CN108185990A - 一种连接pt和cv的纤维间隔的识别方法及装置 - Google Patents
一种连接pt和cv的纤维间隔的识别方法及装置 Download PDFInfo
- Publication number
- CN108185990A CN108185990A CN201711461539.7A CN201711461539A CN108185990A CN 108185990 A CN108185990 A CN 108185990A CN 201711461539 A CN201711461539 A CN 201711461539A CN 108185990 A CN108185990 A CN 108185990A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- expansion
- obtains
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种连接PT和CV的纤维间隔的识别方法及装置,获得第一图像,该第一图像表征未修正前的PT和CV在组织样本中的位置分布,获取第一图像中包括类血管结构的目标区域,根据每个目标区域中面积最大的血管,识别该目标区域中的纤维间隔,合并所有目标区域中的纤维间隔,获得纤维间隔图像。该纤维间隔图像,用于表征纤维间隔在未修正前的PT和CV之间的位置分布。从而,本发明开创性的提供了识别连接PT和CV的纤维间隔的有效的实现方案。
Description
技术领域
本发明涉及医疗技术领域,特别是涉及一种连接PT和CV纤维间隔的识别方法及装置。
背景技术
生物组织纤维化是指由于炎症导致生物器官实质细胞发生坏死,生物组织内细胞外基质(Extracellular Matrix,ECM)异常增多和过度积累的病理过程。生物组织纤维化会引起生物器官中组织结构破坏、导致该生物器官功能下降,并最终使得该生物器官硬化。
生物组织纤维化可能出现在多种生物器官,以肝脏为例,慢性肝炎会导致肝脏组织中的实质细胞发生坏死,肝脏组织的纤维化程度随着实质细胞的坏死不断加重,使得肝脏新陈代谢异常,最终导致肝硬化甚至肝癌。
随着肝脏纤维化的程度加重,肝脏的汇管区(Portal Tract,PT)之间,以及PT和中央静脉区(Central Vein,CV)之间,会出现纤维间隔。因此,如何确定PT和/或CT中的纤维间隔,对确定肝脏纤维化的程度具有重要意义。
发明内容
本发明解决的技术问题在于提供一种连接PT和CV纤维间隔的识别方法及装置,从而能够识别PT和/或CT中的纤维间隔。
为此,本发明解决技术问题的技术方案是:
一种连接PT和CV的纤维间隔的识别方法,所述方法包括:
获取组织样本的第一图像,所述第一图像用于表征未修正前汇管区PT和中央静脉区CV在所述组织样本中的位置分布;
提取所述第一图像中包括类血管结构的目标区域获得第二图像;
根据所述第二图像中每个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔;
合并所有所述目标区域中的纤维间隔获得纤维间隔图像。
可选的,所述根据所述第二图像中一个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔包括:
获取所述面积最大的血管的图像作为第三图像;
根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径,所述膨胀半径是所述预设半径与所述第一膨胀处理中有效膨胀次数的乘积;
根据所述膨胀半径对所述第三图像进行第二膨胀处理,获得碎片二值图像;
获取所述碎片二值图像中,不满足任意一个预设条件的碎片,获得所述目标区域中的纤维间隔;
其中,所述预设条件包括:第一条件,所述碎片的长宽比小于2,并且,所述碎片的面积小于核心区域的面积,所述核心区域是所述第三图像进行第二膨胀处理后膨胀范围内的区域;第二条件,所述碎片与所述核心区域的夹角大于第一阈值;第三条件,所述碎片与标记图像没有交集,所述标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在所述组织样本中的位置分布。
可选的,所述方法还包括:
提取所述第一图像中,不包括类血管结构的目标区域,获得第四图像;
获取所述碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并所述第四图像和所述第五图像获得第六图像,所述第六图像用于表征修正后所述PT和所述CV在所述组织样本中的位置分布。
可选的,所述方法还包括:
连接所述纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
根据组织图像,删除所述第七图像中位于组织样本边缘的纤维间隔,获得第八图像,所述组织图像用于表征组织在所述组织样本中的位置分布;
利用所述第六图像,删除所述第八图像中与所述PT和所述CV都不相连接的纤维间隔获得第九图像;
将所述第九图像与所述纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
可选的,所述根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径包括:
根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
获得所述第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,所述膨胀区域是对所述目标图像经过所述第i次膨胀后所获得的区域;
当膨胀次数i和/或面积比满足任意一个终止条件时,结束所述第一膨胀处理;
获得有效膨胀次数与所述预设半径的乘积作为所述膨胀半径,其中,满足所述终止条件中所述第二条件时,所述有效膨胀次数为4;满足所述终止条件中除所述第一条件或者第三条件时,所述有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,所述目标图像为所述第三图像;i大于1时,所述目标图像为第i-1膨胀图像;所述终止条件包括:第一条件,所述第i面积比小于最大面积比的0.6倍,所述最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
