胶囊式内窥镜范文

胶囊式内窥镜范文（精选6篇）

胶囊式内窥镜 第1篇

以信息化,生物、化学武器多元化,核武器小型化等为特点的现代和未来战场以及执行多样化军事任务条件下,战士的伤亡机制更加复杂,对医疗救治的要求也逐步提高。2001 年,以色列Given Imaging公司M2ATM胶囊式内窥镜的成功研制及使用,迅速引起各军事部门、工业界和研究机构的关注。胶囊式内窥镜的研发开创了消化道内窥镜检查的新纪元[1,2],并为卫勤人员在无复杂设备条件下及时获取士兵生理数据、提供战场救援提供了新手段。然而,M2ATM胶囊式内窥镜存在价格昂贵、电池容量有限、捕获的图像数据量巨大、处理相对困难等弊端。因此突破国外胶囊式内窥镜的关键技术壁垒,开发具有自主知识产权、功能更强大的新型智能胶囊式内窥镜检查系统具有重要的现实意义。

1 智能胶囊式内窥镜系统的设计要求

基于现有胶囊式内窥镜设备的特点[3],设计研发的战场智能胶囊式内窥镜目标产品应达到以下功能和性能指标:(1)具备双向通信功能,可在使用时对胶囊进行有效配置;(2)基于蓝牙设计,实现图像的采集及图像向上位机的传输;(3)图像分辨率可控,且能在现有产品基础上提高图像分辨率;(4)在体积与进口产品相当的条件下,连续工作时间可达到10 h以上,超过进口产品8 h的工作时间。

2 智能胶囊式内窥镜系统的产品实现

智能胶囊式内窥镜系统主要由体内采集图像数据的胶囊式内窥镜、负责储存数据的便携式记录仪、负责图像处理的图像工作站3 个部分构成,如图1 所示。

胶囊式内窥镜的设计原理如图2 所示[4]。芯片OV7670 是用在镜头上的CMOS图像传感器,镜头将其在消化道内捕获到的照片经C8051F340 单片机有效控制后按客户使用需求通过TXD发送到端口。其中,RXD为单片机的接收端口,可以接收配置命令与实现反馈重传。AL422B为先进先出的存储器(容量为384 KB),74HC00 为与非门。PWDN为控制摄像头休眠或工作模式的引脚,DO0~DO7 为8 个数字像素输出信号,PCLK为像素同步信号,VSYNC为帧同步信号,HREF为行同步信号。根据各引脚的不同状态设置,胶囊内窥镜拍摄的图像分辨率为240×240~480×480 可调像素。图像最终经蓝牙FBTO6 传输到受检者体外便携器上。应用ECS1020 封装芯片制成胶囊式内窥镜的过程如图3 所示。

便携式记录仪主要用于接收并存储胶囊式内窥镜捕获的图像信息。该装置通过无线方式接收胶囊式内窥镜传输出的数据,并通过USB接口与影像工作站连接,将接收到的图像传送至图像工作站(如图4 所示)。数据记录仪以ARM9 处理器为控制内核,支持8 天线输入,可自动选择信号最优的天线,以大容量SD卡实现图像数据存储,支持离线、在线诊断2 种工作模式。

图像工作站的主要功能是显示并处理从数据记录仪接收到的数据,并向胶囊式内窥镜发送控制指令,还可提供图像数据与病案管理功能,自动筛选照片,辅助医生从大量图片中检索出有诊断意义的图片。专用图像工作站和软件的基本界面如图5 所示。

3 智能胶囊式内窥镜系统的技术特点

本项目所实现的智能胶囊式内窥镜系统产品,其性能指标在同等体积下的电池寿命、支持图像分辨率、帧率等方面,超过了同类进口产品,可较好地满足战场卫勤的医疗需求。其主要技术特点如下[4,5,6]:

(1)降低功耗主要设计。为实现全消化道检查,胶囊式内窥镜的寿命必须有效延长(大于目前主流产品的8 h工作时间),根本上还是依赖于极低功耗集成电路技术的实现。而在芯片各功能模块中收发机为保持通信必须处于工作状态,其能耗是一个关键问题。

ECS1020 所集成的射频收发机工作在404 ~432 MHz频段上。发射机采用MSK调制,提供1、2、3 Mbit/s的发射码率,一般使用3 Mbps的码率,以最大限度地利用发射机的高能量效率。其中电流复用技术被高效地应用在发射机中,锁相环的压控振荡器VCO和正交二分频器共享一个偏置电流,大大地节省了本振电路的能耗;用于产生MSK基带调制波形的数字模拟转换器(digital to analog converter,DAC)的直流电流被上变频复用,大大降低了发射机的功耗。收发机功能框图如图6 所示。

(2)双向可控通信模式设计。ESC1020 内部集成了射频接收机和射频发射机。接收机可以接收外部发送的配置命令,在系统运行过程中,根据患者的需要调整胶囊式内窥镜的工作模式。

(3)无损图像压缩器设计。采用由专用的图像滤波算法和标准JPEG-LS压缩算法组成的无损图像压缩算法,可实现高效、高质量彩色图像压缩编码。同时在硬件实现过程中最大化地使用了对数编码器来减少比较器的使用,最终大大减少了等效门的数目。

(4)提高设计图像分辨率。最高分辨率480×480像素,超过进口产品256×256 像素的分辨率。高分辨率图像更易分辨出细节,使阳性病变的检出率更高。

4 智能胶囊式内窥镜系统的应用效果分析

该项目召集了30 例健康志愿者参与消化道动力学测试,受检者受检过程中及其后一个月的随访都无任何不适。为观察受检者吞服胶囊后消化道机械性运动是否有明显变化,对受检者消化间期移行性运动综合波(migrating motor complex,MMC)次数及其Ⅲ相波时间变化采样,采样数据及统计学比较结果见表1。吞服前后比较P>0.05,无显著统计学差异,表明该胶囊式内窥镜检查不会导致消化道过度的机械性运动[7]。

