CN113643291B - 食管标志物浸润深度等级确定方法、装置及可读存储介质 - Google Patents

食管标志物浸润深度等级确定方法、装置及可读存储介质 Download PDF

Info

Publication number
CN113643291B
CN113643291B CN202111195227.2A CN202111195227A CN113643291B CN 113643291 B CN113643291 B CN 113643291B CN 202111195227 A CN202111195227 A CN 202111195227A CN 113643291 B CN113643291 B CN 113643291B
Authority
CN
China
Prior art keywords
image
esophageal
marker
preset
color feature
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
CN202111195227.2A
Other languages
English (en)
Other versions
CN113643291A (zh
Inventor
于红刚
张丽辉
姚理文
罗任权
卢姿桦
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.)
Wuhan Endoangel Medical Technology Co Ltd
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202111195227.2A priority Critical patent/CN113643291B/zh
Publication of CN113643291A publication Critical patent/CN113643291A/zh
Application granted granted Critical
Publication of CN113643291B publication Critical patent/CN113643291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • 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
    • G06T2207/30092—Stomach; Gastric
    • 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
    • G06T2207/30096—Tumor; Lesion

Landscapes

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

Abstract

本申请提供一种食管标志物浸润深度等级确定方法、装置及可读存储介质，该方法包括：获取待分析的第一食管粘膜图像；对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定目标食管粘膜图像的代表性颜色特征；基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级。本申请实施例实现了食管标志物浸润深度等级的自动化识别，并提高了识别效率和识别准确率。