一种连接PT和CV的纤维间隔的识别装置,所述装置包括:
获取模块,用于获取组织样本的第一图像,所述第一图像用于表征未修正前汇管区PT和中央静脉区CV在所述组织样本中的位置分布;
提取模块,用于提取所述第一图像中包括类血管结构的目标区域获得第二图像;
识别模块,用于根据所述第二图像中每个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔;
合并模块,用于合并所有所述目标区域中的纤维间隔获得纤维间隔图像。
可选的,所述识别模块包括:
第一获取单元,用于获取所述面积最大的血管的图像作为第三图像;
第一膨胀单元,用于根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径,所述膨胀半径是所述预设半径与所述第一膨胀处理中有效膨胀次数的乘积;
第一膨胀单元,用于根据所述膨胀半径对所述第三图像进行第二膨胀处理,获得碎片二值图像;
第二获取单元,用于获取所述碎片二值图像中,不满足任意一个预设条件的碎片,获得所述目标区域中的纤维间隔;
其中,所述预设条件包括:第一条件,所述碎片的长宽比小于2,并且,所述碎片的面积小于核心区域的面积,所述核心区域是所述第三图像进行第二膨胀处理后膨胀范围内的区域;第二条件,所述碎片与所述核心区域的夹角大于第一阈值;第三条件,所述碎片与标记图像没有交集,所述标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在所述组织样本中的位置分布。
可选的,所述装置还包括:
提取单元,用于提取所述第一图像中,不包括类血管结构的目标区域,获得第四图像;
第三获取单元,用于获取所述碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并单元,用于合并所述第四图像和所述第五图像获得第六图像,所述第六图像用于表征修正后所述PT和所述CV在所述组织样本中的位置分布。
可选的,所述装置还包括:
连接单元,用于连接所述纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
第四获取单元,用于根据组织图像,删除所述第七图像中位于组织样本边缘的纤维间隔,获得第八图像,所述组织图像用于表征组织在所述组织样本中的位置分布;
删除单元,用于利用所述第六图像,删除所述第八图像中与所述PT和所述CV都不相连接的纤维间隔获得第九图像;
第五获取单元,用于将所述第九图像与所述纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
可选的,所述第一膨胀单元包括:
第一膨胀子单元,用于根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
第一获取子单元,用于获得所述第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,所述膨胀区域是对所述目标图像经过所述第i次膨胀后所获得的区域;
结束子单元,用于当膨胀次数i和/或面积比满足任意一个终止条件时,结束所述第一膨胀处理;
第二获取子单元,用于获得有效膨胀次数与所述预设半径的乘积作为所述膨胀半径,其中,满足所述终止条件中所述第二条件时,所述有效膨胀次数为4;满足所述终止条件中除所述第一条件或者第三条件时,所述有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,所述目标图像为所述第三图像;i大于1时,所述目标图像为第i-1膨胀图像;所述终止条件包括:第一条件,所述第i面积比小于最大面积比的0.6倍,所述最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
通过上述技术方案可知,本发明有如下有益效果:
获得第一图像,该第一图像表征未修正前的PT和CV在组织样本中的位置分布,获取第一图像中包括类血管结构的目标区域,根据每个目标区域中面积最大的血管,识别该目标区域中的纤维间隔,合并所有目标区域中的纤维间隔,获得纤维间隔图像。该纤维间隔图像,用于表征纤维间隔在未修正前的PT和CV之间的位置分布。从而,本发明开创性的提供了识别连接PT和CV纤维间隔的有效的实现方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1为本发明实施例提供的连接PT和CV纤维间隔的识别方法流程图;
图2为本发明实施例提供的第一次膨胀处理示意图;
图3为本发明实施例提供的连接PT和CV纤维间隔的识别装置结构示意图。
具体实施方式
为了给出识别连接PT和CV的纤维间隔的实现方案,本发明实施例提供了一种纤维间隔的识别方法及装置,以下结合说明书附图对本发明的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
生物组织纤维化可能出现在多种生物器官中,本发明实施例中以肝脏为例进行说明。肝脏出现炎症时,会导致肝脏组织中实质细胞发生坏死,导致肝脏组织的纤维化程度不断加重,使得肝脏新陈代谢异常,从而导致肝硬化甚至肝癌。随着肝脏纤维化的程度加重,肝脏的PT之间,以及PT和CV之间,会出现纤维间隔。尤其是,确定了PT和CV在组织样本中的位置分布以后,如何确定连接PT和CV的纤维间隔,是目前亟待解决的问题。
为了提供确定连接PT和CV的纤维间隔的方案,本发明提供的方法中,获得第一图像,该第一图像表征未修正前的PT和CV在组织样本中的位置分布,获取第一图像中包括类血管结构的目标区域,根据每个目标区域中面积最大的血管,识别该目标区域中的纤维间隔,合并所有目标区域中的纤维间隔,获得纤维间隔图像。所获得的该纤维间隔图像,用于表征纤维间隔在未修正前的PT和CV之间的位置分布。
下述实施例中所述的各个图像,没有特殊说明的情况下,都是二值图像。二值图像是由像素值为0和像素值为1的像素点组成的图像。例如:下述实施例中的第一图像,第二图像,……,第九图像,以及纤维间隔图像等,都是二值图像。
下面对本发明提供的实施例进行详细描述。
