胶囊式内窥镜

胶囊式内窥镜（精选4篇）

胶囊式内窥镜 篇1

1 引言

无线内窥镜的优点是显而易见的。它可以携带,操作简单,检查期间不影响患者行走和日常生活,且无任何不适,无操作导致的并发症,不需要住院,可以实现全消化道的检查。对于小肠的检查优于任何传统的检查方式,包括CT、X射线和传统内窥镜,图像资料也可以反复分析[1,2]。但是,由于目前的技术水平限制,它也存在很多的不足,最大的问题是动力系统的问题———运动机械而且单一。这也正是我们需要解决的问题。

当前,主流无线内窥镜的驱动系统纯粹依靠肠道的蠕动来带动无线内窥镜在体内的运动,这种方式是最为常见的驱动形式。这种系统不需要考虑驱动问题,可以把胶囊做得很小,不足的是这种方式较难对准病灶,有时会导致检查失败。另外一种就是胶囊内部有驱动装置可以带动胶囊在体内做前后的螺旋推动运动,常见的就是带螺旋槽圆柱旋转推进器的无线内窥镜[3,4],缺点是运动机械而且单一。

如果用外磁场驱动无线胶囊式内窥镜,就可以使患者吞服的无线肠胃内窥镜在医生的控制下做多自由度的移动,使内窥镜的摄像头直接在可疑区域做有针对性的检查。这样大大增加了检查的成功率,同时也减少了医生的检查时间,很大程度上提高了医生的工作效率。

2 力学假设

我们假设如下力学模型[5]:

(1)带有磁性材料的胶囊在力学上定义为通以一定电流的螺线管。

(2)带有磁性材料的胶囊的磁场分布与螺线管的磁场分布完全相同,并且人体以及其他的装置对于外磁场的分布没有影响。

根据以上的力学假设,我们可以建立一个模型,这个模型可以模拟带有磁性材料的胶囊在人体内受到外磁场力以及受磁场力影响进而发生动作的真实情况。在这个力学假设之中,有以下几点需要特别注意:螺线管的受力符合力的合成原则,不需要考虑螺线管的支撑、稳定以及固定的问题。

3 模型建立

如图1所示,建立相关模型[6]。黑色的圆为线圈,线圈采用多匝纯铜线圈。形状为正圆形,有利于产生均匀的磁场,并且磁场分布也较为规律,有利于以后的控制。立方体内充满液体,这样设计是因为人体内也是充满体液的。尽可能地模拟人体内的情况,以达到要求。并且,模型中的液体对于磁场的分布是没有重大影响的。人体处在磁场中时,可能会受到磁场的影响而对处在其中的胶囊内窥镜有所影响,根据已有的资料,这点影响可以不加以考虑。

模型的详细情况如图1所示。

(1)立方体为一个容器,容器中的柱体为螺线管,对螺线管通一定大小、方向的电流,产生磁场B。

(2)螺线管浸泡在一定黏度系数的液体中,这种液体可以模拟人体器官以及体液等对胶囊运动的阻力作用,同样的,这种黏滞力也可以看作是维持胶囊平衡的力。

(3)在立方体容器的3个面上贴有3个大线圈,这3组线圈可以提供外磁场,分别位于立方体的A、B、C等3个面,如图1中的圆所示,产生的磁场分别为B1、B2、B3。

(4)B1、B2、B3等3个磁场可以分别启动,也可以叠加使用,并且B1、B2、B3的磁场在立方体的空间内可以看作是均匀磁场[7]。

(5)B1、B2、B3对螺线管的作用力符合力的合成作用,也就是说螺线管受到B1、B2同时使用时的作用力F合与单独使用B1与B2时的作用力F1与F2的叠加F的效果是完全相同的。

4 模型仿真与实验

在实验室环境中,可以近似地模拟出以上的力学模型,做法如下:使用玻璃缸盛放一定量的黏度系数稳定的液体,这种液体对于螺线管的阻力可以近似地模拟出带磁性材料的胶囊在人体内受到的阻力,使用3组大的线圈分别如图1中的位置放置,通以一定的电流就可以产生类似于B1、B2、B3的均匀磁场。对于浸泡在液体中的螺线管,可以利用细线加以适量的束缚,这对模拟实际情况下的胶囊状态影响不大,因为在人体内,胶囊也是不可能悬浮的,总是会有一个支撑点来支撑胶囊。

线圈A、线圈B、线圈C和螺线管的电流方向如图2所示,产生的磁场方向如图2中所示,线圈A中通以图中电流方向时,产生的磁场方向为X轴负向,令线圈A中的电流方向为正向。线圈B中通以图中电流方向时,产生的磁场方向为Y轴负向,令此时线圈B中的电流方向为正向。线圈C中通以图中电流方向时,产生的磁场方向为Z轴负向,令此时线圈C中的电流方向为正向。当螺线管以竖直或者水平与Y轴放置时,电流方向如图中所示,产生的磁场方向为Z轴正向。

5 可行性分析

根据图2中的电流方向进行分析,可以得出以下几点结论:

