CN111667482B - 一种区域划分方法及相关设备 - Google Patents

一种区域划分方法及相关设备 Download PDF

Info

Publication number
CN111667482B
CN111667482B CN202010616368.6A CN202010616368A CN111667482B CN 111667482 B CN111667482 B CN 111667482B CN 202010616368 A CN202010616368 A CN 202010616368A CN 111667482 B CN111667482 B CN 111667482B
Authority
CN
China
Prior art keywords
image
region
area
central vein
distribution information
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.)
Active
Application number
CN202010616368.6A
Other languages
English (en)
Other versions
CN111667482A (zh
Inventor
任亚运
滕霄
戴其尚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Choutu Technology Co ltd
Original Assignee
Hangzhou Choutu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Choutu Technology Co ltd filed Critical Hangzhou Choutu Technology Co ltd
Priority to CN202010616368.6A priority Critical patent/CN111667482B/zh
Publication of CN111667482A publication Critical patent/CN111667482A/zh
Application granted granted Critical
Publication of CN111667482B publication Critical patent/CN111667482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种区域划分方法及相关设备，该方法包括：在根据待分析图像生成组织图像、孔洞图像和胶原图像之后，先根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；再根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像，并对目标融合图像进行区域划分得到第一区域和第三区域。其中，因目标融合图像能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息，使得基于目标融合图像进行区域划分时，不仅能够将汇管区和中央静脉区划分开，还能够将纤维间隔划分到相应的区域，如此提高了对病理图像中的待划分组织进行区域划分的准确性。

