手术结扎辅助方法、装置及相关设备与流程

1.本技术涉及辅助医疗技术领域，具体涉及一种手术结扎辅助方法、装置及相关设备。


背景技术：

2.肛门直肠镜是指检查直肠的内镜，也叫肛门镜或直肠镜。肛门内镜检查是肛门直肠疾病的常规检查方法之一，适用于肛管、直肠末端及齿状线附近的病变，还可进行活体组织检查。
3.肛门的齿状线是肛门周围的一个重要的解剖结构，肛门以上是由内胚层发育而来的，肛门以下是由外胚层发育而来的，是一个重要的分界线。临床上通常将位于齿状线以上的目标异常对象称之为内部异常对象，齿状线以下的地方为外部异常对象，而两者兼有的情况称之为混合异常对象，如位于齿状线以上的痔疮称为内痔，齿状线以下的地方为外痔，而两者兼有的情况则为混合痔。本技术发明人发现，医师在进行手术结扎过程中很难准确判断目标异常对象位于齿状线的具体方位，容易对患者造成严重的疼痛伤害。
4.因此，为了有效避免上述问题的发生，该如何提高其手术结扎辅助的智能性，是当前辅助医疗技术领域亟需解决的技术问题。


技术实现要素：

5.本技术提供一种手术结扎辅助方法、装置及相关设备，旨在解决如何有效提高手术结扎辅助的智能性。
6.一方面，本技术提供一种手术结扎辅助方法，所述方法包括：
7.识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；
8.获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；
9.基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；
10.基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
11.在本技术一种可能的实现方式中，所述基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略，包括：
12.若所述目标类型对象的数据集仅包括齿状线肛管，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
13.若所述目标类型对象的数据集仅包括齿状线直肠，则确定对所述目标异常对象进
行手术结扎的辅助策略为提示医师可以正常手术结扎；
14.若所述目标类型对象的数据集同时包括所述齿状线肛管、所述齿状线直肠，则获取所述齿状线肛管和所述齿状线直肠之间的边界线；
15.基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略。
16.在本技术一种可能的实现方式中，所述基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略，包括：
17.对所述边界线进行图像变换处理，得到目标形状的手术预警区域；
18.基于所述检测框的位置信息与所述手术预警区域，确定所述目标异常对象与所述手术预警区域的位置关系；
19.若所述位置关系为所述目标异常对象与所述手术预警区域存在交集关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
20.若所述位置关系为所述目标异常对象与所述手术预警区域为相离关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎。
21.在本技术一种可能的实现方式中，获取所述内镜图像中各目标像素点的位置特征，包括：
22.获取所述内镜图像中镜身轮廓；
23.获取所述镜身轮廓的中心线以及所述中心线与所述镜身轮廓的两个交点；
24.基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置；
25.基于所述内镜图像中各目标像素点到所述肛门口位置的欧式距离，确定各所述各目标像素点的位置特征。
26.在本技术一种可能的实现方式中，所述基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置，包括：
27.分别获取各所述交点到所述内镜图像的中心点的距离；
28.比较各所述交点到所述内镜图像的中心点的距离的长短，并选取到所述内镜图像的中心点距离较短的交点作为肛门口位置。
29.在本技术一种可能的实现方式中，所述基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集，包括：
30.将所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征进行加权拟合，得到目标类型对象参数；
31.基于目标类型对象参数和预设的目标类型对象参数阈值，确定所述内镜图像中包括的目标类型对象的数据集。
32.在本技术一种可能的实现方式中，所述识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，包括：
33.基于预先训练的目标异常对象识别模型，识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息。
34.另一方面，本技术提供一种手术结扎辅助装置，所述装置包括：
35.第一识别单元，用于识别预先获取的内镜图像中的目标异常对象，得到用于标记
所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；
36.第一获取单元，用于获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；
37.第一确定单元，用于基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；
38.第二确定单元，用于基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
39.在本技术一种可能的实现方式中，所述第二确定单元，具体包括：