接下来从受试患者临床应用方面出发,研究了智能胶囊式内窥镜检查的可行性。对50 名门诊体检者进行全消化道检查,获得了良好效果。对12 例排除了消化道畸形、胃肠道梗阻、消化道穿孔、狭窄或瘘管,疑为小肠隐匿性出血的患者施行全消化道检查。胶囊式内窥镜在体内平均有效记录时间为8.5 h,获取的绝大多数图像清晰可辨。其在胃、十二指肠、空肠、回肠采集的图像较清晰,气泡及液体较少,符合内镜医师的诊断要求。其排出体外时间约为20 h(8~38 h),全部受检者无不良反应和并发症发生。12例患者总体阳性检出率为83.3%,其中检出小肠血管发育不良6 例,空肠出血3 例,小肠肿瘤1 例。另有2 名黑便患者,胶囊式内窥镜检查结果为阴性[8]。综上所述,胶囊式内窥镜对消化道疾病的检查安全有效,且突破了以往胃肠道疾病的检查盲区,大大提高了消化道疾病的检出率。

5 结语

胶囊式内窥镜的问世得益于集成电路技术、微型传感器技术及数据处理技术的进步[6]。要提高胶囊内镜系统的图像数据处理能力、延长连续工作时间,必须考虑各种极低功耗模块电路技术以及片上系统(system on chip,So C)集成技术的突破。

本项目所实现的智能胶囊式内窥镜由于采用了电流复用等技术,电路能耗降低,工作时间有效延长;高质量彩色图像压缩编码技术和高效图像压缩器的使用使产品采集到的图像更清晰;射频收发机的使用使产品的工作模式可控……这种微小型便携式医用电子产品在未来战场复杂应用环境下,可以高质量地完成全消化道疾病检查,而且患者在检查过程中可照常工作学习,在战时消化道疾病诊治中应用潜力巨大。

摘要：目的:为满足现代战场消化道疾病诊治的需要,设计一种基于低功耗片上系统的智能胶囊式内窥镜检查系统。方法:在降低功耗、双向可控通信模式、无损图像压缩器、提高图像分辨率4个方面进行设计,主要由体内采集图像数据的胶囊式内窥镜、负责储存数据的便携式记录仪、负责图像处理的图像工作站3个部分构成。结果:该内窥镜系统进一步缩小了胶囊式内窥镜的体积,大幅延长了工作时间;捕获图像的最大分辨率达480×480像素,最高图像传输速率可达12帧/s。结论:该内窥镜系统实现了更小体积、更长工作时间、更高分辨率以及双向通信、便于传输等设计目标,较好地满足了消化道疾病监测与诊断的需求。

关键词：胶囊式内窥镜,低功耗,片上系统,智能化

参考文献

[1]Rey J F,Ogata H,Hosoe N,et al.Blinded nonrandomized comparative study of gastric examination with a magnetically guided capsule endoscope and standard video endoscope[J].Gastrointestinal Endosc,2012,75(2):373-381.

[2]Eliakim R.Video capsule endoscopy of the small bowel[J].Curr Opin Gastroenterol,2010,26(2):129-133.

[3]Liao Z,Duan X D,Xin L,et al.Feasibility and safety of magnetic-controlled capsule endoscopy system in examination of human stomach:a pilot study in healthy Volunteers[J].J Interv Gastroenterol,2012,2(4):155-160.

[4]吕庆文,邹志武,袁伟钊,等.基于胶囊内镜的自诊断技术与模式的初步研究[J].中国数字医学,2015,10(7):42-45.

[5]闫涛,周丁华,王志华,等.基于极低功耗数模混合集成电路芯片的智能型胶囊式内窥镜检查系统的研制[J].中国医学装备,2013,10(12):17-19.

[6]陈新凯,姜汉钧,王志华.一种用于电池供电的无线内视镜系统的片上集成的电源管理单元[J].半导体学报,2008,29(11):2 245-2 251.

[7]周丁华,闫涛,吕伟,等.HT型胶囊式内窥镜检查对人体消化道动力学的影响[J].中华损伤与修复杂志,2012,7(6):39-40.

磁导航胶囊内窥镜胃检查系统 第2篇

医生通过一个操纵杆控制胶囊内窥镜对感兴趣的领域进行高清晰度成像, 并允许胶囊内窥镜倾斜和旋转, 以及横向和纵向的定位。指导磁铁会随时间产生变化磁场, 从而能够引导胶囊根据需要做出改变。

胶囊内视镜大约31毫米长, 直径11毫米, 摄像系统安装在舱的两端允许观察胃的内部。实时观测将可能通过在线传送给图像处理系统, 并通过磁导航对胶囊内视镜位置进行指导。

双模式胶囊内窥镜转发器的设计 第3篇

胶囊内窥 镜[1]检查是利 用吞服式 内置无线 摄录相机 的胶囊进 行内镜消 化系统摄 影 ,以评估消 化道问题 。 受检查者 通过口服 胶囊内窥 镜 ,使胶囊在 人的身体 中运动并 拍摄图像 。 医生利用 体外的图 像记录仪 和影像工 作站 , 可以了解 受检者的 整个消化 道情况 , 从而对病 情做出诊 断 。 与传统的 内窥镜相 比 ,胶囊内窥 镜检查具 有无创伤 、 无交叉感 染等优点 , 是消化道 疾病尤其 是小肠疾 病诊断的 首选方法 。 胶囊内窥 镜采用的 是专用的RF传输方式 。 现有的胶 囊内窥镜 一般是检 查完后才 能获取到 完整的图 像数据 。 以国产OMOM胶囊内窥 镜的检查 方法[2,3]为例 , 等到检查 结束后才 由医生将 图像记录 仪的图像 数据下载 到电脑上 的工作站 进行分析 。 为了将胶 囊内窥镜 图像实时 传送到工 作站 ,本文提出 了基于蓝 牙和Wi - Fi的双模式 胶囊内窥 镜图像转 发器 。 提出的转 发器通过 使用和胶 囊内窥镜 配套的无 线收发模 块接收图 像数据 , 然后根据 不同的应 用模式 , 由微处理 器控制蓝 牙模块或Wi-Fi模块转发 数据 。 近距离转 发时 ,使用蓝牙 模式 ;远程转发 时 ,借助无线 网络 ,使用Wi-Fi模式 。 使用提出 的转发器 ,可将图像 实时转发 到接收端 进行显示 和保存 。 转发器也 可作为胶 囊内窥镜 远程诊断 的一种实 现方法 。 远程医疗 技术使得 病人的诊 断不受时 间和地域 限制 ,这可以节 省医生和 病人的大 量时间和 金钱 。