Description

一种区域划分方法及相关设备
技术领域
本申请涉及图像处理技术领域，尤其涉及一种区域划分方法及相关设备。
背景技术
随着图像处理技术的发展，病理图像分析越来越重要。其中，病理图像分析是指采用预设图像处理技术对待分析的病理图像进行分析，而且不同应用场景下所使用的预设图像处理技术不同。
例如，上述预设图像处理技术可以为：在获取到待划分组织(如发生纤维化的肝脏)的标本图像之后，可以对该标本图像中的待划分组织进行区域划分，得到该待划分组织的不同区域，以便后续病理医生能够分别依据待划分组织的每一区域进行相应的病理分析。
然而，如何准确地对病理图像中的待划分组织进行区域划分是一个亟待解决的技术问题。
发明内容
为了解决现有技术中存在的以上技术问题，本申请提供一种区域划分方法及相关设备，能够准确地对病理图像中的待划分组织进行区域划分。
为了实现上述目的，本申请实施例提供的技术方案如下：
本申请实施例提供一种区域划分方法，包括：
根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
对所述目标融合图像进行区域划分得到第一区域和第三区域；其中，所述第一区域用于表征汇管所属区域，所述第三区域用于表征中央静脉所属区域。
可选的，所述根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像，包括：
根据所述纤维间隔图像和所述汇管区图像生成第一融合图像；其中，所述第一融合图像用于表征所述汇管区以及所述与汇管相连的粗纤维间隔的位置分布信息；
根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像；其中，所述第二融合图像用于表征所述中央静脉区以及所述与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第一融合图像和所述第二融合图像进行图像合并，得到目标融合图像。
可选的，所述根据所述纤维间隔图像和所述汇管区图像生成第一融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述汇管区图像，生成第一相连图像；其中，所述第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息；
将所述第一相连图像先与所述汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
可选的，所述根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述中央静脉区图像，生成第二相连图像；其中，所述第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第二相连图像先与所述中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
可选的，所述对所述目标融合图像进行区域划分得到第一区域和第三区域，具体为：
对所述目标融合图像进行图像膨胀得到目标膨胀图像；
将所述目标膨胀图像进行图像分割得到目标分割图像；
根据所述目标分割图像确定所述第一区域和第三区域。
可选的，所述方法还包括：
根据所述组织图像和所述目标分割图像确定第二区域；其中，所述第二区域包括待划分组织中除了所述第一区域和所述第三区域以外的区域。
可选的，所述根据所述组织图像和所述目标分割图像确定第二区域，具体为：
对所述组织图像进行图像填充，得到目标填充图像；
将所述目标分割图像进行图像取反运算，得到待排除图像；
将所述目标填充图像与所述待排除图像进行图像与运算，得到排除后图像；
根据所述排除后图像确定所述第二区域。
本申请实施例还提供了一种区域划分装置，包括：
第一生成单元，用于根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
第二生成单元，用于根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
第三生成单元，用于根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
第一确定单元，用于对所述目标融合图像进行区域划分，得到第一区域和第三区域；其中，所述第一区域包括汇管区、汇管周区域以及所述与汇管相连的粗纤维间隔，所述第三区域包括中央静脉区、中央静脉周区域以及所述与中央静脉相连的粗纤维间隔。
本申请实施例还提供了一种设备，所述设备包括处理器以及存储器：
所述存储器用于存储计算机程序；
所述处理器用于根据所述计算机程序执行本申请实施例提供的区域划分方法中的任一实施方式。
本申请实施例还提供了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计算机程序，所述计算机程序用于执行本申请实施例提供的区域划分方法中的任一实施方式。
与现有技术相比，本申请实施例至少具有以下优点：
本申请实施例提供的区域划分方法中，在根据待分析图像生成组织图像、孔洞图像和胶原图像之后，先根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；再根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像，并对目标融合图像进行区域划分得到第一区域和第三区域。其中，组织图像用于表征待划分组织的位置分布信息，孔洞图像用于表征孔洞目标的位置分布信息，胶原图像用于表征胶原蛋白的位置分布信息；汇管区图像用于表征汇管区的位置分布信息，中央静脉区图像用于表征中央静脉区的位置分布信息，纤维间隔图像用于表征纤维间隔的位置分布信息；第一区域包括汇管区、汇管周区域以及与汇管相连的粗纤维间隔，第三区域包括中央静脉区、中央静脉周区域以及与中央静脉相连的粗纤维间隔。
可见，因目标融合图像能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息，使得基于目标融合图像进行区域划分时，不仅能够将汇管区和中央静脉区划分开，还能够将纤维间隔划分到相应的区域，具体为：将与汇管相连的粗纤维间隔划分至汇管区所属区域，并将与中央静脉相连的粗纤维间隔划分至中央静脉区所属区域，如此实现了对待划分组织中存在的纤维间隔的准确划分，从而提高了对病理图像中的待划分组织进行区域划分的准确性。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例，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它的附图。
图1为本申请实施例提供的待划分组织中存在的纤维间隔的区域划分示意图；
图2为本申请实施例提供的一种区域划分方法的流程图；
图3为本申请实施例提供的距离较近的组织结构之间的区域划分示意图；
图4为本申请实施例提供的待划分组织的一种区域划分示意图；
图5为本申请实施例提供的S4的实施过程示意图；
图6为本申请实施例提供的待划分组织的一种区域划分结果示意图；
图7为本申请实施例提供的待划分组织的另一种区域划分结果示意图；
图8为本申请实施例提供的一种区域划分装置的结构示意图；
图9为本申请实施例提供的设备结构示意图。
具体实施方式
发明人在待划分组织的区域划分的研究中发现，在对待划分组织进行区域划分时存在的技术问题，具体为：如图1所示，无法对待划分组织中存在的纤维间隔进行正确的区域划分。
为了解决上述技术问题，本申请实施例提供了一种区域划分方法，该方法包括：根据待分析图像生成组织图像、孔洞图像和胶原图像；根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像；对目标融合图像进行区域划分得到第一区域和第三区域。其中，组织图像用于表征待划分组织的位置分布信息，孔洞图像用于表征孔洞目标的位置分布信息，胶原图像用于表征胶原蛋白的位置分布信息；汇管区图像用于表征汇管区的位置分布信息，中央静脉区图像用于表征中央静脉区的位置分布信息，纤维间隔图像用于表征纤维间隔的位置分布信息；第一区域包括汇管区、汇管周区域以及与汇管相连的粗纤维间隔，第三区域包括中央静脉区、中央静脉周区域以及与中央静脉相连的粗纤维间隔。
在本申请实施例提供的区域划分方法中，因目标融合图像能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息，使得基于目标融合图像进行区域划分时，不仅能够将汇管区和中央静脉区划分开，还能够将纤维间隔划分到相应的区域，具体为：将与汇管相连的粗纤维间隔划分至汇管区所属区域，并将与中央静脉相连的粗纤维间隔划分至中央静脉区所属区域，如此实现了对待划分组织中存在的纤维间隔的准确划分，从而提高了对病理图像中的待划分组织进行区域划分的准确性。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
方法实施例
