微创视像处理的智能边缘计算系统技术方案

本公开涉及一种微创视像处理的智能边缘计算系统，包括：视像采集模块，用于获取检查者身体内部的内镜视像序列；高清视像管理系统，与视像采集模块连接，用于根据内镜视像序列进行病灶检测，获取并显示检查者身体内部的各部位的初筛图像集合；云服务器，与高清视像管理系统连接，用于根据各部位的初筛图像集合生成相应的诊断报告，将诊断报告发送给高清视像管理系统进行显示。本公开的技术方案实现了本地检查端与云端的协同处理策略，从而降低与云服务器之间的通信负载和云服务器的计算负载，满足离线/在线状态下的内镜智能辅助诊断；同时，通过显示诊断报告辅助医生进行诊断，降低了医生的工作强度，提高了内镜视像处理的效率和精度。

Intelligent Edge Computing System for Minimally Invasive Video Processing

The present disclosure relates to an intelligent edge computing system for minimally invasive video processing, which includes: a video acquisition module for acquiring endoscopic video sequences within the examiner's body; a high-definition video management system connected with a video acquisition module for lesion detection according to endoscopic video sequences, acquiring and displaying the examiner's body. The cloud server is connected with the high-definition video management system, which is used to generate the corresponding diagnosis report according to the initial image set of each part, and send the diagnosis report to the high-definition video management system for display. The technical scheme of the present disclosure realizes the cooperative processing strategy between the local inspection end and the cloud end, thereby reducing the communication load between the cloud server and the computing load of the cloud server, and satisfying the intelligent assistant diagnosis of endoscopy in the offline/online state; at the same time, it assists the doctor to diagnose by displaying the diagnosis report, thus reducing the doctor's. The working intensity improves the efficiency and accuracy of endoscopic image processing.

【技术实现步骤摘要】
微创视像处理的智能边缘计算系统
本公开涉及医疗领域，具体地，涉及一种微创视像处理的智能边缘计算系统。
技术介绍
目前，内镜视像处理模式大多使用集中式人工智能辅助云服务，即本地检查端完成传统的数据检查工作，待检查工作完成后，数据会被发送到云服务器进行诊断，由云服务器返回诊断结果。该模式通常需要较高的通信支撑和计算负载，尤其在数据量较大时，极易造成云服务器宕机和链路不通畅。
技术实现思路
为了克服相关技术中存在的问题，本公开提供一种微创视像处理的智能边缘计算系统。为了实现上述目的，本公开提供一种微创视像处理的智能边缘计算系统，包括：视像采集模块，用于获取检查者身体内部的内镜视像序列；高清视像管理系统，与所述视像采集模块连接，用于根据所述内镜视像序列进行病灶检测，获取所述检查者身体内部的各部位的初筛图像集合；云服务器，与所述高清视像管理系统连接，用于根据所述各部位的初筛图像集合生成相应的诊断报告，将所述诊断报告发送给所述高清视像管理系统进行显示。可选地，所述视像采集模块包括设置在所述检查者身体内部的内窥镜本体。可选地，所述高清视像管理系统包括：本地视像处理模块，与所述视像采集模块连接，用于基于预设模型对所述内镜视像序列进行识别，得到所述各部位的疑似病灶图像和正常图像，所述初筛图像集合包含所述各部位的疑似病灶图像和所述各部位的正常图像；视像显示模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于实时显示所述内镜视像序列和所述各部位的疑似病灶图像；本地视像存储模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于存储所述内镜视像序列和所述各部位的初筛图像集合。可选地，所述预设模型包括基于AlexNet架构的卷积神经网络模型和基于GoogleNet架构的卷积神经网络模型；所述本地视像处理模块包括：部位识别子模块，用于基于所述基于AlexNet架构的卷积神经网络模型将所述内镜视像序列按照所述检查者身体内部的不同部位进行分类，并针对每一部位，从所述内镜视像序列中实时采集该部位对应的关键帧；病灶检测子模块，与所述部位识别子模块连接，用于针对每一部位，基于所述基于GoogleNet架构的卷积神经网络模型对该部位对应的关键帧进行识别，获取该部位的疑似病灶图像和该部位的正常图像。可选地，所述本地视像处理模块还包括：相似判定子模块，分别与所述部位识别子模块和所述病灶检测子模块连接，用于针对每一部位，筛除该部位对应的关键帧中的重复内镜视像，并将筛除后的关键帧发送给所述病灶检测子模块。可选地，所述视像显示模块包括：实时视像显示子模块，与所述视像采集模块连接，用于实时显示所述内镜视像序列；疑似病灶显示子模块，与所述本地视像处理模块连接，用于显示所述各部位的疑似病灶图像。可选地，所述本地视像存储模块包括：视像存储子模块，与所述视像采集模块连接，用于存储所述内镜视像序列；初筛图像集合存储子模块，与所述本地视像处理模块连接，用于存储所述各部位的初筛图像集合。可选地，所述微创视像处理的智能边缘计算系统还包括通讯模块，所述高清视像管理系统还包括诊断报告显示模块；所述通讯模块，分别与所述本地视像处理模块、所述诊断报告显示模块以及所述云服务器连接，用于将所述各部位的初筛图像集合发送给云服务器，接收所述云服务器根据所述各部位的初筛图像集合返回的所述诊断报告，以及将所述诊断报告发送给所述诊断报告显示模块；所述诊断报告显示模块，用于显示所述云服务器发送的诊断报告。可选地，所述云服务器用于：采用Yolo模型对所述各部位的初筛图像集合进行特征提取和分析，生成针对所述各部位的疑似病灶图像的标签信息，所述诊断报告包括针对所述各部位的疑似病灶标签信息。通过上述技术方案，通过视像采集模块获取检查者身体内部的内镜视像序列，并通过高清视像管理系统对内镜视像序列进行病灶检测，获取检查者身体内部的各部位的初筛图像集合并将各部位的初筛图像集合发送给云服务器，由云服务器根据各部位的初筛图像集合生成相应的诊断报告并返回至高清视像管理系统进行显示，采用边缘计算与云计算相结合的方式，可以实现在本地检查端进行病灶分析、在云端进行病灶筛查低耦合的协同处理策略，进而可以降低本地检查端与云服务器之间的通信负载和云服务器的计算负载，满足离线/在线状态下的内镜智能辅助诊断；同时，通过显示诊断报告，可以辅助医生进行诊断，降低了医生的工作强度，有效提高了内镜视像处理的效率和精度。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是根据本公开一示例性实施例示出的一种微创视像处理的智能边缘计算系统的框图；图2是是根据本公开另一示例性实施例示出的一种微创视像处理的智能边缘计算系统的框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。图1是根据本公开一示例性实施例示出的一种微创视像处理的智能边缘计算系统的框图。如图1所示，该微创视像处理的智能边缘计算系统100可以包括：视像采集模块110、与视像采集模块110连接的高清视像管理系统120以及与高清视像管理系统120连接的云服务器130。视像采集模块110可用于获取检查者身体内部的内镜视像序列，并将采集到的内镜视像序列发送给高清视像管理系统120。在一个实施例中，视像采集模可以包括设置在检查者身体内部(如检查者的体腔和脏器内腔等)的内窥镜本体。高清视像管理系统120可用于在接收到内镜视像序列后，可以根据内镜视像序列进行病灶检测，获取并显示检查者身体内部的各部位的疑似病灶图像。云服务器130可用于根据各部位的初筛图像集合生成相应的诊断报告，并将诊断报告发送给高清视像管理系统120进行显示。值得说明的是，视像采集模块110与高清视像管理系统120之间可以利用各种有线或无线技术来建立通信连接。例如，连接方式可以包括但不限于：蓝牙、WiFi(Wireless-Fidelity，无线保真)、2G网络、3G网络、4G网络等等。高清视像管理系统120与云服务器130之间可以利用各种无线技术来建立通信连接。在一个实施例中，如图2所示，高清视像管理系统120可以包括本地视像处理模块121、视像显示模块122和本地视像存储模块123。本地视像处理模块121与视像采集模块110连接，其可以基于预设模型对视像采集模块110采集到的内镜视像序列进行识别，获取检查者身体内部的各部位的初筛图像集合，该初筛图像集合包括各部位的正常图像和疑似病灶图像。其中，预设模型可以包括基于AlexNet架构的卷积神经网络模型和基于GoogleNet架构的卷积神经网络模型。在一个实施例中，该基于AlexNet架构的卷积神经网络模型可以由AlexNet网络经训练微调得到，该基于GoogleNet架构的卷积神经网络模型可以由GoogleNet网络训练微调得到。本地视像处理模块121可以包括部位识别子模块1211和病灶检测子模块1212。部位识别子模块1211中存储有人体身体内部的各部位的图像样本，当接收到视像采集模块110采集的内镜视本文档来自技高网...