1 系统 结构

系统主要 由三部分 组成 , 分别为胶 囊内窥镜 、 转发器以 及接收设 备 。 通过转发 器 ,能够将胶 囊内窥镜 专用射频 模块接收 到的图像 数据实时 转发给接 收终端 。 本文使用Android手机作为 移动采集 终端 , 工作站使 用的是自 主开发的QT胶囊内窥 镜图片分 析系统[4]。 图1是使用转 发器的胶 囊内窥镜 图像采集 系统 。 转发器保 留了其他传输方 式的外部 接口 ,因此设计 的转发器 也能用于 其他的转 发应用 。

2 转发器硬件设计

2 . 1 RF 接 收 器

胶囊内窥 镜采用基 于n RF24L01+传输的实 验模型[5], 转发器RF接收模块 采用与之 相同的RF接收芯片 。 n RF24L01 + 具有低功 耗 、 小尺寸和 高带宽等 优点 。 外围电路如图2所示,它与单片机SPI口的通信速度可达8 MHz; 最大支持2 Mb/s的数据传 输速率 ,而正常的 电流消耗 为14 m A ; 支持自动 应答及自 动重发 , 内置地址 及CRC数据校验 等功能 , 虽然自动 应答降低 了通信速 度 , 但它是生 物医学应 用中所必 须的 。 模块通过SPI接口编程 配置 。 这里设置 传输速率 为2 Mb/s,发射功率0 d Bm,接收通道0自动应答 。 配置通信 模式为突 发模式 ,这有利于 降低功耗 且抗干扰 性强 。 在突发模 式 ,每次最多 只能发送32 B的数据 。 配置部分 命令如下 :

2 . 2 控 制 芯 片

MCU微控制器 采用STM32F103RCT6单片机[6], 主要负责 模块的配 置 、 数据的缓 存和处理 转换 , 并根据预 定义的方式从相关接口传送数据。 它控制RF接收器、Wi-Fi模块和蓝 牙模块的 数据传输 中的所有 活动和总 体管理产 生的控制 信号 。 STM32系列专为 要求高性 能 、低成本 、 低功耗的 嵌入式应 用而设计 。 时钟频率72 MHz时 , STM32电流消耗 仅为36 m A , 是32位市场上 功耗最低 的产品 ,相当于0.5 m A/MHz。

2 . 3 Wi - Fi 模 块

Wi - Fi被用得越 来越广泛 , 在许多地 方都作为 一种主要 的通信媒 介 。 本文使用 德州仪器Wi-Fi嵌入式芯 片CC3000 , 它可以给 电子设备 提供Internet连接能力 。 这款芯片 包含完整 的TCP/IP通信栈和Wi-Fi驱动 , 支持标准 的socket编程 。 采用First Time Config技术 ,这能够轻 松地对接 入点进行 配置 , 而无需显 示屏或用 户界面 , 非常适合 嵌入式应 用 。 在802.11g工作模式 下 , 传输电流 消耗为190 m A,接收电流 消耗为92 m A。 对CC3000的外围电 路进行如 图3所示的设 计 , 只保留了SPI通信接口 和UART调试接口 。

所有上层 应用函数 通过HCI抽象层与SPI接口通信 。 CC3000第一次配 置指当最 终的产品 还没有输 入输出能 力时 , 第一次配 置提供了 一种方法 穿件一个 外形 , 这些设置 都存储在CC3000的EEPROM中 , 第一次配 置的基本 流程如图4所示 。

信标里的prefix值一般设 置为TTT,外部设备 发送带有 信标的探 头 , 里面包括 要连接的AP的SSID和密码 。 CC3000接收并解释探头后 , 将AP的连接信息写入EEPROM , 以后自动连入该AP 。 当连接指定AP超时 ,CC3000便再进入 智能模式[7], 它是CC3000独有的AP配置信息 模式 , 可以使用 任何带Wi-Fi的设备配 置CC3000连接到AP。 这便于客 户重新配 置Wi-Fi的连接 。

2 . 4 蓝 牙 模 块

蓝牙模块[8]中的芯片使用的是CSR公司的BC41714,集成蓝牙 串行数据 透传(SPP),波特率最 高可达1.384 Mb/s, 正常工作 时电流为20 m A, 模块采用 标准UART接口通信 。 使用之前 通过AT指令进行 配置 。 本文配置 蓝牙为从 设备模式 ,波特率为38.4 kb/s。

2 . 5 电 源 供 应

采用输出3.7 V的锂电池 作为电源 的供应 。 电池可以 通过USB线进行充 电 。

3 控制 程序实现

软件控制 程序是分 层模块化 实现的 , 这样使得 添加新的 硬件不至 于对软件 进行大规 模改动 。 底层驱动 程序是由ST公司提供 的一个完 整的STM32设备固件 库 。 该库提供 了STM32所有外设 的底层驱 动函数 ,开发人员 可以不需 要自己编 写驱动函 数而在这 些底层函 数的基础 上编写应 用程序 。 CC3000使用官方 提供Hostdriver驱动库 ,该驱动提 供芯片配 置以及芯 片联网的 所有操作 函数库 。 上层应用 层包括数 据处理 、系统配置 等模块 。 STM32通过SPI初始化CC3000和RF射频模块。 配置n RF24L01+ 为接收模 式 , 自动应答 , 每次传输32 B数据 。 为了确保 数据接收 与发送的 同步操作 ,CC3000的数据包 也设置为32 B。 因为针对 的是远程 采集 ,工作站的IP地址一般 是固定的 ,因此配置CC3000为服务端 的工作模 式 。 适配器工 作时 , 从RF的SPI口读取到 的数据先 存到存储 缓冲器中 。 然后由STM32根据选择 的模式 ,通过检测 连接到GPIO口的开关 状态进判 断 。 针对安卓 手机采集 选择蓝牙 模式 , 这样能节 省转发器 的功耗 , 针对远程 连接选择Wi-Fi模式 。 转发器的 工作流程 如图5所示 。

