内镜图像处理方法、装置、存储介质及电子设备

1.本技术涉及医疗技术辅助领域，尤其涉及一种内镜图像处理方法、装置、存储介质及电子设备。


背景技术：

2.采用wle(white-light endoscopy，白光内镜)识别机体的异常情况是当前较为常用的医学手段。
3.然而，当机体内的目标对象(即异常区域)所覆盖的面积较小，仅凭wle难以对机体内的目标对象进行准确识别，因此，当前通常利用蓝色激光成像放大内镜和窄带成像放大内镜观察机体内的微血管与腺体结构以识别目标对象，然而，由于腺体与微血管分布不均，导致识别的难度较大。


技术实现要素：

4.本技术提供一种内镜图像处理方法、装置、存储介质及电子设备，用于缓解目标对象类型识别难度大的技术问题。
5.为了解决上述技术问题，本技术提供以下技术方案：
6.本技术提供一种内镜图像处理方法，包括：
7.获取待处理内镜图像中的有效内镜图像；
8.对所述有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像；
9.对所述白光内镜图像进行信息提取处理，得到所述白光内镜图像中的目标对象区域信息；
10.根据所述目标对象区域信息，确定所述荧光内镜图像中对应的目标对象区域。
11.其中，所述获取待处理内镜图像中的有效内镜图像的步骤，包括：
12.将所述待处理内镜图像输入已训练的内镜图像处理网络，得到待处理内镜图像特征；
13.当所述待处理内镜图像特征与有效内镜图像特征相同，确定具有所述待处理内镜图像特征的待处理内镜图像为有效内镜图像。
14.其中，所述将所述待处理内镜图像输入已训练的内镜图像处理网络，得到待处理内镜图像特征的步骤，包括：
15.将所述待处理内镜图像输入已训练的内镜图像处理网络中的待处理内镜图像特征提取模块，以通过所述待处理内镜图像特征提取模块对所述待处理内镜图像进行特征提取，得到待处理内镜图像特征。
16.其中，所述对所述有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像的步骤，包括：
17.将所述有效内镜图像输入所述已训练的内镜图像处理网络中的有效内镜图像特征提取模块，以通过所述有效内镜图像特征提取模块对所述有效内镜图像进行特征提取，
得到有效内镜图像特征；
18.当所述有效内镜图像特征与白光图像特征相同，确定具有所述有效内镜图像特征的有效内镜图像为白光内镜图像；
19.当所述有效内镜图像特征与荧光图像特征相同，确定具有所述有效内镜图像特征的有效内镜图像为荧光内镜图像。
20.其中，所述对所述白光内镜图像进行信息提取处理，得到所述白光内镜图像中的目标对象区域信息的步骤，包括：
21.将所述白光内镜图像输入所述已训练的内镜图像处理网络中的白光内镜图像特征提取模块，以通过所述白光内镜图像特征提取模块对所述白光内镜图像进行特征提取，得到白光内镜图像特征；
22.当所述白光内镜图像特征与目标对象图像特征相同，确定具有所述白光内镜图像特征的白光内镜图像为目标对象图像；
23.将所述目标对象图像输入所述已训练的内镜图像处理网络中的图像分割模块，以通过所述图像分割模块对所述目标对象图像进行特征分割，得到具有目标对象区域特征的目标对象区域，以及，所述目标对象区域的位置信息；
24.将所述目标对象区域的位置信息作为所述目标对象区域信息。
25.其中，所述根据所述目标对象区域信息，确定所述荧光内镜图像中对应的目标对象区域的步骤，包括：
26.将所有已标记目标对象区域的目标对象图像与所述荧光内镜图像输入所述已训练的内镜图像处理网络中的图像匹配模块，以通过所述图像匹配模块确定各荧光内镜图像与各已标记目标对象区域的目标对象图像的对应关系；
27.根据所述对应关系以及所述目标对象区域信息，确定各荧光内镜图像中对应的目标对象区域。
28.其中，在所述根据所述目标对象区域信息，确定所述荧光内镜图像中对应的目标对象区域的步骤之后，还包括：
29.根据各荧光内镜图像中对应的目标对象区域的荧光亮度参数，以及，各荧光内镜图像中非目标对象区域的荧光亮度参数，确定目标对象类型。
30.本技术实施例还提供了一种内镜图像处理装置，包括：
31.获取模块，用于获取待处理内镜图像中的有效内镜图像；
32.分类模块，用于对所述有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像；
33.信息提取模块，用于对所述白光内镜图像进行信息提取处理，得到所述白光内镜图像中的目标对象区域信息；
34.确定模块，用于根据所述目标对象区域信息，确定所述荧光内镜图像中对应的目标对象区域。
35.本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述任一项内镜图像处理方法中的步骤。
