System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医学图像处理,特别是涉及一种基于无监督模糊聚类的皮损病灶分割方法、装置、设备及存储介质。
技术介绍
1、皮损的颜色是在皮肤病的视诊过程中是最直观的表现之一,也是皮肤病的诊断依据之一。许多皮肤病皮损具有其独特颜色改变,例如鲜红斑痣皮肤表现出粉红色或紫红色斑块。鲜红斑痣(port-wine stains,pws)是一种由血管畸形引起的先天性和进行性的皮肤病,在婴儿中的发病率约为0.3%-0.5%。这些畸形扩张的血管,导致患病处皮肤表现出粉红色或紫红色斑块。pws多发于患者的头颈部,偶尔出现在躯干和四肢,对患者身心健康带来严重隐患。血管靶向光动力疗法(v-pdt)是一种已被证实的有效的pws的治疗方法,可以不损坏皮肤的情况下消除病变皮肤的异常发红。
2、在v-pdt治疗过程中,pws病灶暴露在激光的照射下以进行光敏反应,而正常皮肤需要严格屏蔽激光以免受到损伤。精准的病灶边界可以提供准确的病变轮廓以更好的区分病灶与正常皮肤,从而保证v-pdt治疗的安全性和有效性。另外,精准的病灶边界有助于量化病变的大小、形状和颜色的变化,便于病情监测和疗效评估。因此,精准的病灶边界对于pws治疗效果的改善是非常重要的。
3、近年来随着深度学习的迅速发展,利用深度学习进行临床图像分割取得了显著的成就。然而,由于边界结构的复杂性和边界标注的不可靠性,获得颜色变化的皮损病灶的准确边界仍然是一项具有挑战性的任务,特别是对于一些复杂场景下的病变分割,例如离散分布病变、复杂边缘病变和微小病变。同时,现有技术中的相关深度学习方法
4、因此,如何提供一种用于实现颜色变化明显的病灶分割方法,可以利用图像本身的信息实现无标签高精度的皮损病灶分割,是迫切需要本领域技术人员解决的技术问题。
技术实现思路
1、鉴于上述问题,本专利技术提供用于克服上述问题或者至少部分地解决上述问题的一种皮损病灶分割方法、装置、设备及存储介质。基于超像素模糊聚类的分割方法,可以利用聚合的超像素来获取pws病变的精细边界,且不需要依赖高质量标注数据,在边界分割性能方法的提升表现出极大的潜力。
2、本专利技术提供了如下方案:
3、一种皮损病灶分割方法,包括:
4、获取待处理图像,所述待处理图像包括不同颜色的皮损病灶区域以及正常皮肤区域;
5、利用超像素分割方法对所述待处理图像进行分割获得若干初始超像素块;
6、结合色度统计模型对颜色宽容度低于动态阈值的所述初始超像素块进行合并获得若干粗聚类超像素块;所述色度统计模型为根据目标病灶的色度分布信息构建而成,所述色度统计模型用于对每种颜色是所述目标病灶的颜色的概率进行计算;
7、基于所述目标病灶的表示特征对若干所述粗聚类超像素块进行表征并采用模糊聚类算法对若干所述粗聚类超像素块进行细聚类获得聚类结果;
8、采用所述色度统计模型中的目标决策方法对所述聚类结果进行决策,以区分所述待处理图像中的病灶和背景获得病灶分割结果。
9、优选地:所述超像素分割方法为使用高斯混合模型的超像素分割方法。
10、优选地:结合色度统计模型对颜色宽容度低于动态阈值的所述初始超像素块进行合并获得若干粗聚类超像素块包括:
11、对满足如下条件的所述初始超像素块进行合并:
12、δe(ωi,ωj)<4(max(pi,pj)-1)2+2,
13、式中:δe为超像素ωi和超像素ωj的颜色差异,pi和pj为超像素ωi和超像素ωj上的基于色度统计模型的平均概率。
14、优选地:所述色度统计模型用于通过下式对每种颜色是目标病灶颜色的概率进行计算:
15、
16、式中:p(z;θ)为像素颜色z为目标病灶颜色的概率,α为临界概率,d(z,z0)为像素颜色z至临界区域的椭圆中心z0的马氏距离。
17、优选地:所述临界概率α取值为0.5。
18、优选地:所述目标病灶包括鲜红斑痣,所述表示特征包括红斑指数、颜色统计以及颜色体积。
19、优选地:所述目标决策方法包括先将所述色度统计模型输出的概率最高的类别作为最优类别,再将颜色宽容度不超过10的类别进行合并,最终将它们一起作为所述目标病灶的目标类别。
20、一种皮损病灶分割装置,包括:
21、图像获取单元,用于获取待处理图像,所述待处理图像包括皮损病灶区域以及正常皮肤区域;