4 接收 程序

4 . 1 蓝 牙 工 作 模 式

如今 ,智能手机 有足够的 处理和存 储能力来 完成图像 数据的处 理 。 智能手机 可以使用 蓝牙或Wi-Fi来接收这 些数据 。 为了省电 ,本文使用 带蓝牙的Android手机接收 图像数据 。 Android是一个开 源移动操 作系统 ,它有一个 强大的基 于java框架的软 件开发包 ,Android里的Bitmap类[9]是Android系统中的 图像处理 的最重要 类之一 。 用它可以 获取图像 文件信息 ,进行图像 相关处理 。 使用蓝牙 模式 ,首先应由 手机完成 设备的配 对 。 配对完后 发送采集 命令 。 连接后的 设备主要通过 蓝牙Socket通信 。 从手机Socket口获取的 图像数据 流通过Android里的Bitmap类处理生 成JPEG图像并显 示 。 添加SD权限 , 把图像写 进SD卡中 。 图6是拍摄到 的图片 ,可成功传 输到手机 上保存并 显示 。

4 . 2 Wi - Fi 工 作 模 式

在Wi -Fi工作模式 下 , CC3000利用Wi - Fi直接与工 作站建立TCP连接 。 使用QTcpServer来建立带 有端口的socket服务器并 监听所有 连接 。 其中服务 器和CC3000处于同一 局域网 。 图像启动 采集时 ,CC3000通过指定 服务器的IP和端口号 连接服务 器 。 accept ( ) 方法得到 响应后 , 服务器端 和客户端 就形成了 一对互相 连接的Socket。 经CMOS图像传感 器JPEG压缩得到 的数据仅 包括SOI ( 标记码0XFFD8)、有效图像 数据 、EOI (0XFFD9), 为了得到 完整JPEG图像 ,需要在SOI后插入缺 失的标记 段 。 生成的图 片保存在 工作站硬 盘上 ,调用自主 的胶囊内 窥镜图片 分析系统 进行显示 ,结果如图7所示 。

5 实验 与分析

胶囊内窥 镜使用n RF24L01+发送图像 数据 。 转发器处 理接收到 的数据 , 根据不同 的模式 , 分别使用 蓝牙和Wi-Fi进行转发图像数据 。 图6和图7是两种模式的实验结果 。 实验结果 表明 ,该转发器 能够稳定 转发胶囊 内窥镜图 片 。 不同组件 的平均功 耗如图8所示 。 可以见到 ,最为耗电的是CC3000。 Wi-Fi模式下总的耗电量为200 m A, 在2 000 m Ah的锂电源 的工作环 境下 , 能工作10 h。 由于胶囊 内窥镜一 般工作8 h左右 , 这已足够 胶囊内窥 镜的应用 。

本设计的 转发器具 有以下优 势 :

( 1 ) 转发器是 一个体积 小 、 功耗低的 设备 。

( 2 ) 安装相关 软件 , 任何带有 蓝牙的手 机和连接 到网络的工作站都可以用作胶囊内窥镜数据采集和处理设备。

( 3 ) 可以使用 手机实时 监控胶囊 内窥镜图 像 。

( 4 ) 转发器可 以直接通 过Wi - Fi将图像上 传到远程 服务器 。

6 结语

基于QT的胶囊内窥镜图片分析系统 第4篇

世界第一套智能胶囊消化道内镜系统由以色列 Given 公司于 2001年投入市场至今,中国重庆金山公司、日本奥林帕斯公司、韩国IntroMedic公司等国内外公司研制出类似产品,因其检查过程无痛苦、可观察消化道全程,从而在消化道疾病诊断中得到广泛应用,成为消化疾病检查的一个重要手段[3,4,5]。不同公司研制出的产品的工作原理基本相同,均由带拍照功能并可无线传输图像的胶囊照像机和图像收集系统组成,患者吞服胶囊后,由胶囊内的照像机每秒拍摄2-8张照片,全程检查6-12小时,采集的消化道图片总量为3-10万张,除图片质量、格式及采集方式存在差异外,所有系统的图片数量均超过3万张,所有系统提供了原始图片回放,但基本无实际的过滤筛选及自动识别功能,全部图片需要内镜医生人工阅片逐张判读,其阅片工作量巨大,且极易引起医生疲劳而漏掉有价值的诊断信息,诊断效率极其低下,难于应付较大的检查量。因此,胶囊内窥镜图片的人工判读已成为制约其发展的主要瓶颈之一[6]。

针对这一问题,GivenImageing公司的采用控制胶囊工作站内的RAPID软件来加速影像播放的速度以及多幅图片显示的方式来缩短阅片时间[7],这需要观察者的眼和大脑一直处于高速的反应状态,容易引起漏诊。有部分研究者提出从采集的大量影像数据中根据已知的消化道病变影像的特征挑选出医生感兴趣的影像进行重点判读,如息肉影像的识别[8]、异常消化道形态的识别[9]等。还有部分学者提出利用智能筛选,将大量相似图片进行自动筛掉。以重庆金山公司的胶囊内窥镜工作站为例,其系统分三个等级对相似图片进行筛除,据临床调查,筛除的图片中含有较多有诊断意义的图片,很容易造成漏诊,故实际临床应用中基本不使用该筛除功能。

根据以上分析,本文主要研究基于QT的胶囊内窥镜图片分析系统及其实现。本系统在Windows平台下,根据胶囊内窥镜图片的不同分类,通过使用胶囊内窥镜冗余图片筛选算法及图片识别算法,可以实现对海量图片的冗余图片筛除与肿物病变的初步识别,进而提高阅片的速度,减轻阅片医生的劳动强度,同时又不影响诊断质量。

