用于胃肠外科术前肠道准备质量智能判定系统及方法与流程

本发明涉及医学信息处理，特别涉及一种用于胃肠外科术前肠道准备质量智能判定系统及方法。

背景技术：

1、在胃肠外科及消化内科的结肠镜检查中，术前肠道准备质量直接决定了微小病灶（如平坦型腺瘤、早期肠癌）的检出率。目前，临床上通常采用波士顿肠道准备评分量表（bbps）等标准对肠道清洁度进行评估。随着人工智能技术的发展，基于深度学习的图像分割网络已被引入用于自动判定肠道准备质量。

2、然而，现有的智能判定系统在真实临床流水线中存在以下三个核心技术缺陷：首先，现有的图像分析模型缺乏时空感知能力。模型盲目地对输入的单帧图像进行静态评分，无法将当前图像自动锚定至特定的解剖学节段（如右半结肠、横结肠等），导致系统生成的全局评分空间逻辑混乱，难以直接对接临床分段评估的金标准。其次，现有系统与医生的临床干预动作相冲突。在真实的检查场景中，遇到局部脏污时，医生会进行冲洗-抽吸的清创动作。现有的判定系统是被动的，在冲洗过程中由于视野内存在大量翻滚的浑浊液体，系统会频繁触发虚低的脏污警报。这种在干预动作结束前抢跑的评价机制，无法反映出清创后真实的最终黏膜状态。最后，复杂的物理光学环境导致特征提取失真。在医生完成冲洗后，肠壁不可避免地会残留一层微薄的水膜。在内镜探头单点强光源的照射下，水膜会产生强烈的镜面反射（高光伪影）。现有的视觉模型极易将这些刺眼的白色高光区域误判为异物残渣，或因高光掩蔽了正常的组织纹理而导致判定失效。

3、因此，本领域迫切需要一种新的智能判定系统与方法，以解决现有技术在空间锚定缺失、评价时机错误以及光学反射伪影干扰等方面的技术问题。

技术实现思路

1、本发明提供了一种用于胃肠外科术前肠道准备质量智能判定系统及方法，要解决的技术问题在于：现有技术中存在评价时机盲目、易受水膜反光干扰以及缺乏空间锚定的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种用于胃肠外科术前肠道准备质量智能判定方法，由处理器执行，该方法包括：

3、s1、获取连续内镜视频流数据，将所述连续内镜视频流数据输入至目标检测网络中提取解剖学界标特征，根据所述解剖学界标特征生成解剖节段信息；

4、s2、将连续内镜视频流数据输入至动作识别网络，提取临床冲洗抽吸操作特征以生成动作状态标签；

5、s3、在动作状态标签指示临床冲洗抽吸动作结束时，触发时序门控机制，从所述连续内镜视频流数据中提取动作后稳定帧图像；

6、s4、利用预设的双色反射模型对所述动作后稳定帧图像进行像素解耦，分离得到漫反射分量与镜面反射分量，并从图像数据中剔除所述镜面反射分量；

7、s5、从纯化后的所述漫反射分量中提取异物残留面积特征与正常黏膜纹理特征，根据所述异物残留面积特征与所述正常黏膜纹理特征计算所述动作后稳定帧图像的局部准备质量评分；

8、s6、获取所述动作后稳定帧图像对应的时间戳，依据所述时间戳匹配对应的所述解剖节段信息，将所述局部准备质量评分存入所述解剖节段信息对应的解剖节段评估记录中进行历史低分数据的覆盖更新，生成最终肠道评分结果。

9、进一步地，步骤s1具体包括：

10、s11、提取所述解剖学界标特征中的回盲瓣界标特征以及齿状线界标特征，按照时间戳顺序将所述回盲瓣界标特征以及所述齿状线界标特征组合生成观测序列数据；

11、s12、将所述观测序列数据输入至隐马尔可夫模型，利用公式计算空间状态转换概率分布矩阵；其中o为所述观测序列数据构成的观测变量，q为肠道节段对应的隐含状态序列变量，为隐马尔可夫模型中的特征发射概率参数，为肠道节段之间的先验转移概率参数；