参见图2，该图为本申请实施例提供的一种区域划分方法的流程图。
本申请实施例提供的区域划分方法，包括S1-S4：
S1：根据待分析图像生成组织图像、孔洞图像和胶原图像。
待分析图像是指待划分组织的标本图像。例如，待分析图像是指肝组织病理图像。
另外，本申请实施例不限定待分析图像的生成方式。例如，待分析图像是利用二次谐波/双光子荧光显微镜成像(Second Harmonic Generation/Two-photon ExcitationFluorescence，SHG/TPEF)得到的待划分组织的标本图像。另外，本申请实施例不限定待划分组织，待划分组织可以是肝脏、肺或肾脏，尤其可以是存在纤维间隔的肝脏、肺或肾脏。此外，本申请实施例不限定标本图像，例如，标本图像可以是非染色待划分组织穿刺标本图像或者待划分组织切片图像。
组织图像用于表征待划分组织的位置分布信息。
孔洞图像用于表征孔洞目标的位置分布信息。
胶原图像用于表征胶原蛋白的位置分布信息。
本申请实施例不限定组织图像、孔洞图像和胶原图像的生成方式，为了便于理解，下面结合一种可能的实施方式进行说明。
在一种可能的实施方式下，S1具体可以包括S11-S13：
S11：将待分析图像IRAW的R通道图像确定为组织信号图像ITPEF，并将待分析图像IRAW的G通道图像确定为胶原信号图像ISHG。
本申请实施例中，对于待分析图像IRAW来说，当从RGB颜色空间进行分析时，待分析图像IRAW的R通道图像中携带有待划分组织的组织信号，也就是TPEF信号，故可以将待分析图像IRAW的R通道图像作为组织信号图像ITPEF，以使后续能够基于该ITPEF生成用于表征待划分组织的位置分布信息的组织图像；而且，待分析图像IRAW的G通道图像中携带有待划分组织的胶原蛋白信号，也就是SHG信号，故可以将待分析图像IRAW的G通道图像作为胶原信号图像ISHG，以使后续能够基于该ISHG生成用于表征胶原蛋白的位置分布信息的胶原图像。
S12：根据组织信号图像ITPEF生成组织图像BWTPE和孔洞图像BWHole。
在一些情况下，因不同组织切片的标本图像亮度水平可能不同，故在对标本图像进行组织位置提取之前，可以先进行图像亮度的调节。基于此，本申请实施例还提供了S12的一种实施方式，其具体包括S121-S123：
S121：对组织信号图像ITPEF进行图像亮度调整，得到调整后的组织信号图像I′TPEF。
本申请实施例中，在获取到组织信号图像ITPEF之后，可以对组织信号图像ITPEF进行图像亮度调整，而且该调整过程具体可以包括S1211-S1214：
S1211：利用大津算法(简称Ostu’s)对组织信号图像ITPEF进行图像二值化处理得到ITPEF对应的二值化图像；
S1212：将ITPEF对应的二值化图像中像素值为1的像素点确定为有效像素点，并将各个有效像素点在ITPEF中的位置分别确定为ITPEF中有效像素点位置；
S1213：计算所有ITPEF中有效像素点位置上的像素值的总和SUMTPEF，并计算出第一调节系数其中，θ为预设亮度值，NTPEF为在ITPEF对应的二值化图像中存在的有效像素点的个数；
S1214：利用第一调节系数对组织信号图像ITPEF进行图像亮度调整(也就是，调整后的组织信号图像)，以使调整后的组织信号图像I′TPEF中组织区域的平均亮度调节为预设亮度值。
需要说明的是，本申请实施例不限定预设亮度值，预设亮度值可以预先设定，尤其可以预先根据用于获取待分析图像的图像采集设备的扫描参数设定。例如，预设亮度值可以为75。
S122：根据调整后的组织信号图像I′TPEF中的孔洞确定第一阈值。
孔洞是指由类血管结构、脂肪空泡和组织裂纹等形成的呈黑色的孔洞。其中，类血管结构，包括肝脏组织中的小叶静脉、小叶动脉、中央静脉和胆管等结构。组织裂纹是指非自然原因使得组织破损而形成的裂纹。脂肪空泡是指由于脂肪变性会在组织中形成脂肪滴，冲洗标本后在组织中形成一个个脂肪空泡。
第一阈值是指对I′TPEF进行图像分割时所依据的分割阈值。
本申请实施例中，在获取到调整后的组织信号图像I′TPEF之后，可以基于该I′TPEF确定第一阈值，而且第一阈值的确定过程具体包括S1221-S1224：
S1221：利用Ostu’s对调整后的组织信号图像I′TPEF进行图像二值化处理得到I′TPEF对应的二值化图像；
S1222：对I′TPEF对应的二值化图像进行图像闭运算得到第一中间图像，对I′TPEF对应的二值化图像进行图像取反运算得到第二中间图像，并对该第一中间图像和第二中间图像进行图像与运算，得到I′TPEF对应的孔洞图像；
S1223：计算I′TPEF对应的孔洞图像中各个孔洞的面积，并将面积大于预设面积阈值的各个孔洞，确定为各个目标孔洞；
S1224：将所有目标孔洞中像素点的像素值的中位数，确定为第一阈值。
需要说明的是，本申请实施例不限定预设面积阈值，例如，预设面积阈值可以为2500像素。
S123：依据第一阈值对调整后的组织信号图像I′TPEF进行图像分割，得到组织图像BWTPE和孔洞图像BWHole。
基于上述S12的相关内容可知，在获取到组织信号图像ITPEF之后，先对组织信号图像ITPEF进行亮度调整，得到调整后的组织信号图像I′TPEF，再对组织信号图像I′TPEF进行图像分割，以得到用于表征待划分组织的位置分布信息的组织图像BWTPE，以及用于表征胶原蛋白的位置分布信息的孔洞图像BWHole。
S13：根据胶原信号图像ISHG生成胶原图像BWC。
在一些情况下，因不同组织切片的标本图像亮度水平可能不同，故在对标本图像进行胶原蛋白位置提取之前，可以先进行图像亮度的调节。基于此，本申请实施例还提供了S13的一种实施方式，其具体包括S131-S134：
S131：对胶原信号图像ISHG进行图像亮度调整，得到调整后的胶原信号图像I′SHG。
本申请实施例中，在获取到胶原信号图像ISHG之后，可以对胶原信号图像ISHG进行图像亮度调整，而且该调整过程具体可以包括S1311-S1314：
S1311：利用Ostu’s对胶原信号图像ISHG进行图像二值化处理得到ISHG对应的二值化图像；
S1312：利用第一像素阈值对ISHG进行图像二值化处理得到SHG信号二值图像；
S1313：对ISHG对应的二值化图像进行图像取反得到第三中间图像；
S1314：将第三中间图像、组织图像BWTPE以及SHG信号二值图像进行图像与运算，得到SHG噪声图像BWInoise以及噪声点个数NSHGNoise；
S1315：计算所有噪声点在ISHG中像素值的总和SUMSHGNoise，并计算出第二调节系数其中，δ为预设噪声值，NSHGNoise为SHG噪声图像BWInoise中存在的噪声点个数；
S1316：利用第二调节系数对胶原信号图像ISHG进行图像亮度调整，得到调整后的胶原信号图像以使调整后的胶原信号图像I′SHG中组织区域的SHG噪声信号调节至预设噪声值。
需要说明的是，第一像素阈值可以预先设定，例如，预设像素阈值可以为1。另外，本申请实施例不限定预设噪声值，预设噪声值可以预先设定，尤其可以预先根据用于获取待分析图像的图像采集设备的图像扫描系统设定。例如，预设噪声值可以为20。
S132：利用第二像素阈值对调整后的胶原信号图像I′SHG进行图像分割，得到胶原图像BWC。
需要说明的是，第二像素阈值可以预先设定，例如，预设像素阈值可以为45。
基于上述S13的相关内容可知，在获取到胶原信号图像ISHG之后，可以先对胶原信号图像ISHG进行SHG噪声信号调节得到调整后的胶原信号图像I′SHG，再利用第二像素阈值对调整后的胶原信号图像I′SHG进行图像分割，得到胶原图像BWC。
基于上述S1的相关内容可知，在获取到待分析图像之后，可以先从该待分析图像中提取出用于表征待划分组织的位置分布信息的组织图像、用于表征孔洞目标的位置分布信息的孔洞图像、以及用于表征胶原蛋白的位置分布信息的胶原图像，以便后续能够基于这些图像进行不同组织结构的提取。
S2：根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像。
汇管区图像BWPT用于表征汇管区的位置分布信息。其中，汇管区是肝小叶结构中不可缺少的部分。
中央静脉区图像BWCV用于表征中央静脉区的位置分布信息。其中，中央静脉区为位于肝小叶中部。
纤维间隔图像BWSepta用于表征纤维间隔的位置分布信息。其中，纤维间隔是指随着组织纤维化情况加重，不同组织结构之间出现的纤维化间隔。
另外，本申请实施例不限定汇管区图像的生成过程，可以采用现有的或将来出现的任一种能够生成汇管区图像的方法进行实施。例如，汇管区图像可以参考申请号为CN201710146719.X，发明名称为“一种肝脏组织结构分类的方法及装置”的中国专利所提供的汇管区图像的获取方法。
另外，本申请实施例不限定中央静脉区图像的生成过程，可以采用现有的或将来出现的任一种能够生成中央静脉区图像的方法进行实施。例如，中央静脉区图像的生成过程可以参考申请号为CN201710146719.X，发明名称为“一种肝脏组织结构分类的方法及装置”的中国专利所提供的中央静脉区图像的获取方法。