1 系统概况

本系统通过输入相关病人信息和导入海量的胶囊内窥镜图片,运用不同的图片处理算法,对所获得的海量图片数据进行初步的筛选,筛除无任何诊断意义的过暗图片,然后进行进一步的筛选,筛除能提高阅片速度又不影响诊断结果的大量重复图片,并在此基础上可以对一些肿物病变图片进行识别。系统主要包括海量图片入库、图片播放浏览、图片筛选、病变识别、病历报告,病人信息查询和管理6个模块,图1为系统实现的主要基本框图。

病变识别在图片筛选基础上进行,筛选结果和病变识别结果都可以在主界面进行播放浏览,同时在处理结果中允许挑选可疑图片并进行保存,进一步对可疑图片进行诊断挑选标记,将最终挑选的图片打印至病历报告中。可以实现快速、省时、减少医生工作量的同时,保证诊断效率及漏诊率。

2 系统设计与实现

本系统在Windows环境下,于Microsoft Visual Studio 2008中集成QT4.6,采用Microsoft SQL Server 2008数据库中进行设计和实现,并通过在服务器和PC机上创建相同的数据源进行数据间的通信。

本系统的各主模块间、子模块间、主模块和子模块间都通过QT的信号/槽工作机制进行对象间的通信,避免了采用回调函数产生的安全性问题及复杂性[7]。

2.1 图片播放浏览模块

在菜单栏或工具栏,或者在数据库中打开多张图片后,可在主界面中央进行显示。本系统采用if-else嵌套方法,实现了1张、2张、4张、6张图片显示的可选按钮,同时实现了向前一张、向后一张、跳转至第一张、跳转至最后一张,以及自动播放、停止播放和播放调速按钮的功能选项,以供医生及其他用户根据各自喜好进行选择。根据临床使用调查,其中6张显示和0.3S的自动播放速度比较适合人体眼睛的观察判断,同时又可快速进行图片的遍历。

2.2 图片筛选模块

胶囊内窥镜的图片均为数字图片,每例患者所采集的3-10万张图片中,可分为以下几类:

(1) 正常图片

由于消化道的病变绝大多数仅局限于某一个或数个部位,除此之处的消化道均为正常结构,因此胶囊内窥镜拍摄的图片中正常图片占绝大多数。这一部分图片虽有参考价值,但无诊断意义,见图2所示。

(2) 过暗图片

由于胶囊内窥镜自带摄像头的硬件限制,光照不足或者曝光不正确,或者操作前肠道准备效果不好等原因,造成拍摄出的图片呈现过暗过黑的质量。此类图片无任何诊断意义,可以进行筛除,见图3所示。

(3) 重复图片

胶囊内窥镜在消化道内不能主动移动,仅在消化道蠕动时作被动移动,在被动移动的过程中拍摄的照片能反映消化道不同部位的情况,具有参考价值。胶囊内窥镜在消化道内某处停滞期间所拍摄的图片均显示该部位的情况,参考价值相同,故只需保留少量重复图片即可。见图4所示,四张重复图片可只保留一张。

(4) 异常图片

消化道的病变尽管千变万化,但反映在内窥镜图片上的特征仅为两方面,一是形态异常,如隆起、凹陷、膨大、缩小等;另一方面则是颜色异常,如出血时偏红,溃疡表现为偏黄。见图5所示四张病变图片。

通过对正常图片的分析并与正常人消化道各部位图片的数据库进行比对,可提取其图像特征。而较多的过暗图片会直接影响后续重复图片筛选的阈值,从而干扰实验结果的有效性。重复图片约占图片总量的三分之二,但只需要极少量的典型图片即可代表大量的重复图片。此类图片对诊断效率影响较大,同时不利于对异常图片的筛选。

因此,本系统先进行过暗图片的筛除,再进行重复图片的筛除,最后对异常图片运用各种算法进行一些分析,并与预先临床医生挑选出的标准病变图片进行比较,从剩余图片中识别出肿物病变图片。

对于正常的图片序列, 由于光照和曝光条件类似, 其像素的平均灰度符合正态分布,对其灰度进行一系列的变换,最后依据一定的标准, 给定判断阈值, 进行双边判断,判断出过暗图片并予以剔除[11,12]。

本系统根据参考文献[11]提出的基于归一化互信息量的冗余图像数据筛除方法。该方法首先将图像在HSV色彩空间量化聚类,然后计算相邻图像的相似度系数,最后根据相似筛除比例进行迭代筛除。本系统采用该上述方法将筛选分为两类,一类为按4个等级进行筛除,另一类为手动输入筛选比例进行筛除。4个等级筛除的结果对诊断结果的影响依次为安全、较安全、均值筛除、有误筛危险;筛选效果以病灶数量保留率和图片误删率为衡量指标。计算公式如下:

病灶数量保留率$=\frac{\text{系}\text{统}\text{自}\text{动}\text{筛}\text{除}\text{后}\text{保}\text{留}\text{的}\text{病}\text{灶}\text{数}\text{量}}{\text{实}\text{际}\text{病}\text{灶}\text{数}\text{量}}$ (1)

图片误删率$=\frac{\text{具}\text{有}\text{临}\text{床}\text{意}\text{义}\text{且}\text{非}\text{相}\text{似}\text{冗}\text{余}\text{的}\text{图}\text{片}\text{数}\text{量}}{\text{病}\text{例}\text{图}\text{片}\text{数}\text{据}\text{总}\text{量}}(2)$

将筛选结果保存在数据库中,并在主界面上进行相应的显示。系统相关对话框如图6,图7所示。

2.3 病变识别模块

文献[13]提出将胶囊内窥图像各分量{R(红色),G(绿色),B(蓝色),H(色调),S(饱和度),I(亮度)}上引入模糊纹理谱提取特征向量,即提取六个统计纹理特征参数(均值,方差,偏差,峰度,能量,熵),再分别输入BP人工神经网络进行训练和识别,对不同分量图像的识别结果采用投票原则确定最终识别结果。本系统根据上述算法的病变识别算法,先对预先临床专家挑选出的标准肿物病变图片进行样本训练,然后在上述过暗和重复筛选的结果的基础上进行病变识别,最后识别出有诊断意义的肿物图片,并将结果保存在数据库中以及在主界面上进行相应的显示。肿物病变识别效果以病灶数量保留率为衡量指标,其计算公式为式(1)。

