一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法及系统技术方案

本发明专利技术提供了一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法及系统，其中系统包括图像滤波预处理模块，对比度增强模块，隐窝分割模块，隐窝形态特征量化模块。本发明专利技术可以应用在鉴别良性、病变上皮组织的计算机辅助诊断系统中，还能够即时处理，将帮助内镜医生实现高准确度和一致性的实时、现场诊断，减轻医生工作和训练负担，提升临床效率。

An automatic quantitative analysis method and system of gastrointestinal epithelial crypt structure based on optical fiber endoscopy image

The invention provides an automatic quantitative analysis method and system of gastrointestinal epithelial recess structure based on optical fiber microendoscopy image. The system includes image filtering pretreatment module, contrast enhancement module, recess segmentation module and recess morphological feature quantization module. The invention can be applied in a computer aided diagnosis system for differentiating benign and diseased epithelial tissues, and can be processed in real time. It will help endoscopy doctors to achieve high accuracy and consistency of real-time and on-site diagnosis, reduce the burden of doctors'work and training, and improve clinical efficiency.

【技术实现步骤摘要】
一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法及系统
本专利技术涉及医学图像处理及应用领域，具体地说，涉及一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法及系统。
技术介绍
胃肠道肿瘤是世界范围内常见的恶性疾病，我国属于胃癌高发地区，早期发现是改善患者生存率和生活质量的关键。基于光纤束的光纤显微内镜具有亚细胞实时成像能力，包括共聚焦荧光显微内镜、高清显微内镜等。在胃肠粘膜筛查应用领域，已有不少研究表明光纤显微内镜将产生有用的临床数据，能帮助早期检测胃肠道上皮的癌前病变和癌性病变。因此，光纤显微内镜在胃肠道病变早期检测方面有巨大的临床应用价值。与其他先进的胃肠道内镜技术一样，光纤显微内镜的学习曲线长，图像的诊断效果依赖于医生的病理学基础、高水平培训和丰富经验，这些阻碍了其在疾病筛查中的应用推广。近年来，以计算机辅助诊断技术为核心的内镜图像定量分析被认为将是一种有效方法而受到关注。前期，光纤显微内镜图像的量化分析集中在口腔、食管病变的诊断方面，结果表明图像定量分析作为一种客观的分类方法，能提供准确、一致性高的结果辅助光纤显微内镜图像诊断，其表现与经验丰富的内镜医师的评估能力相当。在胃肠道病变方面，腺体隐窝是其诊断的重要结构。异常胃肠上皮组织是紊乱的，隐窝结构随着上皮不规则增厚而拉长，而正常的胃肠上皮组织的隐窝为类圆形结构，且分布较均匀，因此，与异常图像相比，正常图像中的隐窝结构更接近于圆形，同时面积偏小，间距相对一致。量化隐窝的上述形态特征降将帮助区分正常和异常的胃肠上皮组织。隐窝的形态特征对胃肠道内镜图像诊断的价值已在光纤显微内镜设备上得到证实。Peieto等人将隐窝形态特征的量化应用在肠上皮光纤显微内镜图像的诊断中，然而该研究的方法在对低对比度的光纤显微内镜图像增强时，需要通过多次强度自适应对比度增强实验选择出最佳参数组合，增加了临床应用的复杂度。内镜检查应用场景要求实时、现场的图像判读，因此无人工参与、全自动的量化分析在临床应用上更具优势。目前，已有科学家基于食管上皮细胞和腺体的形态特征开发了一套全自动光纤显微内镜图像量化分析算法，然而，整个方法的执行时间需要52秒，仍然难以满足实时性要求。因此，需要开发出一种更加有效便捷的图像分析方法。
技术实现思路