方法性实例
图1为本发明实施例提供的连接PT和CV纤维间隔的识别方法流程图,包括:
101:获取组织样本的第一图像,第一图像用于表征未修正前汇管区PT和中央静脉区CV在组织样本中的位置分布。
第一图像,指的PT和CV的二值图像,即用于表征组织样本中,PT和CV位置分布的二值图像。在该第一图像所示的PT和CV之间,存在纤维间隔,因此,第一图像实际上表征的是,未修正前,存在纤维间隔的,PT和CV位置分布的二值图像。
获取组织样本的第一图像,可以采用多种实现方式。一种实现方式,可以对组织样本成像,获得组织样本图像,由专业的病理医生在组织样本图像中标注PT和CV区域,获得第一图像;另一种实现方式,可以参考申请号为201710146719.X,发明名称为“一种肝脏组织结构分类的方法及装置”中,所提供的确定组织样本中PT和CV的方法,获得第一图像;第三种实现方式,还可以我司另一个发明专利,发明名称为“一种纤维间隔的识别方法及装置”中,采用用于表征胶原块的特征信息与该胶原块所属的类型的对应关系的预设的决策树,确定胶原块图像中,属于PT和CV的胶原块,获得第一图像。当然,在实际应用中,还可以采用其它的方式获得第一图像,这里不进行具体限定。
102:提取第一图像中包括类血管结构的目标区域获得第二图像。
在第一图像中,每个相连通的像素值为1的区域,都作为一个单独分析的区域。
在第一图像中,存在不包括血管结构的区域,根据医学原理可知,该区域一定不包括纤维间隔,则该区域一定是PT区域或者CV区域。从第一图像中提取该不包括血管结构的区域,获得第四图像。
而在第一图像中,还存在包括血管结构的区域,该区域中可能存在纤维间隔,将包括血管结构的区域作为目标区域,提取第一图像中的目标区域,获得第二图像。
103:根据第二图像中每个目标区域中面积最大的血管,识别目标区域中的纤维间隔。
104:合并所有目标区域中的纤维间隔获得纤维间隔图像。
对第二图像中存在的纤维间隔进行分析时,对该第二图像中每个目标区域单独进行分析。对于一个目标区域来说,根据该目标区域中面积最大的血管,即根据该目标区域中存在的横截面接最大的类血管,识别该目标区域中的纤维间隔。
在一个实例中,根据第二图像中一个目标区域中面积最大的血管,识别该目标区域中的纤维间隔包括:
获取面积最大的血管的图像作为第三图像;
根据预设半径对第三图像执行第一膨胀处理获得膨胀半径,膨胀半径是预设半径与第一膨胀处理中有效膨胀次数的乘积;
根据膨胀半径对第三图像进行第二膨胀处理,获得碎片二值图像;
获取碎片二值图像中,不满足任意一个预设条件的碎片,获得目标区域中的纤维间隔。
识别第二图像中任意一个目标区域的纤维间隔时,第一步,先确定该目标区域中横截面积最大的血管,从第二图像中提取该横截面积最大的血管,获得第三图像。
在第二图像中,对第三图像进行第一膨胀处理,即对该目标区域中,横截面积最大的血管,按照预设半径进行膨胀处理。可以理解的是,第一膨胀处理中可以仅包括一次按照预设半径进行的膨胀处理,也可以包括多次按照预设半径进行的膨胀处理。第一膨胀处理中,第一次按照预设半径进行的膨胀,是以该横截面积最大的血管的边缘为起点进行膨胀;第二次按照预设半径进行的膨胀,是以第一次膨胀后所得的区域的边缘作为起点进行膨胀;第三次按照预设半径进行的膨胀,是以第二次膨胀后所得的区域的边缘作为起点进行膨胀;以此类推,直至满足任意一个终止条件时,结束第一膨胀处理。
举例说明:如图2所示,对于目标区域201来说,横截面积最大的血管为202,第一膨胀处理中,第一次膨胀,以血管202的边缘为起点,按照预设半径r进行膨胀,获得第一次膨胀后的区域203;第二次膨胀,以区域203的边缘为起点,按照预设半径r进行膨胀,获得第二次膨胀后的区域204;第三次膨胀,以区域204的边缘为起点,按照预设半径r进行膨胀,获得第三次膨胀后的区域205;以此类推,直至满足任意一个终止条件时,结束第一膨胀处理。
这里需要说明的是,上述举例,仅限于对第一膨胀处理进行更直观的说明,第一次膨胀处理中可以仅包括两次次按照预设半径进行的膨胀处理,或者还可以包括更多次按照预设半径进行的膨胀处理,这里不进行具体限定。
在上述实例中,根据预设半径对第三图像执行第一膨胀处理获得膨胀半径包括:
根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
获得第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,膨胀区域是对目标图像经过第i次膨胀后所获得的区域;
当膨胀次数i和/或面积比满足任意一个终止条件时,结束第一膨胀处理;
获得有效膨胀次数与预设半径的乘积作为膨胀半径,其中,满足终止条件中第二条件时,有效膨胀次数为4;满足终止条件中除第一条件或者第三条件时,有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,目标图像为第三图像;i大于1时,目标图像为第i-1膨胀图像;终止条件包括:第一条件,第i面积比小于最大面积比的0.6倍,最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
对第三图像进行第一次膨胀处理过程中,第1次按照预设半径进行膨胀时,根据预设半径对第三图像所表征的血管进行膨胀处理,获得第1膨胀图像,获得第1膨胀图像后,计算第1膨胀图像中,胶原蛋白与膨胀区域面积的比作为第1面积比。其中,膨胀区域的面积指的是,第1次膨胀后,所获得的区域的面积,即图2中,区域203的面积。此时,将第1面积比作为最大面积比。然后按照预设半径执行第2次膨胀。此时,无法满足任意一个终止条件。
第2次按照预设半径进行膨胀时,根据预设半径对第1膨胀图像进行膨胀处理,获得第2膨胀图像,获得第2膨胀图像后,计算第2膨胀图像中,胶原蛋白与膨胀区域面积的比作为第2面积比。其中,膨胀区域的面积指的是,第2次膨胀后,所获得的区域的面积,即图2中,区域204的面积。此时,比较第1面积比与第2面积比,若第1面积比大于第2面积比,则最大面积比不变;若第2面积比大于第1面积比,则将第2面积比替换第1面积比作为最大面积比。此时,若第1面积比大于第2面积比,即最大面积比为第1面积比,并且第2面积比小于最大面积比的0.6倍时,满足终止条件中的第一条件,此时,第一膨胀处理终止,膨胀半径是2倍的预设半径,即2r。若第1面积比小于第2面积比,或者不满足第一条件,则按照预设半径执行第3次膨胀。