2.4 病历报告模块

点击某个病人病历报告的相关按钮后,病历报告将以主界面QMainWindow的形式弹出。报告主要分为两个部分,病人的部分信息和可疑图片的分析。

病人的部分信息可以根据数据库表中相应的病人信息进行自动导入。

可疑图片与其他辅助模块中的“报告分析图片”相同。病历报告中定义一个AnalystgroupBox _Click类,包含与Print_ClickWidget类相同的QLabel、QlineEdit,QcheckBox。这两个类的其中一个改变时,另一个将进行实时更新,数据库也将同时进行相应数据的更新。

此外,病历报告菜单中,还包括一些常用的功能选项。例如,可将报告以PDF格式导出储存,利于不同的医生进行脱机查看。对报告中的输入文本可进行排版。同时可对报告进行打印及打印预览等。病历报告可进行两页打印,第一页可打印8张的可疑分析图片,第二页可打印16张的可疑分析图片,共计24张,满足临床实际需求。

2.5 病人信息查询和管理

本系统以对话框的形式进行交互,可按病人姓名、编号、性别、日期、诊断等进行精确查询或模糊查询。对话框中采用了QPushButton类实现了三个扩展的功能按钮,分别是:查看详情、查看原始图片、填写报告。并在“查看详情”中可对病人信息进行编辑,对病人的图片数据进行管理。

2.6 其他辅助模块

(1) 报告分析图片

对原始海量图片或经处理后的剩余图片进行分析判断,对诊断结果具有明显价值的图片加以标记为可疑图片,以QdockWidget窗口显示所有的可疑图片,并根据QCheckBox是否选中在报告中进行选择显示。为可疑图片定义一个Print_ClickWidget类,包含可疑图片QLabel、图片的描述QLineEdit、是否将图片及其相关描述显示在病历报告分析部分中的复选框Qcheckbox。如图8中下方所示,可疑图片进行缩小显示。

(2) 原始相邻图片

此辅助模块式浏览筛选或识别后图片的特有功能。医生在查看筛选或识别的结果时,如想观察某张图片(红色小圆圈标记)与其相邻前后10张原始图片的关系,可进行此模块操作,有利于医生做出正确的诊断。此辅助模块在主界面的左边停靠窗口中进行显示,同时该停靠窗口可在“窗口”菜单中进行选择,选择是否在主界面上进行显示,可方便控制界面图片的浏览空间。如图8中左边所示。

(3) 彩色进度条

从图8中截取出部分当前病人海量图片数据的彩色进度条,如图9所示。该彩色进度条根据当前病人的原始图片,按一定的步长均匀抽取其中的1000图片,在这1000张图片中,对每张图片中间圆形区域每隔10个像素进行抽取,然后将抽取的像素重新排成窄宽的长方形,最后将1000个长方形按抽取顺序排列形成彩色进度条。

彩色进度条可初步判断胶囊在整个时间段运行情况,例如绿色较多,提示肠道准备较差;若出现鲜红色,该时间段可能出现出血灶;若彩带很长一段均匀无变化,该时间段胶囊可能出现停滞,具有较多的重复图片;若出现黑色区域,提示为该时间段的图片数据为过暗无效图片。图9中浅色标记表示当前的播放位置和时间。

3 系统性能

经过临床测试和应用,本系统与其他相关影像工作站对比,具有较好的应用成效。本系统能极大地提高医生的阅片速度,同时保证诊断的正确性。

本系统在在Inter Core2 CPU与3.25G内存系统配置环境下进行了测试。

3.1 重复筛选性能

本系统应用每组批量读取5000张胶囊内镜图片,对49例完整病例图片进行重复筛选,平均耗时15.6min完成47775张图像筛查。可将临床判读时间从现有的2.5个小时缩短到40min内完成,极大地缩短阅片时间,减轻临床医生的负担。

重复筛选前进行的过暗筛除是根据算法阈值进行,阈值设定的不同,将对过暗筛除的结果产生影响。经多次试验以及多位临床专家判定,本系统设定的阈值满足临床需求,并可保证所筛除的过暗图片无诊断价值,不影响诊断结果,但能减少医生的工作量,同时有利于后续筛选工作的进行。输入比例进行筛除,比较不同比例的筛选,结果如表1所示,表2为按等级筛选的情况。

3.2 自动识别性能

本系统采用的训练样本是由多位临床专家预先挑选的82张肿物图片与18张正常图片混合组成。目前本系统可以运用于胶囊内窥肿物图像(息肉,肿瘤等)的辅助诊断,可大大减轻临床医生的工作量。本系统对30例含肿物的临床病人数据进行统计。平均能在5.5min之内完成重复筛选图像的自动识别,可得到98%的病灶保留率。经临床专家进行判读,可将判读时间从现有的2.5 h缩短到40 min内完成,极大地缩短医生阅片时间,快速筛查疑似病变图片,提高工作效率。

3.3 性能分析

由于挑选病例图片的主观性和文献算法等客观原因,造成重复筛选和自动识别过程中存在一定的误删和错误识别。

(1) 主观因素

① 重复筛选后,剩余图片与病例图片进行比较。其中病例图片经由丰富经验的临床医生挑选出,存在一定的主观性,此外病例图片中某种病变的图片可能有多张,且均为重复相类似的图片,对实验结果比较具有较大影响。

例如001、002、003、004均为同一病变的重复图片,经过重复筛选操作后可能剩余上述四张图片中的一张,以剩余002图片为例。但如果病例图片中挑选出的为003病变图片,此时系统将认为此病变被误删,进而造成误删率的升高。

② 系统进行自动识别前需要先进行样本训练,此样本预先由临床专家根据标准肿物病变图片进行挑选,具有一定的主观性。不同样本的训练结果不同,进而影响肿物病变图片的识别效果。为此,本系统中,用户可以自行加载新的样本图片集,以便获得更佳的识别结果。