12、s13、基于所述空间状态转换概率分布矩阵将当前处理的图像分配至右半结肠序列数据、横结肠序列数据或左半结肠序列数据中，生成对应的所述解剖节段信息。

13、进一步地，步骤s2中，提取临床冲洗抽吸操作特征以生成动作状态标签具体包括洗镜状态自适应隔离步骤，具体为：

14、s21、计算所述连续内镜视频流数据的全局频率响应矩阵数据，提取所述全局频率响应矩阵数据中的空间焦点失焦比例特征参数；

15、s22、结合所述临床冲洗抽吸操作特征中的水流像素占比，计算出全屏水流特征数值，提取预先设定的清洗干扰判定阈值参数进行数值大小比对；

16、s23、在所述全屏水流特征数值超过所述清洗干扰判定阈值参数时，生成表示镜头清洗操作的清洗挂起标签，并将其写入所述动作状态标签；

17、s24、在所述动作状态标签包含所述清洗挂起标签时，执行停止动作状态识别指令，直接挂起图像特征提取进程直至所述全屏水流特征数值下降。

18、进一步地，步骤s3具体包括：

19、s31、提取所述连续内镜视频流数据中处于连续时间窗内的一组图像帧数据，利用像素光流函数计算所述组图像帧数据中相邻两帧的运动能量梯度矩阵数据；

20、s32、通过能量收敛公式实时计算当前时刻的全图运动能量衰减数值；其中和分别表示像素点在水平方向和垂直方向的光流矢量分量参数，表示从存储器获取的对应于流体力学的衰减常数，表示所述组图像帧数据中的采样时间间隔；

21、s33、获取预先设定的稳定状态判定阈值参数，在所述全图运动能量衰减数值小于所述稳定状态判定阈值参数时，将当前帧作为所述动作后稳定帧图像输出。

22、进一步地，步骤s4中，分离得到漫反射分量与镜面反射分量之后，该方法还包括对所述漫反射分量进行光学修正的步骤，具体为：

23、s41、提取所述漫反射分量的散射光谱数据，获取预设的库贝尔卡-芒克光学演化公式；其中r为绝对漫反射率参数；

24、s42、提取预先存储的光学先验参数库，从所述光学先验参数库中获取正常黏膜纹理对应的介质吸收系数矩阵k与光学散射系数矩阵s；

25、s43、基于所述介质吸收系数矩阵k与所述光学散射系数矩阵s的映射关系，利用所述库贝尔卡-芒克光学演化公式对所述漫反射分量进行深层浑浊组织液漫反射特性的特征参数修正运算，输出修正环境光干扰后纯净的所述漫反射分量以供后续处理。

