【技術實現步驟摘要】
本申請涉及內窺鏡，特別是涉及基于神經網絡模型的內窺鏡術前檢測方法、內窺鏡、介質。
技術介紹
1、內窺鏡在使用過程中，隨著使用次數的增加，內窺鏡中的硬件機構以及相應的電路都會存在磨損現象。以及內窺鏡的使用實質上需要操作者具有很強的理論知識，在使用過程中通過多次對內窺鏡的操作，才能利用內窺鏡采集到需要的圖像。
2、因此，在術前對內窺鏡進行檢測調整很有必要。
技術實現思路
1、本申請提供的基于神經網絡模型的內窺鏡術前檢測方法、內窺鏡、介質，能夠提升后續術中的圖像采集質量。
2、本申請采用的一種技術方案是提供一種基于神經網絡模型的內窺鏡術前檢測方法，該方法包括：在術前，利用目標內窺鏡采集參考部位對應的目標圖像；識別目標圖像中的第一目標對象以及識別參考圖像中的第二目標對象；其中，參考圖像是利用基準內窺鏡采集參考部位得到；確定第一目標對象相對于第二目標對象的缺失區域；根據缺失區域，調整目標內窺鏡。
3、其中，識別目標圖像中的第一目標對象以及識別參考圖像中的第二目標對象，包括：識別目標圖像中的第一目標對象的第一輪廓，以及識別參考圖像中的第二目標對象的第二輪廓；確定第一目標對象相對于第二目標對象的缺失區域，包括：確定第一輪廓相對于第二輪廓的缺失區域。
4、其中，確定第一輪廓相對于第二輪廓的缺失區域，包括：將第一輪廓移動至第二輪廓，直至第一輪廓完全處于第二輪廓的區域內，進而確定出第一輪廓相對于第二輪廓的第一缺失區域；和/或將第一輪廓的第一目標對象和第二
5、其中，根據第一缺失區域或第二缺失區域，調整目標內窺鏡，包括：以參考圖像為基準，將第一缺失區域或第二缺失區域劃分為多個缺失子區域；統計每一缺失子區域對應的缺失面積；對每一缺失面積進行加權處理，得到目標內窺鏡的調整參數；根據調整參數調整目標內窺鏡。
6、其中，對每一缺失面積進行加權處理，得到目標內窺鏡的調整參數，包括：對所有缺失面積進行從大到小排序，并按照排序順序進行從大到小的權重賦值。
7、其中，根據第一缺失區域和第二缺失區域，調整目標內窺鏡，包括：根據第一缺失區域，得到目標內窺鏡的第一調整參數；根據第二缺失區域，得到目標內窺鏡的第二調整參數；根據第一調整參數和第二調整參數，得到目標調整參數；利用目標調整參數調整目標內窺鏡。
8、其中，神經網絡模型包括編碼層、特征融合層和解碼層，特征融合層用于將編碼層提取的各層級特征進行增強融合，并輸出至解碼層；編碼層分為第一類編碼層和第二類編碼層，將第一輪廓的第一目標對象和第二輪廓的第二目標對象輸入至神經網絡模型，以使神經網絡模型對第一輪廓的第一目標對象進行像素補全，得到第三輪廓的第一目標對象，包括：利用第一類編碼層對第一輪廓的第一目標對象進行特征提取，得到各層級對應的第一特征圖，并將第一特征圖輸入至注意力機制層；利用第二類編碼層對第二輪廓的第二目標對象進行特征提取，得到各層級對應的第二特征圖，并將第二特征圖輸入至注意力機制層；利用注意力機制層將第一特征圖和第二特征圖按照對應層級進行特征提取，以得到各層級對應的第三特征圖；將各層級對應的第三特征圖輸入至特征融合層進行增強融合，得到各層級對應的第四特征圖；將各層級對應的第四特征圖輸入至解碼層進行像素補全，得到第三輪廓的第一目標對象。
9、其中，利用注意力機制層將第一特征圖和第二特征圖按照對應層級進行特征提取，以得到各層級對應的第三特征圖，包括：利用注意力機制層將第一特征圖進行卷積運算，得到第一目標特征圖，將第一目標特征圖輸入至第一類編碼層的下一編碼層；利用注意力機制層將第二特征圖進行卷積運算，得到第二目標特征圖，將第二目標特征圖輸入至第二類編碼層的下一編碼層；將第一目標特征圖和第二目標特征圖進行特征融合，得到第三特征圖。
10、本申請采用的另一種技術方案是提供一種內窺鏡，該內窺鏡包括主機端、光電轉換模組以及插入結構；主機端、光電轉換模組以及插入結構配合，以實現如上述技術方案提供的方法。
