為了減輕醫(yī)務(wù)人員勞動強度,同時為患者提供有效的輔助診斷信息,將自動識別追蹤技術(shù)應(yīng)用于醫(yī)用內(nèi)窺鏡中,以輔助外科醫(yī)生診斷與治療,并為后續(xù)持鏡機器人及手術(shù)機器人研發(fā)打下基礎(chǔ)。對比模板匹配和邊緣檢測匹配兩種算法之后,發(fā)現(xiàn)模板匹配方法容易受到光照影響,將兩者綜合后的算法對光照和像素遷移有很強的抗干擾能力,適合于醫(yī)用內(nèi)窺鏡光照條件不足的應(yīng)用環(huán)境。此外,引入的CamShift算法以顏色特征作為第二匹配依據(jù),可應(yīng)對邊緣不明顯的情況。實驗中分別對手術(shù)器械和膽囊進行模擬識別跟蹤,實驗結(jié)果表明,在該運動目標(biāo)檢測跟蹤算法下,視頻畫面的幀速率穩(wěn)定在30fps,不會出現(xiàn)卡頓情況,識別準(zhǔn)確率達到了95%,并且在追蹤過程中不會丟失目標(biāo)。該算法原理簡單、機理清晰,在實時性、魯棒性等方面均可滿足臨床需求。 

【文章來源】：軟件導(dǎo)刊. 2020,19(03)

【文章頁數(shù)】：4 頁

【部分圖文】：

識別追蹤流程

采用不同算法在正常狀態(tài)和暗光狀態(tài)下進行實驗，識別效果對比如圖2所示。驗證算法有效性后，本文再利用腹腔手術(shù)訓(xùn)練平臺進行手術(shù)器械的識別跟蹤實驗，并選擇具有比較穩(wěn)定邊緣和顏色特征的手術(shù)抓鉗作為實驗對象。

目標(biāo)檢測與追蹤部分以微創(chuàng)手術(shù)抓鉗器械前端為檢測目標(biāo)，在腹腔鏡訓(xùn)練器實驗平臺上進行測試，觀察追蹤效果。隨后將兩把器械進行多次接觸，追蹤點可以在器械之間相互傳遞，以實時轉(zhuǎn)換追蹤目標(biāo)，適用于器械切換的場合。實驗中器械追蹤與傳遞過程如圖3所示。經(jīng)過20次重復(fù)實驗，視頻畫面的幀速率穩(wěn)定在30fps，在整個過程中不會感覺到明顯卡頓，對抓鉗識別的準(zhǔn)確率達到了95%，并且在追蹤過程中不會丟失目標(biāo)，在兩把器械之間的目標(biāo)轉(zhuǎn)換也可以順利完成。該功能后期還可實現(xiàn)對持鏡機器人的自動控制，保持手術(shù)器械在視野中央，以避免視野丟失造成的不便。為了驗證算法在真實手術(shù)環(huán)境下的表現(xiàn)，將一段腹腔鏡下的膽囊摘除手術(shù)視頻導(dǎo)入軟件中，標(biāo)記膽囊為追蹤目標(biāo)，觀察手術(shù)過程中的實時追蹤效果。實驗結(jié)果表明，在整個手術(shù)過程中，對膽囊的識別追蹤效果良好，器械的遮擋和干擾不會造成追蹤目標(biāo)脫離，具有較好的穩(wěn)定性。實驗過程如圖4所示。


本文編號：3134332