[发明专利]一种荧光分析的胶囊内窥镜系统及控制方法

权利要求书

1.一种荧光分析的胶囊内窥镜系统，其特征在于，包括：胶囊内窥镜与体外监测单元；

所述胶囊内窥镜内设有光源模块、图像采集模块和控制模块；

所述光源模块用于向预置在患者体内的目标组织的荧光探针发出激发所述荧光探针产生荧光信号的激发光；

所述图像采集模块用于检测到所述荧光信号后，采集所述目标组织的荧光图像数据，还用于将所述荧光图像数据传输至所述控制模块；

所述控制模块与所述体外监测单元进行数据交互，所述控制模块用于根据所述体外监测单元传输的控制指令控制所述光源模块发出的激发光，还用于接收所述图像采集模块传输的所述荧光图像数据后，将所述荧光图像数据传输至所述体外监测单元；

所述体外监测单元用于接收所述控制模块传输的所述荧光图像数据后进行显示荧光图像，还用于根据所述荧光图像数据获得所述荧光探针产生的荧光强度，还用于根据所述荧光强度向所述控制模块发送光强调节信号，从而调节所述光源模块发出的所述激发光的光强；

所述体外监测单元包括显示模块、平均荧光强度计算模块和光强调节模块；

所述显示模块用于接收所述荧光图像数据后进行显示荧光图像；

所述平均荧光强度计算模块用于根据所述荧光图像数据计算所述荧光探针产生的平均荧光强度；

所述光强调节模块用于根据预设的荧光强度阈值与所述平均荧光强度发送所述光强调节信号，还用于当所述平均荧光强度高于所述预设的荧光强度阈值时，则向所述控制模块发送降低光强调节信号，还用于当所述平均荧光强度低于所述预设的荧光强度阈值时，则向所述控制模块发送升高光强调节信号；

所述体外监测单元还包括图像增强模块，所述图像增强模块包括深度学习子模块、预处理子模块和分割子模块；

所述深度学习子模块，用于基于预设的U-Net网络识别所述荧光图像中的特定病变部分图像，从而对所述荧光图像进行切割以使所述荧光图像切割形成特定病变部分图像；

所述预处理子模块，用于对所述特定病变部分图像进行灰度化处理为灰度图像，还用于对所述灰度图像进行直方图均衡化得到图像增强后的新灰度图像；对所述灰度图像进行直方图均衡化的具体过程包括：以灰度图像为原图，求出相应的灰度在0～255范围内的直方图；

通过下式计算灰度分布概率，

h_s(n)＝h(n)/N

式中，h_s(n)表示灰度分布概率，h(n)表示每个灰度级的像素个数，N为图像总体像素，其中，N＝I×w，I表示灰度值，w表示灰度值相应的像素点数；

通过下式计算灰度级的累积分布，

式中，h_p(n)表示灰度级的累积分布，h_s(k)表示第k个灰度级的灰度分布概率，i表示灰度级；

通过下式进行直方图均衡化从而计算得出图像增强后的新灰度图像的灰度值，

式中，g(n,j)表示图像增强后的新灰度图像的像素点，f(n,j)表示图像增强前的灰度图像的像素点，f(n,j)＝0表示像素点的灰度值无需增强，h_p(k)表示第k个灰度级的累积分布；

所述分割子模块，用于基于预设的最大类间方差灰度阈值算法求解所述新灰度图像的最大类间方差阈值，还用于基于预设的自动阈值分割算法剔除所述新灰度图像中低于所述最大类间方差阈值的像素点，从而得到增强灰度图像；其求解公式为：

ICV＝PA×(MA-M)²+PB×(MB-M)²

其中，ICV表示最大类间方差阈值，M表示预设的灰度均值，其中，灰度值小于M的像素点集合为暗区，记为PA，灰度值大于M的像素点集合为明区，记为PB，MA表示暗区的像素点的灰度均值，MB表示明区的像素点的灰度均值，其中，不同灰度均值M对应不同类间方差阈值；

所述平均荧光强度计算模块还用于根据所述增强灰度图像的平均灰度值确定所述荧光探针产生的平均荧光强度；其中，通过下式求解平均荧光强度，

式中，Mean表示平均荧光强度；IntDen表示增强灰度图像的荧光强度总和，IntDen＝I₁×Area，I₁表示增强灰度图像的平均灰度值，Area表示增强灰度图像的像素点总数。