食管癌乏血管区域大小的确定方法和系统转让专利
申请号 : CN202210011023.7
文献号 : CN114022481B
文献日 : 2022-04-19
发明人 : 于红刚 , 张丽辉 , 罗任权
申请人 : 武汉大学
摘要 :
权利要求 :
1.一种食管癌乏血管区域大小的确定方法,其特征在于,包括:获取食管癌染色放大图像;
对所述食管癌染色放大图像进行分割,得到所述食管癌染色放大图像中的乏血管区域图像;
根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值;
根据所述多个不同类型的量化表征值,确定乏血管区域大小最终量化值和乏血管区域大小结果;
所述多个不同类型的量化表征值包括乏血管区域面积量化表征值、乏血管区域圆度量化表征值、乏血管区域面积和占比量化表征值、乏血管区域长轴长度量化表征值、乏血管区域短长轴比值量化表征值;
所述根据所述多个不同类型的量化表征值,确定乏血管区域大小最终量化值和乏血管区域大小结果,包括:
将所述多个不同类型的量化表征值输入至预设的量化表征值拟合模型,确定多个对应于多个不同类型的量化表征值的权重值;
根据多个不同类型的量化表征值和对应的多个权重值进行加权求和计算,得到所述乏血管区域大小最终量化值,乏血管区域大小最终量化值的计算公式为:其中,λ1,λ2,λ3,λ4和λ5均为权重值,Λ为乏血管区域大小最终量化值,AVA_Smax为乏血管区域面积量化表征值、AVA_Cmean1为乏血管区域圆度量化表征值、AVA_m为乏血管区域面积和占比量化表征值、AVA_Lmax为乏血管区域长轴长度量化表征值、AVA_(l/L)(1/2)为乏血管区域短长轴比值量化表征值;
获取乏血管区域大小区间系数,乏血管区域大小区间系数包括第一乏血管区域大小阈值β1和第二乏血管区域大小阈值β2;
根据所述乏血管区域大小区间系数和所述乏血管区域大小最终量化值,确定所述乏血管区域大小结果;
当乏血管区域大小最终量化值小于或者等于第一乏血管区域大小阈值β1时,乏血管区域大小结果为当前识别的食管癌乏血管区域为较小食管癌乏血管区域,当乏血管区域大小最终量化值大于第一乏血管区域大小阈值β1且小于或者等于第二乏血管区域大小阈值β2时,乏血管区域大小结果为当前识别的食管癌乏血管区域为中等食管癌乏血管区域,当乏血管区域大小最终量化值大于第二乏血管区域大小阈值β2时,乏血管区域大小结果为当前识别的食管癌乏血管区域为较大食管癌乏血管区域。
2.如权利要求1所述的食管癌乏血管区域大小的确定方法,其特征在于,在所述获取乏血管区域大小区间系数之前,所述方法包括:获取食管癌染色放大样本图像集合;
将所述食管癌染色放大样本图像集合按照乏血管区域大小进行大小等级分类,得到分别包含不同大小等级乏血管区域图像的多个分类图像集合;
根据多个分类样本图像集合,分别确定与所述多个分类图像集合对应的多个乏血管区域大小样本最终量化值集合;
分别对每个所述乏血管区域大小样本最终量化值集合进行求均值,得到多个分别对应于多个所述乏血管区域大小样本最终量化值集合的平均乏血管区域大小样本最终量化值;
根据所述平均乏血管区域大小样本最终量化值,确定所述乏血管区域大小区间系数。
3.如权利要求1所述的食管癌乏血管区域大小的确定方法,其特征在于,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值,包括:计算所述乏血管区域图像中多个连通域的面积,得到多个乏血管连通域面积;
删除所述多个乏血管连通域面积中的面积奇异值,得到删除面积奇异值后的所述多个乏血管连通域面积;
确定所述删除面积奇异值后的所述多个乏血管连通域面积中的最大值为所述乏血管区域面积量化表征值。
4.如权利要求3所述的食管癌乏血管区域大小的确定方法,其特征在于,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值,包括:确定所述乏血管区域图像中每个所述连通域的最小水平外接矩形的宽和高,得到多个最小外接矩形宽值和多个最小外接矩形高值;