第3次按照预设半径进行膨胀时,根据预设半径对第2膨胀图像进行膨胀处理,获得第3膨胀图像,获得第3膨胀图像后,计算第3膨胀图像中,胶原蛋白与膨胀区域面积的比作为第3面积比。其中,膨胀区域的面积指的是,第3次膨胀后,所获得的区域的面积,即图2中,区域205的面积。此时,比较第3面积比与最大面积比,若最大面积比大于第3面积比,则最大面积比不变;若第3面积比大于最大面积比,则将第3面积比作为最大面积比。此时,若最大面积比大于第3面积比,并且第3面积比小于最大面积比的0.6倍时,满足终止条件中的第一条件,此时,第一膨胀处理终止,膨胀半径是3倍的预设半径,即3r。若最大面积比小于第3面积比,或者不满足第一条件,则按照预设半径执行第4次膨胀。
按照上面所述的方法,按照预设半径依次执行第4次膨胀,甚至于第5次,第6次等膨胀,以此类推,直至满足第一膨胀处理的终止条件中的第一条件。一般情况下,面积比会先变大然后减小,或者直接减小,即胶原蛋白在膨胀区域中的含量,先增加再减小,或者直接减小。
这里需要说明以下两点:
第一,当膨胀次数大于4次,若最大面积比仍小于0.1,则表示胶原蛋白在膨胀后所得的膨胀区域中含量一直很少,即表示血管周围胶原蛋白含量少,该区域属于PT区域,纤维化程度低,此时,满足终止第一膨胀处理的第二条件,终止该第一膨胀处理。此时,膨胀次数为4,所得的膨胀半径为4倍的预设半径,即4r。
第二,若膨胀次数大于30次,还不满足第一条件,则表示胶原蛋白的含量一直增大,此时,直接终止第一膨胀处理。膨胀次数为30,所得的膨胀半径为30倍的预设半径,即30r。
对一个目标区域,按照上述方法进行第一膨胀处理后,获得膨胀半径。按照膨胀半径,对第三图像进行第二膨胀处理。即以第三图像中,横截面积最大的血管的边缘为起点,按照膨胀半径进行膨胀,得到膨胀范围内的区域为核心区域,该核心区域属于PT区域或CV区域。
从该目标区域中删除第二次膨胀处理后所得的核心区域,获得该目标图像对应的碎片二值图像。从该碎片二值图像中,将不满足任意一个预设条件的碎片,识别为纤维间隔。
其中,预设条件包括:
第一条件,碎片的长宽比小于2,并且,碎片的面积小于核心区域的面积,核心区域是第三图像进行第二膨胀处理后膨胀范围内的区域。
碎片的长度为碎片中距离最远的两个像素点之间的距离;碎片的宽度为,垂直与碎片的长度方向上,距离最远的两个像素点之间的距离。每一个碎片都是一个连通域,碎片的面积小于核心区域的面积。满足第一条件的碎片,为PT区域或CV区域,不是纤维间隔。
第二条件,碎片与核心区域的夹角大于第一阈值。
碎片与核心区域的夹角,指的是该碎片的长所属的方向,与核心区域的场所属的方向之间的夹角。第一阈值可以根据实际需要具体设置,例如,该第一阈值可以设置为45度,当然,还可以根据实际需要设置其它数值,这里不进行具体限定。满足第二条件的碎片。也属于PT区域或CV区域,不是纤维间隔。
第三条件,碎片与标记图像没有交集,标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在组织样本中的位置分布。
标记图像,即表征大块的胶原蛋白的分支和交叉点在组织样本中的分布。获得该标记图像存在很多种实现方式。具体的实现方式,可以参考申请号为XXX,发明名称为“一种纤维间隔的识别方法及装置”中,获得第十三图像的具体实现方式,该专利中的第十三图像即为本发明中的标记图像。若该碎片与标记图像没有交集,即表示碎片与标记图像没有重合的像素点,则表示该碎片也属于PT区域或CV区域,不是纤维间隔。
若目标区域的碎片二值图像中,存在一个碎片,不满足上述三个条件中的任意一个条件,则表示该碎片属于纤维间隔。而该目标区域的碎片二值图像中,满足上述任意一个条件的碎片,则被识别为属于PT区域或CV区域。
对第二图像中的任意一个目标区域,都采用上述方法进行处理,可以识别每个目标区域中的纤维间隔,将所有目标区域中的纤维间隔进行合并,则可以获得纤维间隔图像。从而,实现识别第一图像中存在的纤维间隔,提供了识别PT区域和CV区域中存在的纤维间隔的方法。
在另一个实例中,所述方法还包括:
提取第一图像中,不包括类血管结构的目标区域,获得第四图像;
获取碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并第四图像和第五图像获得第六图像,第六图像用于表征修正后PT和CV在组织样本中的位置分布。
第一图像中,不包括类血管结构的目标区域,不会出现纤维间隔,该不包括类血管结构的目标区域,必然属于PT区域,或者CV区域。从第一图像中获得不包括类血管结构的目标区域,获得第四图像。再从该碎片二值图像中,获得满足上述任意一个预设条件的碎片,获得第五图像。合并该第四图像和第五图像,获得修正后的PT和CV在组织样本中的位置分布,即第六图像。第六图像中,不存在纤维间隔,仅包括PT和CV在组织样本中的位置分布。
具体实现时,还可以从第一图像中,删除所得的纤维间隔图像,即删除第一图像中删除所存在的纤维间隔,即从未修正前PT和CV在组织样本中的位置分布中,删除存在的纤维间隔的位置分布,获得修正后PT和CV在组织样本中的位置分布,修正后的PT和CV的位置分布中,不存在纤维间隔的位置分布,即获得第六图像。
这里需要说明的是,采用上述方式获得的第六图像中,比第一图像,能够更准确的表征PT和CV的位置分布,不存在纤维间隔的干扰。
在又一个实例中,该方法还包括:
连接纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
根据组织图像,删除第七图像中位于组织样本边缘的纤维间隔,获得第八图像,组织图像用于表征组织在组织样本中的位置分布;
利用第六图像,删除第八图像中与PT和CV都不相连接的纤维间隔获得第九图像;
将第九图像与纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
在所得的纤维间隔图像中,每一个连通区域都表示一条纤维间隔。当两个纤维间隔之间的距离小于第三阈值时,表示这两个纤维间隔属于组织样本中同一块胶原蛋白区域。采用闭运算,将这两个纤维间隔连接起来。将该纤维间隔图像中,所有存在的距离小于第三阈值的两个纤维间隔都连接起来,获得第七图像。
