[發(fā)明專利]一種基于圖像識別的腸鏡圖像模糊度檢測方法

在審

• 申請?zhí)枺?/td>: 201910339634.2
• 申請日: 2019-04-25
• 公開（公告）號: CN111932484A
• 公開（公告）日: 2020-11-13
• 發(fā)明（設計）人: 王玉峰
• 申請（專利權）人: 天津御錦人工智能醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G16H50/20
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 韓新城

本發(fā)明公開一種基于圖像識別的腸鏡圖像模糊度檢測方法，包括步驟：當手術開始時，將手術臺中腸鏡鏡頭傳出的視頻流一分為二，一部分傳輸?shù)结t(yī)生的操作平臺上，另一部分視頻流預處理后送到SVM模糊檢測模型進行識別；將模糊檢測結果按閾值進行判斷是否為模糊圖像；若圖像模糊，則不對此幀圖像后續(xù)處理并提醒醫(yī)生圖像模糊，若圖像清晰，則進行后續(xù)人工智能的病變檢測。本發(fā)明將內窺鏡檢查過程中形成的模糊圖像在腸鏡檢查過程中過濾掉，可以進一步的提高腸鏡手術的效率，從而達到高效檢查的目的。

技術領域

本發(fā)明涉及圖像處理技術領域，特別是涉及一種基于圖像識別的腸鏡圖像模糊度檢測方法。

背景技術

提起醫(yī)學影像人工智能，人們往往想起放射科計算機輔助/自動閱片，比如肺結節(jié)自動識別等項目。放射科的人工智能輔助診斷相關領域吸引了大量的醫(yī)療機構、跨國公司和創(chuàng)業(yè)公司投入研發(fā)和商業(yè)化。而醫(yī)學影像的范疇遠遠不止放射影像，還有病理、眼底和內窺鏡等。從數(shù)據(jù)規(guī)模和臨床需求的增長角度，內窺鏡中的消化內鏡影像則是最炙手可熱的領域，同時也吸引了全球無數(shù)人工智能領域的人士的目光。

消化內鏡本身的技術更新迅速：消化內鏡通過自然腔道進入人體進行診斷和治療，是無創(chuàng)和微創(chuàng)手術方式的創(chuàng)新平臺，越來越多的手術遷移到消化內鏡平臺上，甚至包括闌尾、膽囊等器官的切除和治療，都可以在消化內鏡下完成。同時消化內鏡提供特殊光源，放大鏡，甚至顯微鏡的觀察方式，這為醫(yī)學對疾病病理的研究提供了豐富的手段，同時也為人工智能的用武之地提供了更廣闊的空間。

隨著人工智能與腸鏡手術的一步步融合，人工智能可以深入到消化內鏡診斷和治療的各個環(huán)節(jié)，甚至具備了作為獨立醫(yī)療器械產品的臨床價值。

但是由于腸道內部環(huán)境過于復雜，在手術過程中很容易由于鏡頭速度過快或是距離腸道過近產生一些模糊的圖像，從而不利于人工智能系統(tǒng)的進一步檢查。

發(fā)明內容

本發(fā)明的目的是針對現(xiàn)有技術中存在的技術缺陷，而提供一種基于圖像識別的腸鏡圖像模糊度檢測方法，用于解決在內窺鏡檢查過程中，由于人體內部復雜的環(huán)境，所以在檢查過程中會不可避免的產生一些模糊無用的圖像，這些無用的圖像會對人工智能檢查的模型產生一定的干擾，影響檢測的技術問題。

為實現(xiàn)本發(fā)明的目的所采用的技術方案是：

一種基于圖像識別的腸鏡圖像模糊度檢測方法，包括步驟：

當手術開始時，將手術臺中腸鏡鏡頭傳出的視頻流一分為二，一部分傳輸?shù)结t(yī)生的操作平臺上，另一部分視頻流預處理后送到SVM模糊檢測模型進行識別；

將模糊檢測結果按閾值進行判斷是否為模糊圖像；

若圖像模糊，則不對此幀圖像后續(xù)處理并提醒醫(yī)生圖像模糊，若圖像清晰，則進行后續(xù)人工智能的病變檢測。

所述SVM模糊檢測模型的構建檢測流程如下：

將大量張腸鏡檢查過程中的圖像截圖分為兩類：清晰圖像和模糊圖像；

利用opencv中的cv2.calcHist函數(shù)，提取模糊圖像與清晰圖像的色彩分布特征；

創(chuàng)建SVM線性核模型，將提取出的特征組合成特征集合，同時創(chuàng)建類別集合與特征集合一一對應，使用fit函數(shù)將特征集合與類別集合作為訓練數(shù)據(jù)輸入到SVM支持向量機中訓練線性分類模型，訓練結束后，使用joblib.dump函數(shù)將其保存成模型文件，得到SVM線性分類模型，作為SVM模糊檢測模型；

使用joblib.load函數(shù)加載保存的SVM線性分類模型，在結腸鏡檢查過程中，提取每一幀圖像的特征輸入到SVM線性分類模型中進行分類，得到最終的類別。

視頻流預處理時，是將視頻流分為每秒25幀進行圖像的模糊度檢測處理。

與現(xiàn)有技術相比，本發(fā)明的有益效果是：