本申請涉及內(nèi)窺鏡，特別是涉及一種清潔度檢測方法、裝置、計算機設備和內(nèi)窺鏡系統(tǒng)。

背景技術(shù)：

1、隨著內(nèi)窺鏡技術(shù)的發(fā)展，可以將內(nèi)窺鏡廣泛應用于醫(yī)療領域。例如，在腸鏡檢查的過程中，可以采用內(nèi)窺鏡對應的內(nèi)窺鏡系統(tǒng)對腸道的清潔程度進行檢測。且對腸道的清潔度進行準確地檢測對于后續(xù)的腸鏡檢查來說至關重要。

2、傳統(tǒng)技術(shù)中，是將多個圖像幀輸入至訓練好的深度學習模型中進行腸道清潔度的檢測，得到腸道清潔度檢測結(jié)果。

3、然而，傳統(tǒng)的腸道清潔度檢測方法，存在不能準確地檢測出腸道清潔度的問題。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠準確地檢測出腸道清潔度的清潔度檢測方法、裝置、計算機設備和內(nèi)窺鏡系統(tǒng)。

2、第一方面，本申請?zhí)峁┝艘环N清潔度檢測方法。所述方法包括：

3、獲取待檢測腸道的多個腸道視頻片段；每個所述腸道視頻片段中均包括多幀腸道退鏡圖像；

4、根據(jù)預設清潔度識別算法及所述多個腸道視頻片段的退鏡速度，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果；

5、基于各所述腸道視頻片段對應的清潔度檢測結(jié)果，確定所述待檢測腸道的清潔度檢測結(jié)果。

6、在其中一個實施例中，所述根據(jù)預設清潔度識別算法及所述多個腸道視頻片段的退鏡速度，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果，包括：

7、獲取所述多個腸道視頻片段的退鏡速度；

8、根據(jù)各個所述腸道視頻片段的退鏡速度，確定每個所述腸道視頻片段分別對應的預設圖像權(quán)重；

9、根據(jù)所述預設清潔度識別算法及各所述腸道視頻片段分別對應的預設圖像權(quán)重，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果。

10、在其中一個實施例中，所述獲取所述多個腸道視頻片段的退鏡速度，包括：

11、根據(jù)各個所述腸道視頻片段內(nèi)每個相鄰腸道退鏡圖像的圖像信息，分別計算所述每個相鄰腸道退鏡圖像之間的圖像相似度；

12、根據(jù)所述每個相鄰腸道退鏡圖像之間的圖像相似度，分別計算所述每個相鄰腸道退鏡圖像之間的相對退鏡速度；

13、基于各所述腸道視頻片段中所述每個相鄰腸道退鏡圖像之間的相對退鏡速度，分別確定各所述腸道視頻片段的退鏡速度。

14、在其中一個實施例中，所述獲取所述多個腸道視頻片段的退鏡速度，包括：

15、根據(jù)各個所述腸道視頻片段內(nèi)每個相鄰腸道退鏡圖像的圖像信息，分別計算所述每個相鄰腸道退鏡圖像之間的漢明距離；

16、根據(jù)所述每個相鄰腸道退鏡圖像之間的漢明距離，分別計算所述每個相鄰腸道退鏡圖像之間的相對退鏡速度；

17、基于所述每個相鄰腸道退鏡圖像之間的相對退鏡速度，分別確定各所述腸道視頻片段的退鏡速度。

18、在其中一個實施例中，所述根據(jù)所述預設清潔度識別算法及各所述腸道視頻片段分別對應的預設圖像權(quán)重，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果，包括：

19、將各個所述腸道視頻片段輸入至預設深度學習模型中進行清潔度檢測，生成各所述腸道視頻片段的中間檢測結(jié)果；

20、根據(jù)各所述腸道視頻片段的中間檢測結(jié)果及各所述腸道視頻片段對應的預設圖像權(quán)重，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果。

21、在其中一個實施例中，所述預設深度學習模型包括第一預設深度學習模型，所述第一預設深度學習模型用于對腸道退鏡圖像進行清潔度檢測；所述將各個所述腸道視頻片段輸入至預設深度學習模型中進行清潔度檢測，生成各所述腸道視頻片段的中間檢測結(jié)果，包括：

