示模块，用于每采集到一张腔镜下的可见光图像和近红外图像，显示所述腔镜下图像。
第二显示模块，用于显示每次采集到腔镜下腔镜下的可见光图像和近红外图像的融合图像；
第三显示模块，用于将一张主屏显示的图像与判断模块输出的甲状旁腺目标框位置信息进行叠加，显示叠加后的图像，目标框用于指示存在甲状旁腺的区域。
作为本发明所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置的一种优选方案，其中，所述采集模块包括：
可见光图像采集单元，用于采集腔镜下可见光图像；
近红外图像采集单元，用于采集腔镜下近红外图像；
同步单元，用于控制可见光图像采集单元和近红外图像采集单元同步采集图像。
与现有技术相比，本发明具有的有益效果是：通过智能腔镜摄像***采集腔镜下图像时，根据采集到的腔镜下图像实时识别图像中可能存在的旁腺，并在图像中以目标框的方式进行标注，提醒医生对目标区域进行确认。可以减少因肉眼无法直接识别甲状旁腺而在术中损伤甚至误切，提高甲状旁腺的识别率，减少甲状旁腺损伤或误切导致的医疗事故的发生，有利于改善医患关系。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种腔镜下甲状旁腺识别方法的流程图；
图2为本发明一种智能腔镜摄像***装置的原理框图；
图3为本发明一种智能腔镜摄像***装置的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
目前，在甲状腺手术过程中，需要对甲状旁腺进行保护。由于病人的个体差异，甲状旁腺的分布位置各不相同，同时由于甲状旁腺无法直接通过人眼分辨，故医生很难在术中做到实时识别甲状旁腺并对其进行保护，因而出现了很多因损伤甚至误切甲状旁腺，导致病人需要终生服药，给病人造成额外痛苦。
为此，本申请实施例提供了一种腔镜下甲状旁腺识别方法，借助近红外相机捕捉甲状旁腺的自体荧光图像，结合甲状旁腺在可见光图像中的解剖结构位置，可以术中实时识别甲状旁腺，并对其位置标注，提醒医生对标注区域进行确认，减少甲状旁腺损伤或误切导致的医疗事故的发生。
接下来对本申请实施例提供的甲状旁腺识别方法进行详细说明。
图1是本申请实施例提供的一种器械检测方法的流程图，参见图1，该方法包括：
步骤101：通过智能腔镜摄像***采集腔镜下图像；
需要说明的是，智能腔镜摄像***可以同时采集腔镜下可见光（380-700nm）图像和近红外（810-1100nm）图像并显示，以便医生可以及时看到患者体内情况。
步骤102：根据采集到的腔镜下可见光图像和近红外图像，对图像进行预处理；
需要说明的是，对采集到的腔镜下图像进行图像预处理，以便后续可以对该腔镜下图像进行图像检测、图像显示等操作。其中，图像预处理可以包括滤波、图像增强、图像二值化、形态学运算、边缘检测等，本申请实施例对此不作限定。
步骤103：根据预处理后的可见光图像和近红外图像，对图像中的甲状旁腺进行识别；
其中，识别该多张腔镜下可见光图像和近红外图像中存在的甲状旁腺可以为：将该多张腔镜下见光图像和近红外图像分别输入可见光甲状旁腺识别模型和近红外甲状旁腺识别模型，获得该多张腔镜下可见光图像和近红外图像中甲状旁腺对应的置信度和位置信息。
需要说明的是，甲状旁腺识别模型用于识别多张腔镜下可见光图像和近红外图像中出现的甲状旁腺。该甲状旁腺识别模型可以是生成对抗网络、卷积神经网络、循环神经网络等神经网络模型。
另外，该甲状旁腺识别模型可以是使用包括有不同场景下的大量甲状旁腺的可见光图像和近红外图像样本训练得到的。示例地，可以事先确定多个训练样本，对于该多个训练样本中的任意一个训练样本而言，这个训练样本的样本数据是多张腔镜下可见光图像和近红外图像，这个训练样本的标签是其中出现的甲状旁腺。然后可以使用该多个训练样本进行模型训练，具体可以是将该多个训练样本中的样本数据作为输入，将该多个训练样本的标签作为期望输出，进行模型训练，来得到该甲状旁腺识别模型。
一种可能的情况下，在步骤103中，根据采集到的腔镜下可见光图像做识别，而不识别近红外图像，或者，根据采集到的腔镜下近红外图像做识别，而不识别可见光图像。在此情况下，甲状旁腺识别模型仅输出位置信息。示例地，可以事先确定多个训练样本，对于该多个训练样本中的任意一个训练样本而言，这个训练样本的样本数据是多张腔镜下可见光图像和近红外图像，这个训练样本的标签是其中出现的甲状旁腺。然后可以使用该多个训练样本进行模型训练，具体可以是将该多个训练样本中的样本数据作为输入，将该多个训练样本的标签作为期望输出，进行模型训练，来得到该甲状旁腺识别模型。