根据所述多个最小外接矩形宽值和所述多个最小外接矩形高值,确定多个分别与多个所述连通域的最小水平外接矩形对应的目标圆半径;
根据所述多个目标圆半径和所述多个乏血管连通域面积,确定多个分别与多个所述连通域的最小水平外接矩形对应的乏血管圆度量化值;
删除所述多个乏血管圆度量化值中的圆度奇异值,得到删除圆度奇异值后的所述多个乏血管圆度量化值;
根据删除圆度奇异值后的所述多个乏血管圆度量化值,确定所述乏血管区域圆度量化表征值。
5.如权利要求3所述的食管癌乏血管区域大小的确定方法,其特征在于,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值,包括:确定所述乏血管区域图像中每个所述连通域的最小水平外接矩形的第一目标坐标点和第二目标坐标点;
删除所述多个第一目标坐标点和所述多个第二目标坐标点中的坐标点奇异值,得到删除坐标点奇异值后的所述多个第一目标坐标点和所述多个第二目标坐标点;
根据所述删除坐标点奇异值后的所述多个第一目标坐标点和所述多个第二目标坐标点,确定所述乏血管区域图像中的乏血管区域外接水平矩形的第三目标坐标点和第四目标坐标点;
根据删除面积奇异值后的所述多个乏血管连通域面积、所述第三目标坐标点以及所述第四目标坐标点,确定所述乏血管区域面积和占比量化表征值。
6.如权利要求4所述的食管癌乏血管区域大小的确定方法,其特征在于,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值,包括:根据所述多个最小外接矩形宽值和所述多个最小外接矩形高值,确定与每个所述连通域的长轴长度值;
删除所述多个长轴长度值中的长轴长度奇异值,得到删除长轴长度奇异值后的所述多个长轴长度值;
确定所述删除长轴长度奇异值后的所述多个长轴长度值中的最大值为所述乏血管区域长轴长度量化表征值。
7.如权利要求4所述的食管癌乏血管区域大小的确定方法,其特征在于,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值,包括:根据所述多个最小外接矩形宽值和所述多个最小外接矩形高值,确定与每个所述连通域的短长轴比值量化值;
删除所述多个短长轴比值量化值中的短长轴比值奇异值,得到删除短长轴比值奇异值后的所述多个短长轴比值量化值;
确定删除短长轴比值奇异值后的所述多个短长轴比值量化值中的中位数为所述乏血管区域短长轴比值量化表征值。
8.一种食管癌乏血管区域大小的确定系统,其特征在于,所述系统包括:获取单元,用于获取食管癌染色放大图像;
分割单元,用于对所述食管癌染色放大图像进行分割,得到所述食管癌染色放大图像中的乏血管区域图像;
量化单元,根据所述乏血管区域图像,确定所述乏血管区域图像的多个不同类型的量化表征值;
判定单元,根据所述多个不同类型的量化表征值,确定乏血管区域大小最终量化值和乏血管区域大小结果;
所述多个不同类型的量化表征值包括乏血管区域面积量化表征值、乏血管区域圆度量化表征值、乏血管区域面积和占比量化表征值、乏血管区域长轴长度量化表征值、乏血管区域短长轴比值量化表征值;
所述判定单元具体为:
用于将所述多个不同类型的量化表征值输入至预设的量化表征值拟合模型,确定多个对应于多个不同类型的量化表征值的权重值;
用于根据多个不同类型的量化表征值和对应的多个权重值进行加权求和计算,得到所述乏血管区域大小最终量化值;
根据多个不同类型的量化表征值和对应的多个权重值进行加权求和计算,得到所述乏血管区域大小最终量化值,乏血管区域大小最终量化值的计算公式为:其中,λ1,λ2,λ3,λ4和λ5均为权重值,Λ为乏血管区域大小最终量化值,AVA_Smax为乏血管区域面积量化表征值、AVA_Cmean1为乏血管区域圆度量化表征值、AVA_m为乏血管区域面积和占比量化表征值、AVA_Lmax为乏血管区域长轴长度量化表征值、AVA_(l/L)(1/2)为乏血管区域短长轴比值量化表征值;