(1)当线圈A通以正向电流,线圈B和线圈C不通电,螺线管垂直放置,此时,线圈A对螺线管的作用力为X轴负向。

(2)当线圈B通以正向电流,线圈A和线圈C不通电,螺线管垂直放置,此时,线圈B对螺线管的作用力为Y轴负向。

(3)当线圈A、线圈C通以正向电流,线圈B不通电,螺线管不是处于竖直状态,此时,线圈A和线圈C对螺线管的作用力为X轴负向。

(4)当线圈B、线圈C通以正向电流,线圈A不通电,螺线管不是处于竖直状态,此时,线圈B和线圈C对螺线管的作用力为Y轴负向。

(5)当线圈C通以正向电流时,线圈A和线圈B不通电,螺线管处于竖直状态,线圈C对螺线管的作用力为Z轴正向。

(6)当线圈A、线圈B通以正向电流时,线圈C不通电,螺线管处于水平面时,线圈A和线圈B对螺线管的作用力为向Y轴负向的转动力。

以上6种情况是线圈A、线圈B、线圈C、螺线管在假定的正向电流的情况下得出的。根据磁场力的基本原理,很容易就得到线圈A、线圈B、线圈C、螺线管在其他的电流方向的情况下螺线管的受力情况。部分情况如表1所示。

注:●表示通电;○表示不通电

线圈A、线圈B、线圈C可以独立启动操作,因此总共有27种组合方式,这对于处于任何状态的螺线管都可以进行操作。表1列举了其中的8种情况,对于螺线管的其他的电流方向和位置,通过3个线圈的不同电流方向和通断的搭配可以产生出相对应的磁场来改变螺线管周围的磁场,进而使其向着我们所需要的方向运动。

6 实验验证及结果分析

基于目前国际最新的微型CMOS图像传感器OV7930,对人体无线胶囊内窥镜胶囊进行了设计和实验研究开发了OV7930外围电路PCB,并按设计组装成磁控无线胶囊式内窥镜胶囊。无线内窥镜主要由微处理模块、照明模块、图像采集模块和图像传输模块构成,体外主要有图像接收和处理模块以及控制系统组成。其中,微处理模块主要负责协调“胶囊”各部分的工作、接受指令、控制照明等工作。图像采集模块负责采集图像数据并传送至传输模块,图像传输模块则负责将收集到的图像通过无线的方式传输至体外的接收机上。各个部分都在微处理模块的控制下协同工作,完成体内图像的采集工作。

为了减小“胶囊”的整体体积,采用尺寸比较小的环形天线[8,9],分别使用不同的频率发送和接收信号,一个用于图像信号的传输,一个用于控制信号的接收,如图3所示。

图像传感器完成图像采集之后,将图像传输到图像传输模块并转化为电信号,经过发送电路处理、调制然后经由发射天线发送[10,11]。

如图4所示,控制天线接收到外部发送的控制信号之后,经过放大、调制、解码之后就会对受控设备进行控制,例如控制照明模块的开关、胶囊的动作等。成像试验验证该系统能采集到清晰的图样,证明了该系统设计的可行性。

7 实验改进

在实际应用中,除了3组线圈之外,还可以增加几组线圈,这样或许更容易实现,改进图如图5所示。模型仍然采用正方体来表示,其中一共采用14个线圈组。具体分布情况如下:

(1)正方体的6个面每个面都有一个线圈,并且相互对应的面上的2个线圈为一组,由一个控制开关控制,共计3组线圈。

(2)正方体的8个对顶角上,每2个相对的对顶角都有线圈,总共为8个线圈。每2个相对的对顶角上的2个线圈也是一组,并且由一个控制开关控制,共计4组线圈。

参考文献

[1]徐泽亮,马培荪.基于电磁能量理论的爬壁机器人履带用磁吸盘设计研究[J].机械设计,2002,11(11):26-30.

[2]何斌,杨灿军,周银生.粘弹性肠道能动性模型的建立与数值模拟[J].中国生物医学工程学报,2003,22(3):267-273.

[3]付国强,梅涛,孔德义,等.无线微型机器人肠道内窥镜系统中图像采集与无线传输子系统的设计[J].光学精密工程,2002,10(6):65-67.

[4]高立明,林良明,颜国正,等.全方向蠕动机器人驱动内窥镜系统的研究[J].中国生物医学工程学报,1998,17(1):36-41.

[5]张永顺,贾振元,丁凡,等.外磁场驱动无缆微型机器人行走特性的分析[J].机械工程学报,2003,6(39):15-18.

[6]TANG Can,WANG Tianmiao,CHOU Wusheng,et al.Design andrealization of robot control system for neurosurgery[J].Robot,2004,26(6):53-57.

[7]WANG Shuxin,DING Jienan,YUN Jintian,et al.A robotic systemfor microsurgery:the“MicroHand”system[J].Robot,2006,28(2):130-135.

[8]车文华,夏平畴,张一鸣.磁体外部片状均匀磁场区的构建[J].中国电机工程学报,2003,23(4):71-76.

[9]Blair S Lewis.The utility of capsule endoscopy in obscure gastroin-testinal bleeding[J].Techniques in Gastrointestinal Endoscopy,2003,5(3):115-120.

[10]Mir K,Norihiko K,Yoshihiko N.Design and Control of a Microro-botic System Using Magnetic Levitation[J].IEEE/ASME Transacti-ons on Mechatronics,2002,7(1):12-14.

[11]郑小林.无线胶囊式小肠内窥镜技术进展[J].中国医疗器械信息,2004,10(4):6-8.