另外，本申请实施例不限定纤维间隔图像的生成过程，可以采用现有的或将来出现的任一种能够生成纤维间隔图像的方法进行实施。例如，纤维间隔图像的生成过程可以参考申请号为CN201711446060.6，发明名称为“一种纤维间隔的识别方法及装置”的中国专利所提供的纤维间隔的获取方法。
S3：根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像。
目标融合图像用于表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息。
粗纤维间隔是指宽度超过预设宽度阈值的纤维间隔区段。其中，预设宽度阈值可以预先设定，例如，预设宽度阈值可以为40微米。
在实际情况中，对于一个纤维间隔来说，距离待划分组织越近的纤维间隔区段的宽度越大，且距离待划分组织越远的纤维间隔区段的宽度越小。例如，当一个纤维间隔的一端与汇管相连且另一端与中央静脉相连时，与汇管相连的纤维间隔区段以及与中央静脉相连的纤维间隔区段均比该纤维间隔的中间区段粗，故可以先基于纤维间隔的宽度识别与汇管或中央静脉相连的纤维间隔区段，再将与汇管相连的纤维间隔区段划分给汇管所属区域，并将与中央静脉划分给中央静脉所属区域。基于此，本申请实施例提供了S3的一种可能的实施方式，其包括S31-S33：
S31：根据纤维间隔图像和汇管区图像生成第一融合图像。
其中，第一融合图像用于表征汇管区以及与汇管相连的粗纤维间隔的位置分布信息。
本申请实施例还提供了一种生成第一融合图像的实施方式，其具体包括S311-S314：
S311：对纤维间隔图像进行图像开运算生成粗纤间隔图像。
本申请实施例中，在获取到纤维间隔图像BWSepta之后，可以对纤维间隔图像BWSepta进行图像开运算得到粗纤间隔图像BWThickSepta，以使该粗纤间隔图像BWThickSepta中包括NThickSepta个粗纤维间隔。
另外，本申请实施例不限定S311中的图像开运算，例如，对于S311中的图像开运算来说，该开运算的结构元素利用圆形结构，而且该开运算所使用的预设半径可以预先设定，尤其可以根据纤维间隔宽度确定，例如，该预设半径可以为50像素。
S312：从粗纤间隔图像中提取出至少一个粗纤维图像。
粗纤维图像包括一个粗纤维间隔，而且各个粗纤维图像是从粗纤间隔图像中生成的。
本申请实施例中，在获取到包括NThickSepta个粗纤维间隔的粗纤间隔图像BWThickSepta之后，可以从该粗纤间隔图像BWThickSepta中提取第i个粗纤维间隔对应的二值图像，作为第i个粗纤维图像其中，i＝1,…,NThickSepta。
S313：根据至少一个粗纤维图像和汇管区图像，生成第一相连图像。其中，第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息。
本申请实施例还提供了S313的一种实施方式，其具体包括S3131-S3133：
S3131：对汇管区图像BWPT进行图像膨胀，得到膨胀后的汇管区图像
本申请实施例不限定S3131中的图像膨胀过程，例如，S3131中的图像膨胀过程所使用的膨胀半径为50像素。
需要说明的是，本申请实施例不限定S3131的执行时间，只需在执行S3132之前完成执行即可。
S3132：根据至少一个粗纤维图像和膨胀后的汇管区图像生成第一相连图像。
本申请实施例中，在获取到NThickSepta个粗纤维图像和膨胀后的汇管区图像之后，首先，可以通过判断第i个粗纤维图像/>与膨胀后的汇管区图像/>是否存在相交区域，确定/>中表征的粗纤维间隔与/>中表征的汇管是否相连，其具体为：若/>与/>存在相交区域，则确定/>中表征的粗纤维间隔与/>中表征的汇管相连，则确定/>为汇管对应的目标纤段图像；若/>与/>不存在相交区域，则确定/>中表征的粗纤维间隔与中表征的汇管不相连，则舍弃/>然后，将筛选得到的各个汇管对应的目标纤段图像进行图像合并，得到第一相连图像/>以使第一相连图像能够包括包括与汇管区图像BWPT中汇管相连的粗纤维间隔。
S314：将第一相连图像先与汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
本申请实施例中，在获取到第一相连图像之后，先将第一相连图像与汇管区图像BWPT进行图像或运算，得到第四中间图像；再将第四中间图像进行图像闭运算得到第一融合图像BWPTS，以使第一融合图像BWPTS用于表征汇管区以及与汇管相连的粗纤维间隔的位置分布信息。其中，本申请实施例不限定图像闭运算，例如，图像闭运算的结构元素半径为50像素。
基于上述S31的相关内容可知，本申请实施例中，在获取到纤维间隔图像BWSepta和汇管区图像BWPT之后，可以先确定纤维间隔图像BWSepta中的各个粗纤维间隔和汇管区图像BWPT中的各个汇管是否相连，再将与汇管具有相连关系的各个粗纤维间隔和汇管区图像BWPT进行融合得到第一融合图像BWPTS，以使第一融合图像BWPTS能够准确地表征汇管区以及与汇管相连的粗纤维间隔的位置分布信息。
S32：根据纤维间隔图像和中央静脉区图像生成第二融合图像。
其中，第二融合图像用于表征中央静脉区以及与中央静脉相连的粗纤维间隔的位置分布信息。
本申请实施例还提供了一种生成第二融合图像的实施方式，其具体包括S321-S324：
S321：对纤维间隔图像进行图像开运算生成粗纤间隔图像。
需要说明的是，S321的内容与S311的内容相同，为了简要起见，在此不再赘述。
S322：从粗纤间隔图像中提取出至少一个粗纤维图像。
需要说明的是，S322的内容与S312的内容相同，为了简要起见，在此不再赘述。
S323：根据至少一个粗纤维图像和中央静脉区图像，生成第二相连图像。其中，第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息。
需要说明的是，S323中“生成第二相连图像”的实施方式与S313中的“生成第一相连图像”的实施方式类似，只需将S313中提供的“生成第一相连图像”的任一种可能的实施方式中的“汇管区图像BWPT”替换为“中央静脉区图像BWCV”，以及“汇管区图像”替换为“中央静脉区图像/>”即可。为了简要起见，在此不再赘述。
S324：将第二相连图像先与中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
本申请实施例中，在获取到第二相连图像之后，先将第二相连图像与中央静脉区图像BWCV进行图像或运算，得到第五中间图像；再将第五中间图像进行图像闭运算得到第二融合图像BWCVS，以使第二融合图像BWCVS用于表征中央静脉区以及与中央静脉相连的粗纤维间隔的位置分布信息。其中，本申请实施例不限定图像闭运算，例如，图像闭运算的结构元素半径为50像素。
基于上述S32的相关内容可知，本申请实施例中，在获取到纤维间隔图像BWSepta和中央静脉区图像BWCV之后，可以先确定纤维间隔图像BWSepta中的各个粗纤维间隔和中央静脉区图像BWCV中的各个中央静脉是否相连，再将与中央静脉具有相连关系的各个粗纤维间隔和中央静脉区图像BWCV进行融合得到第二融合图像BWCVS，以使第二融合图像BWCVS能够准确地表征中央静脉区以及与中央静脉相连的粗纤维间隔的位置分布信息。
S33：将第一融合图像和第二融合图像进行图像合并，得到目标融合图像。
本申请实施例中，在获取到第一融合图像BWPTS和第二融合图像BWCVS之后，可以合并第一融合图像BWPTS和第二融合图像BWCVS，得到目标融合图像BWPTCV，以使目标融合图像BWPTCV能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息。
S4：对目标融合图像进行区域划分得到第一区域和第三区域。
第一区域用于表征汇管所属区域，尤其可以表征汇管及其周围所属区域。例如，第一区域可以包括汇管区、汇管周区域以及与汇管相连的粗纤维间隔。需要说明的是，在本申请实施例中，若汇管区内的汇管不与任何纤维间隔相连，则包括该汇管区的第一区域内不包括与汇管相连的粗纤维间隔；若汇管区内的汇管与至少一个纤维间隔相连，则包括该汇管区的第一区域内包括与汇管相连的粗纤维间隔。需要说明的是，在说明书附图部分中，将在各个附图中利用“区域一”作为第一区域的标识(如图1所示)。
第三区域用于表征中央静脉所属区域，尤其可以表征中央静脉及其周围所属区域。例如，第三区域可以包括中央静脉区、中央静脉周区域以及与中央静脉相连的粗纤维间隔。需要说明的是，在本申请实施例中，若中央静脉区内的中央静脉不与任何纤维间隔相连，则包括该中央静脉区的第一区域内不包括与中央静脉相连的粗纤维间隔；若中央静脉区内的中央静脉与至少一个纤维间隔相连，则包括该中央静脉区的第一区域内包括与中央静脉相连的粗纤维间隔。需要说明的是，在说明书附图部分中，将在各个附图中利用“区域三”作为第三区域的标识(如图3所示)。
在一些情况下，不同组织结构(如汇管与汇管、中央静脉与中央静脉、以及汇管与中央静脉)之间距离较近(如图3所示)，为了能够准确地对这些距离较近的不同组织结构进行区域划分，本申请实施例还提供了S4的一种实施方式，其具体包括S41-S43：