40.第三确定单元，用于若所述目标类型对象的数据集仅包括齿状线肛管，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
41.第四确定单元，用于若所述目标类型对象的数据集仅包括齿状线直肠，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎；
42.第二获取单元，用于若所述目标类型对象的数据集同时包括所述齿状线肛管、所述齿状线直肠，则获取所述齿状线肛管和所述齿状线直肠之间的边界线；
43.第五确定单元，用于基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略。
44.在本技术一种可能的实现方式中，所述第五确定单元，具体用于：
45.对所述边界线进行图像变换处理，得到目标形状的手术预警区域；
46.基于所述检测框的位置信息与所述手术预警区域，确定所述目标异常对象与所述手术预警区域的位置关系；
47.若所述位置关系为所述目标异常对象与所述手术预警区域存在交集关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
48.若所述位置关系为所述目标异常对象与所述手术预警区域为相离关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎。
49.在本技术一种可能的实现方式中，第一获取单元，具体包括：
50.第三获取单元，用于获取所述内镜图像中镜身轮廓；
51.第四获取单元，用于获取所述镜身轮廓的中心线以及所述中心线与所述镜身轮廓的两个交点；
52.第六确定单元，用于基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置；
53.第七确定单元，用于基于所述内镜图像中各目标像素点到所述肛门口位置的欧式距离，确定各所述各目标像素点的位置特征。
54.在本技术一种可能的实现方式中，所述第六确定单元，具体用于：
55.分别获取各所述交点到所述内镜图像的中心点的距离；
56.比较各所述交点到所述内镜图像的中心点的距离的长短，并选取到所述内镜图像的中心点距离较短的交点作为肛门口位置。
57.在本技术一种可能的实现方式中，所述第一确定单元，具体用于：
58.将所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征进行加权拟合，得到目标类型对象参数；
59.基于目标类型对象参数和预设的目标类型对象参数阈值，确定所述内镜图像中包括的目标类型对象的数据集。
60.在本技术一种可能的实现方式中，所述第一识别单元，具体用于：
61.基于预先训练的目标异常对象识别模型，识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息。
62.另一方面，本技术还提供一种计算机设备，所述计算机设备包括：
63.一个或多个处理器；
64.存储器；以及
65.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的手术结扎辅助方法。
66.另一方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的手术结扎辅助方法中的步骤。
67.本技术实施例提供的手术结扎辅助方法，通过识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。相较于传统方法，在无法有效对目标类型的手术结扎进行智能辅助的情况下，本技术通过自动识别目标异常对象，并利用其对应的检测框的位置信息和识别出的内镜图像中包括的目标类型对象的数据集之间的关系，从而智能化地给出对目标异常对象进行手术结扎的辅助策略，提高了手术结扎辅助的智能化程度，降低患者的误诊率以及后续的并发症。
附图说明
68.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
69.图1是本技术实施例提供的手术结扎辅助系统的场景示意图；
70.图2是本技术实施例中提供的手术结扎辅助方法的一个实施例流程示意图；
71.图3是本技术实施例中提供的内镜图像示意图；
72.图4是本技术实施例中提供的镜身轮廓的中心线及交点的示意图；
73.图5是本技术实施例中提供的手术预警区域的示意图；
74.图6是本技术实施例中提供的手术结扎辅助装置的一个实施例结构示意图；
75.图7是本技术实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
76.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。
77.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
78.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
79.本技术实施例提供一种手术结扎辅助方法、装置及相关设备，以下分别进行详细说明。
80.如图1所示，图1是本技术实施例提供的手术结扎辅助系统的场景示意图，该手术结扎辅助系统可以包括计算机设备100，计算机设备100中集成有手术结扎辅助装置，如图1中的计算机设备100。
81.本技术实施例中计算机设备100主要用于识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
82.本技术实施例中，该计算机设备100可以为终端或者服务器，当计算机设备100为服务器时，可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的计算机设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中，云服务器由基于云计算
