基于腹腔镜的生物组织边缘提取方法及电子设备技术

本申请公开了一种基于腹腔镜的生物组织边缘提取方法及电子设备，用以解决相关技术不能快速准确的实现腹腔镜图像中生物组织边缘提取的问题。本申请中将生物组织的腹腔镜图像的灰度图像和边缘图像同时输入给边缘分割网络，可以为腹腔镜图像中生物组织边缘的提取提供方向，能够更加快速准确的提取腹腔镜图像中生物组织边缘。同时通过边缘分割网络的特征提取模块和分类识别模块进一步提取扩展路径模块的多个指定特征图中的特征，从而可以更加快速准确得到输出的针对生物组织的边缘分割结果。输入灰度图像和边缘图像，从而快速准确的实现腹腔镜图像中生物组织边缘提取，为腹腔镜图像中生物组织的精准定位奠定基础，降低了手术风险，提高用户体验。提高用户体验。提高用户体验。

【技术实现步骤摘要】
基于腹腔镜的生物组织边缘提取方法及电子设备


[0001]本申请涉及图像处理
，特别涉及一种基于腹腔镜的生物组织边缘提取方法及电子设备。

技术介绍

[0002]腹腔镜手术是一种微创型腹部手术，由于其切口小、出血少、恢复快等优点，微创手术成为外科手术发展的总趋势和追求目标。但是目前，采用腹腔镜下行生物组织肿瘤切除术仍存在一定的争议，而导致争议的根源在于相较于传统的开腹手术，腹腔镜手术医生更难定位生物组织病灶位置及其周围脉管组织分布情况。因此将腹腔镜图像与术前三维影像提取的生物组织模型进行配准，从而实现腹腔镜图像病灶位置的精准定位变得极为关键。
[0003]相关技术中，将腹腔镜图像与术前的三维影像提取的生物组织模型进行配准这一过程的关键在于：首先精准的实现腹腔镜图像中生物组织边缘的提取；然后基于术前三维影像三维重建生物组织；最后将生物组织三维模型与腹腔镜图像生物组织边缘配准。精准的实现腹腔镜图像中生物组织边缘的提取是影响整个过程分析自动化、稳定性、结果精确性的关键问题,其处理结果的好坏直接影响到后续的分析过程,但是目前还不能全自动、快速、精准的实现腹腔镜图像中生物组织边缘的提取，因此如何快速并准确的提取腹腔镜图像中生物组织的边缘是一个急需解决的问题。