获取乏血管区域大小区间系数,乏血管区域大小区间系数包括第一乏血管区域大小阈值β1和第二乏血管区域大小阈值β2;
根据所述乏血管区域大小区间系数和所述乏血管区域大小最终量化值,确定所述乏血管区域大小结果;
当乏血管区域大小最终量化值小于或者等于第一乏血管区域大小阈值β1时,乏血管区域大小结果为当前识别的食管癌乏血管区域为较小食管癌乏血管区域,当乏血管区域大小最终量化值大于第一乏血管区域大小阈值β1且小于或者等于第二乏血管区域大小阈值β2时,乏血管区域大小结果为当前识别的食管癌乏血管区域为中等食管癌乏血管区域,当乏血管区域大小最终量化值大于第二乏血管区域大小阈值β2时,乏血管区域大小结果为当前识别的食管癌乏血管区域为较大食管癌乏血管区域。
说明书 :
食管癌乏血管区域大小的确定方法和系统
技术领域
背景技术
程包括血管前期和血管期两个阶段。肿瘤的微血管形成与肿瘤的生长、浸润、转移及预后均
有密切的关系。研究表明,肿瘤微血管密度作为衡量血管生成的标准之一,与肿瘤的恶性行
为和复发转移密切相关。由于肿瘤新生血管分布的异质性,即肿瘤中心带的血管稀疏甚至
缺如,肿瘤外带血管密集,即形成肿瘤乏血管区域。
90%以上食管癌患者的病理类型,而内镜技术被广泛的应用与食管癌的筛查以及食管癌性
质的评估。
同分型,日本食管学会 (Japan Esophagus Society,JES)也提出了JES分型,将上皮内毛细
血管袢形态分为A、B两型,并将食管癌表面乏血管区(avasculararea, AVA)进行了分型,根
据无血管区域大小,直径<0.5mm者为小AVA (AVA‑smal1),0.5mm≤直径<3mm者为中AVA
(AVA‑middle) ,直径>3mm大AVA (AVA‑large),根据AVA的分型可判断肿瘤的浸润深度,辅
助决策食管癌切除的手术方式。
息,并且缺乏对AVA区域进行精准测量的手段,在临床决策过程中,医师对AVA的识别更倾向
于经验性评估,AVA量化标准难以统一,直接影响食管癌深度的判断。
发明内容
值得到乏血管区域大小最终量化值和乏血管区域大小结果,实现了对食管癌染色放大图像
内镜食管癌乏血管区域大小的识别和精准测量,有效辅助内镜医师预测食管癌深度。
附图说明
本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附
图。
具体实施方式
本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施
例,都属于本发明保护的范围。
一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述
中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列
出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况
下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必
要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合
本申请所公开的原理和特征的最广范围相一致。
~
临床使用过程中,通过在食管染色放大内镜中设置放大内镜参数,并采集放大内镜参数对
应视野的图像,得到食管癌染色放大图像。
且该图像分割模型中包括两种图像分割模型,分别用于提取血管区域和乏血管区域。具体
地,将食管癌染色放大图像分别作为两种图像分割模型的输入,该两种图像分割模型的输
出分别为多个血管区域及乏血管区域。可以理解地,本实施例中通过提取多个血管区域及
乏血管区域,以便后续基于该血管区域及乏血管区域获取各个局部区域进行识别和量化,
实现食管癌乏血管区域大小的识别和精准测量。
不同类型的量化表征值。在本实施例中,采用属性提取方法对乏血管区域进行不同类型的