22、初始超像素块获取单元,用于利用超像素分割方法对所述待处理图像进行分割获得若干初始超像素块;
23、粗聚类单元,用于结合色度统计模型对颜色宽容度低于动态阈值的所述初始超像素块进行合并获得若干粗聚类超像素块;所述色度统计模型为根据目标病灶的色度分布信息构建而成,所述色度统计模型用于对每种颜色是所述目标病灶的颜色的概率进行计算;
24、细聚类单元,用于基于所述目标病灶的表示特征对若干所述粗聚类超像素块进行表征并采用模糊聚类算法对若干所述粗聚类超像素块进行细聚类获得聚类结果;
25、决策单元,用于采用所述色度统计模型中的目标决策方法对所述聚类结果进行决策,以区分所述待处理图像中的病灶和背景获得病灶分割结果。
26、一种皮损病灶分割设备,所述设备包括处理器以及存储器:
27、所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
28、所述处理器用于根据所述程序代码中的指令执行上述的皮损病灶分割方法。
29、一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述的皮损病灶分割方法。
30、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
31、本申请实施例提供的一种皮损病灶分割方法、装置、设备及存储介质,可以利用聚合的超像素来获取目标病灶病变的精细边界,且不需要依赖高质量标注数据,在边界分割性能方法的提升表现出极大的潜力。同时,该方法充分利用了目标病灶颜色分布的先验知识和超像素对边界的表征能力。在整体分割性能方面,与最先进分割方法性能相当,在边界分割方面,胜过目前最先进方法的分割性能。
32、当然,实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
本文档来自技高网...【技术保护点】
1.一种皮损病灶分割方法,其特征在于,包括:
2.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述超像素分割方法为使用高斯混合模型的超像素分割方法。
3.根据权利要求1所述的皮损病灶分割方法,其特征在于,结合色度统计模型对颜色宽容度低于动态阈值的所述初始超像素块进行合并获得若干粗聚类超像素块包括:
4.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述色度统计模型用于通过下式对每种颜色是目标病灶颜色的概率进行计算:
5.根据权利要求4所述的皮损病灶分割方法,其特征在于,所述临界概率α取值为0.5。
6.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述目标病灶包括鲜红斑痣,所述表示特征包括红斑指数、颜色统计以及颜色体积。
7.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述目标决策方法包括先将所述色度统计模型输出的概率最高的类别作为最优类别,再将颜色宽容度不超过10的类别进行合并,最终将它们一起作为所述目标病灶的目标类别。
8.一种皮损病灶分割装置,其特征在于,包括:
< ...【技术特征摘要】
1.一种皮损病灶分割方法,其特征在于,包括:
2.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述超像素分割方法为使用高斯混合模型的超像素分割方法。
3.根据权利要求1所述的皮损病灶分割方法,其特征在于,结合色度统计模型对颜色宽容度低于动态阈值的所述初始超像素块进行合并获得若干粗聚类超像素块包括:
4.根据权利要求1所述的皮损病灶分割方法,其特征在于,所述色度统计模型用于通过下式对每种颜色是目标病灶颜色的概率进行计算:
5.根据权利要求4所述的皮损病灶分割方法,其特征在于,所述临界概率α取值为0.5。
6.根据权利要求1所述的皮损病灶分割方法...
【专利技术属性】
技术研发人员:王媛媛,穆锦荣,杨健,林毓聪,范敬凡,肖德强,付天宇,宋红,艾丹妮,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
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。