胶囊内窥镜成像技术专利分析 篇2

关键词：胶囊,内窥镜,成像,专利分析

0 引言

随着生活水平的不断提高, 人们的饮食结构发生改变, 工作压力骤增, 消化道疾病也越来越多, 已成为最常见最多发的疾病之一。医生通常使用传统的插入式内窥镜进入人体消化道, 探测消化道内图像信息和/或进行手术操作, 然而这种传统的内窥镜尺寸较大、带有外部操作装置, 插入人体肠道深处时很容易对肠壁组长造成损伤, 给患者带来巨大的不适和痛苦, 随着MEMS技术的快速发展, 外形如吞服胶囊大小的体腔内胶囊内窥镜应运而生。胶囊内窥镜在消化道中的一个重要应用是对消化道进行拍摄成像, 为医生对消化道疾病的诊断提供直观的依据, 胶囊内窥镜的成像技术包括了体腔内图像的采集、通信和处理三个主要部分。

1 图像采集

胶囊内窥镜的图像采集系统主要包括照明系统、光学系统和图像传感器等三部分。由于微型机器人的体积限制, 照明系统一般采用高亮度的白光贴片式发光二极管, 由于电源的限制, 其发光强度一般比较弱, 光的照射无法及远, 因此如何提高照明系统的发光强度以及照射范围和距离是照明系统的研究重点;消化道内微型机器人的图像传感器主要采用CCD (电荷耦合器件) 和CMOS (互补金属氧化物半导体) 两种, 由于微型机器人的体积和电源的限制, 尺寸更小、功耗更低的CMOS图像传感器被采用的更为普遍。而采用可旋转的或多个图像采集系统从而提高微型机器人的图像采集效率, 降低漏检率, 是本技术分支的发展趋势。

从图2所示的图像采集主要申请人分布情况来看, 奥林巴斯、基文、富士、广州宝胆和富士能五家公司排名前5, 其中又以奥林巴斯和基文公司的申请量占据垄断地位, 这与奥林巴斯和基文在整个胶囊内窥镜领域所占的统治地位也是相符合的。

2 无线通信

胶囊内窥镜的无线通信模块包括图像信号的无线发射和控制信号的无线接收。图像信号的无线发射在胶囊内窥镜系统中占有重要的地位, 图像的无线通信可以克服引线在体内牵引造成的痛苦和不便, 同时微型机器人的运动灵活性也大大增加。图像无线通信的关键是图像通信的质量、图像发射电路的尺寸和功耗。微型机器人工作在人体的消化道中, 由于空间位置狭小, 它的图像发射电路应当尽可能的小, 应由最少的元件构成。胶囊内窥镜的控制信号的无线接一般采用低频信号接收模块, 其可以把便携装置的指令传送给微型机器人的控制模块, 从而完成参数设定等控制工作, 低频信号接收模块的芯片选择也应考虑到抗干扰、低功耗和微型化等因素。

从图4所示的无线通信主要申请人分布情况来看, 奥林巴斯、基文、富士、宾得和卡普索五家公司排名前5, 其中以奥林巴斯的申请量占据垄断地位, 表明奥林巴斯在图像的无线通信技术上展开了大量的研发和布局, 远远超过其他公司。

3 图像处理

胶囊内窥镜在检查过程中需要由检查者吞咽后, 随着胃肠道蠕动拍摄整个消化道的检查图像, 并通过病人随身携带的接收器接受所拍摄的图像数据, 最后在终端工作站由阅片医生观察而做出诊断。胶囊内窥镜在病人消化道内存在的时间在8小时以上, 检查过程中需要拍摄数万张彩色图像, 其拍摄的图像本身具有大量的信息冗余, 对其进行压缩和存储是图像处理中的关键技术, 并且医生在阅读上万张图像时由于过长的工作时间所导致的漏诊率较高效率较低也是影响胶囊内窥镜发展与普及的重要问题, 如何通过图像处理算法对冗余图像进行计算机辅助的筛选, 序列图像之间的配准与融合、三维重建等, 以及通过计算机图像处理技术辅助医生进行诊断, 例如自动识别并标记所拍摄图像中的病灶, 均是本技术分支内研究的热点。

从图6所示的图像处理主要申请人分布情况来看, 奥林巴斯、基文、富士、intromedic和卡普索五家公司排名前5, 其中以奥林巴斯的申请量占据垄断地位, 表明奥林巴斯在图像处理技术上展开了大量的研发和布局, 而基文公司在图像处理技术上的申请量也比较突出, 表明了基文公司对图像处理技术的重视程度。

4 图象处理技术重要专利分析

最终呈现给用户的是胶囊内窥镜所拍摄的图像, 图像质量的好坏直接决定了用户的第一感觉, 只有高质量的图像质量才能首先打动用户使用其产品, 在基文公司最新的产品中, 胶囊内窥镜能够以高达40帧/秒的速度采集图像, 最终可获得超过30万张图像, 因此如何通过计算机辅助的手段来降低医生的阅片时间, 是各大公司的研发重点, 本节中将深入分析奥林巴斯和基文两家公司在图像处理技术中最终呈现给用户的图像显示技术上的技术研发脉络, 从而展现两家公司在技术研发和布局上的思路, 总结技术发展的方向。

