【技术实现步骤摘要】
肠镜检查后对肠道准备自动进行评分的方法
本专利技术涉及图像识别
,具体涉及肠镜检查后对肠道准备自动进行评分方法。
技术介绍
对内镜下消化道组织和异物的识别是消化内镜视觉辅助诊断的基础,只有识别出组织和异物,才能去分析和提示这些组织和异物的问题。传统的消化道组织和异物的识别为医生通过肉眼观察发现消化道内异物或病变组织,准确发现和描述消化道组织和异物需要医生具备丰富的经验,并且医生通过回忆方式记录这些内容,若检查次数过多,容易记录混乱,此外,组织或异物的识别和记录没有科学的手段和方法,无法为后续的研究提供支持。并且消化内镜下肠道观察的效果取决于患者为检查所做的肠道准备,不同的肠道准备药物、患者体征、服药后的排泄和准备动作均会对肠道准备的效果造成影响。当肠道准备的效果良好时,消化内镜在肠道的退镜过程中视野清晰,有效观察时间长,这样更有助于肠道诊疗。通常,医生根据肠道中出现粪便频率的多少来评判肠道的准备情况,医生观察肠道中粪便出现的频率具有一定的主观性,且观察后再进行回忆评判,需要经验丰富的医生才能做出准确的判断。
技术实现思路
为解决上述问题,本专利技术提供一种肠镜检查后对肠道准备自动进行评分方法,具有自主学习性和缩短观察时间的优点。本专利技术通过以下技术方案实现:肠镜检查后对肠道准备自动进行评分的方法,包括如下步骤:a):视频读取和色彩通道格式转换:读取存储设备上消化道内镜诊治过程的视频,将视频的颜色通道格式由RGB转换为HSV;b):定位视频中目标并除去视频背景:调节HSV颜色空间中参数H、S和V的范围以定位视频内容,调节参数H、S和V除去除目标特征外所有 ...
【技术保护点】
1.肠镜检查后对肠道准备自动进行评分的方法,其特征在于:包括如下步骤:a):视频读取和色彩通道格式转换:读取存储设备上消化道内镜诊治过程的视频,将视频的颜色通道格式由RGB转换为HSV;b):定位视频中目标并除去视频背景:调节HSV颜色空间中参数H、S和V的范围以定位视频内容,调节参数H、S和V除去除目标特征外所有的背景,所述目标特征为消化道内组织器官、粪便、检查和手术器具中的任意一种;c):获取目标特征图片:根据目标特征,获取目标特征图片;d):对目标特征图片进行灰度转换与二值化处理;e):对目标特征进行轮廓检测与定位:采用Freeman链码对二值化图进行轮廓检测,返回目标特征图片的位置、目标特征轮廓范围和目标特征点的统计总数;f):计算目标特征在图片中的比例:将二值化图像中的目标特征图映射到矩阵,并将矩阵转换为行首尾相接的向量,将向量值累加并除以255得到特征值所有白色像素点的数量,计算白色像素在背景黑色像素的比例,得出目标特征在图片上的大小;g):逐帧判定视频中目标特征是否满足截取判定条件,若满足,则对目标特征图中进行截取,并保存截取结果;h):建立数据集:将自动批量抓取从消化道 ...
【技术特征摘要】
1.肠镜检查后对肠道准备自动进行评分的方法,其特征在于:包括如下步骤:a):视频读取和色彩通道格式转换:读取存储设备上消化道内镜诊治过程的视频,将视频的颜色通道格式由RGB转换为HSV;b):定位视频中目标并除去视频背景:调节HSV颜色空间中参数H、S和V的范围以定位视频内容,调节参数H、S和V除去除目标特征外所有的背景,所述目标特征为消化道内组织器官、粪便、检查和手术器具中的任意一种;c):获取目标特征图片:根据目标特征,获取目标特征图片;d):对目标特征图片进行灰度转换与二值化处理;e):对目标特征进行轮廓检测与定位:采用Freeman链码对二值化图进行轮廓检测,返回目标特征图片的位置、目标特征轮廓范围和目标特征点的统计总数;f):计算目标特征在图片中的比例:将二值化图像中的目标特征图映射到矩阵,并将矩阵转换为行首尾相接的向量,将向量值累加并除以255得到特征值所有白色像素点的数量,计算白色像素在背景黑色像素的比例,得出目标特征在图片上的大小;g):逐帧判定视频中目标特征是否满足截取判定条件,若满足,则对目标特征图中进行截取,并保存截取结果;h):建立数据集:将自动批量抓取从消化道内镜检测中采集到的目标特征图片分类存储,以建立分类数据集;i):建立训练集、验证集和测试集:从各分类数据集中抽取一定比例的数据生成测试集;依据K折交叉验证法将各分类数据集划分为训练集和验证集,将所述的测试集、训练集和验证集进行数据向量化处理;j):建立深度学习神经网络模型:根据3D卷积、最大池化、全链接神经元、数据扁平化和概率输出创建卷积神经网络模型,并对测试集、训练集和验证集进行正则化处理;k):对神经网络模型进行训练;l):对神经网络模型进行测试:使用训练模型对向量正则化后的测试集进行测试,以测试其泛化能力和识别能力;m):获取实时消化道内镜视频并对其进行识别、记录并评分:获取实时的消化道内镜视频图像,将其均匀的分割为多个子区域,将每个子区域压缩至神经网络模型输入的图片格式大小,遍历所述消化道内镜图像的所有子区域,并将每个子区域进行向量化,输入到神经网络模型中,模型返回识别概率向量,使用其中值最大的概率标量作为结果,判定概率标量是否大于标量阈值,若大于则将识别后的目标特征子区域进行存储,依据确立的评分规则对识别的目标特征子区域进行评分。2.根据权利要求1所述的肠镜检查后对肠道准备自动进行评分的方法,其特征在于:步骤c)中,获得目标特征图片为:利用掩码与目标特征中的每个像素进行掩码运算,且所述目标特征图片包括目标特征区图像和非目标特征区图像,所述目标特征区图像内的像素值保持不变,非目标特征区图像的像素值为零。3.根据权利要求1所述的肠镜检查后对肠道准备自动进行评分的方法,其特征在于:步骤d)中,采用灰度转换公式,得到目标特征图片,将目标特征图片的灰度图通过二进制阈值算法得到二值化图,并对二值化图进行形态学腐蚀操作和膨胀操作来去噪,所述目标特征图片的灰度图为单通道灰度图,且单通道值范围为0至255,所述二值化图为单通道值为0或255的二值化图。4.根据权利要求1所述的肠镜检查后对肠道准备自动进行评分的方法,其特征在于:步骤g)...
【专利技术属性】
技术研发人员:曾凡,邰海军,段惠峰,黄锦,柯钦瑜,黄勇,
申请(专利权)人:河南萱闱堂医疗信息科技有限公司,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。