【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及醫(yī)療器械，具體而言，涉及一種基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法及裝置。
技術(shù)介紹
1、內(nèi)窺鏡在使用過(guò)程中，隨著使用次數(shù)的增加，內(nèi)窺鏡的性能會(huì)隨著使用的次數(shù)或者是操作的不當(dāng)而導(dǎo)致功能下降，而一旦內(nèi)窺鏡的性能出現(xiàn)下降，則對(duì)醫(yī)生來(lái)說(shuō)，其對(duì)診斷的結(jié)果的評(píng)判就容易出現(xiàn)偏差。
2、然而，對(duì)于醫(yī)生來(lái)說(shuō)，若內(nèi)窺鏡未出現(xiàn)無(wú)法使用的情況或者是出現(xiàn)非常明顯的異常時(shí)，醫(yī)生是無(wú)法判斷該內(nèi)窺鏡異常或故障，故其會(huì)繼續(xù)使用該內(nèi)窺鏡，易造成診斷結(jié)果偏差。
3、因此，如何解決上述問(wèn)題是目前亟需解決的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)?zhí)峁┮环N基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法及裝置，旨在改善上述問(wèn)題。
2、第一方面，本申請(qǐng)?zhí)峁┑囊环N基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法，所述方法包括：
3、獲取內(nèi)窺鏡采集的歷史圖像；
4、基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型按照所述內(nèi)窺鏡采集的病變區(qū)域?qū)λ鰵v史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合；
5、分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合；
6、分別對(duì)所述第一差值集合、所述第二差值集合和所述第三差值集合進(jìn)行處理，得到第一差值、第二差值和第三差值；
7、根據(jù)所述第一差值、所述第二差值和所述第三差值確定所述內(nèi)窺鏡的性能。
8、在一可能的實(shí)施例中，
9、基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型按照所述內(nèi)窺鏡采集的病變區(qū)域?qū)λ鰵v史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合。
10、在一可能的實(shí)施例中，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合，包括：
11、對(duì)所述第一圖像集合中的第n圖像與第n-1圖像進(jìn)行灰度值差值計(jì)算，得到第一差值集合，n大于1；
12、對(duì)所述第二圖像集合中的第m圖像與第m-1圖像進(jìn)行灰度值差值計(jì)算，得到第二差值集合，m大于1；
13、對(duì)所述第三圖像集合中的第p圖像與第p-1圖像進(jìn)行灰度值差值計(jì)算，得到第三差值集合，p大于1。
14、在一可能的實(shí)施例中，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合，包括：
15、對(duì)所述第一圖像集合中的第n圖像與第一圖像進(jìn)行灰度值差值計(jì)算，得到第一差值集合，n大于1；
16、對(duì)所述第二圖像集合中的第m圖像與第一圖像進(jìn)行灰度值差值計(jì)算，得到第二差值集合，m大于1；
17、對(duì)所述第三圖像集合中的第p圖像與第一圖像進(jìn)行灰度值差值計(jì)算，得到第三差值集合，p大于1。
18、在一可能的實(shí)施例中，所述對(duì)所述第一圖像集合中的第n圖像與第一圖像進(jìn)行灰度值差值計(jì)算，得到第一差值集合，包括：
19、獲取所述第一圖像集合中攜帶有第一標(biāo)簽的第一子集合；
20、計(jì)算所述第一子集合中的第一圖像至第n圖像的灰度值；
21、計(jì)算任意兩個(gè)所述灰度值之間的差值，得到第一差值集合，n大于1。
22、在一可能的實(shí)施例中，所述根據(jù)所述第一差值、所述第二差值和所述第三差值確定所述內(nèi)窺鏡的性能，包括：
23、確定所述第一差值、所述第二差值和所述第三差值之間的差值是否小于閾值；
24、若是，判定所述內(nèi)窺鏡的性能良好；
25、若否，判定所述內(nèi)窺鏡的性能較差。
26、在一可能的實(shí)施例中，所述確定所述第一差值、所述第二差值和所述第三差值之間的差值是否小于閾值，包括：
27、確定所述第一差值、所述第二差值和所述第三差值中是否存在至少兩個(gè)差值大于第一子閾值；
28、若是，確定大于所述第一子閾值的兩個(gè)差值是否存在至少一個(gè)大于第二閾值。
29、第二方面，本申請(qǐng)?zhí)峁┑囊环N基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試裝置，所述裝置包括：
30、數(shù)據(jù)采集單元，用于獲取內(nèi)窺鏡采集的歷史圖像；
31、圖像分類單元，用于基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型按照所述內(nèi)窺鏡采集的病變區(qū)域?qū)λ鰵v史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合；
32、數(shù)據(jù)處理單元，用于分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合；分別對(duì)所述第一差值集合、所述第二差值集合和所述第三差值集合進(jìn)行處理，得到第一差值、第二差值和第三差值；
33、性能評(píng)價(jià)單元，用于根據(jù)所述第一差值、所述第二差值和所述第三差值確定所述內(nèi)窺鏡的性能。
34、上述本申請(qǐng)?zhí)峁┑囊环N基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法及裝置，本申請(qǐng)通過(guò)獲取內(nèi)窺鏡采集的歷史圖像；基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歷史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合；分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合；分別對(duì)所述第一差值集合、所述第二差值集合和所述第三差值集合進(jìn)行處理，得到第一差值、第二差值和第三差值；根據(jù)所述第一差值、所述第二差值和所述第三差值確定所述內(nèi)窺鏡的性能。從而利用內(nèi)窺鏡所采集的歷史圖像進(jìn)行分析以準(zhǔn)確評(píng)估該內(nèi)窺鏡的性能，以降低內(nèi)窺鏡的故障率，提高檢測(cè)準(zhǔn)確率。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歷史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對(duì)所述第一圖像集合中的第N圖像與第一圖像進(jìn)行灰度值差值計(jì)算，得到第一差值集合，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一差值、所述第二差值和所述第三差值確定所述內(nèi)窺鏡的性能，包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述第一差值、所述第
8.一種基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試裝置，其特征在于，所述裝置包括：
...【技術(shù)特征摘要】
1.一種基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型內(nèi)窺鏡性能測(cè)試方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述歷史圖像進(jìn)行分類，得到第一圖像集合、第二圖像集合和第三圖像集合，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰度值差值計(jì)算，得到第一差值集合、第二差值集合和第三差值集合，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，分別對(duì)所述第一圖像集合、所述第二圖像集合和所述第三圖像集合中的每?jī)蓮垐D像進(jìn)行灰...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳瓊，周玉琳，竇淮南，嚴(yán)平，
申請(qǐng)(專利權(quán))人：美希艾精密儀器蘇州有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。