【技术保护点】
1.一种微创视像处理的智能边缘计算系统，其特征在于，包括：视像采集模块，用于获取检查者身体内部的内镜视像序列；高清视像管理系统，与所述视像采集模块连接，用于根据所述内镜视像序列进行病灶检测，获取所述检查者身体内部的各部位的初筛图像集合；云服务器，与所述高清视像管理系统连接，用于根据所述各部位的初筛图像集合生成相应的诊断报告，将所述诊断报告发送给所述高清视像管理系统进行显示。

【技术特征摘要】
1.一种微创视像处理的智能边缘计算系统，其特征在于，包括：视像采集模块，用于获取检查者身体内部的内镜视像序列；高清视像管理系统，与所述视像采集模块连接，用于根据所述内镜视像序列进行病灶检测，获取所述检查者身体内部的各部位的初筛图像集合；云服务器，与所述高清视像管理系统连接，用于根据所述各部位的初筛图像集合生成相应的诊断报告，将所述诊断报告发送给所述高清视像管理系统进行显示。2.根据权利要求1所述的微创视像处理的智能边缘计算系统，其特征在于，所述视像采集模块包括设置在所述检查者身体内部的内窥镜本体。3.根据权利要求1所述的微创视像处理的智能边缘计算系统，其特征在于，所述高清视像管理系统包括：本地视像处理模块，与所述视像采集模块连接，用于基于预设模型对所述内镜视像序列进行识别，得到所述各部位的疑似病灶图像和正常图像，所述初筛图像集合包含所述各部位的疑似病灶图像和所述各部位的正常图像；视像显示模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于实时显示所述内镜视像序列和所述各部位的疑似病灶图像；本地视像存储模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于存储所述内镜视像序列和所述各部位的初筛图像集合。4.根据权利要求3所述的微创视像处理的智能边缘计算系统，其特征在于，所述预设模型包括基于AlexNet架构的卷积神经网络模型和基于GoogleNet架构的卷积神经网络模型；所述本地视像处理模块包括：部位识别子模块，用于基于所述基于AlexNet架构的卷积神经网络模型将所述内镜视像序列按照所述检查者身体内部的不同部位进行分类，并针对每一部位，从所述内镜视像序列中实时采集该部位对应的关键帧；病灶检测子模块，与所述部位识别子模块连接，用于针对每一部位，基于所述基于GoogleNet架构的卷积...

【专利技术属性】
技术研发人员：丁帅，蔡琼，李玲，杨善林，王浩，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34