属性提取,再计算得到量化表征值。其中,特征提取方法可以是人工属性提取方法结合基于
图像属性分析的算法,如像素邻域均值计算、最大像素值提取等。本实施例中实现了对乏血
管区域的各个属性表征值的量化计算,以便后续基于该多个量化表征值计算得到乏血管区
域大小最终量化值,并准确分析出乏血管区域大小结果。
血管区域大小最终量化值,再根据经验或者已经设定好的与食管癌乏血管量化相关的判定
系数,基于乏血管区域大小最终量化值对食管癌乏血管区域大小进行判断,最终得到准确
的乏血管区域大小结果。其中,训练机器学习方法可以是基于决策树、随机森林等机器学习
模型训练得到的方法。
h*),在本实施例中,目标设定目标尺寸可以设定为(512,512),这里不做具体限定。
再将食管癌染色图像的边界进行填充,使食管癌染色放大图像居于显示画面的中间,在本
实施例中,可以对食管癌染色放大图像的边缘填充黑边,填充的宽边宽度和长边宽度具体
为:宽边填充宽度w▽=(w*‑int(w0*τ))/2,长边填充宽度:h▽=(h*‑int(h0*τ))/2,如图3所示,
对于食管癌染色放大图像a1,对长边边缘填充黑边后的图像如食管癌染色放大图像a2所
示,对于食管癌染色放大图像b1,对宽边边缘填充黑边后的图像如食管癌染色放大图像b2
所示,填充后的图像如食管癌染色放大图像a2和食管癌染色放大图像b2的图像尺寸均为
(512,512)。
区域图像的分割效果如图4所示。
施例中,多个不同类型的量化表征值包括乏血管区域面积量化表征值、乏血管区域圆度量
化表征值、乏血管区域面积和占比量化表征值、乏血管区域长轴长度量化表征值、乏血管区
域短长轴比值量化表征值,下面具体对各个不同类型的量化表征值分析分别进行阐述。
的多个不同类型的量化表征值,包括以下步骤201 203:
~
中寻找出彼此互相独立的连通域并将其标记出来,一般情况下,一个连通域内只包含一个
像素值。
像的第一个连通域的面积值,以此类推,设定面积值AVA_SM为遍历乏血管区域图像的第M个
连通域的面积值,最终计算得到的乏血管区域图像每个连通域的面积列表为[AVA_S0,AVA_
S1…AVA_Si…AVA_SM]。
此也可以采用开源库OpenCV中使用的标记函数对乏血管区域图像中每个连通域进行遍历,
这里不做限定。可以采用开源库OpenCV中的算法,计算乏血管区域图像中多个连通域的面
积,后续也可以采用开源库OpenCV中的算法,计算乏血管区域图像中每个连通域的最小水
平外接矩形的宽和高、每个连通域最小水平外接矩形的第一目标坐标点和第二目标坐标点
以及每个连通域的长轴长度等,这里不做具体限定。
奇异值后的多个乏血管连通域面积,具体为:
奇异值判断,得到面积奇异值判断结果;删除面积奇异值判断结果中不符合要求的乏血管
连通域面积值,即删除多个乏血管连通域面积中的面积奇异值,得到新的面积列表,新的面
积列表包括多个非面积奇异值的乏血管连通域面积值。
的面积均值;AVA_Sstd为[AVA_S0,AVA_S1…AVA_Si…AVA_SM]的面积方差。
多个乏血管连通域面积值AVA_Si中所有面积奇异值删除,最终将多个非面积奇异值的乏血
管连通域面积值AVA_Si构成新的面积列表[AVA_S0,AVA_S1…AVA_Si…AVA_SN],其中,N为新
的面积列表中乏血管连通域面积值的总数量。
血管区域面积量化表征值。
血管连通域面积值AVA_Smax作为乏血管区域面积量化表征值。
的多个不同类型的量化表征值,包括以下步骤301 304:
~
形高值;根据多个最小外接矩形宽值和多个最小外接矩形高值,确定多个分别与多个连通
域的最小水平外接矩形对应的目标圆半径。
为目标圆的圆心,以每个连通域的最小水平外接矩形的宽值为W2i中的最大值和每个连通域
的最小水平外接矩形的高值H2i中的最大值来确定目标圆的半径,根据最小水平外接矩形的
宽值为W2i中的最大值和最小水平外接矩形的高值H2i中的最大值确定目标圆半径ri的具体
公式为:
乏血管区域图像中第i个连通域的乏血管圆度量化值。
