本申請涉及內(nèi)窺鏡，特別是涉及基于神經(jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法、內(nèi)窺鏡、介質(zhì)。

背景技術(shù)：

1、內(nèi)窺鏡在使用過程中，隨著使用次數(shù)的增加，內(nèi)窺鏡中的硬件機(jī)構(gòu)以及相應(yīng)的電路都會存在磨損現(xiàn)象。以及內(nèi)窺鏡的使用實(shí)質(zhì)上需要操作者具有很強(qiáng)的理論知識，在使用過程中通過多次對內(nèi)窺鏡的操作，才能利用內(nèi)窺鏡采集到需要的圖像。

2、因此，在術(shù)前對內(nèi)窺鏡進(jìn)行檢測調(diào)整很有必要。

技術(shù)實(shí)現(xiàn)思路

1、本申請?zhí)峁┑幕谏窠?jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法、內(nèi)窺鏡、介質(zhì)，能夠提升后續(xù)術(shù)中的圖像采集質(zhì)量。

2、本申請采用的一種技術(shù)方案是提供一種基于神經(jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法，該方法包括：在術(shù)前，利用目標(biāo)內(nèi)窺鏡采集參考部位對應(yīng)的目標(biāo)圖像；識別目標(biāo)圖像中的第一目標(biāo)對象以及識別參考圖像中的第二目標(biāo)對象；其中，參考圖像是利用基準(zhǔn)內(nèi)窺鏡采集參考部位得到；確定第一目標(biāo)對象相對于第二目標(biāo)對象的缺失區(qū)域；根據(jù)缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡。

3、其中，識別目標(biāo)圖像中的第一目標(biāo)對象以及識別參考圖像中的第二目標(biāo)對象，包括：識別目標(biāo)圖像中的第一目標(biāo)對象的第一輪廓，以及識別參考圖像中的第二目標(biāo)對象的第二輪廓；確定第一目標(biāo)對象相對于第二目標(biāo)對象的缺失區(qū)域，包括：確定第一輪廓相對于第二輪廓的缺失區(qū)域。

4、其中，確定第一輪廓相對于第二輪廓的缺失區(qū)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(qū)域內(nèi)，進(jìn)而確定出第一輪廓相對于第二輪廓的第一缺失區(qū)域；和/或?qū)⒌谝惠喞牡谝荒繕?biāo)對象和第二輪廓的第二目標(biāo)對象輸入至神經(jīng)網(wǎng)絡(luò)模型，以使神經(jīng)網(wǎng)絡(luò)模型對第一輪廓的第一目標(biāo)對象進(jìn)行像素補(bǔ)全，得到第三輪廓的第一目標(biāo)對象；響應(yīng)于第三輪廓和第二輪廓之間的差異小于閾值，則將補(bǔ)全的像素區(qū)域作為第二缺失區(qū)域；根據(jù)缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡，包括：根據(jù)第一缺失區(qū)域和/或第二缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡。

5、其中，根據(jù)第一缺失區(qū)域或第二缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡，包括：以參考圖像為基準(zhǔn)，將第一缺失區(qū)域或第二缺失區(qū)域劃分為多個缺失子區(qū)域；統(tǒng)計每一缺失子區(qū)域?qū)?yīng)的缺失面積；對每一缺失面積進(jìn)行加權(quán)處理，得到目標(biāo)內(nèi)窺鏡的調(diào)整參數(shù)；根據(jù)調(diào)整參數(shù)調(diào)整目標(biāo)內(nèi)窺鏡。

6、其中，對每一缺失面積進(jìn)行加權(quán)處理，得到目標(biāo)內(nèi)窺鏡的調(diào)整參數(shù)，包括：對所有缺失面積進(jìn)行從大到小排序，并按照排序順序進(jìn)行從大到小的權(quán)重賦值。

7、其中，根據(jù)第一缺失區(qū)域和第二缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡，包括：根據(jù)第一缺失區(qū)域，得到目標(biāo)內(nèi)窺鏡的第一調(diào)整參數(shù)；根據(jù)第二缺失區(qū)域，得到目標(biāo)內(nèi)窺鏡的第二調(diào)整參數(shù)；根據(jù)第一調(diào)整參數(shù)和第二調(diào)整參數(shù)，得到目標(biāo)調(diào)整參數(shù)；利用目標(biāo)調(diào)整參數(shù)調(diào)整目標(biāo)內(nèi)窺鏡。

8、其中，神經(jīng)網(wǎng)絡(luò)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(jìn)行增強(qiáng)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(biāo)對象和第二輪廓的第二目標(biāo)對象輸入至神經(jīng)網(wǎng)絡(luò)模型，以使神經(jīng)網(wǎng)絡(luò)模型對第一輪廓的第一目標(biāo)對象進(jìn)行像素補(bǔ)全，得到第三輪廓的第一目標(biāo)對象，包括：利用第一類編碼層對第一輪廓的第一目標(biāo)對象進(jìn)行特征提取，得到各層級對應(yīng)的第一特征圖，并將第一特征圖輸入至注意力機(jī)制層；利用第二類編碼層對第二輪廓的第二目標(biāo)對象進(jìn)行特征提取，得到各層級對應(yīng)的第二特征圖，并將第二特征圖輸入至注意力機(jī)制層；利用注意力機(jī)制層將第一特征圖和第二特征圖按照對應(yīng)層級進(jìn)行特征提取，以得到各層級對應(yīng)的第三特征圖；將各層級對應(yīng)的第三特征圖輸入至特征融合層進(jìn)行增強(qiáng)融合，得到各層級對應(yīng)的第四特征圖；將各層級對應(yīng)的第四特征圖輸入至解碼層進(jìn)行像素補(bǔ)全，得到第三輪廓的第一目標(biāo)對象。