其中,第三阈值可以根据实际需要具体设置,这里不进行具体限定。例如:第三阈值可以设置为3个像素点。
删除第七图像中位于组织样本边缘的纤维间隔,获得第八图像。对第七图像中的一条纤维间隔来说,以第四阈值为膨胀半径进行膨胀处理;膨胀处理后,若膨胀前该纤维间隔的宽度小于第五阈值,并且,该纤维间隔膨胀后所得的区域中,在组织样本外的面积与在组织样本内的面积的比大于第六阈值,则认为该纤维间隔在组织样本的边缘。此时,删除该纤维间隔。对第七图像中每一条纤维间隔都采用上述方式,确定该纤维间隔是否位于组织样本边缘,当该纤维间隔位于组织样本边缘时,从第七图像中删除该纤维间隔;若该纤维间隔不再组织样本边缘时,保留该纤维间隔。
其中,第四阈值,第五阈值和第六预置可以根据实际需要具体设置,这里不仅具体限定。
对第七图像进行上述处理后,获得第八图像。利用表征修正后PT和CV在所述组织样本中的位置分布的第六图像,删除第八图像中,与PT和CV都不相连的纤维间隔,获得第九图像。第八图像中,与PT和CV都不相连的纤维间隔,不属于连接PT和CV的纤维间隔。
再将所得的第九图像,与前述方法所得的纤维间隔图像进行与运算,将在获得第七图像时所连接的纤维间隔分离开,获得修正后的纤维间隔在组织样本中的分布,即获得修正后的纤维间隔图像。
由上述内容可知,本发明提供的识别纤维间隔的方法,获得第一图像,该第一图像表征未修正前的PT和CV在组织样本中的位置分布,获取第一图像中包括类血管结构的目标区域,根据每个目标区域中面积最大的血管,识别该目标区域中的纤维间隔,合并所有目标区域中的纤维间隔,获得纤维间隔图像。该纤维间隔图像,用于表征纤维间隔在未修正前的PT和CV之间的位置分布。从而,开创性的提供了识别连接PT和CV的纤维间隔的有效的实现方案。
图3为本发明实施例提供的连接PT和CV纤维间隔的识别装置结构示意图,包括:
获取模块301,用于获取组织样本的第一图像,所述第一图像用于表征未修正前汇管区PT和中央静脉区CV在所述组织样本中的位置分布。
提取模块302,用于提取所述第一图像中包括类血管结构的目标区域获得第二图像。
识别模块303,用于根据所述第二图像中每个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔。
合并模块304,用于合并所有所述目标区域中的纤维间隔获得纤维间隔图像。
可选的,所述识别模块包括:
第一获取单元,用于获取所述面积最大的血管的图像作为第三图像;
第一膨胀单元,用于根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径,所述膨胀半径是所述预设半径与所述第一膨胀处理中有效膨胀次数的乘积;
第一膨胀单元,用于根据所述膨胀半径对所述第三图像进行第二膨胀处理,获得碎片二值图像;
第二获取单元,用于获取所述碎片二值图像中,不满足任意一个预设条件的碎片,获得所述目标区域中的纤维间隔;
其中,所述预设条件包括:第一条件,所述碎片的长宽比小于2,并且,所述碎片的面积小于核心区域的面积,所述核心区域是所述第三图像进行第二膨胀处理后膨胀范围内的区域;第二条件,所述碎片与所述核心区域的夹角大于第一阈值;第三条件,所述碎片与标记图像没有交集,所述标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在所述组织样本中的位置分布。
可选的,所述装置还包括:
提取单元,用于提取所述第一图像中,不包括类血管结构的目标区域,获得第四图像;
第三获取单元,用于获取所述碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并单元,用于合并所述第四图像和所述第五图像获得第六图像,所述第六图像用于表征修正后所述PT和所述CV在所述组织样本中的位置分布。
可选的,所述装置还包括:
连接单元,用于连接所述纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
第四获取单元,用于根据组织图像,删除所述第七图像中位于组织样本边缘的纤维间隔,获得第八图像,所述组织图像用于表征组织在所述组织样本中的位置分布;
删除单元,用于利用所述第六图像,删除所述第八图像中与所述PT和所述CV都不相连接的纤维间隔获得第九图像;
第五获取单元,用于将所述第九图像与所述纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
可选的,所述第一膨胀单元包括:
第一膨胀子单元,用于根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
第一获取子单元,用于获得所述第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,所述膨胀区域是对所述目标图像经过所述第i次膨胀后所获得的区域;
结束子单元,用于当膨胀次数i和/或面积比满足任意一个终止条件时,结束所述第一膨胀处理;
第二获取子单元,用于获得有效膨胀次数与所述预设半径的乘积作为所述膨胀半径,其中,满足所述终止条件中所述第二条件时,所述有效膨胀次数为4;满足所述终止条件中除所述第一条件或者第三条件时,所述有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,所述目标图像为所述第三图像;i大于1时,所述目标图像为第i-1膨胀图像;所述终止条件包括:第一条件,所述第i面积比小于最大面积比的0.6倍,所述最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
图3所示的装置是与图1所示的方法所对应的装置,具体实现方式与图1所示的方法类似,参考图1所示的方法中的描述,这里不再赘述。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种连接PT和CV的纤维间隔的识别方法,其特征在于,所述方法包括:
获取组织样本的第一图像,所述第一图像用于表征未修正前汇管区PT和中央静脉区CV在所述组织样本中的位置分布;