22、將所述腸道視頻片段內(nèi)的各所述腸道退鏡圖像分別輸入至所述第一預設深度學習模型中進行清潔度檢測，生成各所述腸道退鏡圖像的初始檢測結(jié)果；

23、基于各所述腸道退鏡圖像的初始檢測結(jié)果進行計算，得到各所述腸道視頻片段的中間檢測結(jié)果。

24、在其中一個實施例中，所述根據(jù)各個所述腸道視頻片段的退鏡速度，確定每個所述腸道視頻片段分別對應的預設圖像權(quán)重，包括：

25、根據(jù)各個所述腸道視頻片段的退鏡速度在多個所述腸道視頻片段的退鏡速度中的占比，確定每個所述腸道視頻片段分別對應的預設圖像權(quán)重。

26、第二方面，本申請還提供了一種清潔度檢測裝置。所述裝置包括：

27、獲取模塊，用于獲取待檢測腸道的多個腸道視頻片段；每個所述腸道視頻片段中均包括多幀腸道退鏡圖像；

28、清潔度檢測模塊，用于根據(jù)預設清潔度識別算法及所述多個腸道視頻片段的退鏡速度，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果；

29、清潔度檢測結(jié)果確定模塊，用于基于各所述腸道視頻片段對應的清潔度檢測結(jié)果，確定所述待檢測腸道的清潔度檢測結(jié)果。

30、第三方面，本申請還提供了一種計算機設備。所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述第一方面中任一項實施例中的方法的步驟。

31、第四方面，本申請還提供了一種內(nèi)窺鏡系統(tǒng)，包括：顯示器、光源設備、內(nèi)窺鏡以及上述第三方面中的計算機設備。

32、上述清潔度檢測方法、裝置、計算機設備和內(nèi)窺鏡系統(tǒng)，可以根據(jù)預設清潔度識別算法及獲取的待檢測腸道的多個腸道視頻片段的退鏡速度，對多個腸道視頻片段進行清潔度檢測，生成各腸道視頻片段對應的清潔度檢測結(jié)果。即本申請在對待檢測腸道進行清潔度檢測的過程中，能夠綜合考慮到觀察待檢測腸道時的實時退鏡速度，從而避免了傳統(tǒng)方法中由于實時退鏡速度的變化而導致的腸道清潔度檢測結(jié)果不準確的問題。因此，本申請能夠得到各腸道視頻片段對應的實時且準確的清潔度檢測結(jié)果。進而，基于各腸道視頻片段對應的實時且準確的清潔度檢測結(jié)果，能夠較準確地確定待檢測腸道的清潔度檢測結(jié)果。

技術(shù)特征：

1.一種清潔度檢測方法，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，所述根據(jù)預設清潔度識別算法及所述多個腸道視頻片段的退鏡速度，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述多個腸道視頻片段的退鏡速度，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述多個腸道視頻片段的退鏡速度，包括：

5.根據(jù)權(quán)利要求2-4任一項所述的方法，其特征在于，所述根據(jù)所述預設清潔度識別算法及各所述腸道視頻片段分別對應的預設圖像權(quán)重，對所述多個腸道視頻片段進行清潔度檢測，生成各所述腸道視頻片段對應的清潔度檢測結(jié)果，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預設深度學習模型包括第一預設深度學習模型，所述第一預設深度學習模型用于對腸道退鏡圖像進行清潔度檢測；所述將各個所述腸道視頻片段輸入至預設深度學習模型中進行清潔度檢測，生成各所述腸道視頻片段的中間檢測結(jié)果，包括：

7.根據(jù)權(quán)利要求2-4任一項所述的方法，其特征在于，所述根據(jù)各個所述腸道視頻片段的退鏡速度，確定每個所述腸道視頻片段分別對應的預設圖像權(quán)重，包括：

8.一種清潔度檢測裝置，其特征在于，所述裝置包括：

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。

10.一種內(nèi)窺鏡系統(tǒng)，其特征在于，包括：顯示器、光源設備、內(nèi)窺鏡以及如權(quán)利要求9所述的計算機設備。

技術(shù)總結(jié)
本申請涉及一種清潔度檢測方法、裝置、計算機設備和內(nèi)窺鏡系統(tǒng)。上述方法包括：獲取待檢測腸道的多個腸道視頻片段；每個腸道視頻片段中均包括多幀腸道退鏡圖像；根據(jù)預設清潔度識別算法及多個腸道視頻片段的退鏡速度，對多個腸道視頻片段進行清潔度檢測，生成各腸道視頻片段對應的清潔度檢測結(jié)果；基于各腸道視頻片段對應的清潔度檢測結(jié)果，確定待檢測腸道的清潔度檢測結(jié)果。采用本方法能夠準確地檢測出腸道的清潔度。

技術(shù)研發(fā)人員：孫龍,張璟,汪先遠
受保護的技術(shù)使用者：常州聯(lián)影智融醫(yī)療科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23