S41：对目标融合图像进行图像膨胀得到目标膨胀图像。
本申请实施例中，在获取到目标融合图像BWPTCV之后，可以将目标融合图像BWPTCV进行图像膨胀得到目标膨胀图像BWRegion，以使在目标膨胀图像BWRegion中能够将汇管区和汇管周区域进行连通，以便后续能够直接将汇管区及其汇管周区域划分至同一个区域内(如图4所示)；也使在目标膨胀图像BWRegion中能够将中央静脉区与中央静脉周区域进行连通，以便后续能够直接将中央静脉区及其中央静脉周区域分至同一个区域内(如图4所示)。
另外，在S41的图像膨胀过程中，膨胀半径可以预先设定，尤其可以由汇管周区域的范围以及中央静脉周区域的范围确定。例如，当汇管周围250像素的部分为汇管周区域，中央静脉周围250像素的部分为中央静脉周区域时，膨胀半径可以为250像素。
S42：将目标膨胀图像进行图像分割得到目标分割图像。
本申请实施例不限定S42中的图像分割过程，可以采用现有的或将来出现的任一种图像分割方法进行实施。
另外，对于某些距离较近的汇管或中央静脉来说，膨胀后的区域会有重叠，故可以采用分水岭算法对其进行图像分割得到目标分割图像基于此，本申请实施例还提供了S42的一种实施方式，其具体为：当目标膨胀图像BWRegion包括Nregion个连通域时，若第i个连通域/>包括1个目标对象(目标对象可以是汇管或中央静脉)，则确定第i个连通域/>无需进行分割；若第i个连通域/>包括至少两个，则将各个目标对象作为分水岭算法的标记位置，并利用分水岭算法对第i个连通域/>进行区域分割，以使分割得到的区域个数与第i个连通域/>中存在的目标对象个数相同(如图5所示)；其中，i为正整数，且i≤Nregion。如此能够准确地得到目标分割图像
S43：根据目标分割图像确定第一区域和第三区域。
本申请实施例中，在获取到目标分割图像之后，可以将目标分割图像中包含汇管的连通区域确定为第一区域，并将目标分割图像/>中包含中央静脉的连通区域确定为第三区域。
基于上述S4的相关内容可知，本申请实施例中，在获取到目标融合图像BWPTCV之后，可以先将目标融合图像BWPTCV进行图形膨胀得到目标膨胀图像BWRegion，以使在目标膨胀图像BWRegion中各个汇管区及其汇管周区域成为同一个连通区域，且各个中央静脉区及其中央静脉周区域成为同一个连通区域；再将目标膨胀图像BWRegion进行图像分割，以使分割得到的目标分割图像中的每个连通区域只包括一个汇管或一个中央静脉，从而使得基于目标分割图像/>确定的第一区域和第三区域更准确。
基于上述S1至S4的相关内容可知，在本申请实施例提供的区域划分方法中，在根据待分析图像生成组织图像、孔洞图像和胶原图像之后，先根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；再根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像，并对目标融合图像进行区域划分得到第一区域和第三区域。其中，组织图像用于表征待划分组织的位置分布信息，孔洞图像用于表征孔洞目标的位置分布信息，胶原图像用于表征胶原蛋白的位置分布信息；汇管区图像用于表征汇管区的位置分布信息，中央静脉区图像用于表征中央静脉区的位置分布信息，纤维间隔图像用于表征纤维间隔的位置分布信息；第一区域包括汇管区、汇管周区域以及与汇管相连的粗纤维间隔，第三区域包括中央静脉区、中央静脉周区域以及与中央静脉相连的粗纤维间隔。
可见，因目标融合图像能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息，使得基于目标融合图像进行区域划分时，不仅能够将汇管区和中央静脉区划分开，还能够将纤维间隔划分到相应的区域，具体为：将与汇管相连的粗纤维间隔划分至汇管区所属区域，并将与中央静脉相连的粗纤维间隔划分至中央静脉区所属区域，如此实现了对待划分组织中存在的纤维间隔的准确划分，从而提高了对病理图像中的待划分组织进行区域划分的准确性。
在一些情况下，本申请实施例还可以基于确定出的第一区域和第三区域进一步确定出用于表征待划分组织中除了第一区域和第三区域以外的第二区域。基于此，本申请实施例还提供了区域划分方法的一种实施方式，在该实施方式中，区域划分方法除了包括上述S1-S4以外，还包括S5：
S5：根据组织图像和目标分割图像确定第二区域。
其中，第二区域用于表征待划分组织中除了第一区域和第三区域以外的其他区域(如图6和图7中所示的区域二)，而且第二区域包括待划分组织中除了第一区域和第三区域以外的区域。需要说明的是，在说明书附图部分中，将在各个附图中利用“区域二”作为第二区域的标识(如图1所示)。
本申请实施例还提供了一种确定第二区域的实施方式，其具体包括S51-S54：
S51：对组织图像进行图像填充，得到目标填充图像。
在一些情况下，因组织图像BWTPE中存在一些小黑点，为了避免这些小黑点导致的不良影响，可以对组织图像BWTPE进行图像填充，以使填充得到的目标填充图像中几乎不存在这些小黑点，如此能够使得目标填充图像/>能够克服这些小黑点导致的不良影响。需要说明的是，本申请实施例不限定图像填充，可以采用现有的或将来出现的任一种能够实现图像填充的方法进行实施。
S52：将目标分割图像进行图像取反运算，得到待排除图像。
S53：将目标填充图像与待排除图像进行图像与运算，得到排除后图像。
S54：根据排除后图像确定第二区域。
本申请实施例中，在获取到目标填充图像之后，可以先对目标分割图像/>进行图像取反运算得到待排除图像/>再利用目标填充图像/>与待排除图像/>进行图像与运算得到排除后图像，以使排除后图像中不包括目标分割图像/>中所表征的组织区域；最后，根据排除后图像确定第二区域，以使第二区域能够表征待划分组织中除了第一区域和第三区域以外的其他区域(如图6和图7中所示的区域二)。
基于上述S5的相关内容可知，本申请实施例能够不仅能够从待分析图像中确定出汇管对应的第一区域以及中央静脉对应的第三区域，还能够从待分析图像中确定出待划分组织中除了第一区域和第三区域以外的其他区域对应的第二区域，如此能够有利于提高区域划分的准确性。
基于上述方法实施例提供的区域划分方法，本申请实施例还提供了一种区域划分装置，下面结合附图进行解释和说明。
装置实施例
装置实施例提供的区域划分装置的技术详情，请参照上述方法实施例。
参见图8，该图为本申请实施例提供的一种区域划分装置的结构示意图。
本申请实施例提供的区域划分装置800，包括：
第一生成单元801，用于根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
第二生成单元802，用于根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
第三生成单元803，用于根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
第一确定单元804，用于对所述目标融合图像进行区域划分，得到第一区域和第三区域；其中，所述第一区域包括汇管区、汇管周区域以及所述与汇管相连的粗纤维间隔，所述第三区域包括中央静脉区、中央静脉周区域以及所述与中央静脉相连的粗纤维间隔。
可选的，所述第三生成单元803，包括：
第一生成子单元，用于根据所述纤维间隔图像和所述汇管区图像生成第一融合图像；其中，所述第一融合图像用于表征所述汇管区以及所述与汇管相连的粗纤维间隔的位置分布信息；
第二生成子单元，用于根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像；其中，所述第二融合图像用于表征所述中央静脉区以及所述与中央静脉相连的粗纤维间隔的位置分布信息；
第一合并子单元，用于将所述第一融合图像和所述第二融合图像进行图像合并，得到目标融合图像。
可选的，所述第一生成子单元，具体用于：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；从所述粗纤间隔图像中提取出至少一个粗纤维图像；根据所述至少一个粗纤维图像和所述汇管区图像，生成第一相连图像；其中，所述第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息；将所述第一相连图像先与所述汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
可选的，所述第二生成子单元，具体用于：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；从所述粗纤间隔图像中提取出至少一个粗纤维图像；根据所述至少一个粗纤维图像和所述中央静脉区图像，生成第二相连图像；其中，所述第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息；将所述第二相连图像先与所述中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