圆度量化值列表[AVA_C0,AVA_C1…AVA_Ci…AVA_CM],其中,M为乏血管圆度量化值列表中乏
血管圆度量化值的总数量。
度奇异值后的多个乏血管圆度量化值,具体包括:
判断,得到圆度奇异值判断结果;删除圆度奇异值判断结果中不符合要求的乏血管圆度量
化值,即删除多个乏血管圆度量化值中的圆度奇异值,得到新的乏血管圆度量化值列表,新
的乏血管圆度量化值列表包括多个圆度奇异值的乏血管圆度量化值。
圆度均值;AVA_Cstd为[AVA_C0,AVA_C1…AVA_Ci…AVA_CM]的圆度方差。
个乏血管圆度量化值AVA_Ci中所有圆度奇异值删除,最终将多个非圆度奇异值的乏血管圆
度量化值AVA_Ci构成新的乏血管圆度量化值列表[AVA_C0,AVA_C1…AVA_Ci…AVA_CN],其中,
N为新的乏血管圆度量化值列表中乏血管圆度量化值的总数量。
圆度均值,将得到的第二圆度均值作为乏血管区域圆度量化表征值。
Cmean1作为乏血管区域圆度量化表征值。
血管区域图像的多个不同类型的量化表征值,包括以下步骤401 404:
~
AVA_Si…AVA_SM]。在本实施例中,在遍历多个连通域并计算得到多个连通域面积的同时,记
录并储存乏血管区域图像中每个连通域最小水平外接矩形的第一目标坐标点和第二目标
坐标点。
第二目标坐标点则可以是最小水平外接矩形的右下方的坐标点,同理,第一目标坐标点可
以是最小水平外接矩形的右下方的坐标点,此时第二目标坐标点则可以是最小水平外接矩
形的左上方的坐标点,这里对第一目标坐标点和第二目标坐标点的对称位置不做更加具体
的限定。
目标坐标点,确定与乏血管区域图像对应的坐标列表。
目标坐标点整合为列表,最终得到多个第一目标坐标点的坐标列表为:[x01,x11…xi1…xM1],
[y01,y11…yi1…yM1]。
标坐标点整合为列表,最终得到多个第二目标坐标点的坐标列表为:[x02,x12…xi2…xM2],
[y02,y12…yi2…yM2],具体如图5中A1和A2的所示。
标点奇异值删除。其中,将多个乏血管连通域面积中的面积奇异值删除的具体方式可以参
照本方案中的步骤202,这里不做过多赘述。
点。当第一目标坐标点中的第一X轴坐标点(或第一Y轴坐标点)存在坐标点奇异值时,可以
认为与其对应的第一Y轴坐标点(或第一X轴坐标点)同样存在坐标点奇异值,同理,当第二
目标坐标点中的第二X轴坐标点(或第二Y轴坐标点)存在坐标点奇异值时,可以认为与其对
应的第二Y轴坐标点(或第二X轴坐标点)同样存在坐标点奇异值。
点的第一Y轴坐标点均值和第一Y轴坐标点方差;
结果;
点的第二Y轴坐标点均值和第二Y轴坐标点方差;
结果;
标点奇异值的具体方案进行详细阐述。
xM1]的第一X轴坐标点均值,AVA_Xstd为[x01,x11…xi1…xM1]的第一X轴坐标点方差。
所有坐标点奇异值删除,最终将多个非坐标点奇异值的第一X轴坐标点xi1构成新的面积列
表[x01,x11…xN1],其中,N为新的面积列表中第一X轴坐标点xi1的总数量。
坐标点xi2构成新的面积列表为[x02,x12…xN2],N为新的面积列表中第二X轴坐标点xi2的总
数量;多个第二目标坐标点中第二Y轴坐标点yi2构成新的面积列表为[y02,y12…yN2],N为新
的面积列表中第二Y轴坐标点yi2的总数量。
乏血管面积和占比量化。
外接水平矩形的第三目标坐标点,并确定多个第二目标坐标点中的最大第二X轴坐标点和
最大第二Y轴坐标点构成的坐标点作为乏血管区域图像中的乏血管区域外接水平矩形的第
四目标坐标点。
y2_max),
血管连通域面积、第三目标坐标点以及第四目标坐标点,计算得到乏血管区域面积和占比
量化表征值。
区域图像的多个不同类型的量化表征值,包括以下步骤501 503:
~
[AVA_L0,AVA_L1…AVA_Li…AVA_LM]。
值后的多个长轴长度值,具体包括:
值判断,得到长轴长度奇异值判断结果;删除长轴长度奇异值判断结果中不符合要求的长