(cloud computing)的大量计算机或网络服务器以构建。
83.可以理解的是，本技术实施例中计算机设备100为终端时，所使用的终端可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端，计算机设备100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。
84.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案一种应用场景，并不以构建对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个计算机设备，可以理解的，该手术结扎辅助系统还可以包括一个或多个其他计算机设备，具体此处不作限定。
85.另外，如图1所示，该手术结扎辅助系统还可以包括存储器200，用于存储数据，如存储患者进肛门内镜检查时拍摄的内镜图像和手术结扎辅助数据，例如手术结扎辅助系统运行时的手术结扎辅助数据。
86.需要说明的是，图1所示的手术结扎辅助系统的场景示意图仅仅是一个示例，本技术实施例描述的手术结扎辅助系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着手术结扎辅助系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
87.接下来，介绍本技术实施例提供的手术结扎辅助方法。
88.本申实施例手术结扎辅助方法的实施例中以手术结扎辅助装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该手术结扎辅助装置应用于计算机设备，该方法包括：识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
89.请参阅图2至图7，图2为本技术实施例中提供的手术结扎辅助方法的一个实施例流程示意图，该手术结扎辅助方法包括步骤201至步骤204：
90.201、识别预先获取的内镜图像中的目标异常对象，得到用于标记目标异常对象所处位置的检测框以及检测框的位置信息。
91.其中，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像，目标异常对象是处于待检查区域上的一种异常存在，如息肉、痔疮或其他异物，本技术将以针对目标异常对象为痔疮进行举例说明。
92.需要说明的是，在进行步骤201之前，还需将肛门内镜检查设备拍摄的视频经过预处理，才能得到其内镜图像，具体的，可以先将视频进行解码为rgb格式的第一目标图像，然
后将得到的第一目标图像进行尺寸调整处理，调整至预设的目标尺寸大小，本技术中的目标尺寸大小可根据实际需求进行设置，优选640*640，在一个具体实施例中，若第一目标图像尺寸过大时，则可对第一目标图像进行裁剪，若第一目标图像尺寸过小，则可对第一目标图像进行补边处理。
93.本技术实施例中，具体可以基于预先训练的目标异常对象识别模型，识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，其中，该目标异常对象识别模型优选yolov7网络结构。
94.本技术实施例通过采用预先训练的基于yolov7网络结构目标异常对象识别模型，可以高效、准确地识别出预先获取的内镜图像中的目标异常对象，提高了整体的识别效率和准确率。
95.202、获取内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征。
96.其中，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域。
97.本技术可以通过多种方式依次或同时获取到所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，其中，内镜图像中各目标像素点的位置特征是指该内镜图像中各目标像素点实际对应拍摄到的人体部位的具体位置特征，例如可以是齿状线直肠、也可以是齿状线肛管，也可是同时包括有齿状线直肠、齿状线肛管以及齿状线；而上皮属性特征则是指该内镜图像中各目标像素点实际对应拍摄到的人体部位对应的上皮属性特征，例如，该上皮属性特征可以是单层柱状上皮，也可以是复层扁平上皮；同样的，静脉属性特征可以包括肝门静脉和下腔静脉；淋巴结属性特征则包括肠系膜下a淋巴结和腹股沟浅淋巴结。
98.示例性的，本技术实施例中，获取所述内镜图像中各目标像素点的位置特征，具体可以包括步骤a1至步骤a4：
99.a1、获取所述内镜图像中镜身轮廓；
100.其中，镜身轮廓为肛门内镜检查设备的镜身的轮廓，如下图3所示，该图像所对应的拍摄视角是由位于体内的肛门内镜检查设备反向进行拍摄的，图中右上区域中类似于黑色棒子即为肛门内镜检查设备的镜身，具体的，本技术实施例可以通过预先训练好的镜身分割模型，分割内镜图像，得到一个分割图像，该分割图像为镜身的二值图像，然后通过扫描该镜身的二值图像的所有像素点，提取镜身的轮廓，从而获取到内镜图像中镜身轮廓，其中，镜身分割模型优选unet++网络，其中，提取镜身的轮廓的具体方法如下公式：
[0101][0102]
其中u(i,8)是点i为中心的八邻域。
[0103]
a2、获取所述镜身轮廓的中心线以及所述中心线与所述镜身轮廓的两个交点；
[0104]
其中，如下图4所示，图4中有一条分割镜身轮廓的中心线，以及该中心线与镜身轮廓的两个交点。
[0105]
在本技术的一些实施例中，可以通过最小二乘法拟合出距离该镜身轮廓上所有点距离最近的直线，即为镜身轮廓的中心线，然后延长该中心线，使其与镜身轮廓相交，得到
其两个交点。
[0106]
a3、基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置；
[0107]