本专利技术是为了解决上述技术问题而做出的，其目的是提供一种更加有效、便捷的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法及系统。为了实现上述目的，本专利技术提供了一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，包括以下步骤：(1)使用双边滤波方法，对原始光纤显微内镜图像进行滤波预处理，以消除图像像素化的问题，并保持图像的边缘；(2)对图像进行对比度增强：(2.1)使用CLAHE方法，对滤波后的图像进行第一次增强操作；(2.2)采用二次函数进行非线性灰度变换，让图像的直方图往两端扩散，拉大图像前景和背景的对比度，对图像上每一个像素点按如下公式计算非线性灰度变换后的灰度值，获得新图像：其中，坐标(x，y)表示像素点的坐标，为像素点的新灰度值，f(x，y)为处理前像素点的原始灰度值；(3)对图像进行分割，提取出隐窝结构：(3.1)通过基于阈值的自动分割方法将增强后的图像转为二值化图像，分割出前景(白色，常用灰度值1或255表示)和背景(黑色，常用灰度值0表示)，其中灰度值较低的似隐窝部分被分为背景，其余则为前景；(3.3)将图像中前景和背景的灰度值进行置换，此时，前景(白色，常用灰度值1或255表示)代表了隐窝；(3.4)通过先腐蚀后膨胀的开运算，在并不明显改变前景和背景的面积的情况下对这些区域的边界进行平滑；(3.5)在分割后的二值化图像中提取出图像中各完整隐窝的边缘；(4)按照如下公式计算隐窝结构的形态特征，包括各完整隐窝结构的面积，圆度和质心距离；(a)面积定义为各完整隐窝边缘内的像素总数；(b)圆度定义为：C＝4π×面积/周长的平方其中，周长为各完整隐窝边缘上的像素总数；(c)质心距离定义为相邻两个完整隐窝的质心距离，其中，各完整隐窝的质心坐标为其边缘内所有像素点坐标的平均值。作为本专利技术的进一步改进，步骤(2.2)之后还包括步骤(2.3)为使直方图进一步均衡化，对图像再次进行CLAHE增强操作。作为本专利技术的进一步改进，步骤(2)中的CLAHE算法实现过程中，采用双线性插值以降低算法的时间复杂度，插值时，需要将图像分割成M列×N行大小相等、连续不重叠的子图像区域。作为本专利技术的进一步改进，步骤(3.1)和(3.3)之间还包括步骤(3.2)通过先膨胀后腐蚀的闭运算，填充前景和背景中可能存在的空洞和狭窄的缺口。作为本专利技术的进一步改进，所述M列×N行取值8×8。作为本专利技术的进一步改进，步骤(3.1)中的基于阈值的自动分割方法可以采用Ostu方法。作为本专利技术的进一步改进，步骤(3.5)中的隐窝边缘提取可以采用基于连通域的轮廓追踪算法。本专利技术还提供一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析系统，该系统包括图像滤波预处理模块，对比度增强模块，隐窝分割模块，隐窝形态特征量化模块；所述图像滤波预处理模块用于对载入的原始光纤显微内镜图像进行滤波预处理；所述对比度增强模块用于对图像滤波预处理模块所得到的滤波后的图像进行增强操作，提高隐窝与周围区域的对比度；所述隐窝分割模块用于对对比度增强模块所得到的增强后的图像进行分割，提取出隐窝结构；所述隐窝形态特征量化模块利用隐窝分割模块所得到的分割后的二值化图像和隐窝边缘，按照如下公式计算隐窝结构的形态特征，包括各完整隐窝结构的面积，圆度和质心距离等，(a)面积定义为各完整隐窝边缘内的像素总数；(b)圆度定义为：C＝4π×面积/周长的平方其中，周长为各完整隐窝边缘上的像素总数；(c)质心距离定义为相邻两个完整隐窝的质心距离，其中，各完整隐窝的质心坐标为其边缘内所有像素点坐标的平均值。作为本专利技术的进一步改进，所述对比度增强模块包括两个CLAHE增强模块和一个非线性灰度变换模块；第一个CLAHE增强模块使用CLAHE方法，对图像滤波预处理模块所得到的滤波后的图像进行第一次增强操作，并将增强结果提供给非线性灰度变换模块；非线性灰度变换模块在得到的增强后的图像上，对每一个像素点按如下公式计算非线性灰度变换后的灰度值，获得新图像，并提供给第二个CLAHE增强模块：其中，坐标(x,y)表示像素点的坐标，为像素点的新灰度值，f(x,y)为处理前像素点的原始灰度值；第二个CLAHE增强模块在得到的非线性灰度变换后的新图像上进行CLAHE增强操作，得到最终的增强后的图像，并提供给隐窝分割模块。作为本专利技术的进一步改进，所述隐窝分割模块包括图像二值化模块，形态学闭运算模块，灰度反转模块，形态学开运算模块，隐窝边缘提取模块；所述图像二值化模块基于阈值的自动分割方法将对比度增强模块所得到的增强后的图像转为二值化图像，分割出前景(白色，常用灰度值1或255表示)和背景(黑色，常用灰度值0表示)，其中灰度值较低的似隐窝部分被分为背景，其余则为前景；所述形态学闭运算模块用于在图像二值化模块所得到的二值化图像上，通过先膨胀后腐蚀的闭运算，填充前景和背景中可能存在的空洞和狭窄的缺口；所述灰度反转模块将形态学闭运算模块本文档来自技高网...