轴长度值,即删除多个长轴长度值中的长轴长度奇异值,得到新的长轴长度列表,新的长轴
长度列表包括多个非长轴长度奇异值的长轴长度值。
长度均值;AVA_Lstd为[AVA_L0,AVA_L1…AVA_Li…AVA_LM]的长轴长度方差。
值AVA_Li中所有长轴长度奇异值删除,最终将多个非长轴长度奇异值的长轴长度值AVA_Li
构成新的长轴长度列表[AVA_L0,AVA_L1…AVA_Li…AVA_LN],其中,N为新的长轴长度列表中
长轴长度值的总数量。
乏血管区域长轴长度量化表征值。
值AVA_Lmax作为乏血管区域长轴长度量化表征值。
血管区域图像的多个不同类型的量化表征值,包括以下步骤601 603:
~
轴长度值AVA_Li=max(W1i,H1i),和短轴长度值AVA_li=min(W1i,H1i),计算每个连通域的短长
轴比值的具体公式为:
值,得到删除短长轴比值奇异值后的多个短长轴比值量化值,具体包括:
比值量化值进行短长轴比值奇异值判断,得到短长轴比值奇异值判断结果;删除短长轴比
值奇异值判断结果中不符合要求的短长轴比值量化值,即删除多个短长轴比值量化值中的
短长轴比值奇异值,得到新的短长轴比值量化值列表,新的短长轴比值量化值列表包括多
个非短长轴比值奇异值的短长轴比值量化值。
AVA_(l/L)i…AVA_(l/L)M]的短长轴比值均值;AVA_(l/L)std为[AVA_(l/L)0,AVA_(l/L)1,…
AVA_(l/L)i…AVA_(l/L)M]的短长轴比值方差。
化值AVA_(l/L)i为短长轴比值奇异值,将多个短长轴比值量化值AVA_(l/L)i中所有短长轴
比值奇异值删除,最终将多个非短长轴比值奇异值的短长轴比值量化值AVA_(l/L)i构成新
的短长轴比值量化值列表:[AVA_(l/L)0,AVA_(l/L)1,…AVA_(l/L)i…AVA_(l/L)N],其中,N
为新的短长轴比值量化值列表中短长轴比值量化值的总数量。
轴比值量化值AVA_Lk,即当N为奇数时,乏血管区域短长轴比值量化表征值为AVA_Lk;
值,对应的多个短长轴比值量化值中的中位数AVA_(l/L)(1/2)为第k个短长轴比值量化值
AVA_Lk和第k+1个短长轴比值量化值AVA_Lk+1之和的中值,即当N为偶数时,乏血管区域短长
轴比值量化表征值为(AVA_Lk+AVA_Lk+1)/2。
~
量化表征值AVA_m、乏血管区域长轴长度量化表征值AVA_Lmax、乏血管区域短长轴比值量化
表征值AVA_(l/L)(1/2)后,将该多个不同类型的量化表征值输入至预设的量化表征值拟合模
型进行训练。
合模型输出的训练结果接近目标值,最终得到训练完成的量化表征值拟合模型以及多个对
应于多个不同类型的量化表征值的权重值,模型调优过程中得到的多个权重值可以为λ1,
λ2,λ3,λ4,λ5。在本实施例中,预设的量化表征值拟合模型可以是决策树、随机森林等机器学
习模型,多个权重值的获取方式可以是网格搜索法,贪婪搜索法等方法,这里不做具体的限
定。
量化表征值AVA_Lmax、乏血管区域短长轴比值量化表征值AVA_(l/L)(1/2)中的任意2个或者2
个以上的量化表征值进行乏血管区域大小最终量化值的计算,采用不同的量化表征值进行
计算,则在训练量化表征值拟合模型过程中,得到不同的权重值,最终计算得到不同精度的
乏血管区域大小最终量化值,所有采用不同组合的上述多个不同类型的量化表征值,进行
乏血管区域大小最终量化值计算的方案均在本方案的保护范围内,这里不做具体限定。
方式中采用单一表征量化或者两种类型的表征量化,本申请所提出的方案有效提高了乏血
管区域大小识别的准确性。
~
管区域大小阈值β1和第二乏血管区域大小阈值β2,通过人工预先设定的方式或者系统自动
设定的方式,预先设置第一乏血管区域大小阈值β1和第二乏血管区域大小阈值β2。
管区域图像中识别得到的食管癌乏血管区域的大小,确定乏血管区域大小结果包括较小食
管癌乏血管区域、中等食管癌乏血管区域以及较大食管癌乏血管区域。
