一种基于图像处理的术中肿瘤切除定量确定系统技术方案

本公开属于医学图像处理技术领域，具体涉及一种基于图像处理的术中肿瘤切除定量确定方法及系统，包括：获取模块，其被配置为获取肿瘤的高光谱荧光图像；提取模块，其被配置为提取所获取图像的肿瘤荧光特征；确定模块，其被配置为基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；定量模块，其被配置为对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。扩展肿瘤的切除定量。扩展肿瘤的切除定量。

【技术实现步骤摘要】
一种基于图像处理的术中肿瘤切除定量确定系统


[0001]本公开属于医学图像处理
，具体涉及一种基于图像处理的术中肿瘤切除定量确定系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]肿瘤是发病率极高的疾病之一，手术治疗适用范围广，方式成熟，是主流治疗方式之一。手术切除治疗效果的一个关键影响因素是肿瘤切除量的确定是否合理，若肿瘤切除量不足则很有可能会有尚未切除干净的肿瘤细胞残留，进而导致肿瘤复发；若肿瘤切缘距离过大则浪费掉大量良好组织并可能因切除部分过大而带来一系列并发症甚至严重降低患者的预后和生活质量，因此合理的切缘距离在手术治疗中至关重要。
[0004]据专利技术人了解，现阶段手术切缘的确定主要依靠术前影像资料及病理资料或术中的快速病理结果结合医生的经验来划定一个大致的手术切缘,目前一些医院采用了荧光染色判定肿瘤区域引导的手术切除。如今并没有直接基于肿瘤图像引导的定量切除的方法，往往医生的判定原则为切缘距离尽可能大，这带有很强的主观性。荧光染色肿瘤区域染色的边缘是渐变的不明显，容易受到干扰因此精确性差，而且荧光着色剂有代谢周期并且可能会对病理检测产生影响，在使用时还要考虑其生物毒性、是否为过敏原、代谢周期等问题。目前由于快速病理自身的一些不足，一些类别的肿瘤在切除之后是不做快速病理来检验切缘的，这就导致可能会有肿瘤细胞的残留。