值得注意的是，本申请实施例中，可以是在步骤101、102执行后，就开始持续执行步骤103。如此，是在内窥镜开始采集腔镜下图像的同时就启动甲状旁腺的识别。
或者，也可以是在步骤102中接收到外部开启甲状旁腺指令后，执行103。如此，在不需要进行甲状旁腺识别的场景，不执行甲状旁腺识别，从而可以节省处理资源，且可避免误判。
步骤104：每得到一张可见光图像和近红外图像的识别结果，根据设定的权重对可见光和近红外的识别结果进行计算，输出置信度和甲状旁腺目标框位置信息。
需要说明的是置信度A的计算公式为A=a*x1+b*x2，其中a为可见光图像的权重系数，b为近红外图像的权重系数，x1为可见光图像中含有甲状旁腺的置信度，x2为近红外图像中含有甲状旁腺的置信度。
值得注意的是，本申请实施例中可以实时获取采集到的每张腔镜下可见光图像和近红外图像中的目标框位置信息，在执行完104步骤后仅输出一个最终的置信度和目标框位置信息。这种情况下，在实时显示任意一张腔镜下可见光图像、近红外图像或融合图像的同时，还可以根据需要主屏显示的腔镜下图像的甲状旁腺目标框位置信息在主屏的图像中显示目标框，以便医生在观看腔镜下图像的同时可以及时获知当前出现的甲状旁腺的位置。
需要说明的是，甲状旁腺目标框显示功能可以由医生选择手动开启或关闭。
步骤105:每采集一次腔镜下可见光图像和近红外图像，进行一次分屏显示。
需要说明的是分屏显示可以显示可见光图像、近红外图像、可见光近红外绿色融合图像、可见光近红外梯度融合图像，分屏为一个主屏，多个副屏。甲状旁腺的目标框位置信息与主屏显示的图像进行叠加显示。
上述图1所示的腔镜下甲状旁腺识别方法可以应用于具有甲状旁腺识别功能的智能腔镜摄像***中，接下来结合图2对该甲状旁腺识别功能的智能腔镜摄像***进行详细说明。
图2和图3是本申请实施例提供的一种具有甲状旁腺识别功能的智能腔镜摄像***装置原理框图和结构图，请参见图2和图3，该甲状旁腺识别功能的智能腔镜摄像***可以包括：摄像手柄201、图像采集模块202、图像处理模块203、甲状旁腺识别模块204、甲状旁腺判别模块205、图像输出模块206、图像存储模块207。
其中，摄像手柄可以同时接收可见光信号和近红外信号，将光信号转换为数字信号传输到图像采集模块202。
图像采集模块202接收摄像手柄传输的数字信号，解码后传输给图像处理模块203。
图像处理模块203对接收的可见光图像和近红外图像进行预处理，并将处理后的图像输入到甲状旁腺识别模块204。
甲状旁腺识别模块包含可见光甲状旁腺识别模块和近红外甲状旁腺识别模块，可见光甲状旁腺识别模块对预处理后的可见光甲状旁腺图像进行识别，近红外甲状旁腺识别模块对预处理后的近红外甲状旁腺图像进行识别，并将识别后的可见光甲状旁腺置信度、位置信息和近红外甲状旁腺置信度、位置信息输出到甲状旁腺判别模块205。识别模块的主控芯片可以是NPU、GPU或FPGA。
甲状旁腺判别模块根据设置的权重，对甲状旁腺识别模块输入的置信度和位置信息进行计算，得到最终的置信度和位置信息，若置信度大于设定的阈值则判定为甲状旁腺输出目标框位置信息；若置信度小于设定阈值则判定为非甲状旁腺，不输出甲状旁腺目标框位置信息。
图像输出模块207分为主副屏进行分屏显示，分别显示可见光图像、近红外图像、融合图像，并将甲状旁腺目标框与主屏图像进行叠加。
图像存储模块206对图像输出模块输出的最终图像进行录像存储。
需要说明的是：上述实施例提供的甲状旁腺识别功能的智能腔镜摄像***装置在识别甲状旁腺时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的甲状旁腺识别功能的智能腔镜摄像***装置与腔镜下甲状旁腺识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。
Claims (13)
1.一种甲状旁腺识别方法，其特征在于，具体步骤如下：
通过智能腔镜摄像***采集腔体内的图像；
根据采集到的腔镜下可见光图像和近红外图像，进入甲状旁腺智能检测模块进行目标识别，计算出甲状旁腺在图像中的位置，判断图像中是否存在甲状旁腺并对计算其在图像中的位置信息；