9、其中，利用注意力機(jī)制層將第一特征圖和第二特征圖按照對應(yīng)層級進(jìn)行特征提取，以得到各層級對應(yīng)的第三特征圖，包括：利用注意力機(jī)制層將第一特征圖進(jìn)行卷積運(yùn)算，得到第一目標(biāo)特征圖，將第一目標(biāo)特征圖輸入至第一類編碼層的下一編碼層；利用注意力機(jī)制層將第二特征圖進(jìn)行卷積運(yùn)算，得到第二目標(biāo)特征圖，將第二目標(biāo)特征圖輸入至第二類編碼層的下一編碼層；將第一目標(biāo)特征圖和第二目標(biāo)特征圖進(jìn)行特征融合，得到第三特征圖。

10、本申請采用的另一種技術(shù)方案是提供一種內(nèi)窺鏡，該內(nèi)窺鏡包括主機(jī)端、光電轉(zhuǎn)換模組以及插入結(jié)構(gòu)；主機(jī)端、光電轉(zhuǎn)換模組以及插入結(jié)構(gòu)配合，以實(shí)現(xiàn)如上述技術(shù)方案提供的方法。

11、本申請采用的另一種技術(shù)方案是提供一種計算機(jī)可讀存儲介質(zhì)，該計算機(jī)可讀存儲介質(zhì)用于存儲計算機(jī)程序，計算機(jī)程序在被處理器執(zhí)行時，用于實(shí)現(xiàn)如上述技術(shù)方案提供的方法。

12、本申請的有益效果是：區(qū)別于現(xiàn)有技術(shù)的情況，本申請的基于神經(jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法、內(nèi)窺鏡、介質(zhì)，在術(shù)前利用目標(biāo)內(nèi)窺鏡采集參考部位對應(yīng)的目標(biāo)圖像；識別目標(biāo)圖像中的第一目標(biāo)對象以及識別參考圖像中的第二目標(biāo)對象；其中，參考圖像是利用基準(zhǔn)內(nèi)窺鏡采集參考部位得到；確定第一目標(biāo)對象相對于第二目標(biāo)對象的缺失區(qū)域；根據(jù)缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡，以使目標(biāo)內(nèi)窺鏡達(dá)到最佳的圖像采集狀態(tài)，進(jìn)而可以提升后續(xù)術(shù)中的圖像采集質(zhì)量，以及能夠減少后續(xù)使用者在術(shù)中對目標(biāo)內(nèi)窺鏡的調(diào)整，提升圖像的采集效率。

技術(shù)特征：

1.一種基于神經(jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法，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，所述識別所述目標(biāo)圖像中的第一目標(biāo)對象以及識別參考圖像中的第二目標(biāo)對象，包括：

3.根據(jù)權(quán)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(qū)域，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述第一缺失區(qū)域或所述第二缺失區(qū)域，調(diào)整所述目標(biāo)內(nèi)窺鏡，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對每一缺失面積進(jìn)行加權(quán)處理，得到所述目標(biāo)內(nèi)窺鏡的調(diào)整參數(shù)，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述第一缺失區(qū)域和所述第二缺失區(qū)域，調(diào)整所述目標(biāo)內(nèi)窺鏡，包括：

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)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(jìn)行增強(qiáng)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(biāo)對象和所述第二輪廓的所述第二目標(biāo)對象輸入至神經(jīng)網(wǎng)絡(luò)模型，以使所述神經(jīng)網(wǎng)絡(luò)模型對所述第一輪廓的第一目標(biāo)對象進(jìn)行像素補(bǔ)全，得到第三輪廓的第一目標(biāo)對象，包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述利用注意力機(jī)制層將所述第一特征圖和所述第二特征圖按照對應(yīng)層級進(jìn)行特征提取，以得到各層級對應(yīng)的第三特征圖，包括：

9.一種內(nèi)窺鏡，其特征在于，所述內(nèi)窺鏡包括主機(jī)端、光電轉(zhuǎn)換模組以及插入結(jié)構(gòu)；所述主機(jī)端、光電轉(zhuǎn)換模組以及插入結(jié)構(gòu)配合，以實(shí)現(xiàn)如權(quán)利要求1-8任一項(xiàng)所述的方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)用于存儲計算機(jī)程序，所述計算機(jī)程序在被處理器執(zhí)行時，用于實(shí)現(xiàn)如權(quán)利要求1-8任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請公開了基于神經(jīng)網(wǎng)絡(luò)模型的內(nèi)窺鏡術(shù)前檢測方法、內(nèi)窺鏡、介質(zhì)。該方法包括：在術(shù)前，利用目標(biāo)內(nèi)窺鏡采集參考部位對應(yīng)的目標(biāo)圖像；識別目標(biāo)圖像中的第一目標(biāo)對象以及識別參考圖像中的第二目標(biāo)對象；其中，參考圖像是利用基準(zhǔn)內(nèi)窺鏡采集參考部位得到；確定第一目標(biāo)對象相對于第二目標(biāo)對象的缺失區(qū)域；根據(jù)缺失區(qū)域，調(diào)整目標(biāo)內(nèi)窺鏡。通過上述方式，能夠提升后續(xù)術(shù)中的圖像采集質(zhì)量和減少后續(xù)術(shù)中用戶的調(diào)整次數(shù)。

技術(shù)研發(fā)人員：陳瓊,周玉琳,李路,竇淮南
受保護(hù)的技術(shù)使用者：美希艾精密儀器（蘇州）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6