技术实现思路

[0004]本申请的目的是提供一种基于腹腔镜的生物组织边缘提取方法及电子设备，用以解决相关技术不能快速并准确的实现腹腔镜图像中生物组织边缘提取的问题。
[0005]第一方面，本申请提供一种基于腹腔镜的生物组织边缘提取方法，所述方法包括：
[0006]获取生物组织的腹腔镜图像；
[0007]将所述腹腔镜图像转换为灰度图像，并采用边缘检测方法提取所述灰度图像的边缘信息得到边缘图像；
[0008]将所述灰度图像和所述边缘图像输入给边缘分割网络，得到所述边缘分割网络输出的针对所述生物组织的边缘分割结果；
[0009]其中，所述边缘分割网络包括压缩路径模块、扩展路径模块，特征提取模块和分类识别模块，所述特征提取模块用于对所述扩展路径模块的多个指定特征图分别进行特征提取操作，得到特征子图，并对提取的多个特征子图进行特征融合得到融合特征，所述融合特征供所述分类识别模块得到所述边缘分割结果。
[0010]在一种可能的实施方式中，所述指定特征图包括所述扩展路径模块中用于增加图像尺寸的特征图以及所述扩展路径模块输出的特征图。
[0011]在一种可能的实施方式中，指定特征图包括n个，所述特征提取模块包括n个卷积层、n
‑
1个上采样层以及连接层，除扩展路径模块输出的特征图对应的卷积层之外每个卷积
层分别对应一个上采样图，每个指定特征图与卷积层一一对应；
[0012]对多个指定特征图分别进行特征提取操作，得到特征子图，并对提取的多个特征子图进行特征融合得到融合特征，包括：
[0013]对每个指定特征图分别采用相应的卷积层进行提取，得到与每个指定特征图分别对应的中间特征；其中所述扩展路径模块输出的特征图对应的卷积层输出的中间特征为指定尺寸且为所述多个特征子图中的一个；
[0014]采用上采样层对相应的卷积层输出的中间特征进行上采样得到各上采样层分别输出的特征子图，其中各上采样层输出的特征子图的尺寸相同且为所述指定尺寸；
[0015]采用所述连接层对各所述特征子图进行拼接处理，得到所述融合特征。
[0016]在一种可能的实施方式中，所述压缩路径模块和所述扩展路径模块分别为U
‑
net网络(语义分割网络)及其衍生网络的编码器和解码器。
[0017]在一种可能的实施方式中，所述边缘分割结果为掩码图像，得到所述生物组织的边缘分割结果之后，所述方法还包括：
[0018]对所述边缘分割结果进行边缘检测，得到所述生物组织的边缘位置；
[0019]在所述腹腔镜图像中去除所述边缘位置中属于图像边缘的像素，得到所述生物组织在所述腹腔镜图像中的最终边缘。
[0020]在一种可能的实施方式中，训练所述边缘分割网络所采用的损失函数中包括分类交叉熵和戴斯Dice系数。
[0021]在一种可能的实施方式中，采用边缘检测方法提取所述灰度图像的边缘信息得到边缘图像之前，所述方法还包括：
[0022]将所述灰度图像的图像数据进行重采样，将所述灰度图像重采样至指定尺寸。
[0023]在一种可能的实施方式中，训练所述边缘分割网络，包括：
[0024]获取生物组织的多张腹腔镜图像样本以及每张腹腔镜样本图像的标签数据，所述标签数据用于指示所述生物组织在相应的腹腔镜图像样本中的轮廓；
[0025]将每张腹腔镜样本转换为灰度图像，并对各帧灰度图像和相应的标签数据进行重采样至指定尺寸，并提取每帧灰度图像的边缘轮廓得到每张灰度图像的边缘样本图像；
[0026]基于所述灰度图像及对应的标签数据和边缘样本图像构建训练样本；
[0027]基于训练样本训练所述边缘分割网络。
[0028]在一种可能的实施方式中，将所述腹腔镜图像转换为灰度图像，包括：
[0029]将所述腹腔镜图像中每个像素点的R、G、B通道的像素值按照相应的比例转换为所述灰度图像R、G、B通道的像素值；
[0030]将所述腹腔镜图像中每个像素点的所述灰度图像R、G、B通道的像素值相加，得到所述腹腔镜图像中每个像素点的灰度图像像素值。
[0031]第二方面，本申请提供一种电子设备，包括处理器和存储器：
[0032]所述存储器，用于存储可被所述处理器执行的计算机程序；
[0033]所述处理器与所述存储器连接，被配置为执行所述指令以实现如上述第一方面中任一项所述的基于腹腔镜的生物组织边缘提取方法。
[0034]第三方面，本申请提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备执行时，使得所述电子设备能够执行如上述第一方面中任一项所述的基
于腹腔镜的生物组织边缘提取方法。
[0035]第四方面，本申请提供一种计算机程序产品，包括计算机程序：
[0036]所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的基于腹腔镜的生物组织边缘提取方法。
[0037]本申请的实施例提供的技术方案至少带来以下有益效果：
[0038]本申请实施例通过获取生物组织的腹腔镜图像；然后将腹腔镜图像转换为灰度图像，并采用边缘检测方法提取灰度图像的边缘信息得到边缘图像；将灰度图像和边缘图像输入给边缘分割网络，得到边缘分割网络输出的针对生物组织的边缘分割结果；其中，边缘分割网络包括压缩路径模块、扩展路径模块，特征提取模块和分类识别模块，特征提取模块用于对扩展路径模块的多个指定特征图分别进行特征提取操作，得到特征子图，并对提取的多个特征子图进行特征融合得到融合特征，融合特征供分类识别模块得到边缘分割结果。
[0039]由此，通过将灰度图像和边缘图像同时输入给边缘分割网络，可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于腹腔镜的生物组织边缘提取方法，其特征在于，所述方法包括：获取生物组织的腹腔镜图像；将所述腹腔镜图像转换为灰度图像，并采用边缘检测方法提取所述灰度图像的边缘信息得到边缘图像；将所述灰度图像和所述边缘图像输入给边缘分割网络，得到所述边缘分割网络输出的针对所述生物组织的边缘分割结果；其中，所述边缘分割网络包括压缩路径模块、扩展路径模块，特征提取模块和分类识别模块，所述特征提取模块用于对所述扩展路径模块的多个指定特征图分别进行特征提取操作，得到特征子图，并对提取的多个特征子图进行特征融合得到融合特征，所述融合特征供所述分类识别模块得到所述边缘分割结果。2.根据权利要求1所述的方法，其特征在于，所述指定特征图包括所述扩展路径模块中用于增加图像尺寸的特征图以及所述扩展路径模块输出的特征图。3.根据权利要求2所述的方法，其特征在于，指定特征图包括n个，所述特征提取模块包括n个卷积层、n
‑
1个上采样层以及连接层，除扩展路径模块输出的特征图对应的卷积层之外每个卷积层分别对应一个上采样图，每个指定特征图与卷积层一一对应；对多个指定特征图分别进行特征提取操作，得到特征子图，并对提取的多个特征子图进行特征融合得到融合特征，包括：对每个指定特征图分别采用相应的卷积层进行提取，得到与每个指定特征图分别对应的中间特征；其中所述扩展路径模块输出的特征图对应的卷积层输出的中间特征为指定尺寸且为所述多个特征子图中的一个；采用上采样层对相应的卷积层输出的中间特征进行上采样得到各上采样层分别输出的特征子图，其中各上采样层输出的特征子图的尺寸相同且为所述指定尺寸；采用所述连接层对各所述特征子图进行拼接处理，得到所述融合特征。4.根据权利要求1
‑
3中任一所述的方法，其特征在于，所述边缘分割结果为掩码图像，得到所述生物组织的边缘分割结果之后，所述方法还包括：对所述边缘分割结果进行边缘检测，得到所述生物组织的边缘位置；在...

【专利技术属性】
技术研发人员：李其花，吴乙荣，李南哲，段小明，郭元甫，李和意，陈永健，
申请(专利权)人：青岛海信医疗设备股份有限公司，
类型：发明
国别省市：