处理肠图像的方法技术

本发明专利技术提供了一种处理肠图像的方法，所述方法包括：1)提供肠图像；2)利用神经网络结构处理得到初步提议息肉分割数据；所述神经网络结构包括卷积计算和反卷积计算；3)通过息肉边界纹理补丁图像和/或非息肉边界纹理补丁图像进一步筛选出所期望的息肉分割数据。本发明专利技术所提供的处理肠图像的方法可以提高息肉识别的准确率。

【技术实现步骤摘要】
处理肠图像的方法
本专利技术涉及一种图像处理方法，尤其涉及一种处理肠图像的方法。
技术介绍
大肠癌是结直肠癌的统称，这是一种严重危害人类生命的恶性肿瘤。美国癌症统计数据显示，结肠癌每年新发病例超过10万例，发病率居全球恶性肿瘤的第三位，死亡率居所有肿瘤第二位。在2008年有超过120万新发病例和大约60万人死亡。大肠癌的风险因素包括酒精、烟草、肥胖、糖尿病、久坐、不健康饮食模式等。在欧盟，结直肠癌死亡率不断降低，这一方面归功于欧盟不断改进的生活方式，另一方面，50岁以上的肠癌筛查对降低结直肠癌发生率与死亡率也至关重要。自2000年，美国、加拿大、澳大利亚和挪威50岁患者的结直肠癌发病率和死亡率不断下降，但最近略有回升，这与肥胖、久坐及其他不良生活习惯相关，并且这一效应无法由肠镜筛查抵消，这值得关注。根据全国肿瘤登记中心发布的2015年报显示，癌症已成为我国死亡第一大原因，死亡人数占全球因癌症死亡人数四分之一。其中结直肠癌等发病上升迅速且出现年轻化趋势。结肠癌和直肠癌被统称为结直肠癌或者大肠癌。专家表示，结直肠癌发病率上升迅速，在北上广等大城市的白领人群中发病上升尤其明显，而且出现年轻化趋势，有科学家预测说，不久的将来结直肠癌的发病率可能超过肺癌及胃癌，成为癌症榜首。结直肠癌的年轻化，除了遗传因素外，城市化加剧和人群饮食结构改变也是重要原因，处在高强度工作压力下的都市白领尤其值得关注。近年来，随着我国人们生活水平提高、老龄化、工业化的进程和饮食结构的变化，我国大肠癌发病率与死亡率在逐渐上升，在北京、上海等发达城市结直肠癌发病率位于消化道肿瘤第一位。小于30岁的青年人结直肠癌发病率为12％～15％，直肠癌的发病率比结肠癌高，而且中低位直肠癌所占直肠癌比例高，约为70％。结肠癌根治手术后5年生存率一般为60％～80％之间，直肠癌为50％～70％。据相关资料显示，我国早期大肠癌的诊治率约较低，有着巨大的进步空间。因此，提升早期诊治能力无疑是提高我国大肠癌患者生存率的有效策略。然而患者数量巨大、内镜医师数量短缺、医师早癌诊断技术和经验不足、先进内镜设备缺乏等问题，严重影响了我国早期大肠癌诊断水平的提高，这些问题在基层医疗机构显得尤为突出。结肠镜检查目前被认为是用于结肠直肠癌诊断的黄金标准诊断方法，并且有助于在结肠息肉发展成结肠直肠癌之前早期检测结肠息肉，这反过来降低了结肠直肠癌的死亡率。然而，结肠镜检查取决于操作者的技能和经验，并且可能导致在测试期间错过检测息肉和/或癌症。计算机辅助息肉检测(CAD)可以帮助内窥镜医师降低漏检率。它还可能有助于鉴别良性和恶性息肉或具有恶性潜能的良性息肉。已经开发了许多方法来自动检测结肠息肉。现有的自动息肉检测方法可大致分为两组：基于分割的检测和基于检测的分类。Hwang等人提出了一种基于分水岭分割的椭圆拟合方法(Hwang,S.,Oh,J.,Tavanapong,W.,Wong,J.,deGroen,P.C.:Polypdetectionincolonoscopyvideousingellipticalshapefeature.In:IEEEInternationalConferenceonImageProcessing,pp.1029–1032(2007))。Bernal等人提出了一种利用山谷信息的息肉检测方法(Bernal,J.,Sanchez,J.,Vilarino,F.:Towardsautomaticpolypdetectionwithapolypappearancemodel.PatternRecogn.45,3166–3182(2012))，其中潜在区域使用分水岭进行分段，然后进行区域合并和分类。在Li等人的研究中(Li,P.,Chan,K.L.,Krishnan,S.M.:Learningamulti-sizepatch-basedhybridkernelmachineensembleforabnormalregiondetectionincolonoscopicimages.In:ProceedingsofCVPR,pp.670–675.IEEE(2005))，区域检测问题被视为图像分割问题，并提出了分片分割方法。Park等人利用时空特征来检测息肉(Park,S.Y.,Sargent,D.,Spofford,I.,Vosburgh,K.G.,A-Rahim,Y.:Acolonvideoanalysisframeworkforpolypdetection.IEEETrans.Bio-Med.Eng.59,1408–1418(2012))，相邻帧中特征之间的依赖关系被考虑在内并由条件随机场(CRF)建模。Bae等人(Bae,S.H.,Yoon,K.J.:Polypdetectionviaimbalancedlearninganddiscriminativefeaturelearning.IEEETrans.Bio-Med.Imaging34,2379–2393(2015))，通过采用基于数据采样的增强框架克服了不平衡数据集问题，并且使用偏最小二乘分析来增强区分息肉和非息肉的能力。Tajbakhsh等人(Tajbakhsh,N.,Gurudu,S.R.,Liang,J.:Automaticpolypdetectionusingglobalgeometricconstraintsandlocalintensityvariationpatterns.In:Golland,P.,Hata,N.,Barillot,C.,Hornegger,J.,Howe,R.(eds.)MICCAI2014.LNCS,vol.8674,pp.179–187.Springer,Cham(2014).doi:10.1007/978-3-319-10470-6_23)提出了一种使用全局几何约束和局部强度模式的自动息肉检测方法，使用两阶段息肉边界分类框架来改进息肉边缘，然后是用于定位息肉的投票方案。通过使用卷积神经网络(CNN)整合颜色，时间和形状特征来扩展这项工作以减少误报(Tajbakhsh,N.,Gurudu,S.R.,Liang,J.M.:Automaticpolypdetectionincolonoscopyvideosusinganensembleofconvolutionalneuralnetworks.In:InternationalsymposiumonBiomedImaging,pp.79–83(2015))，并进行进一步的评估(Tajbakhsh,N.,Gurudu,S.R.,Liang,J.M.:Automatedpolypdetectionincolonoscopyvideosusingshapeandcontextinformation.IEEETrans.Med.Imaging35,630–644(2016))。然而，由于其在结肠镜检查框架中的复杂性，自动息肉检测仍然是一个开放的挑战。例如存在固有的帧形成伪像(例如光反射)、不同结构的类似外观(例如流体气泡)、褶皱和息肉等。此外，息肉类型的多样性仍然是训练用于精确检测的一般模型的主要障碍。另外，即使对于相本文档来自技高网...