26、进一步地，步骤s5之前，还包括物理边界兜底处理：

27、s501、获取所述漫反射分量对应的灰度共生矩阵数据，利用香农信息熵公式

28、计算局部像素熵值特征数据；其中p(i)表示所述灰度共生矩阵数据中第i个灰度级在所述动作后稳定帧图像局部区域内出现的空间概率分布数值；

29、s502、提取预先存储在存储器中的极度混浊置信度判定阈值，比对所述局部像素熵值特征数据与所述极度混浊置信度判定阈值的大小关系；

30、s503、在所述局部像素熵值特征数据低于所述极度混浊置信度判定阈值时，直接生成用于在显示界面呈现的机械清创提示信息，以辅助判定当前环境状态。

31、进一步地，步骤s5具体包括：

32、s51、将所述漫反射分量输入至预设的图像语义分割模型中，输出所述异物残留面积特征对应的绝对像素数量集合数据参数；

33、s52、根据所述正常黏膜纹理特征的图像闭包边界坐标参数，利用多边形面积计算公式计算得出当前画面中的可见肠腔有效面积总和特征数据；

34、s53、将所述绝对像素数量集合数据参数除以所述可见肠腔有效面积总和特征数据，计算得出所述漫反射分量对应的异物遮挡比例参数结果；

35、s54、提取波士顿肠道准备评分量表映射方程，利用所述映射方程对所述异物遮挡比例参数结果进行非线性等级转换，输出所述局部准备质量评分。

36、进一步地，步骤s6具体包括：

37、s61、提取所述解剖节段评估记录中预先存储的局部历史脏污评分序列数据，获取所述动作后稳定帧图像对应的时间戳标识信息数据；

38、s62、检索所述局部历史脏污评分序列数据中时间属性早于所述时间戳标识信息数据的所有前置低分脏污节点，利用所述局部准备质量评分进行节点覆盖；

39、s63、生成覆盖更新后的目标解剖节段靶向评分集合，将所述目标解剖节段靶向评分集合输入至预设的加权平均函数模型中进行区段均值计算；

40、s64、将计算得出的节段质量均值作为该目标解剖节段的所述最终肠道评分结果，输出并展示至与所述处理器通信连接的显示设备上。

41、本发明的另一目的在于提供一种胃肠外科术前肠道准备质量智能判定系统，该系统包括：

42、空间锚定模块，用于获取连续内镜视频流数据，将所述连续内镜视频流数据输入至目标检测网络中提取解剖学界标特征，根据所述解剖学界标特征生成解剖节段信息；

43、动作识别模块，用于将所述连续内镜视频流数据输入至动作识别网络，提取临床冲洗抽吸操作特征以生成动作状态标签；

44、时序门控模块，用于在所述动作状态标签指示临床冲洗抽吸动作结束时触发时序门控机制，从所述连续内镜视频流数据中提取动作后稳定帧图像；

45、光学解耦模块，用于利用预设的双色反射模型对所述动作后稳定帧图像进行像素解耦，分离得到漫反射分量与镜面反射分量，并从图像数据中剔除所述镜面反射分量；

46、特征评分模块，用于从纯化后的所述漫反射分量中提取异物残留面积特征与正常黏膜纹理特征，根据所述异物残留面积特征与所述正常黏膜纹理特征计算所述动作后稳定帧图像的局部准备质量评分；

47、记录更新模块，用于获取所述动作后稳定帧图像对应的时间戳，依据所述时间戳匹配对应的所述解剖节段信息，将所述局部准备质量评分存入对应的解剖节段评估记录中进行历史低分数据的覆盖更新，生成最终肠道评分结果。

48、进一步地，所述光学解耦模块在分离得到漫反射分量与镜面反射分量之后，还用于执行对所述漫反射分量进行光学修正的步骤，具体包括：

49、提取所述漫反射分量的散射光谱数据，获取预设的库贝尔卡-芒克光学演化公式；其中r为绝对漫反射率参数；

50、提取预先存储的光学先验参数库，从所述光学先验参数库中获取正常黏膜纹理对应的介质吸收系数矩阵k与光学散射系数矩阵s；

51、基于所述介质吸收系数矩阵k与所述光学散射系数矩阵s的映射关系，利用所述库贝尔卡-芒克光学演化公式对所述漫反射分量进行深层浑浊组织液漫反射特性的特征参数修正运算，输出修正后的所述漫反射分量至所述特征评分模块中。

52、本发明的有益效果为：

53、1、本发明通过目标检测网络提取解剖学界标特征，系统能够自动将无序的视频流精准划分至具体的解剖节段；同时，结合动作识别网络与时序门控机制，系统仅在医生完成冲洗-抽吸动作，且水波平息后才触发截帧评价，彻底规避了临床清创过程中脏污翻滚引起的假阳性误报，使得人工智能的评价时机与临床真实的最终干预状态完美同步；

54、2、本发明引入了双色反射模型对图像进行底层像素解耦，通过直接剔除掩盖组织本质特征的镜面反射分量，最大程度地还原了正常黏膜纹理与异物残留的真实漫反射光学属性，从根本上消除了因水膜反光导致的特征提取失效，显著提升了局部质量评分的鲁棒性与精度；

55、3、本发明依据动作后稳定帧图像的时间戳，将其高精度的局部评分动态匹配并覆盖至对应的解剖节段评估记录中，强制注销干预前的无效历史脏污低分，这确保了最终生成的报告结构严格符合bbps等临床分段评价标准，大幅减轻了临床医生的质控记录负担。