36.本技术实施例还提供了一种电子设备，包括处理器和存储器，所述处理器与所述
存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行上述任一项内镜图像处理方法中的步骤。
37.本技术实施例提供一种内镜图像处理方法、装置、存储介质及电子设备，首先获取待处理内镜图像中的有效内镜图像，然后对有效内镜图像进行分类处理得到白光内镜图像以及荧光内镜图像，之后对白光内镜图像进行信息提取处理得到白光内镜图像中的目标对象区域信息，最后根据目标对象区域信息确定荧光内镜图像中对应的目标对象区域。其中，荧光图像利用荧光对图像中各区域进行勾勒并显示，其显示效果较为清晰、直观，且相较于通过观察目标对象表面的微血管与腺体结构以确定目标对象的类型，通过观察并比对荧光图像中的目标对象区域的荧光强度以及非目标对象区域的荧光强度以识别目标对象类型的方式更为简单，有效降低目标对象类型识别的难度，从而有效缓解当前目标对象类型识别的难度大的技术问题。
附图说明
38.下面结合附图，通过对本技术的具体实施方式详细描述，将使本技术的技术方案及其它有益效果显而易见。
39.图1是本技术实施例提供的内镜图像处理方法的流程示意图。
40.图2是本技术实施例提供的内镜图像处理方法的场景示意图。
41.图3是本技术实施例提供的内镜图像处理方法的另一流程示意图。
42.图4是本技术实施例提供的内镜图像处理装置的结构示意图。
43.图5是本技术实施例提供的电子设备的结构示意图。
44.图6是本技术实施例提供的电子设备的另一结构示意图。
具体实施方式
45.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
46.本技术实施例提供一种内镜图像处理方法、装置、存储介质及电子设备。
47.如图1所示，图1是本技术实施例提供的内镜图像处理方法的流程示意图，具体流程可以如下：
48.101.获取待处理内镜图像中的有效内镜图像。
49.其中，待处理内镜图像为需进行目标对象类型识别的内镜图像，有效内镜图像为清晰的内镜图像。具体地，内镜图像为内镜检查(即对空腔脏器或组织进行检查)过程中所拍摄的图像，在实际应用过程中，由于人体内的脏器、组织的状态多变，容易造成内镜检查过程所拍摄的内镜图像出现模糊不清的情况，例如，由于患者胃部存在炎症，因此会分泌大量胃粘液，当对该患者胃部进行胃镜检查，由于胃粘液遮盖了胃镜镜头，导致胃镜拍摄到的图像浑浊、模糊，内镜医师无法根据模糊的图像准确获取目标对象的信息，因此，为了避免上述情况，需要先对内镜拍摄到的图像进行筛选，以获取清晰的内镜图像，从而便于后续根据清晰的内镜图像进行目标对象识别。
50.在本实施例中，将待处理内镜图像输入已训练的内镜图像处理网络进行处理，得到待处理内镜图像特征，当待处理内镜图像特征与有效内镜图像特征相同，则确定具有待处理内镜图像特征的待处理内镜图像为有效内镜图像。可选地，已训练的内镜图像处理网络包括已训练的resnet网络，待处理内镜图像特征包括待处理内镜图像中的分辨率特征，用于反映图像的分辨率大小。
51.具体地，将待处理内镜图像输入已训练的resnet网络中的待处理内镜图像特征提取模块，以通过待处理内镜图像特征提取模块对待处理内镜图像进行特征提取，得到分辨率特征，当该分辨率特征与有效内镜图像特征相同，则说明该待处理内镜图像的分辨率满足清晰图像的分辨率大小，故将该待处理内镜图像确定为有效内镜图像。
52.例如，有效内镜图像特征表征的图像分辨率大小为大于或等于1024
×
768，通过待处理内镜图像特征提取模块对待处理内镜图像a进行特征提取，得到表征了分辨率为1024
×
768的分辨率特征，也即待处理内镜图像a所反映的分辨率特征与有效内镜图像特征相同，故将待处理内镜图像a确定为有效内镜图像。
53.102.对有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像。
54.其中，白光内镜图像为通过白光内镜拍摄得到的图像，白光内镜为一种将白光作为拍摄光源的内镜，荧光内镜图像为荧光造影图像。具体地，内镜医师通常可以通过观察白光内镜图像中脏器各区域的颜色、形态以识别出目标对象的位置，但是当目标对象区域较小，则很难通过肉眼识别出目标对象类型，而荧光造影图像是利用荧光对血管中的血流进行标记，内镜医师可以通过观察目标对象区域的荧光亮度随时间的变化以识别出目标对象类型，即使目标对象区域较小，也可以通过观察荧光的亮度随时间的变化对目标对象类型进行准确识别，但是仅从荧光图像中无法准确观察到目标对象的位置，因此，为了更加直观地观察到目标对象类型，需要先在荧光内镜图像中确定目标对象的位置。
