一种基于图像识别的肠镜图像模糊度检测方法技术

本发明专利技术公开一种基于图像识别的肠镜图像模糊度检测方法，包括步骤：当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流预处理后送到SVM模糊检测模型进行识别；将模糊检测结果按阈值进行判断是否为模糊图像；若图像模糊，则不对此帧图像后续处理并提醒医生图像模糊，若图像清晰，则进行后续人工智能的病变检测。本发明专利技术将内窥镜检查过程中形成的模糊图像在肠镜检查过程中过滤掉，可以进一步的提高肠镜手术的效率，从而达到高效检查的目的。

A fuzzy detection method of colonoscopy image based on image recognition

【技术实现步骤摘要】
一种基于图像识别的肠镜图像模糊度检测方法
本专利技术涉及图像处理
，特别是涉及一种基于图像识别的肠镜图像模糊度检测方法。
技术介绍
提起医学影像人工智能，人们往往想起放射科计算机辅助/自动阅片，比如肺结节自动识别等项目。放射科的人工智能辅助诊断相关领域吸引了大量的医疗机构、跨国公司和创业公司投入研发和商业化。而医学影像的范畴远远不止放射影像，还有病理、眼底和内窥镜等。从数据规模和临床需求的增长角度，内窥镜中的消化内镜影像则是最炙手可热的领域，同时也吸引了全球无数人工智能领域的人士的目光。消化内镜本身的技术更新迅速：消化内镜通过自然腔道进入人体进行诊断和治疗，是无创和微创手术方式的创新平台，越来越多的手术迁移到消化内镜平台上，甚至包括阑尾、胆囊等器官的切除和治疗，都可以在消化内镜下完成。同时消化内镜提供特殊光源，放大镜，甚至显微镜的观察方式，这为医学对疾病病理的研究提供了丰富的手段，同时也为人工智能的用武之地提供了更广阔的空间。随着人工智能与肠镜手术的一步步融合，人工智能可以深入到消化内镜诊断和治疗的各个环节，甚至具备了作为独立医疗器械产品的临床价值。但是由于肠道内部环境过于复杂，在手术过程中很容易由于镜头速度过快或是距离肠道过近产生一些模糊的图像，从而不利于人工智能系统的进一步检查。
技术实现思路
本专利技术的目的是针对现有技术中存在的技术缺陷，而提供一种基于图像识别的肠镜图像模糊度检测方法，用于解决在内窥镜检查过程中，由于人体内部复杂的环境，所以在检查过程中会不可避免的产生一些模糊无用的图像，这些无用的图像会对人工智能检查的模型产生一定的干扰，影响检测的技术问题。为实现本专利技术的目的所采用的技术方案是：一种基于图像识别的肠镜图像模糊度检测方法，包括步骤：当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流预处理后送到SVM模糊检测模型进行识别；将模糊检测结果按阈值进行判断是否为模糊图像；若图像模糊，则不对此帧图像后续处理并提醒医生图像模糊，若图像清晰，则进行后续人工智能的病变检测。所述SVM模糊检测模型的构建检测流程如下：将大量张肠镜检查过程中的图像截图分为两类：清晰图像和模糊图像；利用opencv中的cv2.calcHist函数，提取模糊图像与清晰图像的色彩分布特征；创建SVM线性核模型，将提取出的特征组合成特征集合，同时创建类别集合与特征集合一一对应，使用fit函数将特征集合与类别集合作为训练数据输入到SVM支持向量机中训练线性分类模型，训练结束后，使用joblib.dump函数将其保存成模型文件，得到SVM线性分类模型，作为SVM模糊检测模型；使用joblib.load函数加载保存的SVM线性分类模型，在结肠镜检查过程中，提取每一帧图像的特征输入到SVM线性分类模型中进行分类，得到最终的类别。视频流预处理时，是将视频流分为每秒25帧进行图像的模糊度检测处理。与现有技术相比，本专利技术的有益效果是：本专利技术对无用的图像处理，将内窥镜检查过程中形成的无用的模糊图像在肠镜检查过程中过滤掉，不进行进一步的检查，这样可以进一步的提高肠镜手术的效率，从而达到高效检查的目的。附图说明图1为模糊检测在整个肠镜检测过程中的流程图。具体实施方式以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术是利用构建的SVM模糊检测模型进行模糊度检测，如图1所示，本专利技术基于图像识别的肠镜图像模糊度检测方法，包括以下步骤：步骤1：当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分送到SVM模糊检测模型进行识别；步骤2：在SVM模糊检测模型之前进行视频流的预处理，将视频流分为每秒25帧进行图像的模糊度检测处理。步骤3：将步骤2的检测结果按阈值进行判断是否为模糊图像；步骤4：若图像模糊，则不对次帧图像进行后续处理并提醒医生图像模糊，若为清晰图像，则继续进行人工智能的病变检测模块。其中，本专利技术中，所述的SVM模糊检测模型，其检测实现步骤如下：将大量张肠镜检查过程中的图像截图分为两类：清晰图像和模糊图像；利用opencv中的cv2.calcHist函数，提取模糊图像与清晰图像的色彩分布特征；创建SVM线性核模型，将提取出的特征组合成特征集合，同时创建类别集合与特征集合一一对应，使用fit函数将特征集合与类别集合作为训练数据输入到SVM支持向量机中训练线性分类模型，训练结束后，使用joblib.dump函数将其保存成模型文件，得到SVM线性分类模型,作为SVM模型检测模型；检测时，使用joblib.load函数加载保存的SVM线性分类模型，在结肠镜检查过程中，提取每一帧图像的特征输入到SVM线性分类模型中进行分类，得到最终的类别。以上所述仅是本专利技术的优选实施方式，应当指出的是，对于本
的普通技术人员来说，在不脱离本专利技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于图像识别的肠镜图像模糊度检测方法，其特征在于，包括步骤：/n当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流预处理后送到SVM模糊检测模型进行分类识别；/n按模糊检测返回的类别进行判断是否为模糊图像；/n若图像模糊，则不对此帧图像后续处理并提醒医生图像模糊，若图像清晰，则进行后续人工智能的病变检测。/n

【技术特征摘要】
1.一种基于图像识别的肠镜图像模糊度检测方法，其特征在于，包括步骤：
当手术开始时，将手术台中肠镜镜头传出的视频流一分为二，一部分传输到医生的操作平台上，另一部分视频流预处理后送到SVM模糊检测模型进行分类识别；
按模糊检测返回的类别进行判断是否为模糊图像；
若图像模糊，则不对此帧图像后续处理并提醒医生图像模糊，若图像清晰，则进行后续人工智能的病变检测。


2.如权利要求1所述基于图像识别的肠镜图像模糊度检测方法，其特征在于，所述SVM模糊检测模型的构建检测流程如下：
将大量张肠镜检查过程中的图像截图分为两类：清晰图像和模糊图像；
利用opencv中的cv2.calcHist函数，提取模...

【专利技术属性】
技术研发人员：王玉峰，
申请(专利权)人：天津御锦人工智能医疗科技有限公司，
类型：发明
国别省市：天津;12