可选的，所述第一确定单元804，具体包括：
第一确定子单元，用于对所述目标融合图像进行图像膨胀得到目标膨胀图像；
第二确定子单元，用于将所述目标膨胀图像进行图像分割得到目标分割图像；
第三确定子单元，用于根据所述目标分割图像确定所述第一区域和第三区域。
可选的，所述区域划分装置800还包括：
第二确定单元，用于根据所述组织图像和所述目标分割图像确定第二区域；其中，所述第二区域包括待划分组织中除了所述第一区域和所述第三区域以外的区域。
可选的，所述第二确定单元，具体包括：
第四确定子单元，用于对所述组织图像进行图像填充，得到目标填充图像；
第五确定子单元，用于将所述目标分割图像进行图像取反运算，得到待排除图像；
第六确定子单元，用于将所述目标填充图像与所述待排除图像进行图像与运算，得到排除后图像；
第七确定子单元，用于根据所述排除后图像确定所述第二区域。
基于上述区域划分装置800的相关内容可知，在根据待分析图像生成组织图像、孔洞图像和胶原图像之后，先根据组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；再根据汇管区图像、中央静脉区图像和纤维间隔图像，生成目标融合图像，并对目标融合图像进行区域划分得到第一区域和第三区域。其中，组织图像用于表征待划分组织的位置分布信息，孔洞图像用于表征孔洞目标的位置分布信息，胶原图像用于表征胶原蛋白的位置分布信息；汇管区图像用于表征汇管区的位置分布信息，中央静脉区图像用于表征中央静脉区的位置分布信息，纤维间隔图像用于表征纤维间隔的位置分布信息；第一区域包括汇管区、汇管周区域以及与汇管相连的粗纤维间隔，第三区域包括中央静脉区、中央静脉周区域以及与中央静脉相连的粗纤维间隔。
可见，因目标融合图像能够表征汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息，使得基于目标融合图像进行区域划分时，不仅能够将汇管区和中央静脉区划分开，还能够将纤维间隔划分到相应的区域，具体为：将与汇管相连的粗纤维间隔划分至汇管区所属区域，并将与中央静脉相连的粗纤维间隔划分至中央静脉区所属区域，如此实现了对待划分组织中存在的纤维间隔的准确划分，从而提高了对病理图像中的待划分组织进行区域划分的准确性。
基于上述方法实施例提供的区域划分方法，本申请实施例还提供了一种设备，下面结合附图进行解释和说明。
设备实施例
设备实施例提供的设备技术详情，请参照上述方法实施例。
参见图9，该图为本申请实施例提供的设备结构示意图。
本申请实施例提供的设备900，包括：处理器901以及存储器902；
所述存储器902用于存储计算机程序；
所述处理器901用于根据所述计算机程序执行上述方法实施例提供的区域划分方法的任一实施方式。也就是说，处理器901用于执行以下步骤：
根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
对所述目标融合图像进行区域划分得到第一区域和第三区域；其中，所述第一区域用于表征汇管所属区域，所述第三区域用于表征中央静脉所属区域。
可选的，所述根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像，包括：
根据所述纤维间隔图像和所述汇管区图像生成第一融合图像；其中，所述第一融合图像用于表征所述汇管区以及所述与汇管相连的粗纤维间隔的位置分布信息；
根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像；其中，所述第二融合图像用于表征所述中央静脉区以及所述与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第一融合图像和所述第二融合图像进行图像合并，得到目标融合图像。
可选的，所述根据所述纤维间隔图像和所述汇管区图像生成第一融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述汇管区图像，生成第一相连图像；其中，所述第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息；
将所述第一相连图像先与所述汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
可选的，所述根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述中央静脉区图像，生成第二相连图像；其中，所述第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第二相连图像先与所述中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
可选的，所述对所述目标融合图像进行区域划分得到第一区域和第三区域，具体为：
对所述目标融合图像进行图像膨胀得到目标膨胀图像；
将所述目标膨胀图像进行图像分割得到目标分割图像；
根据所述目标分割图像确定所述第一区域和第三区域。
可选的，所述方法还包括：
根据所述组织图像和所述目标分割图像确定第二区域；其中，所述第二区域包括待划分组织中除了所述第一区域和所述第三区域以外的区域。
可选的，所述根据所述组织图像和所述目标分割图像确定第二区域，具体为：
对所述组织图像进行图像填充，得到目标填充图像；
将所述目标分割图像进行图像取反运算，得到待排除图像；
将所述目标填充图像与所述待排除图像进行图像与运算，得到排除后图像；
根据所述排除后图像确定所述第二区域。
以上为本申请实施例提供的设备900的相关内容。
基于上述方法实施例提供的区域划分方法，本申请实施例还提供了一种计算机可读存储介质。
介质实施例
介质实施例提供的计算机可读存储介质的技术详情，请参照方法实施例。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方法实施例提供的区域划分方法的任一实施方式。也就是说，该计算机程序用于执行以下步骤：
根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
对所述目标融合图像进行区域划分得到第一区域和第三区域；其中，所述第一区域用于表征汇管所属区域，所述第三区域用于表征中央静脉所属区域。
可选的，所述根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像，包括：
根据所述纤维间隔图像和所述汇管区图像生成第一融合图像；其中，所述第一融合图像用于表征所述汇管区以及所述与汇管相连的粗纤维间隔的位置分布信息；
根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像；其中，所述第二融合图像用于表征所述中央静脉区以及所述与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第一融合图像和所述第二融合图像进行图像合并，得到目标融合图像。
可选的，所述根据所述纤维间隔图像和所述汇管区图像生成第一融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述汇管区图像，生成第一相连图像；其中，所述第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息；
将所述第一相连图像先与所述汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
可选的，所述根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述中央静脉区图像，生成第二相连图像；其中，所述第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第二相连图像先与所述中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
可选的，所述对所述目标融合图像进行区域划分得到第一区域和第三区域，具体为：
对所述目标融合图像进行图像膨胀得到目标膨胀图像；
将所述目标膨胀图像进行图像分割得到目标分割图像；
根据所述目标分割图像确定所述第一区域和第三区域。
可选的，所述方法还包括：
根据所述组织图像和所述目标分割图像确定第二区域；其中，所述第二区域包括待划分组织中除了所述第一区域和所述第三区域以外的区域。
可选的，所述根据所述组织图像和所述目标分割图像确定第二区域，具体为：
对所述组织图像进行图像填充，得到目标填充图像；
将所述目标分割图像进行图像取反运算，得到待排除图像；
将所述目标填充图像与所述待排除图像进行图像与运算，得到排除后图像；
根据所述排除后图像确定所述第二区域。
以上为本申请实施例提供的计算机可读存储介质的相关内容。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (10)