55.在实际应用过程中，可先为患者静脉注射荧光剂(例如，吲哚箐绿注射剂)，并在内镜尖端置入可透过荧光的干涉滤光片，由于在内镜尖端设置了干涉滤光片，因此，内镜医师可以同步获取到白光内镜图像和荧光内镜图像。
56.在本实施例中，为了保证后续目标对象类型识别的准确度，在确定有效内镜图像(包括至少一个白光内镜图像和至少一个荧光内镜图像)后，将所有有效内镜图像输入已训练的内镜图像处理网络中的有效内镜图像特征提取模块，以通过有效内镜图像特征提取模块对有效内镜图像进行特征提取，得到有效内镜图像特征，当有效内镜图像特征与白光图像特征相同，确定具有有效内镜图像特征的有效内镜图像为白光内镜图像；当有效内镜图像特征与荧光图像特征相同，确定具有有效内镜图像特征的有效内镜图像为荧光内镜图像。
57.可选地，有效内镜图像特征包括像素点亮度特征，用于表征图像亮度大小，白光图像特征包括白光亮度特征，用于表征白光图像亮度大小，荧光图像特征包括荧光亮度特征，用于表征荧光图像亮度大小。例如，从有效内镜图像b中提取出的有效内镜图像特征表征的图像亮度大小为500cd/m2，白光图像特征表征的白光图像亮度大小为200cd/m2，荧光图像特征表征的荧光图像亮度大小为500cd/m2，故确定具有该有效内镜图像特征的有效内镜图像为荧光内镜图像。
58.103.对白光内镜图像进行信息提取处理，得到白光内镜图像中的目标对象区域信
息。
59.其中，目标对象区域信息为与目标对象位置相关的信息。具体地，由于白光内镜图像中可以较清晰地显示各腺体、微血管的形态与颜色，因此，可预先在白光内镜图像中确定目标对象区域信息。
60.在本实施例中，目标对象区域可以为白光内镜图像中的目标对象异常区域，其中，异常区域信息可以是白光内镜图像中当前区域与周围区域状态不相同的区域，或者白光内镜图像中当前目标对象区域的状态与预设的目标对象状态不相同的区域，例如，白光内镜图像中a区域的颜色与其周围区域颜色不同，则认为其为异常区域，此种场景下可以检测异物，例如食道突入异物，可以通过区域颜色的对比，异物的颜色与食管颜色不同来定位异物的区域位置。
61.又例如，以微血管为例，白光内镜图像中微血管区域的颜色与其周围微血管区域颜色不同，则认为其为异常区域，该区域相当于其他区域或默认的区域颜色不同，确认血液流速异常。又例如，以腺体为例，白光内镜图像中b腺体区域的形状与b腺体预设的形状不同，则认为其为异常区域。
62.具体地，将白光内镜图像输入已训练的内镜图像处理网络中的白光内镜图像特征提取模块，以通过白光内镜图像特征提取模块对白光内镜图像进行特征提取，得到白光内镜图像特征，当白光内镜图像特征与目标对象图像特征相同，确定具有白光内镜图像特征的白光内镜图像为目标对象图像，然后将目标对象图像输入已训练的内镜图像处理网络中的图像分割模块，以通过图像分割模块对目标对象图像进行特征分割，得到具有目标对象区域特征的目标对象区域以及目标对象区域的位置信息，最后将目标对象区域的位置信息作为目标对象区域信息。
63.可选地，白光内镜图像特征包括由连续像素点构成的预设大小区域的像素点色度特征(用于表征色度大小)，以及，由连续像素点构成的预设大小区域所具有的形状特征(用于表征图像中预设大小区域内图形的形状类型)，目标对象图像特征包括目标对象色度特征和目标对象形状特征，用于表征预设大小区域的色度大小以及形状类型。
64.例如，白光内镜图像c中提取出的白光内镜图像特征表征的由连续像素点构成的36mm(宽)
×
36mm(高)区域内的像素点色度大小为(36，255，160)，图形的形状类型为圆形，而36mm(宽)
×
36mm(高)区域内的目标对象区域的色度大小为(36，255，160)，目标对象区域的形状类型为锯齿形，由于二者的形状特征不同，故确定白光内镜图像c不是目标对象图像。
65.进一步地，为了更精确地确定目标对象图像中具体的目标对象所在位置，将目标对象图像输入已训练的内镜图像处理网络中的图像分割模块，以通过图像分割模块对目标对象图像中的目标对象区域进行特征分割，得到目标对象区域特征，该目标对象区域特征表征目标对象的分布区域，可根据该目标对象区域特征确定目标对象区域与非目标对象区域的边界(即目标对象的轮廓)，并根据该边界确定目标对象区域的位置信息(例如，坐标)。
66.例如，将目标对象图像输入已训练的内镜图像处理网络中的图像分割模块，得到目标对象区域与非目标对象区域的边界，并根据该边界确定目标对象区域为由坐标(56，20)，(56，80)，(62，13)，(70，49)构成的封闭区域。
67.104.根据目标对象区域信息，确定荧光内镜图像中对应的目标对象区域。
68.其中，由于通过观察荧光内镜图像中目标对象区域的荧光亮度随时间的变化即可精准识别出目标对象类型，但是通常情况下，仅从荧光图像中无法准确观察到目标对象的位置，因此，为了更加直观地观察到目标对象类型，需要先在荧光内镜图像中确定目标对象的位置。