【技术保护点】
1.一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于包括以下步骤：(1)使用双边滤波方法，对原始光纤显微内镜图像进行滤波预处理，以消除图像像素化的问题，并保持图像的边缘；(2)对图像进行对比度增强：(2.1)使用CLAHE方法，对滤波后的图像进行第一次增强操作；(2.2)采用二次函数进行非线性灰度变换，让图像的直方图往两端扩散，拉大图像前景和背景的对比度，对图像上每一个像素点按如下公式计算非线性灰度变换后的灰度值，获得新图像：

【技术特征摘要】
1.一种基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于包括以下步骤：(1)使用双边滤波方法，对原始光纤显微内镜图像进行滤波预处理，以消除图像像素化的问题，并保持图像的边缘；(2)对图像进行对比度增强：(2.1)使用CLAHE方法，对滤波后的图像进行第一次增强操作；(2.2)采用二次函数进行非线性灰度变换，让图像的直方图往两端扩散，拉大图像前景和背景的对比度，对图像上每一个像素点按如下公式计算非线性灰度变换后的灰度值，获得新图像：其中，坐标(x,y)表示像素点的坐标，为像素点的新灰度值，f(x,y)为处理前像素点的原始灰度值；(3)对图像进行分割，提取出隐窝结构：(3.1)通过基于阈值的自动分割方法将增强后的图像转为二值化图像，分割出前景(白色，常用灰度值1或255表示)和背景(黑色，常用灰度值0表示)，其中灰度值较低的似隐窝部分被分为背景，其余则为前景；(3.3)将图像中前景和背景的灰度值进行置换，此时，前景(白色，常用灰度值1或255表示)代表了隐窝；(3.4)通过先腐蚀后膨胀的开运算，在并不明显改变前景和背景的面积的情况下对这些区域的边界进行平滑；(3.5)在分割后的二值化图像中提取出图像中各完整隐窝的边缘；(4)按照如下公式计算隐窝结构的形态特征，包括各完整隐窝结构的面积，圆度和质心距离；(a)面积定义为各完整隐窝边缘内的像素总数；(b)圆度定义为：C＝4π×面积/周长的平方其中，周长为各完整隐窝边缘上的像素总数；(c)质心距离定义为相邻两个完整隐窝的质心距离，其中，各完整隐窝的质心坐标为其边缘内所有像素点坐标的平均值。2.根据权利要求1所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：步骤(2.2)之后还包括步骤(2.3)为使直方图进一步均衡化，对图像再次进行CLAHE增强操作。3.根据权利要求1所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：步骤(2)中的CLAHE算法实现过程中，采用双线性插值以降低算法的时间复杂度，插值时，需要将图像分割成M列×N行大小相等、连续不重叠的子图像区域。4.根据权利要求1所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：步骤(3.1)和(3.3)之间还包括步骤(3.2)通过先膨胀后腐蚀的闭运算，填充前景和背景中可能存在的空洞和狭窄的缺口。5.根据权利要求2所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：所述M列×N行取值8×8。6.根据权利要求1所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：步骤(3.1)中的基于阈值的自动分割方法可以采用Ostu方法。7.根据权利要求1所述的基于光纤显微内镜图像的胃肠上皮隐窝结构自动量化分析方法，其特征在于：步骤(3.5)中的隐窝边缘提取可以采用基于连通域的轮廓追踪算法。8.一种如权利要求1-7中任意一项所述基于光纤显微内镜图像的胃...

【专利技术属性】
技术研发人员：王璐瑶，吴郁清，安昕，林立，
申请(专利权)人：苏州精观医疗科技有限公司，
类型：发明
国别省市：江苏,32