管区域,当乏血管区域大小最终量化值Λ大于第一乏血管区域大小阈值β1且小于或者等于
第二乏血管区域大小阈值β2时,乏血管区域大小结果为当前识别的食管癌乏血管区域为中
等食管癌乏血管区域,当乏血管区域大小最终量化值Λ大于第二乏血管区域大小阈值β2
时,乏血管区域大小结果为当前识别的食管癌乏血管区域为较大食管癌乏血管区域。
精准的测量,导致诊断过程中,对食管癌乏血管区域的识别更倾向于医生的经验性评估。
是先依次对乏血管区域图像中多个不同类型的参数进行量化,得到多个不同类型的量化表
征值,具体的,本申请是对乏血管区域图像的乏血管面积、乏血管圆度、乏血管面积和占比、
乏血管长轴长度以及乏血管短长轴比值分别进行量化,得到乏血管区域面积量化表征值
AVA_Smax、乏血管区域圆度量化表征值AVA_Cmean1、乏血管区域面积和占比量化表征值AVA_m、
乏血管区域长轴长度量化表征值AVA_Lmax、乏血管区域短长轴比值量化表征值AVA_(l/
L)(1/2),再基于上述多种不同类型的量化表征值进行加权拟合,得到与乏血管区域图像对应
的乏血管区域大小最终量化值,依据乏血管区域大小最终量化值来判断乏血管区域图像中
乏血管区域的大小,本申请这种采用多参数量化以及加权拟合的方案,实现对乏血管区域
图像中乏血管区域更为精细的测量,相较于传统技术,解决了目前乏血管区域量化标准无
法统一的问题,可实现对染色放大内镜食管癌AVA的精准测量,有效辅助内镜医师预测食管
癌深度,辅助临床决策。
预先确定乏血管区域大小区间系数。因此,在本申请的另一个实施例中,在获取乏血管区域
大小区间系数之前,方法包括:
集合。
类,得到多个分类样本图像集合,具体按照乏血管区域大小分为三个等级,得到的三个分类
样本图像集合具体包括:较小乏血管区域样本图像集合U1、中等乏血管区域样本图像集合
U2、较大乏血管区域样本图像集合U3,每个等级图片数量首次不少于3000张。
多个食管癌染色放大样本图像,进而得到多个乏血管区域大小样本最终量化值,多个乏血
管区域大小样本最终量化值构成乏血管区域大小样本最终量化值列表。在本实施例中,依
次对较小乏血管区域样本图像集合U1、中等乏血管区域样本图像集合U2、较大乏血管区域
样本图像集合U3进行乏血管区域大小样本最终量化值的计算,得到三组乏血管区域大小样
本最终量化值列表。
小样本最终量化值列表中的样本最终量化值奇异值,并对应删除的样本最终量化值奇异
值,最后得到删除样本最终量化值奇异值的三组乏血管区域大小样本最终量化值列表,三
组乏血管区域大小样本最终量化值列表分别为[Λ10,Λ11,…Λ1M]、[Λ20,Λ21,…Λ2N]、
[Λ30,Λ31,…Λ3K],其中,M、N和K分别为三组乏血管区域大小样本最终量化值列表中乏血
管区域大小样本最终量化值的总数量。
多个平均乏血管区域大小样本最终量化值,确定乏血管区域大小区间系数。
值:
小阈值β2,即:
以减少实际识别乏血管区域大小的过程中产生的误差。因此,在根据平均乏血管区域大小
样本最终量化值,确定乏血管区域大小区间系数之后,方法还包括:
量;P为本轮优化时新增的乏血管区域特征图像数量,在本实施例中,P满足 ;△为新
增乏血管区域特征图像前后,乏血管区域大小区间系数误差收敛系数,当误差小于收敛系
‑4
数,则表明该乏血管区域大小区间系数校正完成,本实施例中△=10 ,△的数值也可以根据
实际需求进行适应性调整,在本申请的方案思想基础上进行调整的,均属于本申请所在保
护范围内。在对多个平均乏血管区域大小样本最终量化值进行校正完成后,将本轮完成校
正的乏血管区域大小区间最终系数作为新的乏血管区域大小区间系数。
定系统,如图6所示,所述食管癌乏血管区域大小的确定系统900包括:
域短长轴比值量化表征值;
的多个权重值进行加权求和计算,得到乏血管区域大小最终量化值。
分类图像集合;用于根据多个分类样本图像集合,分别确定与多个分类图像集合对应的多
个乏血管区域大小样本最终量化值集合;用于分别对每个乏血管区域大小样本最终量化值