69.具体地，在本实施例中，在上述确定白光内镜图像(目标对象图像)中目标对象区域的位置信息后，通过内镜医师使用染色剂对人体内的目标对象区域进行标记，并将标记点连接，可选地，染色剂包括荧光与印度墨汁混合形成的染料，然后将所有已标记目标对象区域的目标对象图像与所有荧光内镜图像输入已训练的内镜图像处理网络中的图像匹配模块，以通过图像匹配模块根据连接的标记点确定与各已标记目标对象区域的目标对象图像对应的荧光内镜图像，然后根据目标对象区域信息确定该荧光内镜图像中对应的目标对象区域。
70.例如，如图2，内镜医师使用染色剂在人体内的目标对象区域2001旁标记了两个点，并将这两个标记点连接，形成线段2002，然后将已标记目标对象区域的目标对象图像201与所有荧光内镜图像输入已训练的内镜图像处理网络中的图像匹配模块，以通过图像匹配模块根据线段2002的方向、长度等参数确定与目标对象图像201对应的荧光内镜图像202，然后根据目标对象图像201的目标对象位置的坐标确定荧光内镜图像202中对应的目标对象区域的坐标为由坐标(56，20)，(56，80)，(62，13)，(70，49)构成的封闭区域，并勾勒出该封闭区域。
71.进一步地，在上述步骤104之后，还包括：
72.根据各荧光内镜图像中对应的目标对象区域的荧光亮度参数，以及，各荧光内镜图像中非目标对象区域的荧光亮度参数，确定目标对象类型。
73.其中，荧光亮度参数为用于表征荧光的强度，目标对象类型包括恶性目标对象和良性目标对象。在上述过程已经在荧光内镜图像中勾勒出了目标对象区域，由于恶性目标对象区域的血流速度比良性目标对象区域的血流速度，或，正常区域的血流速度慢，因此，恶性目标对象区域的荧光强度的增大速度比良性目标对象区域的荧光强度的增大速度慢，可以通过比对荧光内镜图像中标记的目标对象区域的荧光强度随时间增长而增大的速度，以及，非目标对象区域的荧光强度随时间增长而增大的速度，以确定该目标对象为恶性或良性。
74.如图3所示，图3是本技术实施例提供的内镜图像处理方法的另一流程示意图，具体流程可以如下：
75.301.将待处理内镜图像输入已训练的内镜图像处理网络进行分类处理，得到待处理内镜图像特征。
76.例如，将待处理内镜图像a输入已训练的resnet网络中的待处理内镜图像特征提取模块进行特征提取，得到用于表征分辨率为1024
×
768的待处理内镜图像特征。
77.302.当待处理内镜图像特征与有效内镜图像特征相同，确定具有待处理内镜图像特征的待处理内镜图像为有效内镜图像。
78.例如，有效内镜图像特征表征的分辨率大小为大于或等于1024
×
768，由于与用于表征分辨率为1024
×
768的待处理内镜图像特征相同，故确定待处理内镜图像a为有效内镜图像。
79.303.将有效内镜图像输入已训练的内镜图像处理网络中的有效内镜图像特征提取模块进行特征提取，得到的有效内镜图像特征。
80.例如，将有效内镜图像a输入已训练的resnet网络中的有效内镜图像特征提取模块进行特征提取，得到用于表征图像亮度大小为200cd/m2的有效内镜图像特征。
81.304.判断该有效内镜图像特征与白光图像特征或荧光图像特征相同，若与荧光图像特征相同，执行步骤305；若与白光图像特征相同，执行步骤306。
82.例如，若荧光图像特征表征的荧光图像亮度大小为500cd/m2，白光图像特征表征的白光图像亮度大小为200cd/m2，由于有效内镜图像a的有效内镜图像特征表征的图像亮度大小与白光图像特征表征的白光图像亮度大小相等，故执行步骤306；
83.305.确定该有效内镜图像为荧光内镜图像。
84.306.确定该有效内镜图像为白光内镜图像。
85.307.将白光内镜图像输入已训练的内镜图像处理网络中的白光内镜图像特征提取模块进行特征提取，得到白光内镜图像特征。
86.例如，将白光内镜图像a输入已训练的内镜图像处理网络中的白光内镜图像特征提取模块进行特征提取，得到用于表征预设大小区域内色度大小为(36，255，160)、预设大小区域内图形的形状类型为锯齿形的白光内镜图像特征。
87.308.当白光内镜图像特征与目标对象图像特征相同，确定该白光内镜图像为目标对象图像。
88.例如，若目标对象图像特征表征36mm(宽)
×
36mm(高)区域内的色度大小为(36，255，160)、形状类型为锯齿形，故确定白光内镜图像a为目标对象图像。
89.309.将目标对象图像输入已训练的内镜图像处理网络中的图像分割模块进行特征分割，得到具有目标对象区域特征的目标对象区域以及目标对象区域的位置信息。