提取所述第一图像中包括类血管结构的目标区域获得第二图像;
根据所述第二图像中每个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔;
合并所有所述目标区域中的纤维间隔获得纤维间隔图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二图像中一个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔包括:
获取所述面积最大的血管的图像作为第三图像;
根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径,所述膨胀半径是所述预设半径与所述第一膨胀处理中有效膨胀次数的乘积;
根据所述膨胀半径对所述第三图像进行第二膨胀处理,获得碎片二值图像;
获取所述碎片二值图像中,不满足任意一个预设条件的碎片,获得所述目标区域中的纤维间隔;
其中,所述预设条件包括:第一条件,所述碎片的长宽比小于2,并且,所述碎片的面积小于核心区域的面积,所述核心区域是所述第三图像进行第二膨胀处理后膨胀范围内的区域;第二条件,所述碎片与所述核心区域的夹角大于第一阈值;第三条件,所述碎片与标记图像没有交集,所述标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在所述组织样本中的位置分布。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
提取所述第一图像中,不包括类血管结构的目标区域,获得第四图像;
获取所述碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并所述第四图像和所述第五图像获得第六图像,所述第六图像用于表征修正后所述PT和所述CV在所述组织样本中的位置分布。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
连接所述纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
根据组织图像,删除所述第七图像中位于组织样本边缘的纤维间隔,获得第八图像,所述组织图像用于表征组织在所述组织样本中的位置分布;
利用所述第六图像,删除所述第八图像中与所述PT和所述CV都不相连接的纤维间隔获得第九图像;
将所述第九图像与所述纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
5.根据权利要求2-4任意一项所述的方法,其特征在于,所述根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径包括:
根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
获得所述第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,所述膨胀区域是对所述目标图像经过所述第i次膨胀后所获得的区域;
当膨胀次数i和/或面积比满足任意一个终止条件时,结束所述第一膨胀处理;
获得有效膨胀次数与所述预设半径的乘积作为所述膨胀半径,其中,满足所述终止条件中所述第二条件时,所述有效膨胀次数为4;满足所述终止条件中除所述第一条件或者第三条件时,所述有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,所述目标图像为所述第三图像;i大于1时,所述目标图像为第i-1膨胀图像;所述终止条件包括:第一条件,所述第i面积比小于最大面积比的0.6倍,所述最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
6.一种连接PT和CV的纤维间隔的识别装置,其特征在于,所述装置包括:
获取模块,用于获取组织样本的第一图像,所述第一图像用于表征未修正前汇管区PT和中央静脉区CV在所述组织样本中的位置分布;
提取模块,用于提取所述第一图像中包括类血管结构的目标区域获得第二图像;
识别模块,用于根据所述第二图像中每个所述目标区域中面积最大的血管,识别所述目标区域中的纤维间隔;
合并模块,用于合并所有所述目标区域中的纤维间隔获得纤维间隔图像。
7.根据权利要求6所述的装置,其特征在于,所述识别模块包括:
第一获取单元,用于获取所述面积最大的血管的图像作为第三图像;
第一膨胀单元,用于根据预设半径对所述第三图像执行第一膨胀处理获得膨胀半径,所述膨胀半径是所述预设半径与所述第一膨胀处理中有效膨胀次数的乘积;
第一膨胀单元,用于根据所述膨胀半径对所述第三图像进行第二膨胀处理,获得碎片二值图像;
第二获取单元,用于获取所述碎片二值图像中,不满足任意一个预设条件的碎片,获得所述目标区域中的纤维间隔;
其中,所述预设条件包括:第一条件,所述碎片的长宽比小于2,并且,所述碎片的面积小于核心区域的面积,所述核心区域是所述第三图像进行第二膨胀处理后膨胀范围内的区域;第二条件,所述碎片与所述核心区域的夹角大于第一阈值;第三条件,所述碎片与标记图像没有交集,所述标记图像用于表征由胶原蛋白和类血管结构所组成的,面积大于第二阈值的所有连通域中,分支和交叉点在所述组织样本中的位置分布。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
提取单元,用于提取所述第一图像中,不包括类血管结构的目标区域,获得第四图像;
第三获取单元,用于获取所述碎片二值图像中,满足任意一个预设条件的碎片,获得第五图像;
合并单元,用于合并所述第四图像和所述第五图像获得第六图像,所述第六图像用于表征修正后所述PT和所述CV在所述组织样本中的位置分布。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
连接单元,用于连接所述纤维间隔图像中距离小于第三阈值的纤维间隔,获得第七图像;
第四获取单元,用于根据组织图像,删除所述第七图像中位于组织样本边缘的纤维间隔,获得第八图像,所述组织图像用于表征组织在所述组织样本中的位置分布;