11、本申請采用的另一種技術方案是提供一種計算機可讀存儲介質，該計算機可讀存儲介質用于存儲計算機程序，計算機程序在被處理器執行時，用于實現如上述技術方案提供的方法。
12、本申請的有益效果是：區別于現有技術的情況，本申請的基于神經網絡模型的內窺鏡術前檢測方法、內窺鏡、介質，在術前利用目標內窺鏡采集參考部位對應的目標圖像；識別目標圖像中的第一目標對象以及識別參考圖像中的第二目標對象；其中，參考圖像是利用基準內窺鏡采集參考部位得到；確定第一目標對象相對于第二目標對象的缺失區域；根據缺失區域，調整目標內窺鏡，以使目標內窺鏡達到最佳的圖像采集狀態，進而可以提升后續術中的圖像采集質量，以及能夠減少后續使用者在術中對目標內窺鏡的調整，提升圖像的采集效率。
本文檔來自技高網...【技術保護點】
1.一種基于神經網絡模型的內窺鏡術前檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述識別所述目標圖像中的第一目標對象以及識別參考圖像中的第二目標對象，包括：
3.根據權利要求2所述的方法，其特征在于，所述確定所述第一輪廓相對于所述第二輪廓的缺失區域，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述第一缺失區域或所述第二缺失區域，調整所述目標內窺鏡，包括：
5.根據權利要求4所述的方法，其特征在于，所述對每一缺失面積進行加權處理，得到所述目標內窺鏡的調整參數，包括：
6.根據權利要求3所述的方法，其特征在于，所述根據所述第一缺失區域和所述第二缺失區域，調整所述目標內窺鏡，包括：
7.根據權利要求3所述的方法，其特征在于，所述神經網絡模型包括編碼層、特征融合層和解碼層，所述特征融合層用于將所述編碼層提取的各層級特征進行增強融合，并輸出至所述解碼層；所述編碼層分為第一類編碼層和第二類編碼層，所述將所述第一輪廓的第一目標對象和所述第二輪廓的所述第二目標對象輸入至神經網
8.根據權利要求7所述的方法，其特征在于，所述利用注意力機制層將所述第一特征圖和所述第二特征圖按照對應層級進行特征提取，以得到各層級對應的第三特征圖，包括：
9.一種內窺鏡，其特征在于，所述內窺鏡包括主機端、光電轉換模組以及插入結構；所述主機端、光電轉換模組以及插入結構配合，以實現如權利要求1-8任一項所述的方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲計算機程序，所述計算機程序在被處理器執行時，用于實現如權利要求1-8任一項所述的方法。
...【技術特征摘要】
1.一種基于神經網絡模型的內窺鏡術前檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述識別所述目標圖像中的第一目標對象以及識別參考圖像中的第二目標對象，包括：
3.根據權利要求2所述的方法，其特征在于，所述確定所述第一輪廓相對于所述第二輪廓的缺失區域，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述第一缺失區域或所述第二缺失區域，調整所述目標內窺鏡，包括：
5.根據權利要求4所述的方法，其特征在于，所述對每一缺失面積進行加權處理，得到所述目標內窺鏡的調整參數，包括：
6.根據權利要求3所述的方法，其特征在于，所述根據所述第一缺失區域和所述第二缺失區域，調整所述目標內窺鏡，包括：
7.根據權利要求3所述的方法，其特征在于，所述神經網絡模型包括編碼層、特征融合層和解碼層，所述特征融...
【專利技術屬性】
技術研發人員：陳瓊，周玉琳，李路，竇淮南，
申請(專利權)人：美希艾精密儀器蘇州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。