90.例如，将目标对象图像a输入已训练的内镜图像处理网络中的图像分割模块进行特征分割，得到目标对象区域与非目标对象区域的边界，并根据该边界确定目标对象区域为由坐标点(56，20)，(56，80)，(62，13)，(70，49)连接形成的封闭区域。
91.310.将已标记目标对象区域的目标对象图像与所有荧光内镜图像输入已训练的内镜图像处理网络中的图像匹配模块，以通过图像匹配模块根据连接的标记点确定与各已标记目标对象区域的目标对象图像对应的荧光内镜图像。
92.例如，如图2，将预先在目标对象区域2001旁标记了具有2个标记点形成的线段2002的目标对象图像201与所有荧光内镜图像输入已训练的内镜图像处理网络中的图像匹配模块，通过图像匹配模块根据目标对象图像201中线段2002的方向及长度，确定荧光内镜图像202为与目标对象图像201对应的荧光内镜图像。
93.311.根据目标对象区域的位置信息确定荧光内镜图像中对应的目标对象区域。
94.例如，确定荧光内镜图像202中的目标对象区域2001为由坐标点(56，20)，(56，80)，(62，13)，(70，49)连接形成的封闭区域。
95.312.根据荧光内镜图像中目标对象区域以及非目标对象区域的荧光强度随时间的变化，确定目标对象类型。
96.例如，荧光内镜图像202中目标对象区域的荧光强度的增大速度比非目标对象区域的荧光强度的增大速度慢，故确定该目标对象为恶性目标对象。
97.由上述可知，本技术实施例提供的内镜图像处理方法，首先获取待处理内镜图像中的有效内镜图像，然后对有效内镜图像进行分类处理得到白光内镜图像以及荧光内镜图像，之后对白光内镜图像进行信息提取处理得到白光内镜图像中的目标对象区域信息，最后根据目标对象区域信息确定荧光内镜图像中对应的目标对象区域。其中，荧光图像利用荧光对图像中各区域进行勾勒并显示，其显示效果较为清晰、直观，且相较于通过观察目标对象表面的微血管与腺体结构以确定目标对象的类型，通过观察并比对荧光图像中的目标对象区域的荧光强度以及非目标对象区域的荧光强度以识别目标对象类型的方式更为简单，有效降低目标对象类型识别的难度，从而有效缓解当前目标对象类型识别的难度大的技术问题。
98.根据上述实施例所描述的方法，本实施例将从内镜图像处理装置的角度进一步进行描述，该内镜图像处理装置具体可以作为独立的实体来实现，也可以集成在电子设备中。
99.请参阅图4，图4具体描述了本技术实施例提供的内镜图像处理装置，该内镜图像处理装置可以包括：获取模块10、分类模块20、信息提取模块30以及确定模块40，其中：
100.(1)获取模块10
101.获取模块10，用于获取待处理内镜图像中的有效内镜图像。
102.(2)分类模块20
103.分类模块20，用于对有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像。
104.(3)信息提取模块30
105.信息提取模块30，用于对白光内镜图像进行信息提取处理，得到白光内镜图像中的目标对象区域信息。
106.(4)确定模块40
107.确定模块40，用于根据目标对象区域信息，确定荧光内镜图像中对应的目标对象区域。
108.具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
109.由上述可知，本技术实施例提供的内镜图像处理装置，首先通过获取模块10获取待处理内镜图像中的有效内镜图像，然后通过分类模块20对有效内镜图像进行分类处理得到白光内镜图像以及荧光内镜图像，之后通过信息提取模块30对白光内镜图像进行信息提取处理得到白光内镜图像中的目标对象区域信息，最后通过确定模块40根据目标对象区域信息确定荧光内镜图像中对应的目标对象区域。其中，荧光图像利用荧光对图像中各区域进行勾勒并显示，其显示效果较为清晰、直观，且相较于通过观察目标对象表面的微血管与腺体结构以确定是否为恶性目标对象，通过观察并比对荧光图像中的目标对象区域的荧光强度以及非目标对象区域的荧光强度以识别目标对象类型的方式更为简单，有效降低目标对象类型识别的难度，从而有效缓解当前目标对象类型识别的难度大的技术问题。
110.相应的，本发明实施例还提供一种内镜图像处理系统，包括本发明实施例所提供的任一种内镜图像处理装置，该内镜图像处理装置可以集成在电子设备中。
111.由于该内镜图像处理系统可以包括本发明实施例所提供的任一种内镜图像处理
装置，因此，可以实现本发明实施例所提供的任一种内镜图像处理装置所能实现的有益效果，详见前面的实施例，在此不再赘述。
112.另外，本技术实施例还提供一种电子设备。如图5所示，电子设备500包括处理器501、存储器502。其中，处理器501与存储器502电性连接。