Description

食管标志物浸润深度等级确定方法、装置及可读存储介质
技术领域
本申请涉及图像处理技术领域，具体涉及一种食管标志物浸润深度等级确定方法、装置及可读存储介质。
背景技术
食道癌是世界范围内第八大最常见的癌症类型，也是第六大癌症死亡原因。我国是食管癌(EC)的高危国家，占全球食管癌负担的50%左右。
内镜下治疗早期食管癌相较传统外科手术，具有创伤小、预后好、并发症少等优势，已被广泛应用于早期食管癌的治疗。根据日本和欧洲协会指南，上皮（Epithelium,EP)、固有肌层（Lamina propria mucosa,LPM)）及黏膜肌层(Muscularis mucosa,MM）和黏膜下癌浸润深度200μm以内（SM1）的肿瘤转移风险相对较低（＜10%），可以进行内镜下切除。而食管肿瘤外科切除主要针对黏膜下癌浸润深度超过200μm（SM2及更深）的食管癌，其肿瘤转移风险增加到了25%以上，需接受外科手切除并清扫淋巴结，以实现肿瘤根治。因此，内镜医师需要内镜下对食管病灶进行准确的浸润深度检测，以选择正确的术式对患者进行治疗，减轻健康负担，获取更好的预后。
然而，对食管病灶进行准确的浸润深度检测，对内镜医师的资历具有一定的要求，在当前医资不足的情况下，如何有效提高内镜下对食管病灶进行准确的浸润深度检测的效率和准确率，是当前亟需解决的技术问题。
发明内容
本申请提供一种食管标志物浸润深度等级确定方法、装置及可读存储介质，旨在解决如何有效提高内镜下对食管病灶进行准确的浸润深度检测的效率和准确率。
一方面，本申请提供一种食管标志物浸润深度等级确定方法，所述方法包括：
获取待分析的第一食管粘膜图像；
对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；
确定所述目标食管粘膜图像的代表性颜色特征；
基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，所述预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
所述基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级，包括：
分别计算所述预设个核颜色特征中的每个核颜色特征与所述代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离；
从所述预设个欧式距离中，选取最小距离的目标欧式距离；
确定与所述目标欧式距离对应的目标核颜色特征；
将与所述目标核颜色特征对应的食管标志物浸润深度等级，确定为与所述第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，在基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级之前，所述方法还包括：
获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集；
将所述第一食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集；
分别计算所述预设个第一食管标志物图像子样本集中的每个食管标志物图像子样本集对应的核颜色特征，得到与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
基于所述预设个核颜色特征，构建所述预设的标准颜色特征库。
在本申请一种可能的实现方式中，在基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级之后，所述方法还包括：
获取第二时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第二食管标志物图像样本集；
将所述第二食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第二食管标志物图像子样本集；
基于所述第一食管标志物图像样本集、所述第二食管标志物图像子样本集以及预设的校准模型，对所述预设的标准颜色特征库中的每个核颜色特征进行校准。
在本申请一种可能的实现方式中，所述确定所述目标食管粘膜图像的代表性颜色特征，包括：
获取所述目标食管粘膜图像中的初级颜色特征集；
剔除所述初级颜色特征集中的黑色颜色特征，得到中级颜色特征集；
计算所述中级颜色特征集中每种颜色特征对应的三通道像素的均值；
选取所述中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为所述目标食管粘膜图像的代表性颜色特征。
在本申请一种可能的实现方式中，所述对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像，包括：
判断所述第一食管粘膜图像是否满足预设图像规格要求；
若不满足，则将所述第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像；
对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像；
调整所述第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像。
在本申请一种可能的实现方式中，所述对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像，包括：
将所述第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图；
对所述第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图；
将所述滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
另一方面，本申请提供一种食管标志物浸润深度等级确定装置，所述装置包括：
第一获取单元，用于获取待分析的第一食管粘膜图像；
第一图像预处理单元，用于对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；
第一确定单元，用于确定所述目标食管粘膜图像的代表性颜色特征；
第二确定单元，用于基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，所述预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
所述第二确定单元，具体用于：
分别计算所述预设个核颜色特征中的每个核颜色特征与所述代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离；
从所述预设个欧式距离中，选取最小距离的目标欧式距离；
确定与所述目标欧式距离对应的目标核颜色特征；
将与所述目标核颜色特征对应的食管标志物浸润深度等级，确定为与所述第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，所述装置还用于：
获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集；
将所述第一食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集；
分别计算所述预设个第一食管标志物图像子样本集中的每个食管标志物图像子样本集对应的核颜色特征，得到与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
基于所述预设个核颜色特征，构建所述预设的标准颜色特征库。
在本申请一种可能的实现方式中，所述装置还用于：
获取第二时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第二食管标志物图像样本集；
将所述第二食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第二食管标志物图像子样本集；
基于所述第一食管标志物图像样本集、所述第二食管标志物图像子样本集以及预设的校准模型，对所述预设的标准颜色特征库中的每个核颜色特征进行校准。
在本申请一种可能的实现方式中，所述第一确定单元，具体用于：
获取所述目标食管粘膜图像中的初级颜色特征集；
剔除所述初级颜色特征集中的黑色颜色特征，得到中级颜色特征集；
计算所述中级颜色特征集中每种颜色特征对应的三通道像素的均值；
选取所述中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为所述目标食管粘膜图像的代表性颜色特征。
在本申请一种可能的实现方式中，所述第一图像预处理单元，具体用于：
判断所述第一食管粘膜图像是否满足预设图像规格要求；
若不满足，则将所述第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像；
对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像；
调整所述第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像。
在本申请一种可能的实现方式中，所述装置还用于：
将所述第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图；