1.一种区域划分方法，其特征在于，包括：
根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
对所述目标融合图像进行区域划分得到第一区域和第三区域；其中，所述第一区域包括所述汇管区、汇管周区域以及所述与汇管相连的粗纤维间隔，所述第三区域包括所述中央静脉区、中央静脉周区域以及所述与中央静脉相连的粗纤维间隔。
2.根据权利要求1所述的方法，其特征在于，所述根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像，包括：
根据所述纤维间隔图像和所述汇管区图像生成第一融合图像；其中，所述第一融合图像用于表征所述汇管区以及所述与汇管相连的粗纤维间隔的位置分布信息；
根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像；其中，所述第二融合图像用于表征所述中央静脉区以及所述与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第一融合图像和所述第二融合图像进行图像合并，得到目标融合图像。
3.根据权利要求2所述的方法，其特征在于，所述根据所述纤维间隔图像和所述汇管区图像生成第一融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维间隔图像；
根据所述至少一个粗纤维间隔图像和所述汇管区图像，生成第一相连图像；其中，所述第一相连图像用于表征与汇管相连的粗纤维间隔的位置分布信息；
将所述第一相连图像先与所述汇管区图像进行图像或运算再进行图像闭运算，得到第一融合图像。
4.根据权利要求2所述的方法，其特征在于，所述根据所述纤维间隔图像和所述中央静脉区图像生成第二融合图像，具体为：
对所述纤维间隔图像进行图像开运算生成粗纤间隔图像；
从所述粗纤间隔图像中提取出至少一个粗纤维图像；
根据所述至少一个粗纤维图像和所述中央静脉区图像，生成第二相连图像；其中，所述第二相连图像用于表征与中央静脉相连的粗纤维间隔的位置分布信息；
将所述第二相连图像先与所述中央静脉区图像进行图像或运算再进行图像闭运算，得到第二融合图像。
5.根据权利要求1所述的方法，其特征在于，所述对所述目标融合图像进行区域划分得到第一区域和第三区域，具体为：
对所述目标融合图像进行图像膨胀得到目标膨胀图像；
将所述目标膨胀图像进行图像分割得到目标分割图像；
根据所述目标分割图像确定所述第一区域和第三区域。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述组织图像和所述目标分割图像确定第二区域；其中，所述第二区域包括待划分组织中除了所述第一区域和所述第三区域以外的区域。
7.根据权利要求6所述的方法，其特征在于，所述根据所述组织图像和所述目标分割图像确定第二区域，具体为：
对所述组织图像进行图像填充，得到目标填充图像；
将所述目标分割图像进行图像取反运算，得到待排除图像；
将所述目标填充图像与所述待排除图像进行图像与运算，得到排除后图像；
根据所述排除后图像确定所述第二区域。
8.一种区域划分装置，其特征在于，包括：
第一生成单元，用于根据待分析图像生成组织图像、孔洞图像和胶原图像；其中，所述组织图像用于表征待划分组织的位置分布信息，所述孔洞图像用于表征孔洞目标的位置分布信息，所述胶原图像用于表征胶原蛋白的位置分布信息；
第二生成单元，用于根据所述组织图像、孔洞图像和胶原图像，生成汇管区图像、中央静脉区图像和纤维间隔图像；其中，所述汇管区图像用于表征汇管区的位置分布信息，所述中央静脉区图像用于表征中央静脉区的位置分布信息，所述纤维间隔图像用于表征纤维间隔的位置分布信息；
第三生成单元，用于根据所述汇管区图像、所述中央静脉区图像和所述纤维间隔图像，生成目标融合图像；其中，所述目标融合图像用于表征所述汇管区、与汇管相连的粗纤维间隔、与中央静脉相连的粗纤维间隔、以及中央静脉区的位置分布信息；
第一确定单元，用于对所述目标融合图像进行区域划分，得到第一区域和第三区域；其中，所述第一区域包括所述汇管区、汇管周区域以及所述与汇管相连的粗纤维间隔，所述第三区域包括所述中央静脉区、中央静脉周区域以及所述与中央静脉相连的粗纤维间隔。
9.一种设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储计算机程序；
所述处理器用于根据所述计算机程序执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-7中任一项所述的方法。
CN202010616368.6A 2020-06-30 2020-06-30 一种区域划分方法及相关设备 Active CN111667482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010616368.6A CN111667482B (zh) 2020-06-30 2020-06-30 一种区域划分方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010616368.6A CN111667482B (zh) 2020-06-30 2020-06-30 一种区域划分方法及相关设备

