VISUAL ODOMETRY AND SEMANTIC SEGMENTATION IN HIGH-SPEED DETECTION OF ANOMALIES IN MEDICAL SCOPES

AI-based methods detect and recognize surface anomalies along a channel of a medical scope from video taken by a camera pushed through the channel, and track the position of the camera in the channel. The image data output by the video camera is subjected to semantic segmentation to identify the surface anomalies, and is concurrently subjected to a feature detection algorithm to determine keypoints in frames of the image data. The keypoints can be used to update the camera position in the channel and can also be used to determine the distance of the surface anomalies from an end of the channel. Accordingly, the surface anomalies can be tagged so they are not counted as new anomalies when viewed again. L'invention concerne des procédés basés sur l'IA qui détectent et reconnaissent des anomalies de surface le long d'un canal d'un scope médical à partir d'une vidéo prise par une caméra poussée à travers le canal, et qui suivent la position de la caméra dans le canal. Les données d'image délivrées par la caméra vidéo sont soumises à une segmentation sémantique pour identifier les anomalies de surface et sont soumises simultanément à un algorithme de détection de caractéristique pour déterminer des points clés dans des trames des données d'image. Les points clés peuvent être utilisés pour mettre à jour la position de la caméra dans le canal et peuvent également être utilisés pour déterminer la distance des anomalies de surface à partir d'une extrémité du canal. Par conséquent, les anomalies de surface peuvent être étiquetées de sorte qu'elles ne soient pas comptées en tant que nouvelles anomalies lorsqu'elles sont à nouveau visualisées.