对所述第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图；
将所述滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
另一方面，本申请还提供一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的食管标志物浸润深度等级确定方法。
另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的食管标志物浸润深度等级确定方法中的步骤。
本申请通过先获取待分析的第一食管粘膜图像；然后对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；再确定所述目标食管粘膜图像的代表性颜色特征；最终基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级，实现了食管标志物浸润深度等级的自动化识别，并且，由于通过将图像的颜色特征和食管标志物浸润深度进行量化，从而提高了识别效率和识别准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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的一些实施例，对于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。
图1是本申请实施例提供的食管标志物浸润深度等级确定系统的场景示意图；
图2是本申请实施例中提供的食管标志物浸润深度等级确定方法的一个实施例流程示意图；
图3是本申请实施例中步骤202的一个实施例流程示意图；
图4是本申请实施例中步骤303的一个实施例流程示意图；
图5是本申请实施例中步骤203的一个实施例流程示意图；
图6是本申请实施例中提供的构建预设的标准颜色特征库的一个实施例流程示意图；
图7是本申请实施例中步骤204的一个实施例流程示意图；
图8是本申请实施例中提供的对预设的标准颜色特征库中的核颜色特征进行校准的一个实施例流程示意图；
图9是本申请实施例中提供的食管标志物浸润深度等级确定装置的一个实施例结构示意图；
图10是本申请实施例提供的计算机设备一个实施例结构示意图；
图11是本申请实施例中提供的边界填充式图像缩放效果图；
图12是本申请实施例中提供的调色板控制效果图；
图13是本申请实施例中提供的颜色主成分分析示意图。
具体实施方式
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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“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。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，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申请。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申请的描述变得晦涩。因此，本申请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。
本申请实施例提供一种食管标志物浸润深度等级确定方法、装置及可读存储介质，以下分别进行详细说明。
如图1所示，图1是本申请实施例提供的食管标志物浸润深度等级确定系统的场景示意图，该食管标志物浸润深度等级确定系统可以包括多个终端100和服务器200，终端100和服务器200网络连接，服务器200中集成有食管标志物浸润深度等级确定装置，如图1中的服务器，终端100可以访问服务器200。
本申请实施例中服务器200主要用于获取待分析的第一食管粘膜图像；对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定所述目标食管粘膜图像的代表性颜色特征；基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级。
本申请实施例中，该服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如本申请实施例中所描述的服务器200，其包括但不限于计算机、网络终端、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。本申请的实施例中，服务器与终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）、长期演进（Long Term Evolution，LTE)、全球互通微波访问（Worldwide Interoperability for Microwave Access，WiMAX）的移动通信，或基于TCP/IP协议族（TCP/IP Protocol Suite，TCP/IP）、用户数据报协议（User Datagram Protocol，UDP）的计算机网络通信等。
可以理解的是，本申请实施例中所使用的终端100可以是既包括接收和发射硬件的设备，既具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案的一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的终端，或者服务器网络连接关系，例如图1中仅示出1个服务器和2个终端。可以理解的，该食管标志物浸润深度等级确定系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。
另外，如图1所示，该食管标志物浸润深度等级确定系统还可以包括存储器300，用于存储数据，如存储用户食管粘膜图像和食管标志物浸润深度等级确定数据，例如食管标志物浸润深度等级确定系统运行时的食管标志物浸润深度等级确定数据。
需要说明的是，图1所示的食管标志物浸润深度等级确定系统的场景示意图仅仅是一个示例，本申请实施例描述的食管标志物浸润深度等级确定系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着食管标志物浸润深度等级确定系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
接下来，介绍本申请实施例提供的食管标志物浸润深度等级确定方法。
本申实施例食管标志物浸润深度等级确定方法的实施例中以食管标志物浸润深度等级确定装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该食管标志物浸润深度等级确定装置应用于计算机设备，该方法包括：获取待分析的第一食管粘膜图像；对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定目标食管粘膜图像的代表性颜色特征；基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级。
请参阅图2至图13，图2为本申请实施例中提供的食管标志物浸润深度等级确定方法的一个实施例流程示意图，该食管标志物浸润深度等级确定方法包括步骤201至步骤204：
201、获取待分析的第一食管粘膜图像。
其中，第一食管粘膜图像可以是通过窄带成像内镜（Narrow Band Imaging，NBI）获取，具体的，第一食管粘膜图像可以包括背景粘膜色。而NBI是利用滤光器过滤掉内镜光源所发出的红蓝绿光波中的宽带光谱，仅留下窄带光谱用于获取消化道情况的技术。NBI内镜技术主要的优势在于：不仅能够精确观察消化道粘膜上皮形态，如上皮腺凹结构，还可以观察上皮血管网的形态。这种新技术能够更好地帮助内镜医生区分胃肠道上皮，如Barrett食管中的肠化生上皮，胃肠道炎症中血管形态的改变，以及胃肠道早期肿瘤腺凹不规则改变，从而提高内镜检测的准确率。
202、对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像。
一般情况下，未经过第一图像预处理的原始图像的尺寸会导致后续对图像中包括的颜色特征信息进行分析造成很大的影响，严重降低检测结果的准确度和效率。因此在对第一食管粘膜图像进行分析之前，需要先对其进行第一图像预处理，以提高图像的识别准确度和效率。
其具体的图像预处理方案请看下述具体实施方式，在此不作赘述。
203、确定目标食管粘膜图像的代表性颜色特征。
204、基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级。
其中，食管标志物可以是食管肿瘤，炎症物，息肉，食管异物（如外部吞咽物）。本申请主要以食管肿瘤（或食管癌）进行举例说明，即食管标志物即食管癌，以及食管标志物浸润深度等级即食管标志物浸润深度等级。
具体的，食管（浅表型）肿瘤在NBI光源内窥镜检查下通常表现为的棕色区域。NBI非放大光源下棕色区域主要由不规则扩张的上皮内乳头状毛细血管袢(IPCLs)组成。而在NBI放大光源下可以清晰可见IPCL的区域之间尚存在背景着色区域，又被称为背景粘膜色（background coloration, BGC）。
不同于白光光源下内镜成像，NBI窄带成像技术通过滤掉红蓝绿光波中的宽带光谱，增强消化道黏膜血管的图像，突出粘膜表面微血管改变，因此NBI放大光源精查成为食管肿瘤浸润深度判断的首要依据。