4.1 奥林巴斯

奥林巴斯在2004年申请了一系列关于图像浏览界面的专利。CN1777391A中公开了在图像显示装置上显示表示由胶囊内窥镜按时间序列拍摄的图像的整个摄像期间的平均颜色条。将全部摄像图像中被检验的图像, 一览显示在检验图像显示栏中, 算出各检验图像对应于摄像期间中的哪个时间, 用平均颜色条的刻度, 在该平均颜色条上以与各检验图像对应的编号进行标记显示。由此, 提高拍摄体内所得的图像的检索性, 并且, 可容易地识别显示图像是哪个脏器的图像。

CN1777390A在图像浏览界面上设置滑块S, 该滑块S能在平均颜色条上移动, 随着滑块S的移动将与滑块位置对应的摄像时刻的图像显示在图像显示栏中, 并将基于摄像图像数据的平均颜色显示在平均颜色条上的时间对应的位置上。

到2007~2008年, 奥林巴斯基于上述图像浏览界面作出改进, 提供简单的图像识别手段, 根据图像的颜色信息检测图像中的病变部位 (例如出血部位) , 并附加病变标记, 在标记显示部中以对应的病变颜色来显示病变标记, 滑块不只是起到快速浏览的作用, 而且滑块本身的颜色也将根据病变标记发生变化, 从而更利于快速的对病变图像进行浏览。

奥林巴斯在2009年申请的三件专利中, 均采用了计算机图像识别技术来辅助医生快速的定位病变图像。其中US2010124365A1通过直方图聚类来自动识别胶囊内窥镜所采集的消化道图像中的粘膜区域, 其对图像中对颜色特征量的数据分布进行聚类, 然后根据图像数据在颜色特征空间中的直方图的双峰性, 判断构成一系列消化道内图像的各图像内的粘膜区域。CN101739659A也提供了一种根据直方图来识别粘膜区域的装置, 而CN102056530A则提供了一种根据图像中的光流场来检测图像中异常区域的手段。

2010年, 奥林巴斯利用颜色空间转换进行图像中粘膜区域识别, 其将图像的RGB值转换为色差信号即UV值, 然后将UV值转换为由色调H和饱和度S构成的颜色平面 (HS颜色平面) , 通过在HS颜色平面上的数据聚类来判断采集的图像是否为粘膜区域。2011年奥林巴斯进一步利用图像之中的纹理信息 (CN102567988A) 和形状信息 (CN102525381A) 进行图像识别以辅助医生进行快速阅片。

从奥林巴斯公司在计算机辅助阅片技术上技术研发的脉络来看, 早期其主要利用图像的多样显示和控件技术来方便医生的浏览;其后又采用了简单的图像识别技术, 例如通过颜色信息来识别出血部位, 来辅助医生快速的定位病变图像;随后, 花样繁多的图像识别技术, 如颜色空间、纹理、形状等越来越多的信息被用于图像的识别, 从而为医生提供更加准确和多样的浏览手段, 进一步提高医生阅片的效率。

4.2 基文公司

基文最早在2001年就提交了一份关于图像流显示控制的专利申请, 其提供了通过鼠标滚轮或者操纵杆来控制动态图像显示的技术, 通过鼠标滚轮的前后滚动, 控制动态图像的前进、后退以及显示速度的加速、减速等, 从而为阅片医生提供了一种便捷的图像浏览方式。

随后, 基文在2003年提出了双图像流的显示技术, 图像流被切分为两部分, 分别在两个独立的窗口中进行显示, 两个窗口中可显示多种不同的内容。随后在US2004027500A1中提供了更为丰富的图像流显示方案, 其中一个窗口显示原图像流, 另一个窗口能够显示经过平滑、线性或非线性变换、亮度标准化等预处理的图像流, 从而为阅片医生提供更加丰富的显示内容以提高阅片效率。

2004年, 基文提交了三份关于图像流显示的申请。在WO2005031650A1中, 图像流的显示界面中加入了与奥林巴斯的平均颜色条和滑块技术相类似的颜色条技术, 颜色条位于图像流显示窗口的侧面, 与奥林巴斯不同的是, 基文还进一步在颜色条中加入了解剖位置的标记, 或者温度、p H水平的标记, 从而为阅片医生提供更为丰富的概览信息。在WO2005062715A2中, 基文提供了多达16个或更多图像流同时显示的技术, 原始图像流根据时间被切分为16个子图像流, 从而为阅片医生一次性提供大量的图像信息, 从而尽可能的减少医生的阅片时间, 但是与此同时, 医生的单位时间内工作强度也将大大增加。

同年, 基文在丰富图像流的内容编辑上也开始发力, 在US2006074275A1中, 图像显示界面提供了编辑按钮, 用户可以选择一些特定的编辑方法来编辑所观看的图像流, 例如选择每第n个图像来供显示, 其中n是根据生成所述图像的身体区域而确定的、选择与症状相关的图像来供显示、选择与预先存在的图像相似的图像来供显示、以及选择具有最佳质量的图像来供显示。

2007年基文公司在图像识别技术上进行了比较深入的研究, WO2007105213A2中, 模式识别技术、图像帧的纹理 (例如褶皱) 提取技术被用于识别肠道中的收缩, 从而辅助医生识别病变图像, 在估计图像中肠道的中心位置时, 其中采用了边缘检测、图像二值化以及形态学骨骼化的技术。

时隔4年后, 基文在2011-2012年重新发力, 继续在图像流的显示和编辑技术上展开布局。在WO2011135573A1中, 用户可自由选择图像流显示的布局阵列, 并且利用其功能强大的编辑滤波器, 对图像流进行预先识别和分类, 预先确定的标准可以包括, 病理检测或解剖标志检测的度量或得分, 胶囊的估算位置或区域, 胶囊在优选部位的可能性, 次要传感器信息, 胶囊运动或可动性, 胶囊方位, 帧获取或传送速率等等。

基于布局阵列和编辑滤波器的结合, 基文可以说是将图像流显示和编辑技术发挥到了极致, 与此同时, 也对阅片医生的操作熟练程度提出了更高的要求, 其实际使用的体验究竟如何, 还有待市场的检验。

5 结论

胶囊内窥镜的一个最主要应用就是进行消化道内成像, 因此各公司的研发重点也是在成像技术上。从成像技术的三个子分支技术来看, 奥林巴斯和基文两家公司在图像采集、无线通信和图像处理技术上的申请量均占据前两位, 值得一提的是, 国内的广州宝胆公司进入了图像采集技术申请量的前5位, 并且其在2010年后的申请量与奥林巴斯基本持平, 展现了国内企业在图像采集技术上与国外巨头相抗衡的实力。

胶囊式内窥镜 篇3

关键词：胶囊内窥镜,微机器人,无线,主动型

0.前言

传统的胃肠镜等消化道检查会给患者带来极大的不适和痛苦,已经不能满足人们的需求。许多患者因为恐惧而放弃检查,使得疾病的诊断更为复杂和困难。同时为了提高消化道疾病的检查效率,能够进入人体消化道的胶囊内窥镜应运而生[1~6]。胶囊内窥镜是一种类似胶囊形状的微机器人,可通过吞服的方式进入人体消化道,在消化道内采集图像信息并通过无线方式传出体外, 外部图像接收系统将图像接收后显示在计算机上供医生诊断,医生通过图像能够更加仔细地对人体全消化道进行观察与判断。用胶囊内窥镜来进行消化道疾病的诊断,不仅可以减轻患者的痛苦, 而且可以对整个消化道进行全面的检查,是未来进行消化道疾病诊断乃至治疗的方向。2001年以色列的Given Imaging公司推出一款M2A无线内窥镜消化道检测系统,已用于临床使用[7,8],其直径11mm,长30mm,采用纽扣电池供电,每秒可以采集2帧图像,工作时间可达8小时。2004年中国金山科技公司推出了“OMOM”胶囊内窥镜微机器人,能够以每秒2帧的图像采集速度对消化道内壁进行拍摄,机器人的直径为11mm, 长为26mm[9,10].

尽管现在已经有了胶囊内窥镜,但除了其使用成本昂贵外,其功能还有需要完善的地方。比如大多数还是被动型运动,该胶囊由口服吞下后,在体内的运动不受外部控制,依赖于胃肠道的蠕动和收缩而向前推进,无法主动控制其拍照角度、 位置等。这样使得很容易错过病灶部位,或者医生很难对怀疑部位进行仔细观察。因为大多数胶囊内窥镜自然通过消化道的时间较长,不易做到实时拍照诊断,现在采用的方式还是先记录后诊断的方法,也就是先将拍摄的图像存储下来,等完成整个消化道的检查之后医生观看录像后进行诊断。另外图像采集质量和传输速率受到环境的影响较大,体积和功耗也不断需要改进。

针对目前临床上使用的胶囊内窥镜无法实现运动控制的问题,我们借鉴趋磁细菌的运动方式 , 提出了一种主动螺旋推进结合外磁场导向控制的主动型胶囊微型机器人[11~14]。其尾部用螺旋桨或者柔性条带,推进微型机器人运动。其内部的永磁块 , 通过与体外导向磁场的相互作用控制其运动方向。针对改善获得图像质量的方面,我们采用数字摄像头并通过2.4G无线通道进行传输[6,15,16]。该方法在一定程度上使胶囊微机器人具有主动性,为新一代的胶囊内窥镜机器人提供了一条可行方案。

1.系统设计

我们提出的主动型胶囊内窥镜机器人的结构如图1所示。该系统主要包括胶囊内窥镜微机器人本体和体外的定位控制子系统、图像接收显示子系统。

胶囊微机器人的头部为半球形透明罩,下面依次为LED灯(此处未画出)、磁块、摄像头、 无线通信控制模块、电池、电机、螺旋桨。其中通信模块也是胶囊内窥镜机器人的控制单元,它一方面负责启动摄像头拍摄图像,获取摄像头图像数据并通过无线方式发送到体外 ;另一方面它接收外部的电机控制指令,控制电机的启停及转动速度,电机带动螺旋桨旋转从而控制胶囊的运动速度。其体内的磁块沿轴向磁化,在外部导向磁场的作用下控制胶囊的运动方向。

定位系统负责获得胶囊内窥镜当前的位置, 供控制系统使用。控制系统主要负责规划胶囊内窥镜微机器人的运动路径,控制外部导向磁场的方向,给出控制电机转速的合适的指令等,从而控制胶囊内窥镜微机器人的运动速度、运动方向及启停胶囊的摄像功能等。

图像接收显示系统主要负责接收从胶囊微机器人传回的图像数据,将拍摄所得的图像实时显示在电脑屏幕上供医生诊断,同时也可将图像存储供医生随后进行诊断。

2.系统构成

我们的工作分为两个部分进行,一部分是实现对胶囊内窥镜机器人主动运动控制功能 ;另一部分是实现图像获取与无线传输部分。

2.1运动控制功能实现

2.1.1胶囊内窥镜微机器人

我们构造的胶囊内窥镜微机器人模型包括以下部分 :外壳、永磁块、射频接收电路、微电机、 钮扣电池和螺旋桨。微型机器人外壳的头部为半球形,下部为腔体,腔体内放置永磁块,射频接收电路,电机和电池。外壳底部有一个轴向通孔, 电机通过轴向通孔与螺旋桨固连。机壳表面采用具有生物相容性的医用材料包覆,射频接收模块用于接收外部的脉冲信号,控制微型机器人的启动、停止以及推进速度。钮扣电池为微型机器人体内的电路和微型电机提供电源。我们研制的胶囊内窥镜微型机器人样机如图2所示,其直径为12mm,长度约为40mm,尾部为螺旋桨。

2.1.2控制系统

外部控制系统以一台计算机为核心,系统结构如图3所示。计算机通过DA卡控制PWM模块产生适当占空比的PWM波,通过射频发射模块调制后发出。当胶囊内窥镜机器人收到携带PWM波的射频信号后,经过解调控制内部电机启停、改变转速等。计算机上装有串口扩展卡分别用于控制三个电源的电流,使得三对亥姆霍兹线圈中产生指定大小和方向的导向磁场,从而控制胶囊微型机器人的运动方向。实际构造的系统如图4所示。

2.1.3定位系统

要对胶囊机器人进行运动控制,首先要获得其当前位置及姿态。我们在系统设计中采用多传感器磁定位方法。在胶囊内窥镜微机器人运动空间的周围放置多个磁传感器,通过多个传感器所获得的信号,经过一定的算法处理得到胶囊内窥镜微机器人当前的位置和姿态。我们设计的胶囊内窥镜机器人定位系统如图5所示。

2.1.4实验验证

(1)速度控制

通过实验验证了通过改变PWM信号占空比来改变胶囊内窥镜微机器人运动速度可行性。实验得到的微型机器人运动速度和PWM信号占空比的关系如图6所示,图中小方框为实验数据, 实线为实验数据的拟合曲线。从图中可以看出 ,微型机器人的运行速度也随着方波占空比的增加呈单调的递减, 从而可以通过改变PWM波占空比的方法来改变微型机器人的行进速度。

(2)转弯实验

我们在一个透明玻璃槽中进行了微型机器人转弯的运动实验。设起始时微型机器人的重心位置为坐标原点,实验时先加入平行于X轴的均匀磁场,发射方波信号,使微型机器人运行,当运行到200mm时 , 将外部导向磁场旋转90度与y轴平行。胶囊微型机器人在导向磁场的作用下完成转向动作,其重心的运动轨迹如图7所示,图中“□” 为实验数据点。实验结果表明,胶囊内窥镜机器人可以在导向磁场的作用下实现转弯。

2.2图像无线采集功能实现

胶囊内窥镜微机器人需要进行图像采集并无线传输,为了提高所获得图像的质量并提高图像传输的抗干扰性能,我们选用带数据压缩功能的OV系列数字图像传感器, 和2.4G无线收发模块。选择的OV图像传感器具有自动图像控制功能,包括自动曝光控制,自动增益控制,自动白平衡,自动带通滤波,自动黑电平校正。OV系列带压缩功能的图像传感器可以直接输出压缩的JPEG格式图像,从而可以大大降低所需要传送图像文件的大小,但可以满足对图像要求不是非常高的场合。选择的2.4G无线收发模块其特点是体积小,功耗低,抗干扰性强。

系统构成的原理框图如图8所示。系统主要包括两个子系统 :图像采集与无线发送子系统, 图像无线接收子系统。前者主要包括 :摄像头模块和无线传输模块,后者主要包括无线收发模块和数据存储模块。

接收部分我们采用无线接收模块接收到图像数据,然后上传到PC机供医生实时诊断。本文中我们主要介绍图像的采集和无线发送部分。

2.2.1图像采集过程

我们选择的无线模块内部具有MCU,可通过串行相机控制总线设置OV摄像芯片的内部寄存器,从而设定其工作模式,并能控制其工作状态。 在需要拍照时,MCU启动OV摄像芯片开始拍照,并读取图像数据通过无线模块发送。在不需要拍照时使其进入睡眠或者低功耗模式,以降低整个系统的功耗。 图像采集部分的流程图如图9所示。主要包括无线模块初始化、摄像芯片配置程序、定时启动拍照,MCU中断接收数据程序等。图像数据的读取和传输主要在MCU的中断程序中处理。我们设计的实物模型如图10所示

2.2.2实验结果

我们模拟人体消化道环境,在黑暗环境下, 将启动工作后的胶囊内窥镜机器人放入水中进行测试,水下拍摄手掌上的黑点,得到图像如图11所示。通过图像可以清楚地看到手掌上的纹路和黑点,图像拍摄速率可以达到每秒两幅CIF(352×288) 图像。