删除单元,用于利用所述第六图像,删除所述第八图像中与所述PT和所述CV都不相连接的纤维间隔获得第九图像;
第五获取单元,用于将所述第九图像与所述纤维间隔图像进行与运算,获得修正后的纤维间隔图像。
10.根据权利要求7-9任意一项所述的装置,其特征在于,所述第一膨胀单元包括:
第一膨胀子单元,用于根据预设半径对目标图像进行第i次膨胀获得第i膨胀图像;
第一获取子单元,用于获得所述第i膨胀图像中胶原蛋白与膨胀区域的面积比作为第i面积比,所述膨胀区域是对所述目标图像经过所述第i次膨胀后所获得的区域;
结束子单元,用于当膨胀次数i和/或面积比满足任意一个终止条件时,结束所述第一膨胀处理;
第二获取子单元,用于获得有效膨胀次数与所述预设半径的乘积作为所述膨胀半径,其中,满足所述终止条件中所述第二条件时,所述有效膨胀次数为4;满足所述终止条件中除所述第一条件或者第三条件时,所述有效膨胀次数为i;
其中,i为大于0的正整数;i为1时,所述目标图像为所述第三图像;i大于1时,所述目标图像为第i-1膨胀图像;所述终止条件包括:第一条件,所述第i面积比小于最大面积比的0.6倍,所述最大面积比是经过i次膨胀以后所获得的最大的面积比;第二条件,i大于4,并且最大面积比小于0.1;第三条件,i大于30。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711461539.7A CN108185990B (zh) | 2017-12-28 | 2017-12-28 | 一种连接pt和cv的纤维间隔的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711461539.7A CN108185990B (zh) | 2017-12-28 | 2017-12-28 | 一种连接pt和cv的纤维间隔的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108185990A true CN108185990A (zh) | 2018-06-22 |
CN108185990B CN108185990B (zh) | 2020-11-20 |
Family
ID=62585402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711461539.7A Active CN108185990B (zh) | 2017-12-28 | 2017-12-28 | 一种连接pt和cv的纤维间隔的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108185990B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667482A (zh) * | 2020-06-30 | 2020-09-15 | 杭州筹图科技有限公司 | 一种区域划分方法及相关设备 |
WO2021051335A1 (zh) * | 2019-09-19 | 2021-03-25 | 北京大学人民医院(北京大学第二临床医学院) | 丙肝肝纤维化特征信息提取方法及装置 |
WO2022000220A1 (zh) * | 2020-06-30 | 2022-01-06 | 杭州筹图科技有限公司 | 一种区域划分方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102144931A (zh) * | 2011-04-10 | 2011-08-10 | 陈莉 | 一种类显微三维超声成像法 |
WO2011123068A8 (en) * | 2010-03-31 | 2011-11-10 | Agency For Science, Technology And Research | A method and system for determining a stage of fibrosis in a liver |
CN102334122A (zh) * | 2009-02-26 | 2012-01-25 | 昂热大学 | 肝纤维化或肝硬化的改进诊断 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
WO2014109708A1 (en) * | 2013-01-08 | 2014-07-17 | Agency For Science, Technology And Research | A method and system for assessing fibrosis in a tissue |
CN106462666A (zh) * | 2014-04-08 | 2017-02-22 | 昂热大学中心医院 | 肝病的预诊检测 |
-
2017
- 2017-12-28 CN CN201711461539.7A patent/CN108185990B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102334122A (zh) * | 2009-02-26 | 2012-01-25 | 昂热大学 | 肝纤维化或肝硬化的改进诊断 |
WO2011123068A8 (en) * | 2010-03-31 | 2011-11-10 | Agency For Science, Technology And Research | A method and system for determining a stage of fibrosis in a liver |
CN102144931A (zh) * | 2011-04-10 | 2011-08-10 | 陈莉 | 一种类显微三维超声成像法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
WO2014109708A1 (en) * | 2013-01-08 | 2014-07-17 | Agency For Science, Technology And Research | A method and system for assessing fibrosis in a tissue |