预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征，通过判断目标食管粘膜图像的代表性颜色特征与预设的标准颜色特征库中的每个核颜色特征的关系，然后从该预设个核颜色特征中确定目标核颜色特征，然后再基于该目标颜色特征与其已确定的食管标志物浸润深度等级的对应关系，以确定第一食管粘膜图像对应的食管标志物浸润深度等级。
其具体确定方案，请看下述具体实施方式，在此不作赘述。
本申请通过先获取待分析的第一食管粘膜图像；然后对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；再确定目标食管粘膜图像的代表性颜色特征；最终基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级，实现了食管标志物浸润深度等级的自动化识别，并且，由于通过将图像的颜色特征和食管标志物浸润深度进行量化，从而提高了识别效率和识别准确率。
本申请实施例中，如图3所示，步骤202、对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像，包括步骤301至步骤304：
301、判断第一食管粘膜图像是否满足预设图像规格要求。
302、若不满足，则将第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像。
预设图像规划要求的目标尺寸可以根据实际情况进行调整，在下一步骤303中，对第二食管粘膜图像进行第二图像预处理前，其要求目标尺寸为（w*,h*），然而第一食管粘膜图像的初始尺寸为（w0,h0），则需要先将初始的第一食管粘膜图像尺寸调整为目标尺寸。
具体的，本申请可以采用图像边界填充方式，例如，第一食管粘膜图像的初始尺寸（w0,h0），设定目标尺寸（w*,h*），具体的，本申请中目标尺寸可以是（480，480）。
首先，确定缩放系数，
Figure 99896DEST_PATH_IMAGE001
，则缩放后图片尺寸为
Figure 548895DEST_PATH_IMAGE002
；边界填充时使原图居中，在边缘填充黑边。宽边填充宽度：
Figure 788247DEST_PATH_IMAGE003
，长边填充宽度：
Figure 679979DEST_PATH_IMAGE004
，由此，使得第一食 管粘膜图像的初始尺寸从（w0,h0）转换为目标尺寸（w*,h*）。
进一步的，由于上述存在至少两种具体情况，如图11所示，（确定沿x方向为图像的 宽，沿y方向为图像的高）a1图像的宽大于高，而b1图像的高大于宽。因此，当第一食管粘膜 图像为a1图像时，即第一食管粘膜图像的初始尺寸的w0>h0时，则在a1图像的上方和下方分 别填充像素值为0、高度
Figure 660574DEST_PATH_IMAGE004
的纯黑图像，a1图像缩放效果如a2图像 所示。
当第一食管粘膜图像为b1图像时，即第一食管粘膜图像的初始尺寸的w0<h0时，则 在图像的左边和右边分别填充像素值为0、宽度
Figure 843425DEST_PATH_IMAGE005
的纯黑图像， b2图像缩放效果如b2图像所示。
303、对第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像。
为了进一步的提高待分析图像的检测精准度和效率，还可以进行第二图像预处理，其具体方案可以根据实际需求进行调整。以达到此目的，且在本申请的核心思想下的其他方案，都应该属于本申请所保护范围内。
304、调整第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像。
具体的，将第三食管粘膜图由RGB颜色模式转换为P颜色模式，增加颜色抖动后控制调色板颜色数目，使第三食管粘膜图像由一定数目的颜色特征进行表达，由此，得到由一定数目的颜色特征进行表达的目标食管粘膜图像。
其中，P颜色模式可以理解为调色盘模式，该模式中的调色盘是一个预设好的表，这张表最多能存储256种不同的调色方案，调色方案可根据RGB值定义。颜色抖动是指当丰富的色彩转为较少色彩时，两种颜色分界线会明显而生硬，如果使用抖动，就会在这些地方填上一些过渡性像素。
如图12所示，其中c1图像为第三食管粘膜图的原图，而c2、c3、c4图像均是第三食管粘膜图在P颜色模式下调色板控制颜色数目分别为n=10、n=5以及n=2的图像。基于实际测试和研究发现，本申请中关于食管标志物浸润深度所用图片集，当颜色数目n=10时，判断多个层级的浸润深度时效果最好，因此本申请包括但不限于选择颜色数目n=10。
如图13所示，右侧条形图e1和e2中都包含10种颜色，即当原图调色板控制数目为10时，图像处于P颜色模式时，由此10种颜色表达。
在条形图e1和e2中“0-9”表示10种颜色出现频次的顺序，其中“0”对应的颜色出现次数最多，“9”对应颜色出现次数最少。
例如，图13中d1图像对应“深层浸润型”图片，当n=10时，其对应的条形图e1中的颜色调“0-9”从左至右依次对应的颜色像素值及颜色出现次数的对应关系如下所示：
[0-(40127,(159,131,108)),1-(39260,(0,0,0)),2-(35653,(145,107,88)),3-(33753,(125,97,78)),4-(32174,(110,75,61)),5-(30981,(83,52,42)),6-(24150,(195,179,155)),7-(23724,(53,36,30)),8-(1776,(4,0,3)),9-(546,(0,0,3))]。
需要说明的是，上述合集中，每个单元可以采用x-(a,(R,G,B))表示，其中，x表示图片中颜色条的序号，（R,G,B）为对应的颜色像素值，a为（R,G,B）像素值对应的颜色出现的次数。
进一步对比下，图13中d2图像对应“非深层浸润型”图片，当n=10时，其对应的条形图e2中的颜色条“0-9”从左至右依次对应的颜色像素值及颜色出现次数的对应关系如下所示：
(39689,(158,154,126)),1-(39551,(0,0,0)),2-(35624,(138,138,111)),3-(35409,(114,107,84)),4-(32515,(137,120,96)),5-(31906,(154,141,115)),6-(27931,(184,179,150)),7-(16430,(85,71,57)),8-(2408,(3,0,4)),9-(681,(0,0,3))]。
本申请实施例中，如图4所示，步骤303、对第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像，包括步骤401至步骤403：
401、将第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图。
其中，Lab颜色模式是一种模拟人眼识别颜色的模式。人眼中有三种感光细胞，一种识别明度（L），一种区分红色和绿色，一种区分黄色和蓝色。在 Lab颜色模式下有三个通道，分别是亮度通道（L通道）、a通道和b通道。
402、对第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图。
其中，滤波处理具体可以是采用双边滤波，双边滤波是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。双边滤波器之所以能够做到在平滑去噪的同时还能够很好的保存边缘，是由于其滤波器的核由两个函数生成：一个函数由像素欧式距离决定滤波器模板的系数，另一个函数由像素的灰度差值决定滤波器的系数。
具体如下：
Figure 265179DEST_PATH_IMAGE006
；
其中，
Figure 468758DEST_PATH_IMAGE007
代表输出点；
Figure 28659DEST_PATH_IMAGE008
指以
Figure 202151DEST_PATH_IMAGE009
为中心的(2N+1)(2N+1)的大小范围；
Figure 416095DEST_PATH_IMAGE010
代表（多个）输入点；
Figure 774264DEST_PATH_IMAGE011
，
Figure 73658DEST_PATH_IMAGE012
为空间临近高斯函数，
Figure 316421DEST_PATH_IMAGE013
，
Figure 338866DEST_PATH_IMAGE014
为像素值相似度高斯函数，
Figure 680985DEST_PATH_IMAGE015
。
双边滤波器受3个参数的控制：滤波器半宽N、参数
Figure 185785DEST_PATH_IMAGE016
和
Figure 966659DEST_PATH_IMAGE017
。N越大，平滑作用越强；
Figure 155195DEST_PATH_IMAGE016
和
Figure 156299DEST_PATH_IMAGE017
分别控制着空间邻近度因子
Figure 367968DEST_PATH_IMAGE018
和亮度像似度因子
Figure 686954DEST_PATH_IMAGE019
的衰减程度。本申请中包括但 不限于取N=5，
Figure 979264DEST_PATH_IMAGE020
。
403、将滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
本申请实施例中，如图5所示，步骤203、确定目标食管粘膜图像的代表性颜色特征，包括步骤501至步骤504：
501、获取目标食管粘膜图像中的初级颜色特征集。
其中，可以从目标食管粘膜图像中提取初级颜色特征集。具体的，可以通过预先设置的图像处理工具包(Python Image Library，PIL)自带的getcolors()方法获取目标食管粘膜图像中所有颜色特征：
Figure 397607DEST_PATH_IMAGE021
。
502、剔除初级颜色特征集中的黑色颜色特征，得到中级颜色特征集。
在剔除初级颜色特征集中的黑色颜色特征后，得到中级颜色特征集
Figure 847305DEST_PATH_IMAGE022
。
503、计算中级颜色特征集中每种颜色特征对应的三通道像素的均值。
504、选取中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为目标食管粘膜图像的代表性颜色特征。
即目标食管粘膜图像的代表性颜色特征为中级颜色特征集中所有颜色特征对应 的三通道像素的均值集中的中值
Figure 642086DEST_PATH_IMAGE023
。
本申请实施例中，如图6所示，在步骤204、基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级之前，该方法还包括步骤601至步骤604：
601、获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集。
其中，预设个已确定的食管标志物浸润深度等级，是按照预设标准规则对食管标志物浸润深度病理结果进行校对后（其中，该预设标准规则是通过多位专家级医师制定的），将确定无误的食管标志物图像进行分类的预设个等级，该预设个等级包括但不限于三个等级，本申请将以三个等级进行距离说明，该三个等级依次为：非深层浸润等级d0、浅层浸润等级d1、深层浸润等级d2。基于此，获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集。
602、将第一食管标志物图像样本集分类为与预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集。
即将第一食管标志物图像样本集中的每张图片都分类至与预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集。
例如第一食管标志物图像样本集共有10万张图片，将其中的每一张图片根据预设标准规则分类至步骤601中的三个等级中，如非深层浸润等级d0分类对应的样本集有34250张、浅层浸润等级d1分类对应的样本集有53197张、深层浸润等级d2分类对应的样本集有12553张。
603、分别计算预设个第一食管标志物图像子样本集中的每个食管标志物图像子样本集对应的核颜色特征，得到与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征。
基于步骤601和步骤603中的举例说明，本申请实施例中的三个等级对应的核颜色特征计算如下：
非深层浸润等级的核颜色特征为：
Figure 867531DEST_PATH_IMAGE024
，其中k为本等级包含的 食管标志物图像样本数目，例如为k=34250；
浅层浸润等级的核颜色特征为：
Figure 971622DEST_PATH_IMAGE025
，其中l为本等级包含的 食管标志物图像样本数目，例如l=53197张；
深层浸润等级的核颜色特征为：
Figure 892305DEST_PATH_IMAGE026
，其中p为本等级包含 的食管标志物图像样本数目，例如p=12553张。
604、基于预设个核颜色特征，构建预设的标准颜色特征库。
本申请实施例中，如图7所示，步骤204、基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级，包括步骤701至步骤704：
701、分别计算预设个核颜色特征中的每个核颜色特征与代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离。
欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
结合上述实施例的举例说明，其代表性颜色特征对应的三通道像素为
Figure 973000DEST_PATH_IMAGE027
， 而三个核颜色特征中的每个核颜色特征分别为：非深层浸润等级的核颜色特征为
Figure 990634DEST_PATH_IMAGE028
， 而
Figure 78676DEST_PATH_IMAGE028
又包括（
Figure 798239DEST_PATH_IMAGE029
，
Figure 138085DEST_PATH_IMAGE030
，
Figure 495379DEST_PATH_IMAGE031
），浅层浸润等级的核颜色特征为
Figure 692005DEST_PATH_IMAGE032
，而
Figure 711914DEST_PATH_IMAGE032
又 包括（
Figure 167035DEST_PATH_IMAGE033
，
Figure 831366DEST_PATH_IMAGE034
，
Figure 698695DEST_PATH_IMAGE035
），深层浸润等级的核颜色特征为
Figure 878003DEST_PATH_IMAGE036
，而
Figure 871236DEST_PATH_IMAGE036
又包括（
Figure 514707DEST_PATH_IMAGE037
，
Figure 318715DEST_PATH_IMAGE038
，
Figure 673735DEST_PATH_IMAGE039
）。
其预设个核颜色特征中的每个核颜色特征与代表性颜色特征对应的三通道像素的欧式距离如下：
Figure 221391DEST_PATH_IMAGE040
；其中，
Figure 640740DEST_PATH_IMAGE041
、
Figure 677966DEST_PATH_IMAGE042
以及
Figure 831867DEST_PATH_IMAGE043
依次为非深层 浸润等级的核颜色特征、浅层浸润等级的核颜色特征以及深层浸润等级的核颜色特征与代 表性颜色特征对应的三通道像素的欧式距离。
702、从预设个欧式距离中，选取最小距离的目标欧式距离。
结合步骤701，比较
Figure 603120DEST_PATH_IMAGE041
、
Figure 893287DEST_PATH_IMAGE042
以及
Figure 288365DEST_PATH_IMAGE043
的大小，并从中选取最小值为目标欧式距离。例 如，
Figure 991879DEST_PATH_IMAGE042
最小。
703、确定与目标欧式距离对应的目标核颜色特征。
结合步骤702，当确定
Figure 881338DEST_PATH_IMAGE042
最小，那么可以确定浅层浸润等级的核颜色特征为与目标 欧式距离对应的目标核颜色特征。
704、将与目标核颜色特征对应的食管标志物浸润深度等级，确定为与第一食管粘膜图像对应的食管标志物浸润深度等级。
结合步骤703，当确定浅层浸润等级的核颜色特征为与目标欧式距离对应的目标核颜色特征时，则可以确定食管标志物浅层浸润深度等级为与第一食管粘膜图像对应的食管标志物浸润深度等级。
本申请实施例中，如图8所示，在步骤204、基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级之后，该方法还包括步骤801至步骤803：
801、获取第二时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第二食管标志物图像样本集。
其中，第二时间段要晚于第一时间段。即在上述实施例实施一段时间后，会基于实际使用效果，对标准颜色特征库中的核颜色特征进行优化和校准。
802、将第二食管标志物图像样本集分类为与预设个已确定的食管标志物浸润深度等级对应的预设个第二食管标志物图像子样本集。
803、基于第一食管标志物图像样本集、第二食管标志物图像子样本集以及预设的校准模型，对预设的标准颜色特征库中的每个核颜色特征进行校准。
其中，结合上述实施例，本申请实施例中的预设的校准模型如下：
Figure 980006DEST_PATH_IMAGE044
；
其中，i—三种浸润深度等级，本申请中i取值0，1，2；
m—前一轮（对应第一时间段）标准颜色特征库构建完成时，某一浸润深度等级所含食管标志物图像样本数量；
n—本轮（对应第二时间段）优化时，某一浸润深度等级新增食管标志物图像样本数量；
Figure 31139DEST_PATH_IMAGE045
—新增食管标志物图像前后某一等级浸润深度核颜色特征平均像素误差收敛 系数，当误差小于收敛系数，即表明该等级标准颜色特征库校准（或构建）完成，本申请实施 例中
Figure 408899DEST_PATH_IMAGE046
，需要说明的是，上述参数的具体数值均可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，均应属于本申请所在保护范围内。
为了更好实施本申请实施例中食管标志物浸润深度等级确定方法，在食管标志物浸润深度等级确定方法基础之上，本申请实施例中还提供一种食管标志物浸润深度等级确定装置，如图9所示，食管标志物浸润深度等级确定装置900包括第一获取单元901、第一图像预处理单元902、第一确定单元903以及第二确定单元904：
第一获取单元901，用于获取待分析的第一食管粘膜图像。
第一图像预处理单元902，用于对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像。
第一确定单元903，用于确定目标食管粘膜图像的代表性颜色特征。
第二确定单元904，用于基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
第二确定单元904，具体用于：
分别计算预设个核颜色特征中的每个核颜色特征与代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离。
从预设个欧式距离中，选取最小距离的目标欧式距离。
确定与目标欧式距离对应的目标核颜色特征。
将与目标核颜色特征对应的食管标志物浸润深度等级，确定为与第一食管粘膜图像对应的食管标志物浸润深度等级。
在本申请一种可能的实现方式中，该装置还用于：
获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集。
将第一食管标志物图像样本集分类为与预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集。
分别计算预设个第一食管标志物图像子样本集中的每个食管标志物图像子样本集对应的核颜色特征，得到与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征。
基于预设个核颜色特征，构建预设的标准颜色特征库。
在本申请一种可能的实现方式中，该装置还用于：
获取第二时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第二食管标志物图像样本集；
将第二食管标志物图像样本集分类为与预设个已确定的食管标志物浸润深度等级对应的预设个第二食管标志物图像子样本集；
基于第一食管标志物图像样本集、第二食管标志物图像子样本集以及预设的校准模型，对预设的标准颜色特征库中的每个核颜色特征进行校准。
在本申请一种可能的实现方式中，第一确定单元903，具体用于：
获取目标食管粘膜图像中的初级颜色特征集。
剔除初级颜色特征集中的黑色颜色特征，得到中级颜色特征集。
计算中级颜色特征集中每种颜色特征对应的三通道像素的均值。
选取中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为目标食管粘膜图像的代表性颜色特征。
在本申请一种可能的实现方式中，第一图像预处理单元902，具体用于：
判断第一食管粘膜图像是否满足预设图像规格要求。
若不满足，则将第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像。
对第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像。
调整第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像。
在本申请一种可能的实现方式中，该装置还用于：
将第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图。
对第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图。
将滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
本申请通过第一获取单元901先获取待分析的第一食管粘膜图像；然后由第一图像预处理单元902对第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；再由第一确定单元903确定目标食管粘膜图像的代表性颜色特征；最终由第二确定单元904基于目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定第一食管粘膜图像对应的食管标志物浸润深度等级，实现了食管标志物浸润深度等级的自动化识别，并且，由于通过将图像的颜色特征和食管标志物浸润深度进行量化，从而提高了识别效率和识别准确率。
除了上述介绍用于食管标志物浸润深度等级确定方法与装置之外，本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种食管标志物浸润深度等级确定装置，所述计算机设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述食管标志物浸润深度等级确定方法实施例中任一实施例中所述的任一方法的操作。
本申请实施例还提供一种计算机设备，其集成了本申请实施例所提供的任一种食管标志物浸润深度等级确定装置。参阅图10，图10是本申请实施例提供的计算机设备一个实施例结构示意图。
如图10所示，其示出了本申请实施例所设计的食管标志物浸润深度等级确定装置的结构示意图，具体来讲：
该食管标志物浸润深度等级确定装置可以包括一个或者一个以上处理核心的处理器1001、一个或一个以上计算机可读存储介质的存储单元1002、电源1003和输入单元1004等部件。本领域技术人员可以理解，图10中示出的食管标志物浸润深度等级确定装置结构并不构成对食管标志物浸润深度等级确定装置的限定，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：
处理器1001是该食管标志物浸润深度等级确定装置的控制中心，利用各种接口和线路连接整个食管标志物浸润深度等级确定装置的各个部分，通过运行或执行存储在存储单元1002内的软件程序和/或模块，以及调用存储在存储单元1002的数据，执行食管标志物浸润深度等级确定装置的各种功能和处理数据，从而对食管标志物浸润深度等级确定装置进行整体监控。可选的，处理器1001可包括一个或多个处理核心；优选的，处理器1001可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1001中。
存储单元1002可用于存储软件程序以及模块，处理器1001通过运行存储在存储单元1002的软件程序以及模块，从而执行各种功能应用以及数据处理。存储单元1002可主要包括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食管标志物浸润深度等级确定装置的使用所创建的数据等。此外，存储单元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，存储单元1002还可以包括存储器控制器，以提供处理器1001对存储单元1002的访问。
食管标志物浸润深度等级确定装置还包括给各个部件供电的电源1003，优选的，电源1003可以通过电源管理系统与处理器1001逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1003还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该食管标志物浸润深度等级确定装置还可包括输入单元1004，该输入单元1004可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，食管标志物浸润深度等级确定装置还可以包括显示单元等，在此不再赘述。具体在本申请实施例中，食管标志物浸润深度等级确定装置中的处理器1001会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元1002中，并由处理器1001来运行存储在存储单元1002中的应用程序，从而实现各种功能，如下：
获取待分析的第一食管粘膜图像；对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定所述目标食管粘膜图像的代表性颜色特征；基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级。
本申请通过先获取待分析的第一食管粘膜图像；然后对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；再确定所述目标食管粘膜图像的代表性颜色特征；最终基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级，实现了食管标志物浸润深度等级的自动化识别，并且，由于通过将图像的颜色特征和食管标志物浸润深度进行量化，从而提高了识别效率和识别准确率。
为此，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random AccessMemory）、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种食管标志物浸润深度等级确定方法中的步骤。例如，该指令可以执行如下步骤：
获取待分析的第一食管粘膜图像；对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；确定所述目标食管粘膜图像的代表性颜色特征；基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种食管标志物浸润深度等级确定方法、装置及可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，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申请的限制。

Claims (6)

1.一种食管标志物浸润深度等级确定方法，其特征在于，所述方法包括：
获取待分析的第一食管粘膜图像；
对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；
确定所述目标食管粘膜图像的代表性颜色特征；
基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级；
其中，所述确定所述目标食管粘膜图像的代表性颜色特征，包括：
获取所述目标食管粘膜图像中的初级颜色特征集；
剔除所述初级颜色特征集中的黑色颜色特征，得到中级颜色特征集；
计算所述中级颜色特征集中每种颜色特征对应的三通道像素的均值；
选取所述中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为所述目标食管粘膜图像的代表性颜色特征；
其中，所述预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
所述基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级，包括：
分别计算所述预设个核颜色特征中的每个核颜色特征与所述代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离；
从所述预设个欧式距离中，选取最小距离的目标欧式距离；
确定与所述目标欧式距离对应的目标核颜色特征；
将与所述目标核颜色特征对应的食管标志物浸润深度等级，确定为与所述第一食管粘膜图像对应的食管标志物浸润深度等级；
其中，所述对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像，包括：
判断所述第一食管粘膜图像是否满足预设图像规格要求；
若不满足，则将所述第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像；
对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像；
调整所述第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像；
其中，所述对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像，包括：
将所述第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图；
对所述第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图；
将所述滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
2.根据权利要求1所述的食管标志物浸润深度等级确定方法，其特征在于，在基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级之前，所述方法还包括：
获取第一时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第一食管标志物图像样本集；
将所述第一食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第一食管标志物图像子样本集；
分别计算所述预设个第一食管标志物图像子样本集中的每个食管标志物图像子样本集对应的核颜色特征，得到与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
基于所述预设个核颜色特征，构建所述预设的标准颜色特征库。
3.根据权利要求2所述的食管标志物浸润深度等级确定方法，其特征在于，在基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级之后，所述方法还包括：
获取第二时间段内包括有与预设个已确定的食管标志物浸润深度等级对应的第二食管标志物图像样本集；
将所述第二食管标志物图像样本集分类为与所述预设个已确定的食管标志物浸润深度等级对应的预设个第二食管标志物图像子样本集；
基于所述第一食管标志物图像样本集、所述第二食管标志物图像子样本集以及预设的校准模型，对所述预设的标准颜色特征库中的每个核颜色特征进行校准。
4.一种食管标志物浸润深度等级确定装置，其特征在于，所述装置包括：
第一获取单元，用于获取待分析的第一食管粘膜图像；
第一图像预处理单元，用于对所述第一食管粘膜图像进行第一图像预处理，得到预处理后的目标食管粘膜图像；
第一确定单元，用于确定所述目标食管粘膜图像的代表性颜色特征；
第二确定单元，用于基于所述目标食管粘膜图像的代表性颜色特征和预设的标准颜色特征库，确定所述第一食管粘膜图像对应的食管标志物浸润深度等级；
其中，所述第一确定单元，具体用于：
获取所述目标食管粘膜图像中的初级颜色特征集；
剔除所述初级颜色特征集中的黑色颜色特征，得到中级颜色特征集；
计算所述中级颜色特征集中每种颜色特征对应的三通道像素的均值；
选取所述中级颜色特征集中所有颜色特征对应的三通道像素的均值集中的中值为所述目标食管粘膜图像的代表性颜色特征；
其中，所述预设的标准颜色特征库包括有与预设个已确定的食管标志物浸润深度等级对应的预设个核颜色特征；
所述第二确定单元，具体用于：
分别计算所述预设个核颜色特征中的每个核颜色特征与所述代表性颜色特征对应的三通道像素的欧式距离，得到包括预设个欧式距离；
从所述预设个欧式距离中，选取最小距离的目标欧式距离；
确定与所述目标欧式距离对应的目标核颜色特征；
将与所述目标核颜色特征对应的食管标志物浸润深度等级，确定为与所述第一食管粘膜图像对应的食管标志物浸润深度等级；
其中，所述第一图像预处理单元，具体用于：
判断所述第一食管粘膜图像是否满足预设图像规格要求；
若不满足，则将所述第一食管粘膜图像的尺寸调整为满足预设图像规格要求的目标尺寸，得到调整后的第二食管粘膜图像；
对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像；
调整所述第三食管粘膜图像对应显示的颜色数目，得到目标食管粘膜图像；
其中，所述对所述第二食管粘膜图像进行第二图像预处理，得到预处理后的第三食管粘膜图像，包括：
将所述第二食管粘膜图像由RGB颜色模式转换为Lab颜色模式，得到第一模式转换图；
对所述第一模式转换图的L通道进行滤波处理，得到滤波后的第一模式转换图；
将所述滤波后的第一模式转换图从Lab颜色模式转换为RGB颜色模式，得到第三食管粘膜图像。
5.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至3中任一项所述的食管标志物浸润深度等级确定方法。
6.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至3任一项所述的食管标志物浸润深度等级确定方法中的步骤。
CN202111195227.2A 2021-10-14 2021-10-14 食管标志物浸润深度等级确定方法、装置及可读存储介质 Active CN113643291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111195227.2A CN113643291B (zh) 2021-10-14 2021-10-14 食管标志物浸润深度等级确定方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111195227.2A CN113643291B (zh) 2021-10-14 2021-10-14 食管标志物浸润深度等级确定方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN113643291A CN113643291A (zh) 2021-11-12
CN113643291B true CN113643291B (zh) 2021-12-24