113.处理器501是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
114.在本实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器502中，并由处理器501来运行存储在存储器502中的应用程序，从而实现各种功能：
115.获取待处理内镜图像中的有效内镜图像；
116.对有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像；
117.对白光内镜图像进行信息提取处理，得到白光内镜图像中的目标对象区域信息；
118.根据目标对象区域信息，确定荧光内镜图像中对应的目标对象区域。
119.图6示出了本发明实施例提供的电子设备的具体结构框图，该电子设备可以用于实施上述实施例中提供的内镜图像处理方法。
120.rf电路610用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。rf电路610可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(sim)卡、存储器等等。rf电路610可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术，包括但并不限于全球移动通信系统(global system for mobile communication，gsm)、增强型移动通信技术(enhanced data gsm environment，edge)，宽带码分多址技术(wideband code division multiple access，wcdma)，码分多址技术(code division access，cdma)、时分多址技术(time division multiple access，tdma)，无线保真技术(wireless fidelity，wi-fi)(如美国电气和电子工程师协会标准ieee802.11a，ieee 802.11b，ieee802.11g和/或ieee 802.11n)、网络电话(voice over internet protocol，voip)、全球微波互联接入(worldwide interoperability for microwave access，wi-max)、其他用于邮件、即时通讯及短消息的协议，以及任何其他合适的通讯协议，甚至可包括那些当前仍未被开发出来的协议。
121.存储器620可用于存储软件程序以及模块，处理器680通过运行存储在存储器620内的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器620可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器620可进一步包括相对于处理器680远程设置的存储器，这些远程存储器可以通过网络连接至电子设备600。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
122.输入单元630可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元630可包括触敏表面631以及其他输入设备632。触敏表面631，也称为触摸显示屏或者触控板，可收集用
户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面631上或在触敏表面631附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面631可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器680，并能接收处理器680发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面631。除了触敏表面631，输入单元630还可以包括其他输入设备632。具体地，其他输入设备632可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
123.显示单元640可用于显示由用户输入的信息或提供给用户的信息以及电子设备600的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元640可包括显示面板641，可选的，可以采用lcd(liquid crystal display，液晶显示器)、oled(organic light-emitting diode，有机发光二极管)等形式来配置显示面板641。进一步的，触敏表面631可覆盖显示面板641，当触敏表面631检测到在其上或附近的触摸操作后，传送给处理器680以确定触摸事件的类型，随后处理器680根据触摸事件的类型在显示面板641上提供相应的视觉输出。虽然在图6中，触敏表面631与显示面板641是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面631与显示面板641集成而实现输入和输出功能。
124.电子设备600还可包括至少一种传感器650，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板641的亮度，接近传感器可在电子设备600移动到耳边时，关闭显示面板641和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备600还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
125.音频电路660、扬声器661，传声器662可提供用户与电子设备600之间的音频接口。音频电路660可将接收到的音频数据转换后的电信号，传输到扬声器661，由扬声器661转换为声音信号输出；另一方面，传声器662将收集的声音信号转换为电信号，由音频电路660接收后转换为音频数据，再将音频数据输出处理器680处理后，经rf电路610以发送给比如另一终端，或者将音频数据输出至存储器620以便进一步处理。音频电路660还可能包括耳塞插孔，以提供外设耳机与电子设备600的通信。
126.电子设备600通过传输模块670(例如wi-fi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了传输模块670，但是可以理解的是，其并不属于电子设备600的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
127.处理器680是电子设备600的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器620内的数据，执行电子设备600的各种功能和处理数据，从而对手机进行整体监控。可选
的，处理器680可包括一个或多个处理核心；在一些实施例中，处理器680可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器680中。
128.电子设备600还包括给各个部件供电的电源690(比如电池)，在一些实施例中，电源可以通过电源管理系统与处理器680逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源690还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
129.尽管未示出，电子设备600还可以包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备的显示单元是触摸屏显示器，电子设备还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行以下操作的指令：
130.获取待处理内镜图像中的有效内镜图像；
131.对有效内镜图像进行分类处理，得到白光内镜图像以及荧光内镜图像；
132.对白光内镜图像进行信息提取处理，得到白光内镜图像中的目标对象区域信息；
133.根据目标对象区域信息，确定荧光内镜图像中对应的目标对象区域。
134.具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。
135.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种内镜图像处理方法中的步骤。
136.其中，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
137.由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种内镜图像处理方法中的步骤，因此，可以实现本发明实施例所提供的任一种内镜图像处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
138.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
139.综上该，虽然本技术已以优选实施例揭露如上，但上述优选实施例并非用以限制本技术，本领域的普通技术人员，在不脱离本技术的精神和范围内，均可作各种更动与润饰，因此本技术的保护范围以权利要求界定的范围为准。