(2) 客观因素

文献[11]中进行迭代筛除时,对连续N张重复图片进行筛除时,当N不同时筛除后保留的图片将不同,此时与第一个主观因素的例子原理相似,将造成相应性能的下降。

由于胶囊摄像头硬件本身限制和肠道准备工作等原因,不同病人的图片会在颜色、亮度等方面存在差异,致使文献[13]算法中提取的纹理特征会有所差异,进而影响最终的识别效果。

4 结 语

本文在分析海量胶囊内窥镜图片数据分类的基础上,设计并实现了基于QT的胶囊内窥镜图片分析系统,其特色在于允许进行相关的冗余图片筛除操作,极大地减少图片数量的同时保证诊断的质量,并可以进行初步的肿物图片识别操作。目前,本系统已在广州南方医院消化内科进行临床试用。此外,本系统还有进展的空间,例如运用QT的多线程技术,并行处理不同病人的图片数据,还可对除肿物识别以外的其他病变图片进行识别,如出血点、溃疡、息肉等。在性能分析中的主观因素和客观因素也是我们需要改进的方向。

摘要：针对现有遍历胶囊内窥镜海量图片的繁重工作,提出一种基于QT的胶囊内窥镜图片分析系统的实现方案。该系统在对海量图片进行分类的基础上依次进行过暗图片筛选、重复图片筛选,并在以上的筛选结果中进行肿物病变的识别。根据实验结果分析,依等级筛选或手动输入筛选比例的筛选方式筛除了大部分的无效和冗余图片数据,极大地提高了医生的阅片速度,同时保证了诊断质量。

新型优化式妇产科用内窥镜 第5篇

授权公告日:2016.07.27

专利权人:赵向红

地址:274000山东省菏泽市牡丹区解放南街506号牡丹区中医医院妇产科

发明人:赵向红

Int.Cl.:A61B1/303(2006.01)I;A61B1/06(2006.01)I;A61B1/04(2006.01)I

基于光流算法的医学柔式内窥镜系统 第6篇

因此，为了给医师提供清晰的图像、安全的操纵环境，内窥镜图像集中应保持在内腔壁最远的部分，即使内窥镜处于内腔的中心线位置。本文研究设计一个机器人柔式内窥镜系统，即一个视觉伺服系统(Visual Servo-System)[2,3]来引导操纵柔式内窥镜进行常规的胃镜检查。在基于光流算法的自主机器人避障系统[4]设计中，光流是用于计算到图像中特征点的相对距离，并且通过均衡移动机器人两侧光流值的大小来实现机器人避障。研究这种方法是因为操纵内窥镜通过内腔的任务与自主机器人避障任务相似。如果能恢复场景中关键的第三维信息，那么就可以通过深度估算[5]来操纵控制内窥镜躲避距离其最近的物体。本文将自主机器人避障系统中光流算法的思路，引用到机器人柔式内窥镜系统中，提出了一种基于LK光流算法的机器人柔式内窥镜系统，并对常用的图像灰度算法进行了仿真模拟的对比实验。

1 基于LK光流的算法

本文利用基于LK光流算法的机器人柔式内窥镜系统的方式来恢复近似球形的全景深度信息。光学距离的依赖环境可以很容易地被球型摄像模型描绘出来。M是目标点，p∈R3,p映射到球面上，S2，如图2(a)所示

对于每个点q=M(p)，定义

为从P到摄像机的光学中心的距离。

当摄像机在静态环境中移动，光流θ(q)是θR(q)旋转分量和平移分量θT(q)的总和

这里V指光学中心的平移速度;Ω指光学中心的转动速度，深度信息包含在θT(q)中，常规获得θT(q)的方法是取消转动光流θR(q)，通过测程法来估算Ω。然而，利用内窥镜不能直接获得此数据，在这里运用运动学模型的输入来估算Ω的方法并不可行。由于摄像机前端的运动高度依赖内窥镜的整体形状，因此选择单独使用光流作为输入。

为估算摄像机的运动，使用中央区域作为参考区域，即图2(a)的区域C。在区域C中，平移速度V大约在摄像机光轴的方向，因此，q大约与V在相同的方向。这就使得(I-qqT) V变得很小，因为它是V于该平面正交的q的投影。另外，由于图像的中心距离摄像机较远，所以1/λ(q)也很小，因此，根据C可得，θT(q)≈0，θ(q)≈θR(q)=-Ω×q，所以θ(q)能够被用于估算Ω。

所获得的Ω可从整个摄像图像的光流中计算平移部分θT(q)，这样就可以控制内窥镜，使其远离那些距离摄像机最近的点。

Lucas-Kanade光流算法具有计算简单、对较小的场景和较小运动的光流估计精度较高的优点，正好适用于胃镜检查的环境，利用这种算法从两个后续摄像机图像中获取稀疏光流场(sparse flow)。光流矢量对(ui,vi)∈S2×S2，其中下标i表示第i个矢量对(i=1，…，n),ui和vi分别表示运动物体的运动矢量投影与二维平面得到的瞬时变化率。对于vi落在中心区域C的矢量对，估算从ui到vi的旋转角度。这些旋转被表示为一个正交的旋转矩阵R。利用正交旋转矩阵R，可以将属于每一个矢量对(ui,vi)的平移流矢量计算出来，定义

其中，Δt是帧时间;R-1vi是vi的摄像机旋转补偿[13]。

通过计算光流矢量θTi来得到所需的摄像头旋转速度ω。一个移动摄像机所拍摄的图像中，离摄像机较近的特征点产生更大的光流矢量，因此可以分别计算摄像机左右两侧特征点的光流矢量，图像将被分为左(L)和右(R)区域，如图2(b)。左侧光流平均矢量模L和左侧光流平均矢量模R定义为

通过计算图像左右两侧平均光流矢量模的差来判断内窥镜的相对位置，计算方法为

当φR-φL<0时，可认为肠道内腔障碍物在左侧的可能性大;当φR-φL>0时，可认为肠道内腔障碍物在右侧的可能性大。摄像机绕x轴所需的旋转速度是ωx，可以从式(5)和式(6)中得到