技术实现思路

[0005]为了解决上述问题，本公开提出了一种基于图像处理的术中肿瘤切除定量确定系统，融合高光谱图像及荧光图像技术划定肿瘤区域并计算切缘位置，可以实现快速精准划定切缘位置，可视化输出直观地引导手术切除，在实施时仅需要人为操作相机获取图像无需其他复杂操作即可得到切除引导信息。
[0006]根据一些实施例，本公开的第一方案提供了一种基于图像处理的术中肿瘤切除定量确定系统，采用如下技术方案：
[0007]一种基于图像处理的术中肿瘤切除定量确定系统，包括：
[0008]获取模块，其被配置为获取肿瘤的高光谱荧光图像；
[0009]提取模块，其被配置为提取所获取图像的肿瘤荧光特征；
[0010]确定模块，其被配置为基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；
[0011]定量模块，其被配置为对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
[0012]作为进一步的技术限定，在获取模块中，采用高光谱相机获取手术区域的高光谱
荧光图像与白光图像，在获取图像的过程中将肿瘤部位置于图像中央位置，在分辨出肿瘤的同时拍摄肿瘤周边的病变组织。
[0013]作为进一步的技术限定，在提取模块中，基于深度学习的图像分类技术，对获取的高光谱荧光图像进行Res i ze图像尺寸的修剪，将修建后的图像输入到Resnet深度学习模型，以光谱信息为依据，采用目标检测法进行图像光谱特性区域的边界划分，得到划分后的图像区域。
[0014]进一步的，划分后的图像区域包括正常区域、病变区域和干扰区域三种，划分结果展示在像素点分类图像上，标记为病变区域的区域边界像素点外围像素点即为病变区域边界,以确定肿瘤病变区域的边界，提取病变区域的光谱特性，得到图像的肿瘤荧光特性。
[0015]作为进一步的技术限定，在确定模块中，基于Bp定量预测模型对所获取的凸显肿瘤荧光特性进行三维划定，根据所划定的肿瘤边界、病变所处的身体部位和肿瘤病理类型，通过层次分析法分析肿瘤的切缘距离和无病变切除量，选取最佳匹配锚框作为切缘位置，确定肿瘤的切缘位置。
[0016]进一步的，每个圈定的锚框都会基于深度学习模型给出一个评估值，最佳匹配锚框就是评估最优的锚框，将像素点三维识别结果输入到目标检测模型中,得到最佳匹配锚框作为切缘位置。
[0017]作为进一步的技术限定，在定量模块中，对确定的切缘位置进行快速病理检查，对切除组织高光谱图像逐个像素点提取荧光光谱信息并整合为二维光谱图像，将一维光谱信息和二维光谱信息输入到预先训练好模型中得到像素点分类结果并进行记录，整幅光谱图像分类结束后生成像素点语义分割图像，统计阳性像素点数与分布，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
[0018]根据一些实施例，本公开的第二方案提供了一种计算机可读存储介质，采用如下技术方案：
[0019]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如下步骤：
[0020]获取肿瘤的高光谱荧光图像；
[0021]提取所获取图像的肿瘤荧光特征；
[0022]基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；
[0023]对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
[0024]根据一些实施例，本公开的第三方案提供了一种电子设备，采用如下技术方案：
[0025]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如下步骤：
[0026]获取肿瘤的高光谱荧光图像；
[0027]提取所获取图像的肿瘤荧光特征；
[0028]基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；
[0029]对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。
[0030]与现有技术相比，本公开的有益效果为：
[0031]本公开将高光谱肿瘤区域划定和高光谱快速病理技术集成，采用高光谱荧光图像肿瘤病变区域划定代替了传统的荧光染色剂引导的方式具有操作简便、无生物毒性、快速、不受染色剂代谢影响的优点；
[0032]利用伺服系统反馈的思想，采用多次定量、精准定量的方式，在保证全部切缘阴性的前提下尽最大可能保留有用组织，给医生留有主观发挥的余地同时限制了过度的主观性，提高精准性；
[0033]基于肿瘤图像引导的定量切除，输出直观，采用二维白光图像+切缘融合显示的输出方式直接引导切除，医生只需选择切除位置的参照物而无需人为过多判断，系统的输出方式经过简单更改便可以将本系统应用于机器人操作的肿瘤切除系统中，为无人肿瘤切除奠定基础。
附图说明
[0034]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0035]图1是本公开实施例一中的基于图像处理的术中肿瘤切除定量确定系统的结构框图；
[0036]图2是本公开实施例二中的基于图像处理的术中肿瘤切除定量确定方法的流程图。
具体实施方式
[0037]下面结合附图与实施例对本公开作进一步说明。
[0038]应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的术中肿瘤切除定量确定系统，其特征在于，包括：获取模块，其被配置为获取肿瘤的高光谱荧光图像；提取模块，其被配置为提取所获取图像的肿瘤荧光特征；确定模块，其被配置为基于所得到的肿瘤荧光特征划定肿瘤边界，确定肿瘤的切缘位置；定量模块，其被配置为对确定的切缘位置进行快速病理检查，估计肿瘤细胞的参量数量，扩展肿瘤的切除定量。2.如权利要求1中所述的基于图像处理的术中肿瘤切除定量确定系统，其特征在于，在获取模块中，采用高光谱相机获取手术区域的高光谱荧光图像与白光图像，在获取图像的过程中将肿瘤部位置于图像中央位置，在分辨出肿瘤的同时拍摄肿瘤周边的病变组织。3.如权利要求1中所述的基于图像处理的术中肿瘤切除定量确定系统，其特征在于，在提取模块中，基于深度学习的图像分类技术，对获取的高光谱荧光图像进行Resize图像尺寸的修剪，将修建后的图像输入到Resnet深度学习模型，以光谱信息为依据，采用目标检测法进行图像光谱特性区域的边界划分，得到划分后的图像区域。4.如权利要求3中所述的基于图像处理的术中肿瘤切除定量确定系统，其特征在于，划分后的图像区域包括正常区域、病变区域和干扰区域三种，划分结果展示在像素点分类图像上，标记为病变区域的区域边界像素点外围像素点即为病变区域边界,以确定肿瘤病变区域的边界，提取病变区域的光谱特性，得到图像的肿瘤荧光特性。5.如权利要求1中所述的基于图像处理的术中肿瘤切除定量确定系统，其特征在于，在确定模块中，基于Bp定量预测模型对所获取的凸显肿瘤荧光特性进行三维划定，根据所划定的肿瘤边界、病变所处的身体部位和肿瘤病理类型，通过层次分析法分析肿瘤的切缘距离和无病变切除量，选取最佳匹配锚框作为切缘位置，确定肿瘤的切缘位置。6.如权利要求5...

【专利技术属性】
技术研发人员：李玮，安皓源，雷晟暄，张延冰，赵晗竹，张振磊，田崇轩，赵宇航，宋峻林，
申请(专利权)人：山东大学，
类型：发明
国别省市：