US20150339816A1 (en) * | 2013-01-08 | 2015-11-26 | Agency For Science, Technology And Research | A method and system for assessing fibrosis in a tissue |
CN106462666A (zh) * | 2014-04-08 | 2017-02-22 | 昂热大学中心医院 | 肝病的预诊检测 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021051335A1 (zh) * | 2019-09-19 | 2021-03-25 | 北京大学人民医院(北京大学第二临床医学院) | 丙肝肝纤维化特征信息提取方法及装置 |
CN111667482A (zh) * | 2020-06-30 | 2020-09-15 | 杭州筹图科技有限公司 | 一种区域划分方法及相关设备 |
WO2022000220A1 (zh) * | 2020-06-30 | 2022-01-06 | 杭州筹图科技有限公司 | 一种区域划分方法及相关设备 |
CN111667482B (zh) * | 2020-06-30 | 2023-08-22 | 杭州筹图科技有限公司 | 一种区域划分方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108185990B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schipke et al. | Assessment of cardiac fibrosis: a morphometric method comparison for collagen quantification | |
CN108185990A (zh) | 一种连接pt和cv的纤维间隔的识别方法及装置 | |
Lachmanovich et al. | Co‐localization analysis of complex formation among membrane proteins by computerized fluorescence microscopy: application to immunofluorescence co‐patching studies | |
EP3940585A1 (en) | Image processing method based on artificial intelligence, microscope, system and medium | |
More et al. | A semi-automated method for identifying and measuring myelinated nerve fibers in scanning electron microscope images | |
CN108230387A (zh) | 一种纤维间隔特征量化的方法及装置 | |
CN109377458B (zh) | 一种冠脉分割断裂的修复方法及装置 | |
WO2013018814A1 (en) | Ophthalmic diagnosis support apparatus and ophthalmic diagnosis support method | |
López et al. | Digital image analysis in breast cancer: an example of an automated methodology and the effects of image compression | |
US20200134350A1 (en) | Image processing apparatus, image processing method, and program for detecting defect from image | |
CN114743106B (zh) | 一种图像批处理识别方法及系统 | |
CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
CN109241929A (zh) | 自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆 | |
CN115049807B (zh) | 肺部血管模型的建立方法、装置及服务器 | |
CN108198170B (zh) | 一种纤维间隔的识别方法及装置 | |
US20180040120A1 (en) | Methods for quantitative assessment of mononuclear cells in muscle tissue sections | |
CN101989322B (zh) | 自动提取恶意代码内存特征的方法和系统 | |
CN111123263A (zh) | 基于地质雷达检测数据的隧道钢筋识别检测系统、方法 | |
Xu et al. | Fiber-image analysis part I: Fiber-image enhancement | |
US10497114B2 (en) | Method and apparatus for cervical image analysis with improved reliability | |
CN110136140A (zh) | 眼底图像血管影像分割方法及设备 | |
CN111105874A (zh) | 一种舌象特征标注方法、装置、计算机设备及存储介质 | |
CN108573267A (zh) | 一种肝脏组织结构分类的方法及装置 | |
CN106950527A (zh) | 一种多基线干涉仪测向体制下的脉冲信号分选方法 | |
CN108269257B (zh) | 视网膜血管的编辑方法及编辑装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |