本技术涉及医疗数据处理，具体涉及基于数据分析的消化内镜远程处理方法。
背景技术：
1、消化道疾病多表现为以鱼刺、禽类骨头、义齿等上消化道异物而引起的疼痛、吞咽困难等症状，严重时甚至会并发其他病症风险。在确诊完上消化道异物之后，需要针对上消化道异物特征，制定技术方案，选用合适的手术器械将上消化道异物取出。
2、目前，为了提取上消化道异物特征，大多利用内镜设备中的微型高频探头采集患者的一系列上消化道食管内镜图像，以便医生观察上消化道的异物特征，从而制定正确的治疗技术方案。但是，由于微型高频探头采集患者的一系列上消化道食管内镜图像含有较多的冗余图像，阻碍医生观察上消化道食管异物特征，从而延误对患者的治疗，有较大的可能性导致患者上消化道异物产生恶化。
3、现有技术大多利用图像剔除的方式剔除一系列上消化道食管内镜图像含有较多的冗余图像，然而现有技术对冗余图像进行剔除时缺乏考虑上消化道食管内镜图像中的异物特征，导致对一系列上消化道食管内镜图像内冗余图像进行剔除的准确性较差，无法准确提取上消化道食管内镜图像的有效图像信息。
技术实现思路
1、为了解决上述技术问题，本技术提供基于数据分析的消化内镜远程处理方法，以解决现有的问题。
2、本技术的基于数据分析的消化内镜远程处理方法采用如下技术方案：
3、本技术一个实施例提供了基于数据分析的消化内镜远程处理方法，该方法包括以下步骤：
4、获取各采集时刻的内镜灰度图像；
5、提取各内镜灰度图像中的角点作为特征像素点，获取各特征像素点的食管纹理稠密值，并构建各内镜灰度图像的食管纹理稠密序列；
6、根据各内镜灰度图像的食管纹理稠密序列中食管纹理稠密值的分布情况，构建各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值对应特征像素点的食管纹理冗余接近指数；
7、根据所述食管纹理冗余接近指数与特征像素点的分布特征构建各内镜灰度图像的食管纹理冗余特征概率；根据各内镜灰度图像的食管冗余特征概率和各内镜灰度图像的食管纹理稠密序列的差异情况构建各内镜灰度图像的食管图像冗余相邻相似度；
8、根据各内镜灰度图像的食管纹理稠密序列结合突变点检测算法得到各内镜灰度图像的食管纹理异物特征序列；根据各内镜灰度图像的食管纹理稠密序列与食管纹理异物特征序列之间的差异以及食管纹理异物特征序列的概率分布，构建各内镜灰度图像的无效冗余特征值；
9、根据各内镜灰度图像的食管图像冗余相邻相似度和无效冗余特征值构建各内镜灰度图像的冗余食管图像剔除指数；
10、根据所有内镜灰度图像的冗余食管图像剔除指数获取有效内镜图像序列，完成消化内镜的远程处理。
11、优选的，所述获取各特征像素点的食管纹理稠密值，并构建各内镜灰度图像的食管纹理稠密序列，包括：
12、将各内镜灰度图像中每个特征像素点与其剩余所有像素点之间的距离的均值，作为每个特征像素点的食管纹理稠密值；
13、各内镜灰度图像中所有特征像素点的食管纹理稠密值组成各内镜灰度图像的食管纹理稠密序列。
14、优选的，所述各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值对应特征像素点的食管纹理冗余接近指数的构建过程为：
15、以各采集时刻为中心设置预设时间区间；将预设时间区间内所有的内镜灰度图像组成各内镜灰度图像的相邻内镜灰度图像集；
16、计算第i个内镜灰度图像的食管纹理稠密序列中第s个食管纹理稠密值对应特征像素点到相邻内镜灰度图像集中第j个内镜灰度图像的食管纹理稠密序列中第d个食管纹理稠密值对应特征像素点之间的距离，记为相邻距离；
17、计算第i个内镜灰度图像的相邻内镜灰度图像集中第j个内镜灰度图像的食管纹理稠密序列的食管纹理稠密值均值，记为冗余均值；将第i个内镜灰度图像的食管纹理稠密序列中第s个食管纹理稠密值与所述冗余均值之间的差值取绝对值，记为冗余绝对值；
18、所述相邻距离和冗余绝对值均与各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值对应特征像素点的食管纹理冗余接近指数成负向关联。
19、优选的，所述各内镜灰度图像的食管纹理冗余特征概率的构建过程为：
20、将各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值与其相邻食管纹理稠密值对应特征像素点的食管纹理冗余接近指数之间的差值取绝对值，记为概率绝对值；
21、计算各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值对应特征像素点的食管纹理冗余接近指数与其所述概率绝对值的比值，记为特征概率之比；
22、各内镜灰度图像的食管纹理冗余特征概率为所述各内镜灰度图像的食管纹理稠密序列中所有纹理稠密值对应特征像素点的所述特征概率之比的均值。
23、优选的，所述各内镜灰度图像的食管图像冗余相邻相似度的构建过程为：
24、计算各内镜灰度图像的食管纹理稠密序列与相邻内镜灰度图像集中各内镜灰度图像的食管纹理稠密序列之间的距离，记为相邻序列距离；
25、计算各内镜灰度图像的食管纹理稠密序列与相邻内镜灰度图像集中所有内镜灰度图像的食管纹理稠密序列之间的所述相邻序列距离的和值，记为相邻序列距离之和；各内镜灰度图像的食管图像冗余相邻相似度与所述相邻距离之和成负向关联，与所述各内镜灰度图像的食管纹理冗余特征概率成正向关联。
26、优选的，所述各内镜灰度图像的食管纹理异物特征序列的获取过程为：
27、采用突变点检测算法提取各内镜灰度图像的食管纹理稠密序列中所有突变食管纹理稠密值；各内镜灰度图像的所有突变点纹理稠密值组成各内镜灰度图像的食管纹理异物特征序列。
28、优选的，所述各内镜灰度图像的无效冗余特征值的构建过程为：
29、根据各内镜灰度图像的食管纹理稠密序列与食管纹理异物特征序列之间的差异构建各内镜灰度图像的食管异物特征缺失值；
30、计算各内镜灰度图像的食管纹理稠密序列的排列熵；各内镜灰度图像的无效冗余特征值与所述排列熵成负向关联，与所述各内镜灰度图像的食管异物特征缺失值成正向关联。
31、优选的，所述构建各内镜灰度图像的食管异物特征缺失值的构建过程为：
32、计算各内镜灰度图像的食管纹理稠密序列与食管纹理异物特征序列之间的变异系数，所述各内镜灰度图像的食管异物特征缺失值与所述变异系数成负向关联。
33、优选的，所述各内镜灰度图像的冗余食管图像剔除指数分别与所述各内镜灰度图像的食管图像冗余相邻相似度以及各内镜灰度图像的无效冗余特征值成正相关关系。
34、优选的，所述有效内镜图像序列的获取过程为：根据所有内镜灰度图像的冗余食管图像剔除指数获取分割阈值；在所有内镜灰度图像中剔除高于分割阈值的冗余食管图像剔除指数对应的内镜灰度图像，剩余的内镜灰度图像组成有效内镜图像序列。
35、本技术至少具有如下有益效果：基于对相邻内镜灰度图像之间食管冗余相似性的分析，通过度量食管纹理冗余接近指数构建食管纹理冗余特征概率；利用食管纹理冗余特征概率构建食管图像冗余相邻相似度，表征内镜图像序列中不同内镜灰度图像的相邻食管内镜图像冗余的相似程度，使得后续对内镜图像序列进行冗余食管图像剔除更加准确；基于对内镜灰度图像的无效冗余特征的分析，通过上消化道异物缺失特征的分析构建食管异物特征缺失值，利用食管异物特征缺失值构建无效冗余特征值，使得对内镜灰度图像的无效冗余特征的度量更加准确，降低无效冗余图像对医生病情诊断效率的影响；基于食管图像冗余相邻相似度和无效冗余特征值构建冗余食管图像剔除指数，分析冗余食管图像特征，利用冗余食管图像剔除指数更加准确剔除内镜灰度图像序列中的冗余图像。
1.基于数据分析的消化内镜远程处理方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述获取各特征像素点的食管纹理稠密值，并构建各内镜灰度图像的食管纹理稠密序列，包括：
3.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的食管纹理稠密序列中每个食管纹理稠密值对应特征像素点的食管纹理冗余接近指数的构建过程为：
4.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的食管纹理冗余特征概率的构建过程为：
5.如权利要求3所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的食管图像冗余相邻相似度的构建过程为：
6.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的食管纹理异物特征序列的获取过程为：
7.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的无效冗余特征值的构建过程为：
8.如权利要求7所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述构建各内镜灰度图像的食管异物特征缺失值的构建过程为：
9.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述各内镜灰度图像的冗余食管图像剔除指数分别与所述各内镜灰度图像的食管图像冗余相邻相似度以及各内镜灰度图像的无效冗余特征值成正相关关系。
10.如权利要求1所述的基于数据分析的消化内镜远程处理方法，其特征在于，所述有效内镜图像序列的获取过程为：根据所有内镜灰度图像的冗余食管图像剔除指数获取分割阈值；在所有内镜灰度图像中剔除高于分割阈值的冗余食管图像剔除指数对应的内镜灰度图像，剩余的内镜灰度图像组成有效内镜图像序列。