集合进行求均值,得到多个分别对应于多个乏血管区域大小样本最终量化值集合的平均乏
血管区域大小样本最终量化值;用于根据平均乏血管区域大小样本最终量化值,确定乏血
管区域大小区间系数。
域面积;用于确定删除面积奇异值后的多个乏血管连通域面积中的最大值为乏血管区域面
积量化表征值。
外接矩形高值,确定多个分别与多个连通域的最小水平外接矩形对应的目标圆半径;用于
根据多个目标圆半径和多个乏血管连通域面积,确定多个分别与多个连通域的最小水平外
接矩形对应的乏血管圆度量化值;用于删除多个乏血管圆度量化值中的圆度奇异值,得到
删除圆度奇异值后的多个乏血管圆度量化值;用于根据删除圆度奇异值后的多个乏血管圆
度量化值,确定乏血管区域圆度量化表征值。
值,得到删除坐标点奇异值后的多个第一目标坐标点和多个第二目标坐标点;用于根据删
除坐标点奇异值后的多个第一目标坐标点和多个第二目标坐标点,确定乏血管区域图像中
的乏血管区域外接水平矩形的第三目标坐标点和第四目标坐标点;用于根据删除面积奇异
值后的多个乏血管连通域面积、第三目标坐标点以及第四目标坐标点,确定乏血管区域面
积和占比量化表征值。
的多个长轴长度值;用于确定删除长轴长度奇异值后的多个长轴长度值中的最大值为乏血
管区域长轴长度量化表征值。
长轴比值奇异值后的多个短长轴比值量化值;用于确定删除短长轴比值奇异值后的多个短
长轴比值量化值中的中位数为乏血管区域短长轴比值量化表征值。
解,图7中示出的该设备结构并不构成对该设备的限定,可以包括比图示更多或更少的部
件,或者组合某些部件,或者不同的部件布置。其中:
1002内的数据,执行该设备的各种功能和处理数据,从而对该设备进行整体监控。可选的,
处理器1001可包括一个或多个处理核心;处理器1001可以是中央处理单元(Central
Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal
Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现
成可编程门阵列(Field‑Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立
门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可
以是任何常规的处理器等。
存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程
序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据该设备的使用所创建
的数据等。此外,存储器1002可以包括高速随机存取存储器,还可以包括非易失性存储器,
例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1002
还可以包括存储器控制器,以提供处理器1001对存储器1002的访问。
功能。
入。
执行文件加载到存储器1002中,并由处理器1001来运行存储在存储器1002中的应用程序,
从而实现各种功能,如下:
的量化表征值;根据多个不同类型的量化表征值,确定乏血管区域大小最终量化值和乏血
管区域大小结果。
储介质中,并由处理器进行加载和执行。
Memory)、磁盘或光盘等。其上存储有计算机程序,计算机程序被处理器进行加载,以执行本
申请实施例所提供的食管癌乏血管区域大小的确定方法中的步骤。例如,计算机程序被处
理器进行加载可以执行如下步骤:
的量化表征值;根据多个不同类型的量化表征值,确定乏血管区域大小最终量化值和乏血
管区域大小结果。
例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依
据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容
不应理解为对本发明的限制。