【技术实现步骤摘要】
胃粘膜染色放大成像的微血管扭曲程度量化方法
本专利技术涉及医学领域图像处理
,具体涉及一种胃粘膜染色放大成像的微血管扭曲程度量化方法。
技术介绍
胃癌是世界第五大最常见的癌症,其占癌症死亡原因的第三位。进展期胃癌术后五年生存率仅有30%,而胃早期癌症的五年生存率则高达90%。色素内镜的问世,使早癌期胃癌的内镜诊断方法确立。放大胃镜与电子染色内镜联合应用,能够观察到普通胃镜无法观察的微小血管结构及黏膜表面微细结构,为内镜下诊断早期胃癌提供了条件。血管异形是染色放大内镜下诊断早期胃癌的重要条件。M.Kaise等人在文献《Magnifyingendoscopycombinedwithnarrow-bandimagingfordifferentialdiagnosisofsuperficialdepressedgastriclesions》中指出:胃部早癌病灶区域内微血管较病灶区域外微血管扭曲程度更严重,但只是基于经验的归纳总结,并未给出微血管扭曲程度具体量化结果及扭曲程度判断方法。刘一萱在其硕士论文《冠状动脉扭曲的量化测量方法及应用》中提出,首先对冠状动脉血管进行曲面重建,多平面重组等技术获得血管三维空间结构,并在三维空间中提取将冠状动脉血管的中心线,然后将该中心线的三维图像投影至xy,xz,yz三个二维平面,最后基于每一个二维平面,在两个轴上求取连续三个点构成的两个线段的梯度差从而获取该平面血管弯曲贡献度,最后整合三个平面血管弯曲贡献度获得最终血管弯曲量化值。但论文中血管扭曲程度的量化过程涉及多款软 ...
【技术保护点】
1.一种胃粘膜染色放大成像的微血管扭曲程度量化方法,其特征在于:包含如下步骤:/nS1:输入待量化的胃粘膜染色放大成像原图,并采用深度学习分割模型,从原图中提取清晰区域图像;/nS2:采用深度学习分割模型,从清晰区域图像提取微血管整图;/nS3:在连通域的基础上,提取单根微血管及其对应的最小外接矩形,并通过连通域的面积和周长过滤掉微血管整图中的噪声点;/nS4:遍历每根微血管,采用骨架化处理方法获取每根微血管的中心线,通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长;/nS5:将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度;/nS6:对步骤S5中所求面密度进行加权获得微血管扭曲程度系数,进而根据阈值区间给出微血管扭曲程度等级判定结果。/n
【技术特征摘要】
1.一种胃粘膜染色放大成像的微血管扭曲程度量化方法,其特征在于:包含如下步骤:
S1:输入待量化的胃粘膜染色放大成像原图,并采用深度学习分割模型,从原图中提取清晰区域图像;
S2:采用深度学习分割模型,从清晰区域图像提取微血管整图;
S3:在连通域的基础上,提取单根微血管及其对应的最小外接矩形,并通过连通域的面积和周长过滤掉微血管整图中的噪声点;
S4:遍历每根微血管,采用骨架化处理方法获取每根微血管的中心线,通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长;
S5:将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度;
S6:对步骤S5中所求面密度进行加权获得微血管扭曲程度系数,进而根据阈值区间给出微血管扭曲程度等级判定结果。
2.根据权利要求1所述的胃粘膜染色放大成像的微血管扭曲程度量化方法,其特征在于:所述步骤S1中,采用训练好的U-Net++分割模型从图像分割方法获取胃镜图像中提取清晰区域。
3.根据权利要求1所述的胃粘膜染色放大成像的微血管扭曲程度量化方法,其特征在于:所述步骤S2中,采用训练好D-LinkNet模型,从步骤S1所得取清晰区域图像中提取微血管整图。
4.根据权利要求1至3中任一所述的胃粘膜染色放大成像的微血管扭曲程度量化方法,其特征在于:所述步骤S3中,在连通域的基础上遍历微血管整图中每根微血管及其对应的最小外接矩形,并通过面积和周长过滤掉微血管整图中的噪声点。求解每根微血管最小外接矩形按如下步骤进行:
S3.1:旋转原始多边形([-90°~90°]),求旋转每个度数后多边形的简单外接矩形并记录此时外接矩形的面积、顶点坐标以及旋转度数;平面上任意一点(x,y)绕点(x0,y0)逆时针旋转θ角度得到点(x',y'),旋转公式为:
S3.2:比较旋转过程中所得所有简单外接矩形,得到面积最小的外接矩形,并记录该简单外接矩形的顶点坐标和旋转角度;
S3.3:将所得最小外接立方体旋转-...
【专利技术属性】
技术研发人员:于红刚,吴练练,胡珊,李昊,朱益洁,徐铭,陶逍,张梦娇,李佳,董泽华,张晨霞,杜泓柳,陈弟,何鑫琦,黄丽,商任铎,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。