分析图像采集速度受限原因有两个方面。其一是无线传输模块的空中传输速率。另一方面, 无线模块中MCU获取图像芯片图像数据速度受限。

3.结论

胶囊式内窥镜 篇4

消化道出血是人体临床最常见的消化道疾病之一,也是众多严重疾病的前期信号。临床上传统的消化道检测采用插管式,给病人带来巨大痛苦,而且有肠穿孔的危险,内窥镜的交互使用又增加了病人间相互感染的几率。在对消化道小肠部分检查时更是无法使用内窥镜进行检查,只能进行手术。对消化道检查最好的办法就是直接获取内部图像,相比X-光,超声波检测这些间接测量方法,WCE(Wireless Capsule Endoscopy)更加可靠[1]。因此WCE作为一种具有无痛无创、全消化道覆盖等优点的新型检查装置被广泛用于临床消化道检测。早在2000年,Given Imaging公司就生产了第一个型号为M2A的WCE。M2A胶囊内窥镜的直径为11 mm,长为30 mm,体积小可以让病人吞咽下去。WCE在临床上给病人带来极大的便利的同时,也给医务人员带来极大的困扰。目前市面上已经出现的WCE产品每秒帧率在2 ~30之间不等,最大时长在8 h左右[2,3]。取平均值16 f/s进行计算总共产生16×60×60×8 =460 800张图像,在近50万张的照片中寻找有出血病灶的图片不仅费时费力,而且在视觉疲劳时极易错过有出血征兆的图像,所以说几乎是人力不可完成的任务。而随着技术的进步,WCE视频帧率越来越高,届时给医生带来的检测负担将更为严重。

随着图像处理和模式识别技术的发展,通过计算机来辅助自动化识别出血图片成为必然趋势。Given Imaging公司虽然提供了消化道出血特征自动识别的软件SBI(Suspected Blood Indicator), 但是该软件的识别精度不够高还不足以代替人工的检测,据报导其灵敏度(sensitivity)与特异度(specificity)均达不到让人满意的程度[4],因此该软件的可靠性不足以满足医学诊断要求。因此,有很多学者从事WCE出血自动识别的研究,致力于提高特异度与灵敏度。根据目前主流的出血特征提取方法可分为三种:(1)基于全局图像的方法Liu J等在文献[5]中提出了基于RGB空间用全局颜色直方图来提取特征,Li B等在文献[6]提出了基于HSI颜色空间的全局特征提取,使用不同的分类方法将图像直接判断为出血图片或非出血图片,基于图像的特征提取通常是作为一个整体来计算,运行速度快但是会错过一些较小面积出血的识别;(2)基于局部图像区域的方法文献[7-9]对图像进行分块处理,提取局部特征,Li B等在文献[10]中提出基于色度矩和局部二值模式结合的纹理特征方法; (3)基于像素特征的方法Pan G等在文献[3]中提出了基于PNN的出血像素提取方法。选择基于像素的特征提取方法,像素计算量大,会导致计算复杂度的升高,要选择合适的算法。

本文提出了一种新的基于像素的特征提取方法,基于RGB颜色空间,使用SVM分类器进行WCE出血检测。

1 图像预处理与特征提取

在分析彩色图像或者颜色特征提取之前,首先就要选定合适的颜色空间。常见的颜色空间有RGB、CMY、CMYK、CIELAB、YUV、HSV、HSI等等。针对不同的应用选择不同颜色空间。RGB空间三个通道相互独立,用R代表红色出血特征较容易被识别,因此首选RGB空间。尽管大多数消化道图片都呈现红色,如图1所示(a)图是正常消化道图像,(b)图是出血图像,但明显出血图像中的红色饱和度更高。本文将红色作为主要评价参数来判断出血图像。

在图像出血特征提取众多方法中最直接的就是对其RGB三通道的色彩进行提取,因为颜色是出血图像中最重要的特征。本文实验样本的图像来源于Given Imaging公司网站上公开提供的两段视频,我们从中提取了720帧不同的图像。在进行特征提取之前必须对图像进行预处理,包括图像尺寸的规范化,颜色空间转化等。如本文图片原始格式大小为240×320,是从视频中按帧提取图片时保存为24 bit的RGB彩色图像,RGB每个通道相当于8 bit的灰度图像。在图像预处理中首先将图片的黑色边框部分裁剪掉,处理后的图像尺寸为207×85。对该主体图像部分将RGB三个通道的矩阵分别转化为一维的行向量以方便后续得特征提取,所得的每一维向量的维度是207×85=17 595。

由图2某出血图像RGB颜色直方图曲线可知蓝色分布比较集中,蓝色在整个分类中不占主导作用。由于我们目的是提取红色,而绿色对亮度影响较大,在文献[5]中采用红色像素除以绿色像素即R(i) /G(i) 来作为判断是否为出血点的依据。但在实际运算中会出现绿色像素为0,所以R(i)/G(i) 像素比趋向于无穷大。该文采取R(i)/[G(i)+R(i)]的像素比作为判断出血点的依据,可避免出现无穷大现象。每张图片的像素比例特征向量维度为17 595,这么大的特征维度会大幅降低运行速度和识别效率。由于图像中相邻像素之间的颜色差别不大,因此在将特征向量作为输入之前,对向量进行缩放采样。根据经验采样间隔d选为19(选择间距时要注意不要使之能被图片的宽度85整除,以保持采样像素点的随机性)将维度降到927。将720帧图片作为输入,得到一个720×927的矩阵,代表720个样本,每个样本有927个特征参数。