【技术保护点】
1.一种处理肠图像的方法，其特征在于，所述方法包括：1)提供肠图像；2)利用神经网络结构处理得到初步提议息肉分割数据；所述神经网络结构包括卷积计算和反卷积计算；3)通过息肉边界纹理补丁图像和/或非息肉边界纹理补丁图像进一步筛选出所期望的息肉分割数据。

【技术特征摘要】
1.一种处理肠图像的方法，其特征在于，所述方法包括：1)提供肠图像；2)利用神经网络结构处理得到初步提议息肉分割数据；所述神经网络结构包括卷积计算和反卷积计算；3)通过息肉边界纹理补丁图像和/或非息肉边界纹理补丁图像进一步筛选出所期望的息肉分割数据。2.如权利要求1所述的处理肠图像的方法，其特征在于，在所述步骤1)中，所述肠图像是三维图像；在所述步骤2)中，所述神经网络结构还包括递归计算，位于所述卷积计算之后、反卷积计算之前，所述卷积计算的输出被转换成一维矢量输入到所述递归计算。3.如权利要求1所述的处理肠图像的方法，其特征在于，所述的息肉边界纹理补丁图像和/或非息肉边界纹理补丁图像的处理包括：提供补丁图像，利用滤波器和卷积运算生成特征向量并聚类生成纹理文本存储于纹理字典。4.如权利要求3所述的处理肠图像的方法，其特征在于，所述滤波器采用二维Gabor滤波器。5.如权利要求3所述的处理肠...

【专利技术属性】
技术研发人员：杨光，叶旭冏，董豪，
申请(专利权)人：杭州帝视科技有限公司，
类型：发明
国别省市：浙江,33