The application discloses a processing method, system, machine equipment and medium of medical endoscope image, which relates to the technical fields of image processing, machine learning and the like of artificial intelligence. The method includes: acquiring the original endoscope image according to the medical endoscope video stream; processing the acquired original endoscope image into a set size to generate a standard endoscope image; predicting the low-quality image and the non low-quality image through neural network for the standard endoscope image, and filtering the standard endoscope image belonging to interference The standard endoscopic image of low-quality image is used to obtain the target endoscopic image. The technical scheme of the embodiment of the application can eliminate the photographing switching and shaking of the endoscope in the digestive tract, a large number of low-quality and noisy images in case of various liquids and foreign matters, enhance the robustness, and thus facilitate the realization of systematic and complete image recognition.
【技术实现步骤摘要】
医疗内窥镜图像的处理方法、系统、机器设备和介质本申请是2019年05月06日提交的、申请号为201910372711.4、专利技术名称为“医疗内窥镜图像的识别方法、系统、设备和内窥镜影像系统”的分案申请。
本申请涉及计算机应用
,特别涉及一种医疗内窥镜图像的处理方法、系统、机器设备和介质。
技术介绍
基于深度学习所进行的各类别识别,一直以来都是各应用场景下解决大量数据分类的重要工具。例如,在图像、自然语言处理等应用场景中,对大量数据所实现的大规模分类和识别,以此来快速准确的获得相关的分类预测结果,加速所在应用场景的功能实现。在对图像所进行的分类预测中,根据所部署的应用场景不同,例如,AI+医疗场景,具体用于实现分类预测的图像以及分类预测的实现也各不相同。形成医疗影像的各种图像在不断产生,例如,随着内窥镜在消化道内的不断拍摄而不断产生,进而成为大量数据,亟待需要借助于分类预测的执行实现大规模分类和识别。然而,如何将面向各种医疗内窥镜图像而借助于深度学习实现分类预测,进而对医疗内窥镜图像实现系统而完整的识别,是现有医疗影像的分类预测所不具备的。现有医疗影像的分类预测仅限于单一功能,而无法适用于产生医疗内窥镜视频流的内窥镜拍摄全过程。并且,由于医疗内窥镜图像的拍摄难免受到内窥镜的切换和晃动影响,且拍摄时内窥镜的镜头也难免会遇到各种液体和异物,因此,所得到的内窥镜图像常常会存在大量的干扰和噪声,进而导致鲁棒性差。
技术实现思路
本申请提供一种医疗内窥镜图像的处 ...
【技术保护点】
1.一种医疗内窥镜图像的处理方法,其特征在于,所述方法包括:/n根据医疗内窥镜视频流获取原始内窥镜图像;/n将获取的所述原始内窥镜图像处理为设定尺寸,生成标准内窥镜图像;/n对所述标准内窥镜图像,通过神经网络进行低质图像和非低质图像的预测,所述低质图像是存在干扰的标准内窥镜图像;/n过滤归属于低质图像的标准内窥镜图像,获得目标内窥镜图像。/n
【技术特征摘要】
1.一种医疗内窥镜图像的处理方法,其特征在于,所述方法包括:
根据医疗内窥镜视频流获取原始内窥镜图像;
将获取的所述原始内窥镜图像处理为设定尺寸,生成标准内窥镜图像;
对所述标准内窥镜图像,通过神经网络进行低质图像和非低质图像的预测,所述低质图像是存在干扰的标准内窥镜图像;
过滤归属于低质图像的标准内窥镜图像,获得目标内窥镜图像。
2.根据权利要求1所述的方法,其特征在于,还包括:
通过神经网络的分类预测识别所述目标内窥镜图像对应的器官信息;
根据所对应的器官信息,通过分类网络识别所述目标内窥镜图像适用的图像类型;
在所述图像类型对应的拍摄模式下,根据所述器官信息指示的部位定位所述目标内窥镜图像中的病灶区域和所属病灶类别。
3.根据权利要求2所述的方法,其特征在于,所述在所述图像类型对应的拍摄模式下,根据所述器官信息指示的部位定位所述目标内窥镜图像中的病灶区域和所属病灶类别,包括:
对所述图像类型对应拍摄模式下的目标内窥镜图像,检测所存在的异物获得分布于所述目标内窥镜图像的异物框,所述异物框用于指示所述目标内窥镜图像中存在异物的区域;
根据检测得到的所述异物框过滤所述目标内窥镜图像,未过滤掉的所述目标内窥镜图像用于定位病灶区域和所属病灶类别。
4.根据权利要求3所述的方法,其特征在于,在所述对所述图像类型对应拍摄模式下的目标内窥镜图像,检测所存在的异物获得分布于所述目标内窥镜图像的异物框之前,还包括:
检测所述目标内窥镜图像的图像类型;
在检测的所述图像类型与识别的所述图像类型不符时,按照所识别图像类型对应的拍摄模式,对所述目标内窥镜图像切换拍摄模式来获取识别的所述图像类型对应拍摄模式下的目标内窥镜图像。
5.根据权利要求3所述的方法,其特征在于,所述对所述图像类型对应拍摄模式下的目标内窥镜图像,检测所存在的异物获得分布于所述目标内窥镜图像的异物框,包括:
以所述图像类型对应拍摄模式下的目标内窥镜图像为输入,通过神经网络进行目标检测获得所存在异物框对应的坐标和置信度,所述坐标用于指示所述目标内窥镜图像中异物框的分布。
6.根据权利要求5所述的方法,其特征在于,所述根据检测得到的所述异物框过滤所述目标内窥镜图像,包括:
根据目标内窥镜图像中异物框对应的坐标和置信度,运算所述目标内窥镜图像所存在异物占据的面积比例因子;
根据所述面积比例因子判定所存在异物对所述目标内窥镜图像的干扰性,过滤发生异物干扰的所述目标内窥镜图像。
7.根据权利要求2所述的方法,其特征在于,所述在所述图像类型对应的拍摄模式下,根据所述器官信息指示的部位定位所述目标内窥镜图像中的病灶区域和所属病灶类别,包括:
对所述图像类型对应拍摄模式下的目标内窥镜图像在定位检测网络各层不断进行特征提取,直至最终回归得到所述目标内窥镜图像中的病灶区域;
通过分类网络进...
【专利技术属性】
技术研发人员:章子健,孙钟前,付星辉,尚鸿,王晓宁,杨巍,
申请(专利权)人:腾讯医疗健康深圳有限公司,
类型:发明
国别省市:广东;44
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。