根据检测到的甲状旁腺位置信息，输出甲状旁腺位置图像，并在输出的图像上对甲状旁腺进行标注。
2.根据权利要求1所述的一种甲状旁腺识别方法，其特征在于，所述根据采集到的腔镜下可见光图像和近红外图像，进入甲状旁腺智能检测模块进行目标识别，包括：采集的腔镜下图像包括可见光图像和近红外图像，每采集到多张可见光图像和近红外图像，检测所述多张图像存在的甲状旁腺，其中，所述多张图像是所述智能腔镜摄像***采集的连续多张可见光图像和近红外图像或者所述多张腔镜下图像是从所述智能腔镜摄像***设定时间内采集的腔镜下图像中提取的多张图像。
3.根据权利要求2所述的一种甲状旁腺识别方法，其特征在于，所述检测多张可见光图像和近红外图像中存在的甲状旁腺，包括：将所述多张的可见光图像和近红外图像输入甲状旁腺识别模型，分别获得所述多张腔镜下可见光图像和近红外图像中存在的甲状旁腺，所述甲状旁腺识别模型用于识别腔镜下可见光图像和近红外图像中存在的甲状旁腺。
4.根据权利要求3所述的一种甲状旁腺识别方法，其特征在于，将所述多张的可见光图像和近红外图像输入甲状旁腺识别模型，包括：所述甲状旁腺识别模型每次对处于同一时刻的可见光图像和近红外图像分别进行识别，识别结果进入甲状旁腺判别模块进行判断，根据设定的权重对可见光和近红外的识别结果进行计算，得到最终的判定结果。
5.根据权利要求4所述的一种甲状旁腺识别方法，其特征在于，所述将多张的可见光图像和近红外图像输入甲状旁腺识别模型之前，还包括：对每次采集的可见光图像和近红外图像进行去噪、增强等预处理。
6.根据权利要求1所述的一种甲状旁腺识别方法，其特征在于，所述通过智能腔镜摄像***采集腔镜下图像之后，还包括：每次采集到的腔镜下图像，确定所述腔镜下图像中的甲状旁腺目标框位置信息，目标框用于指示存在甲状旁腺的区域；
将所述腔镜下图像与所述腔镜下图像中的甲状旁腺目标框位置信息进行对应存储。
7.根据权利要求6所述的一种甲状旁腺识别方法，其特征在于，所述确定所述腔镜下图像中的目标框位置信息，包括：将所述单次采集的腔镜下图像输入甲状旁腺识别模型中，分别获得所述腔镜下可见光图像和近红外图像中的目标框位置信息，所述甲状旁腺识别模型用于识别腔镜下图像中存在的甲状旁腺。
8.根据权利要求7所述的一种甲状旁腺识别方法，其特征在于，还包括：每采集一次腔镜下可见光图像和近红外图像，进行一次四分屏显示，其中，四分屏显示包括，四分屏显示可见光图像、近红外图像、可见光近红外绿色融合图像、可见光近红外梯度融合图像，分屏为一个主屏，三个副屏。
9.一种具有甲状旁腺识别功能的智能腔镜摄像***装置，应用于如权利要求1-8任一项所述的一种甲状旁腺识别方法，其特征在于，包括：
采集模块，用于同时采集腔镜下可见光图像和近红外图像；
识别模块，用于同时识别采集到的可见光图像和近红外图像，识别图像中的甲状旁腺；
判断模块，用于根据识别的可见光图像和近红外图像中甲状旁腺结果，进行权重计算，得到最终甲状旁腺的判断结果和对应的位置信息；
输出模块，用于将甲状旁腺位置信息与主屏图像进行叠加并输出到外部显示器。
10.根据权利要求9所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置，其特征在于，所述识别模块包括：
可见光图像甲状旁腺识别模块，用于识别可见光图像中的甲状旁腺及其位置信息；
近红外图像甲状旁腺识别模块，用于识别近红外图像中的甲状旁腺及其位置信息。
11.根据权利要求9所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置，其特征在于，所述判断模块包括：
权重设置模块，用于设置可见光图像中甲状旁腺的识别结果和近红外图像中甲状旁腺的识别结果的权重系数；
阈值设置模块，用于设置权重系数的下限值，根据权重系数计算出的结果大于阈值判断为甲状旁腺存在，反之不存在甲状旁腺。
12.根据权利要求9所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置，其特征在于，所述输出模块还包括：
第一显示模块，用于每采集到一张腔镜下的可见光图像和近红外图像，显示所述腔镜下图像；
第二显示模块，用于显示每次采集到腔镜下腔镜下的可见光图像和近红外图像的融合图像；
第三显示模块，用于将一张主屏显示的图像与判断模块输出的甲状旁腺目标框位置信息进行叠加，显示叠加后的图像，目标框用于指示存在甲状旁腺的区域。
13.根据权利要求9所述的一种具有甲状旁腺识别功能的智能腔镜摄像***装置，其特征在于，所述采集模块包括：
可见光图像采集单元，用于采集腔镜下可见光图像；
近红外图像采集单元，用于采集腔镜下近红外图像；
同步单元，用于控制可见光图像采集单元和近红外图像采集单元同步采集图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211548101.3A CN115797617A (zh) | 2022-12-05 | 2022-12-05 | 一种甲状旁腺识别方法及智能腔镜摄像***装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211548101.3A CN115797617A (zh) | 2022-12-05 | 2022-12-05 | 一种甲状旁腺识别方法及智能腔镜摄像***装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115797617A true CN115797617A (zh) | 2023-03-14 |
Family
ID=85445584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211548101.3A Pending CN115797617A (zh) | 2022-12-05 | 2022-12-05 | 一种甲状旁腺识别方法及智能腔镜摄像***装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115797617A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975908A (zh) * | 2016-04-26 | 2016-09-28 | 汉柏科技有限公司 | 人脸识别方法及装置 |
| CN110929566A (zh) * | 2019-10-16 | 2020-03-27 | 厦门大学 | 基于可见光和近红外双目摄像头的人脸活体检测方法 |
| CN112329624A (zh) * | 2020-11-05 | 2021-02-05 | 北京地平线信息技术有限公司 | 活体检测方法和装置、存储介质、电子设备 |
| CN112656369A (zh) * | 2020-11-30 | 2021-04-16 | 浙江大学医学院附属第一医院 | 一种基于ar技术的近红外荧光甲状旁腺的识别增强方法 |
| CN113205141A (zh) * | 2021-05-08 | 2021-08-03 | 脉得智能科技(无锡)有限公司 | 一种基于图像融合技术的甲状旁腺识别方法 |
| CN113520271A (zh) * | 2021-06-23 | 2021-10-22 | 王松 | 一种甲状旁腺功能成像方法、***及内镜 |
| CN114120038A (zh) * | 2021-11-26 | 2022-03-01 | 中国科学院长春光学精密机械与物理研究所 | 基于高光谱成像技术及模型训练的甲状旁腺识别方法 |
| CN114170213A (zh) * | 2021-12-15 | 2022-03-11 | 高永楷 | 一种基于图像融合技术的甲状旁腺识别方法 |
-
2022
- 2022-12-05 CN CN202211548101.3A patent/CN115797617A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975908A (zh) * | 2016-04-26 | 2016-09-28 | 汉柏科技有限公司 | 人脸识别方法及装置 |
| CN110929566A (zh) * | 2019-10-16 | 2020-03-27 | 厦门大学 | 基于可见光和近红外双目摄像头的人脸活体检测方法 |
| CN112329624A (zh) * | 2020-11-05 | 2021-02-05 | 北京地平线信息技术有限公司 | 活体检测方法和装置、存储介质、电子设备 |
| CN112656369A (zh) * | 2020-11-30 | 2021-04-16 | 浙江大学医学院附属第一医院 | 一种基于ar技术的近红外荧光甲状旁腺的识别增强方法 |
| CN113205141A (zh) * | 2021-05-08 | 2021-08-03 | 脉得智能科技(无锡)有限公司 | 一种基于图像融合技术的甲状旁腺识别方法 |
| CN113520271A (zh) * | 2021-06-23 | 2021-10-22 | 王松 | 一种甲状旁腺功能成像方法、***及内镜 |
| CN114120038A (zh) * | 2021-11-26 | 2022-03-01 | 中国科学院长春光学精密机械与物理研究所 | 基于高光谱成像技术及模型训练的甲状旁腺识别方法 |
| CN114170213A (zh) * | 2021-12-15 | 2022-03-11 | 高永楷 | 一种基于图像融合技术的甲状旁腺识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107920722B (zh) | 针对自胶囊相机所撷取的图像通过对象检测进行重建 | |
| EP4006831A1 (en) | Image processing method and apparatus, server, medical image processing device and storage medium | |
| WO2021147429A1 (zh) | 内窥镜图像展示方法、装置、计算机设备及存储介质 | |
| US20110013846A1 (en) | Image processing apparatus and image processing method | |
| US20110025844A1 (en) | Image processing apparatus and method for displaying images | |
| CN110662476B (zh) | 信息处理装置、控制方法和程序 | |
| CN110974306B (zh) | 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的*** | |
| CN103327883A (zh) | 医用图像处理装置和医用图像处理方法 | |
| CN113888518A (zh) | 一种基于深度学习分割、分类多任务的喉咽内镜肿瘤检测及良恶性分类方法 | |
| CN113129287A (zh) | 一种针对上消化道内镜影像的病灶自动留图方法 | |
| CN114004969A (zh) | 一种内镜图像病灶区检测方法、装置、设备及存储介质 | |
| US20060036948A1 (en) | Image selection device and image selecting method | |
| CN113792663B (zh) | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 | |
| WO2012121488A2 (ko) | 의료용 혈관영상 처리방법 | |
| CN111666911A (zh) | 一种微表情数据的扩充方法及装置 | |
| JPH0235358A (ja) | 胃組織の腺腔を抽出するための画像処理方法 | |
| CN111860079B (zh) | 活体图像检测方法、装置以及电子设备 | |
| CN113139937A (zh) | 一种基于深度学习的消化道内窥镜视频图像识别方法 | |
| CN115797617A (zh) | 一种甲状旁腺识别方法及智能腔镜摄像***装置 | |
| CN115082739A (zh) | 基于卷积神经网络的内窥镜评估方法及评估*** | |
| JP2009003842A (ja) | 画像処理装置及び画像処理方法 | |
| CN110960194B (zh) | 一种耳相采集装置及采集方法 | |
| CN114387670A (zh) | 基于时空特征融合的步态识别方法、装置及存储介质 | |
| Gallo et al. | WCE video segmentation using textons | |
| KR102623871B1 (ko) | 의료영상의 처리시스템 및 처리 방법 |
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 |