其中，上文有提及下图所对应的拍摄视角说明肛门内镜检查设备已经位于人体内，且由于是反向拍摄，所以可以看到镜身，另外，肛门内镜检查设备是有人体肛门插入的，因此，下图4中可存在肛门口位置。
[0108]
本技术实施例中，所述基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置，具体可以包括b1和b2：
[0109]
b1、分别获取各所述交点到所述内镜图像的中心点的距离；
[0110]
其中，内镜图像的中心点为整个内镜图像的中心点，例如，假设该内镜图像为一个规则圆形图像，那么该内镜图像的中心点则为其圆心，若该内镜图像为一个矩形图像，那么该内镜图像的中心点为其对角线的交点，中心点可预先在图像中标记出，并标记其坐标。
[0111]
在一个具体实施例中，假设内镜图像的中心点的坐标为(x0,y0)，其两个交点的坐标分别为(x1,y1)、(x2,y2)，则可通过其坐标计算其各交点到中心点的欧氏距离d1和d2。
[0112]
b2、比较各所述交点到所述内镜图像的中心点的距离的长短，并选取到所述内镜图像的中心点距离较短的交点作为肛门口位置。
[0113]
基于上述步骤b1中的举例可知，若d1《d2，则设置肛门口位置的坐标(xg,yg)＝(x1,y1)，若d1》d2，则设置肛门口位置的坐标(xg,yg)＝(x2,y2)。
[0114]
a4、基于所述内镜图像中各目标像素点到所述肛门口位置的欧式距离，确定各所述各目标像素点的位置特征。
[0115]
其中，可以先统计内镜图像中各像素点(xn,yn)到肛门口位置的坐标(xg,yg)的欧氏距离，然后通过下述公式确定各所述像素点的位置特征ρs：
[0116][0117]
示例性的，本技术实施例中，可以通过预先训练好的上皮特征分类模型，识别所述内镜图像中各目标像素点的上皮属性特征ρe，其中，模型的标签为0-单层柱状上皮和1-复层扁平上皮。
[0118]
示例性的，本技术实施例中，可以通过预先训练好的静脉特征分类模型，识别所述内镜图像中各目标像素点的静脉属性特征ρv，其中，模型的标签为0-肝门静脉和1-下腔静脉。
[0119]
示例性的，本技术实施例中，可以通过预先训练好的淋巴特征分类模型，识别所述内镜图像中各目标像素点的淋巴结属性特征ρ
l
，其中，模型的标签为0-肠系膜下a淋巴结和1-腹股沟浅淋巴结。
[0120]
203、基于内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定内镜图像中包括的目标类型对象的数据集。
[0121]
本技术实施例中，所述基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集，包括步骤c1和步骤c2：
[0122]
c1、将所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征进行加权拟合，得到目标类型对象参数；
[0123]
在一个具体实施例中，计算目标类型对象参数p，如下公式所示：
[0124]
p＝ω1ρs+ω2ρe+ω3ρv+ω4ρ
l
；
[0125]
其中，ω1、ω2、ω3、ω4为预设的机器学习算法训练出的权重，其中ρs、ρe、ρv、ρ
l
依次为各目标像素点的位置特征、上皮属性特征、静脉属性特征、淋巴结属性特征。
[0126]
c2、基于目标类型对象参数和预设的目标类型对象参数阈值，确定所述内镜图像中包括的目标类型对象的数据集。
[0127]
其中，目标类型对象参数阈值可根据实际需求进行设置，具体不做限定。
[0128]
本技术实施例中，假设目标类型对象参数阈值可为p，目标类型对象参数阈值为p0，则当p大于p0时，则确定存在齿状线肛管，反之，则确定存在齿状线直肠。
[0129]
具体的，若各目标像素点对应的目标类型对象参数p均大于目标类型对象参数阈值p0时，则确定所述内镜图像中包括的目标类型对象的数据集中仅包括齿状线肛管；若各目标像素点对应的目标类型对象参数p均小于目标类型对象参数阈值p0时，则确定所述内镜图像中包括的目标类型对象的数据集中仅包括齿状线直肠；若一部分目标像素点对应的目标类型对象参数p大于目标类型对象参数阈值p0，而另一部分目标像素点对应的目标类型对象参数p小于目标类型对象参数阈值p0，则确定所述内镜图像中包括的目标类型对象的数据集中同时包括齿状线肛管、齿状线以及齿状线直肠。
[0130]
204、基于检测框的位置信息和目标类型对象的数据集，确定对目标异常对象进行手术结扎的辅助策略。
[0131]
在本技术的一些实施例中，所述基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略，包括步骤d1至步骤d4：
[0132]
d1、若所述目标类型对象的数据集仅包括齿状线肛管，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
[0133]
具体的，在不建议手术结扎之后，还可以建议医师采用针对处理齿状线肛管区域的目标异常对象的其他合适的方式。
[0134]
d2、若所述目标类型对象的数据集仅包括齿状线直肠，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎；
[0135]
d3、若所述目标类型对象的数据集同时包括所述齿状线肛管、所述齿状线直肠，则获取所述齿状线肛管和所述齿状线直肠之间的边界线；
[0136]
d4、基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略。
[0137]
本技术实施例，通过上述公开方案，针对目标异常对象所在不同部位，给出不同的辅助策略，提高了方案的人性化和智能化。
[0138]
本技术实施例中，所述基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略，包括步骤e1至步骤e4：
[0139]
e1、对所述边界线进行图像变换处理，得到目标形状的手术预警区域；
[0140]
