[发明专利]微创视像处理的智能边缘计算系统

权利要求书

1.一种微创视像处理的智能边缘计算系统，其特征在于，包括：

视像采集模块，用于获取检查者身体内部的内镜视像序列；

高清视像管理系统，与所述视像采集模块连接，用于根据所述内镜视像序列进行病灶检测，获取所述检查者身体内部的各部位的初筛图像集合；

云服务器，与所述高清视像管理系统连接，用于根据所述各部位的初筛图像集合生成相应的诊断报告，将所述诊断报告发送给所述高清视像管理系统进行显示。

2.根据权利要求1所述的微创视像处理的智能边缘计算系统，其特征在于，所述视像采集模块包括设置在所述检查者身体内部的内窥镜本体。

3.根据权利要求1所述的微创视像处理的智能边缘计算系统，其特征在于，所述高清视像管理系统包括：

本地视像处理模块，与所述视像采集模块连接，用于基于预设模型对所述内镜视像序列进行识别，得到所述各部位的疑似病灶图像和正常图像，所述初筛图像集合包含所述各部位的疑似病灶图像和所述各部位的正常图像；

视像显示模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于实时显示所述内镜视像序列和所述各部位的疑似病灶图像；

本地视像存储模块，分别与所述视像采集模块和所述本地视像处理模块连接，用于存储所述内镜视像序列和所述各部位的初筛图像集合。

4.根据权利要求3所述的微创视像处理的智能边缘计算系统，其特征在于，所述预设模型包括基于AlexNet架构的卷积神经网络模型和基于GoogleNet架构的卷积神经网络模型；

所述本地视像处理模块包括：

部位识别子模块，用于基于所述基于AlexNet架构的卷积神经网络模型将所述内镜视像序列按照所述检查者身体内部的不同部位进行分类，并针对每一部位，从所述内镜视像序列中实时采集该部位对应的关键帧；

病灶检测子模块，与所述部位识别子模块连接，用于针对每一部位，基于所述基于GoogleNet架构的卷积神经网络模型对该部位对应的关键帧进行识别，获取该部位的疑似病灶图像和该部位的正常图像。

5.根据权利要求4所述的微创视像处理的智能边缘计算系统，其特征在于，所述本地视像处理模块还包括：

相似判定子模块，分别与所述部位识别子模块和所述病灶检测子模块连接，用于针对每一部位，筛除该部位对应的关键帧中的重复内镜视像，并将筛除后的关键帧发送给所述病灶检测子模块。

6.根据权利要求3所述的微创视像处理的智能边缘计算系统，其特征在于，所述视像显示模块包括：

实时视像显示子模块，与所述视像采集模块连接，用于实时显示所述内镜视像序列；

疑似病灶显示子模块，与所述本地视像处理模块连接，用于显示所述各部位的疑似病灶图像。

7.根据权利要求3所述的微创视像处理的智能边缘计算系统，其特征在于，所述本地视像存储模块包括：

视像存储子模块，与所述视像采集模块连接，用于存储所述内镜视像序列；

初筛图像集合存储子模块，与所述本地视像处理模块连接，用于存储所述各部位的初筛图像集合。

8.根据权利3所述的微创视像处理的智能边缘计算系统，其特征在于，所述微创视像处理的智能边缘计算系统还包括通讯模块，所述高清视像管理系统还包括诊断报告显示模块；

所述通讯模块，分别与所述本地视像处理模块、所述诊断报告显示模块以及所述云服务器连接，用于将所述各部位的初筛图像集合发送给所述云服务器，接收所述云服务器返回的所述诊断报告，以及将所述诊断报告发送给所述诊断报告显示模块；

所述诊断报告显示模块，用于显示所述云服务器发送的诊断报告。

9.根据权利要求1～8中任一项所述的微创视像处理的智能边缘计算系统，其特征在于，所述云服务器用于：

采用Yolo模型对所述各部位的初筛图像集合进行特征提取和分析，生成针对所述各部位的疑似病灶标签信息，所述诊断报告包括针对所述各部位的疑似病标签信息。