Publications (2)

Publication Number Publication Date
CN111667482A CN111667482A (zh) 2020-09-15
CN111667482B true CN111667482B (zh) 2023-08-22

Family

ID=72390804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010616368.6A Active CN111667482B (zh) 2020-06-30 2020-06-30 一种区域划分方法及相关设备

Country Status (1)

Country Link
CN (1) CN111667482B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107895368A (zh) * 2017-11-24 2018-04-10 北京大学人民医院 Shg/tpef图像中的参数作为成人或儿童的肝纤维化的分期特征参数的应用
CN108074242A (zh) * 2018-01-29 2018-05-25 北京大学人民医院 一种炎症识别方法及装置
CN108198170A (zh) * 2017-12-27 2018-06-22 杭州筹图科技有限公司 一种纤维间隔的识别方法及装置
CN108185990A (zh) * 2017-12-28 2018-06-22 杭州筹图科技有限公司 一种连接pt和cv的纤维间隔的识别方法及装置
CN108230387A (zh) * 2017-12-29 2018-06-29 杭州筹图科技有限公司 一种纤维间隔特征量化的方法及装置
CN108573267A (zh) * 2017-03-13 2018-09-25 杭州筹图科技有限公司 一种肝脏组织结构分类的方法及装置
CN110517268A (zh) * 2019-08-29 2019-11-29 中国科学院深圳先进技术研究院 病理图像处理方法、装置、图像分析系统及存储介质
CN110599485A (zh) * 2019-09-19 2019-12-20 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG184389A1 (en) * 2010-03-31 2012-10-30 Agency Science Tech & Res A method and system for determining a stage of fibrosis in a liver
US9710908B2 (en) * 2013-01-08 2017-07-18 Agency For Science, Technology And Research Method and system for assessing fibrosis in a tissue

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573267A (zh) * 2017-03-13 2018-09-25 杭州筹图科技有限公司 一种肝脏组织结构分类的方法及装置
CN107895368A (zh) * 2017-11-24 2018-04-10 北京大学人民医院 Shg/tpef图像中的参数作为成人或儿童的肝纤维化的分期特征参数的应用
CN108198170A (zh) * 2017-12-27 2018-06-22 杭州筹图科技有限公司 一种纤维间隔的识别方法及装置
CN108185990A (zh) * 2017-12-28 2018-06-22 杭州筹图科技有限公司 一种连接pt和cv的纤维间隔的识别方法及装置
CN108230387A (zh) * 2017-12-29 2018-06-29 杭州筹图科技有限公司 一种纤维间隔特征量化的方法及装置
CN108074242A (zh) * 2018-01-29 2018-05-25 北京大学人民医院 一种炎症识别方法及装置
CN110517268A (zh) * 2019-08-29 2019-11-29 中国科学院深圳先进技术研究院 病理图像处理方法、装置、图像分析系统及存储介质
CN110599485A (zh) * 2019-09-19 2019-12-20 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Nishant Jain,et al..Liver Ultrasound Image Segmentation Using Region-Difference Filters.《Journal of Digital Imaging》.2016,全文. *

Also Published As

Publication number Publication date
CN111667482A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
JP7458328B2 (ja) マルチ分解能登録を介したマルチサンプル全体スライド画像処理
CN109871735B (zh) 图像解析方法、装置及学习完了深层学习算法的制造方法
CN112435243A (zh) 一种全切片数字病理图像的自动分析系统及方法
US9355445B2 (en) Breast cancer pathological image diagnosis support system, breast cancer pathological image diagnosis support method, and recording medium recording breast cancer pathological image diagnosis support program
US11538261B2 (en) Systems and methods for automated cell segmentation and labeling in immunofluorescence microscopy
JP5804220B1 (ja) 画像処理装置および画像処理プログラム
JP6791245B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
Lenzen et al. Automatic detection of arcs and arclets formed by gravitational lensing
Liu et al. Automated image segmentation of haematoxylin and eosin stained skeletal muscle cross‐sections
CN112419295A (zh) 医学图像处理方法、装置、计算机设备和存储介质
CN108230387B (zh) 一种纤维间隔特征量化的方法及装置
CN115760858B (zh) 基于深度学习的肾脏病理切片细胞识别方法及系统
CN105787870A (zh) 一种图形图像拼接融合系统
US11449991B2 (en) Image processing method, image processing apparatus, and storage medium
CN111667482B (zh) 一种区域划分方法及相关设备
CN108198170B (zh) 一种纤维间隔的识别方法及装置
WO2022000220A1 (zh) 一种区域划分方法及相关设备
JP6246978B2 (ja) 線維化を検出及び定量化する方法
CN108446603A (zh) 一种新闻标题检测方法及装置
CN109003255B (zh) 荧光原位杂交图像的细胞核分割方法及系统
Novas et al. A new method for automated identification and morphometry of myelinated fibers through light microscopy image analysis
Jiménez et al. Image quality metrics applied to digital pathology
WO2022124007A1 (ja) オブジェクト分類装置、オブジェクト分類システム及びオブジェクト分類方法
JP7254283B2 (ja) 閾値決定方法、画像処理方法、標本画像の評価方法、コンピュータプログラムおよび記録媒体
CN110223307B (zh) 一种基于图像识别的血液细胞计数方法

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