具体的，该图像变换处理具体采用霍夫圆变换，以此得到圆形的手术预警区域。
[0141]
e2、基于所述检测框的位置信息与所述手术预警区域，确定所述目标异常对象与所述手术预警区域的位置关系；
[0142]
具体的，可以通过计算检测框与手术预警区域的交并比，去确定所述目标异常对
象与所述手术预警区域的位置关系，其两者的位置关系一般包括相离、相交。
[0143]
e3、若所述位置关系为所述目标异常对象与所述手术预警区域存在交集关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
[0144]
e4、若所述位置关系为所述目标异常对象与所述手术预警区域为相离关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎。
[0145]
本技术实施例公开的手术结扎辅助方法，相较于传统方法，在无法有效对目标类型的手术结扎进行智能辅助的情况下，本技术通过自动识别目标异常对象，并利用其对应的检测框的位置信息和识别出的内镜图像中包括的目标类型对象的数据集之间的关系，从而智能化地给出对目标异常对象进行手术结扎的辅助策略，提高了手术结扎辅助的智能化程度，降低患者的误诊率以及后续的并发症。
[0146]
为了更好实施本技术实施例中手术结扎辅助方法，在手术结扎辅助方法基础之上，本技术实施例中还提供一种手术结扎辅助装置，如图6所示，所述手术结扎辅助装置600包括：
[0147]
第一识别单元601，用于识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；
[0148]
第一获取单元602，用于获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；
[0149]
第一确定单元603，用于基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；
[0150]
第二确定单元604，用于基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
[0151]
在本技术一种可能的实现方式中，所述第二确定单元604，具体包括：
[0152]
第三确定单元，用于若所述目标类型对象的数据集仅包括齿状线肛管，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
[0153]
第四确定单元，用于若所述目标类型对象的数据集仅包括齿状线直肠，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎；
[0154]
第二获取单元，用于若所述目标类型对象的数据集同时包括所述齿状线肛管、所述齿状线直肠，则获取所述齿状线肛管和所述齿状线直肠之间的边界线；
[0155]
第五确定单元，用于基于所述检测框的位置信息与所述边界线，确定对所述目标异常对象进行手术结扎的辅助策略。
[0156]
在本技术一种可能的实现方式中，所述第五确定单元，具体用于：
[0157]
对所述边界线进行图像变换处理，得到目标形状的手术预警区域；
[0158]
基于所述检测框的位置信息与所述手术预警区域，确定所述目标异常对象与所述手术预警区域的位置关系；
[0159]
若所述位置关系为所述目标异常对象与所述手术预警区域存在交集关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师不建议手术结扎；
[0160]
若所述位置关系为所述目标异常对象与所述手术预警区域为相离关系，则确定对所述目标异常对象进行手术结扎的辅助策略为提示医师可以正常手术结扎。
[0161]
在本技术一种可能的实现方式中，第一获取单元602，具体包括：
[0162]
第三获取单元，用于获取所述内镜图像中镜身轮廓；
[0163]
第四获取单元，用于获取所述镜身轮廓的中心线以及所述中心线与所述镜身轮廓的两个交点；
[0164]
第六确定单元，用于基于各所述交点到所述内镜图像的中心点的距离，确定肛门口位置；
[0165]
第七确定单元，用于基于所述内镜图像中各目标像素点到所述肛门口位置的欧式距离，确定各所述各目标像素点的位置特征。
[0166]
在本技术一种可能的实现方式中，所述第六确定单元，具体用于：
[0167]
分别获取各所述交点到所述内镜图像的中心点的距离；
[0168]
比较各所述交点到所述内镜图像的中心点的距离的长短，并选取到所述内镜图像的中心点距离较短的交点作为肛门口位置。
[0169]
在本技术一种可能的实现方式中，所述第一确定单元603，具体用于：
[0170]
将所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征进行加权拟合，得到目标类型对象参数；
[0171]
基于目标类型对象参数和预设的目标类型对象参数阈值，确定所述内镜图像中包括的目标类型对象的数据集。
[0172]
在本技术一种可能的实现方式中，所述第一识别单元601，具体用于：
[0173]
基于预先训练的目标异常对象识别模型，识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息。
[0174]
本技术实施例提供的手术结扎辅助装置，通过第一识别单元601，用于识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；第一获取单元602，用于获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；第一确定单元603，用于基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；第二确定单元604，用于基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。相较于传统装置，在无法有效对目标类型的手术结扎进行智能辅助的情况下，本技术通过自动识别目标异常对象，并利用其对应的检测框的位置信息和识别出的内镜图像中包括的目标类型对象的数据集之间的关系，从而智能化地给出对目标异常对象进行手术结扎的辅助策略，提高了手术结扎辅助的智能化程度，降低患者的误诊率以及后续的并发症。
