一种用于检测宫颈病变的阴道镜图像识别方法技术

本申请涉及图像识别技术领域，具体涉及一种用于检测宫颈病变的阴道镜图像识别方法。本方法包括以下步骤：步骤1、采集样本图像；步骤2、对所述样本图像进行数据预处理；步骤3、根据预处理后的样本图像建立样本特征空间；步骤4、根据所述样本特征空间构建最优属性预测器；步骤5、根据所述最优属性预测器对待检测图像样本进行分类。本申请的技术方案，利用类正定超图正则化属性学习方法，提高了属性预测的准确率和召回率，同时利用学习的属性预测器能够快速准确地对待检测的阴道镜图像进行识别分类，起到很好的辅助检测诊断的作用。

【技术实现步骤摘要】
一种用于检测宫颈病变的阴道镜图像识别方法
本申请涉及图像识别
，具体涉及一种用于检测宫颈病变的阴道镜图像识别方法。
技术介绍
我国宫颈癌是最常见的妇科恶性肿瘤之一，其发病率仅次于乳腺癌，高居女性恶性肿瘤的第二位，严重影响女性人群的身心健康。全球每年宫颈癌新发病例达528,000例，其中死亡例数266,000例。中国大陆地区宫颈癌每年新发病例97,500例，约占全球病例五分之一，每年因宫颈癌死亡病例30,500例。随着宫颈癌的发病人数与死亡人数的逐年增加，而且发病人群呈现年轻化，宫颈病变/宫颈癌的防治与诊疗显得极为重要。宫颈癌筛查的整体过程复杂性高并且成本昂贵，往往导致在资源匮乏地区无法普及较为先进的宫颈癌筛查技术，因此在欠发达地区宫颈癌的发病率和死亡率仍然很高。目前，阴道镜已成为临床上筛查CIN和早期宫颈癌的重要步骤之一，且直接影响患者的诊疗方案。随着人工智能的飞速发展，相关技术已经逐步应用于宫颈癌临床图像、阴道镜图像的识别分析过程中，用于辅助诊断，提高检测效率和准确性。因此，针对采集的阴道镜图像，如何实现一种高效、精准的图像检测本文档来自技高网...

【技术保护点】
1.一种用于检测宫颈病变的阴道镜图像识别方法，其特征在于，包括以下步骤：/n步骤1、采集样本图像；/n步骤2、对所述样本图像进行数据预处理；/n步骤3、根据预处理后的样本图像建立样本特征空间；/n步骤4、根据所述样本特征空间构建最优属性预测器；/n步骤5、根据所述最优属性预测器对待检测图像样本进行分类。/n

【技术特征摘要】
1.一种用于检测宫颈病变的阴道镜图像识别方法，其特征在于，包括以下步骤：
步骤1、采集样本图像；
步骤2、对所述样本图像进行数据预处理；
步骤3、根据预处理后的样本图像建立样本特征空间；
步骤4、根据所述样本特征空间构建最优属性预测器；
步骤5、根据所述最优属性预测器对待检测图像样本进行分类。


2.如权利要求1所述的用于检测宫颈病变的阴道镜图像识别方法，其特征在于，所述“步骤2、对所述样本图像进行数据预处理”，包括以下步骤：
步骤21、对所述样本图像进行自适应增强滤波处理；
步骤22、对自适应增强滤波处理后的所述样本图像进行区域分割。


3.如权利要求2所述的用于检测宫颈病变的阴道镜图像识别方法，其特征在于，所述“步骤21、对所述样本图像进行自适应增强滤波处理”，包括以下步骤：
步骤211、采用方差均衡法对所述样本图像进行均衡化处理，使其达到要求的平均灰度和方差；
步骤212、将所述样本图像划分成宽和高均为w且相互重叠的像素块，在水平方向上两个相邻的像素块间隔一个像素，在垂直方向上两个相邻的像素块间隔一个像素，所述w为大于等于3的奇数；
步骤213、计算每个所述像素块的方向场并进行平滑处理；
步骤214、计算每个所述像素块方向场的可靠性，计算公式为：



其中，R为所述像素块中所有像素的集合，(i,j)为所述像素块的中心像素，(i',j')为所述像素块中除中心像素(i,j)以外的任一像素，n为所述像素块中像素的总数目，θ(i,j)表示以(i,j)为中心的像素块的方向场，θ(i',j')表示以(i',j')为中心的像素块的方向场；
步骤215、对于每个所述像素块，判断若该像素块的可靠性χ(i,j)大于阈值T，则执行步骤216，否则跳至步骤217继续执行；
步骤216、在以该像素块的非中心像素(i',j')为中心像素的像素块集合中，判断满足可靠性χ(i',j')小于阈值T的块数量，若所述块数量大于等于阈值Tn,将该像素块的方向场设为所述像素块集合中满足可靠性χ(i',j')小于阈值T的像素块的方向场的平均值，否则，将该像素块设为不可恢复像素块；
步骤217、对于不可恢复像素块以外的每个所述像素块，计算该像素块中所有像素旋转后的坐标(x′，y′)，计算公式为：
x'＝icosθ+jsinθ
y'＝-isinθ+jcosθ
其中，i，j为像素块中的像素在x，y轴上的坐标值；θ是以该像素为中心的像素块的方向场；
步骤218、对于不可恢复像素块以外的每个所述像素块，通过高斯函数与该像素块中所有旋转后的像素点的灰度值作卷积运算，并将卷积后的结果值限制在[0,255]之间，作为该像素块中心像素的灰度值；
重复步骤215至步骤218，直至所有的像素块处理完成。


4.如权利要求2所述的用于检测宫颈病变的阴道镜图像识别方法，其特征在于，所述“步骤22、对自适应增强滤波处理后的所述样本图像进行区域分割”，包括以下步骤：
步骤221、使用均值漂移算法对自适应增强滤波处理后的样本图像进行预分割得到多个超像素；
步骤222、根据预分割的超像素构建加权图，即构建Graphcuts分割模型为：



其中，α表示分割标号值，取值为0或1，0代表背景，1代表前景，I表示预分割得到的所有超像素的集合，Di(α)表示当前超像素i相对分割标号α的特征相似度，m和n表示与当前超像素i邻接的任意两个不同的超像素，Sm,n(α)表示邻接超像素m和n分属不同标号集时的惩罚值，γ是平衡系数；
步骤223、通过对加权图进行全局S-T最小割运算实现Graphcuts分割...

【专利技术属性】
技术研发人员：孙蓬明，柳培忠，薛慧丰，顾培婷，董滨华，杜永兆，
申请(专利权)人：福建省妇幼保健院，
类型：发明
国别省市：福建;35