其中，K是恒定的增益;绕y轴旋转速度是ωy，利用顶部和底部的图像分离，其算法与式(7)相似。

2 基于图像灰度的算法

因为胃镜的光源和探测器可以认为几乎是在同一个平面上并且非常接近，在这种情况下，肠道表面越接近光源的地方照明越充分。因此，考虑到观察点的角度，肠道内最深的部分对应着图像上最暗的区域，如图3(a)所示。采用暗区提取法[6]进行内窥镜图像寻径，通过自适应阈值获得二值图像后将其处理以获得腔壁的轮廓形状，图像中的黑暗区域通过阈值转换得到二进制图像，用于查找及确定内腔口的位置。

为定位到内腔的中央方向，将图3(a)的图像进行灰度反转，计算反转图像中黑暗区域的中心。采用灰度质心算法快速给区域中心定位。定义反转图像的灰度质心点C。反转图像I″(x,y)定义为

其中，I'(x,y)是I(x,y)的应用直方图均衡化。灰度中心点C通过圆心区域A来计算，将所需的区域集中在图像中，具有直径等于图像高度的性质。这里采用一个圆形区域，希望在旋转摄像头绕光轴的同时算法不变。它还可以防止图像中暗角落照明不均匀的情况出现，如图3(a)所示。灰度质心点C计算公式为

这里，∑A代表A面积的总和。

摄像机所需要的转速，ωx绕着X轴，ωy绕着Y轴，其定义为

其中，K是一个恒定的增益。对于旋转的摄像头，该暗部区域的中心将在该图像的中心。因此，摄像机的移动方向即为内腔中心的方向。

3 两种算法的仿真

针对内窥镜诊疗环境的特殊性和复杂性，分析医生在内窥镜检查中的动作和决策方式，在此基础上提出了采用计算机视觉方法引导柔式内窥镜的介入。在柔式内窥镜手术中，可以通过视频传感器ADVC55[7]采集腔道内实时图像并传输到计算机，计算机自动处理分析图像，自动控制和调节柔式内窥镜头部的姿态或给医生适当的建议使内窥镜顺利进入肠道。

对改进的LK光流和灰度图像这两种算法用Matlab 7.0编写，运行硬件为3.00 GHz PentiumIV CPU,512 MB RAM，在二维空间中提取结果。为定制虚拟条件下图像的仿真环境，该系统的闭环性能在模拟柔性内窥镜检查的过程中也进行了验证。图4是用本文所介绍的基于LK光流和灰度图像两种算法来处理的，所得到的结果可以用于校正和调整柔式内窥镜介入。在这次仿真实验中，没有考虑内腔和内窥镜之间的相互影响，而内腔部分采用的是人体模型。

图4 (a)采用美国Silicon Graphics公司生产的“IRIS Explorer”数据可视化软件展示了本次仿真实验的虚拟环境图，图4(b)为在Matlab 7.0的环境下两种算法的柔式内窥镜介入内腔的运动轨迹的仿真图。在图4(b)中，实线为图像灰度算法下的柔式内窥镜的路径，虚线为LK光流算法下，柔式内窥镜的路径。为更好地评估两种算法的性能，计算了仿真中内窥镜的实际运行轨迹与内腔的中心线之间的“均方根距离”。在改进的LK光流算法下，“均方根距离”为21%，而图像灰度值算法为24%。从两组数据中来看，LK光流算法的实验效果更符合期望。

4 结束语

本文设计了一个柔式内窥镜机器人操纵控制系统，它能够控制柔式内窥镜从口腔安全、精确地进入到十二指肠等内腔管道。将光流算法引用到医学内窥镜视觉导航系统中，并对常用的图像灰度算法进行了分析比较。仿真并检测了基于LK光流算法和图像灰度算法在柔式内窥镜介入内腔管道时的位置和性能。实验比较表明:本文设计的基于LK光流算法得到的内腔管道中心路径要更加精确、安全。

本文的研究工作在未来将集中在提高系统性能上。整个系统的性能可以通过结合具有更复杂的特征空间的控制器来进行改善结合，它使用视觉算法的输出来引导柔式内窥镜的行动路径，并且考虑内窥镜的固有特性。将来的研究中也将包括性能评定下让该系统在更逼真的环境中进行研究和仿真。

摘要：手动操纵的柔式内窥镜在介入内腔管道时,要求医生必须有熟练的操作技巧和技术。针对手动操纵柔式内窥镜所带来的弊端,设计了一种基于LK光流算法的机器人柔式内窥镜系统。利用内窥镜图像控制内窥镜指向内腔管道的中心线,从而可提高内窥镜的智能化、简化对操作医师技术的依赖、减少医疗事故的发生。以常规胃镜检查为例,对常用的图像灰度算法进行了分析比较,实验结果表明,基于LK光流算法得到的内腔管道中心路径更为精确。

关键词：柔式内窥镜图像,光流算法,图像灰度值算法

参考文献

[1]Harewood G C.Relationship of colonoscopy completion rates and endoscopist features[J].Digestive Diseases and Sciences,2005,50(1):47-51.

[2]Burkhardt M R,Soper T D,Yoon W J,et al.Controlling the trajectory of a flexible ultrathin endoscope for fully automated bladder surveillance[J].IEEE/ASME Transactions on Mechatronics,2014,19(1):366-373.

[3]Phee S J,Ng W S,Chen I M.Locomotion and steering aspects in automation of colonoscopy.I.A literature review[J].Engineering in Medicine and Biology Magazine,IEEE,2002,196(5):784-795.

[4]肖雪,秦贵和,陈筠瀚.基于光流的自主移动机器人避障系统[J].计算机工程,2013,39(10):305-308.

[5]罗桂娥.双目立体视觉深度感知与三维重建若干问题研究[D].长沙:中南大学,2013.

[6]史少龙,伊达一.改进型灰度质心实时算法研究[J].光电工程,2013,40(20):18-24.