[0175]
除了上述介绍用于手术结扎辅助方法与装置之外，本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种手术结扎辅助装置，所述计算机设备包括：
[0176]
一个或多个处理器；
[0177]
存储器；以及
[0178]
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述手术结扎辅助方法实施例中任一实施例中所述的任一方法的操作。
[0179]
本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种手术结扎辅助装置。如图7所示，其示出了本技术实施例所涉及的计算机设备的结构示意图，具体来讲：
[0180]
该计算机设备可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储单元702、电源703和输入单元704等部件。本领域技术人员可以理解，图7中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0181]
处理器701是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储单元702内的软件程序和/或模块，以及调用存储在存储单元702的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器701可包括一个或多个处理核心；优选的，处理器701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701中。
[0182]
存储单元702可用于存储软件程序以及模块，处理器701通过运行存储在存储单元702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。存储单元702可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储单元702可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储单元702还可以包括存储器控制器，以提供处理器701对存储单元702的访问。
[0183]
计算机设备还包括给各个部件供电的电源703，优选的，电源703可以通过电源管理系统与处理器701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703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。
[0184]
该计算机设备还可包括输入单元704，该输入单元704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。
[0185]
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本技术实施例中，计算机设备中的处理器701会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元702中，并由处理器701来运行存储在存储单元702中的应用程序，从而实现各种功能，如下：
[0186]
识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除
检测框之外的区域；基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
[0187]
本技术提供一种手术结扎辅助方法，相较于传统方法，在无法有效对目标类型的手术结扎进行智能辅助的情况下，本技术通过自动识别目标异常对象，并利用其对应的检测框的位置信息和识别出的内镜图像中包括的目标类型对象的数据集之间的关系，从而智能化地给出对目标异常对象进行手术结扎的辅助策略，提高了手术结扎辅助的智能化程度，降低患者的误诊率以及后续的并发症。
[0188]
为此，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：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。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种手术结扎辅助方法中的步骤。例如，该指令可以执行如下步骤：
[0189]
识别预先获取的内镜图像中的目标异常对象，得到用于标记所述目标异常对象所处位置的检测框以及所述检测框的位置信息，所述内镜图像是对患者进行肛门内镜检查时拍摄的内镜图像；获取所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，所述目标像素点为目标区域内的像素点，所述目标区域包括除检测框之外的区域；基于所述内镜图像中各目标像素点的位置特征、上皮属性特征、静脉属性特征以及淋巴结属性特征，确定所述内镜图像中包括的目标类型对象的数据集；基于所述检测框的位置信息和所述目标类型对象的数据集，确定对所述目标异常对象进行手术结扎的辅助策略。
[0190]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0191]
以上对本技术实施例所提供的一种手术结扎辅助方法、装置及相关设备进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。