2 支持向量机

支持向量机是由Vapnik V在AT&T贝尔实验室时发明的模式识别算法,主要的思路是通过运用核函数的非线性映射将输入向量映射到高维的空间。然后在此高维空间找到一个线性分类超平面使其两类别之间出现最大的距离。也就是说,给定一组输入标定为属于1类或者2类,通过SVM训练建立模型。然后再给一个新的输入时可根据已训练的模型自动分为属于1类或2类。通常我们经常用于模式识别的核函数有以下4种:

(1) 线性核函数:

(2) 多项式核函数:

(3)径向基核函数:

(4) 两层感知器核函数:

本文使用 的S V M工具是文 献 [ 1 1 ] 中提到的LIBSVM软件包,使用4种核函数分别实验,选出最好的核函数以及参数,输出为0是正常图片,输出为1是出血图片。具体的使用步骤如下:

(1) 按照LIBSVM所要求的格式变换输入图片特征数据格式;

(2) 对数据进行简单的缩放预处理;

(3) 选择不同的核函数(首选RBF核函数);

(4) 采用格式搜索选取最佳参数c和g;

(5) 采用最优参数c和g训练支持向量机;

(6) 使用获得的模型对测试集进行预测。

在将数据作为LIBSVM输入前进行缩放操作至关重要,可以提高识别精度。本文在图像数据预处理部分已经将输入缩放到(0, 1)区间内。模型的参数选择对实验结果也至关重要,本文采用软件自带的grid_search工具[12]用K-fold交叉验证的方式找到最优的c和g。交叉验证的原理是将原始数据均分成K组,将每个子集数据分别作验证集,其余的K-1组子集作为训练集,K-fold可以有效地避免过学习以及欠学习状态的发生。

3 实验过程分析

该文用720得到的720×927维矩阵作为输入,其中出血图片360张,正常图片360张。使用SVM集成软件LIBSVM(Chang & LIN 2001),采用四种不同的核函数分别实验。每次选择360张图片作为实验集,其中包括180张出血图片和180张正常图片,剩余360张作为测试集用来验证模型的准确率。如表1所示,在默认的参数设置g=1,c=2时,四种核函数测试准确率最高的是线性核函数和多项式核函数达到80%,而默认的径向基核函数测试准确率只有53%。

线性核函数和多项式核函数理论上是径向基核函数的线性特殊形式,所以径向基核函数之所以表现不好的原因可能是默认参数不合适,因此我们选用K-fold交叉验证方法对参数进行寻优,找到最优参数。初始参数寻优cost参数c的寻优范围根据经验设在(2-6,22)区间,核函数gamma参数g寻优范围设在(2-8,24)区间。由仿真结果可得当c=0.015 625,g=0.189 46时,CVAccuracy =100%是指由训练样本得到的模型对训练样本本身的识别率达到100%。在第二次寻优之前,根据第一次寻优值的结果将c和g的寻优范围分别缩小到(2-4,22),(2-5,22)区间。如图3、图4所示是二次寻优的结果,在c=0.062 5,g=0.25时寻到最优值对训练样本识别率可达到100%。对比两次寻优的结果发现尽管两次识别率同样达到100%,基于支持向量机的原理可得,同等识别率的情况下选择参数越小越好。所以本文选择c=0.015 625,g=0.189 46作为最优参数。

在核函数为多项式核函数的情况下运用最优参数c=0.015 625, g=0.189 46来对测试样本进行实验。可得如下表2结果。对比表1和表2可以看出,线性核函数和多项式核函数在最优参数下的测试准确率和默认设置一致保持为80%。而径向基核函数测试准确率从52.777 8%提升到86.111 1%,K-fold参数寻优对准确率有了极大提升。

根据定义TP是正确识别为出血的出血照片,FN是被错误识别为正常图片的出血图片,TN是正确识别为正常图片的非出血图片,FP是错误识别为出血图片的非出血图片。本文在进行一系列优化后特异度达到83%,灵敏度达到94%,取得了良好的识别效果。

4 结论分析

本文提出一种在RBG空间基于SVM分类器的出血图像智能识别算法,从输入图像的预处理,特征数据提取与整合着手,提取红色像素与三种颜色之比例作为特征。图像预处理降低了黑色图像边缘对SVM分类结果的影响,而数据整合时采用的压缩采样,保证了算法的效率与运算速度。在支持向量机识别的过程中选用径向基核函数辅以K-fold参数寻优,参数寻优将准确率从53%提升到86%。最终获得令人满意的83%的特异度,94%的灵敏度。本文所提到的方法完全可以满足WCE临床诊断要求,从而帮助医生大大减轻工作负担。

摘要：由于Wireless Capsule Endoscopy(WCE)在消化道中采集到的巨大数量的图像均需要医务人员靠肉眼来排查,给医生带来巨大的负担。该文提供了一种基于支持向量机(Support Vector Machine,SVM)分类器的胶囊内窥镜出血智能识别方法,创立一种新的特征参数,并对SVM参数的选择进行实验优化,最终达到94%的特异度与83%的灵敏度。