Family

ID=78426792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111195227.2A Active CN113643291B (zh) 2021-10-14 2021-10-14 食管标志物浸润深度等级确定方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN113643291B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114022880B (zh) * 2022-01-07 2022-04-19 武汉大学 食管粘膜平坦程度量化方法、装置、终端及存储介质
CN114078128B (zh) * 2022-01-20 2022-04-12 武汉大学 医学图像处理方法、装置、终端及存储介质
CN114565611B (zh) * 2022-04-28 2022-07-19 武汉大学 医学信息获取方法及相关设备
CN116109559A (zh) * 2022-11-22 2023-05-12 武汉楚精灵医疗科技有限公司 胃部标志物的浸润深度检测方法、装置及存储介质
CN116740067B (zh) * 2023-08-14 2023-10-20 苏州凌影云诺医疗科技有限公司 一种针对食管病灶的浸润深度判定方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019245009A1 (ja) * 2018-06-22 2019-12-26 株式会社Ａｉメディカルサービス 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
CN112102256A (zh) * 2020-08-22 2020-12-18 复旦大学 面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统
CN112288704A (zh) * 2020-10-26 2021-01-29 中国人民解放军陆军军医大学第一附属医院 一种基于核密度函数的量化胶质瘤侵袭性的可视化方法
CN112419246A (zh) * 2020-11-12 2021-02-26 复旦大学 量化食管粘膜IPCLs血管形态分布的深度检测网络
EP3884838A1 (en) * 2018-11-21 2021-09-29 AI Medical Service Inc. Disease diagnostic assistance method based on digestive organ endoscopic images, diagnostic assistance system, diagnostic assistance program, and computer-readable recording medium having diagnostic assistance program stored thereon

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11315240B2 (en) * 2016-05-18 2022-04-26 Hoffmann-La Roche Inc. System and method of tumor classification

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019245009A1 (ja) * 2018-06-22 2019-12-26 株式会社Ａｉメディカルサービス 消化器官の内視鏡画像による疾患の診断支援方法、診断支援システム、診断支援プログラム及びこの診断支援プログラムを記憶したコンピュータ読み取り可能な記録媒体
EP3884838A1 (en) * 2018-11-21 2021-09-29 AI Medical Service Inc. Disease diagnostic assistance method based on digestive organ endoscopic images, diagnostic assistance system, diagnostic assistance program, and computer-readable recording medium having diagnostic assistance program stored thereon
CN112102256A (zh) * 2020-08-22 2020-12-18 复旦大学 面向窄带内镜图像的早期食管鳞癌的癌灶检测及诊断系统
CN112288704A (zh) * 2020-10-26 2021-01-29 中国人民解放军陆军军医大学第一附属医院 一种基于核密度函数的量化胶质瘤侵袭性的可视化方法
CN112419246A (zh) * 2020-11-12 2021-02-26 复旦大学 量化食管粘膜IPCLs血管形态分布的深度检测网络

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Narrow Band Imaging for Diagnosis and Prediction of Infiltration Depth of Esophageal Neoplasias;R Ishihara等;《Video Journal and Encyclopedia of GI Endoscopy》;20130131;90-91 *
内镜诊断早期胃癌的新进展;李夏等;《海南医学院学报》;20190315;392-395 *
窄带成像技术及碘染色对早期食管癌的诊断研究;王权;《数理医药学杂志》;20201013(第10期);55-56 *

Also Published As

Publication number Publication date
CN113643291A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN113643291B (zh) 食管标志物浸润深度等级确定方法、装置及可读存储介质
US10769788B2 (en) Few-shot learning based image recognition of whole slide image at tissue level
AU2017213456B2 (en) Diagnosis assisting device, and image processing method in diagnosis assisting device
CN111340789A (zh) 眼底视网膜血管识别及量化方法、装置、设备及存储介质
JP5576782B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
JP5305850B2 (ja) 画像処理装置、画像処理プログラムおよび画像処理方法
JP5871325B2 (ja) 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体
CN113822897A (zh) 血管分割方法、终端及计算机可读存储介质
CN113573654A (zh) 用于检测并测定病灶尺寸的ai系统
US20060008171A1 (en) Digital photography with flash/no flash extension
CN110855889B (zh) 图像处理方法、装置、图像处理设备及存储介质
CN114022880B (zh) 食管粘膜平坦程度量化方法、装置、终端及存储介质
CN114417037B (zh) 图像处理方法、装置、终端及可读存储介质
CN114693593A (zh) 图像处理方法、装置、及计算机装置
CN113643299B (zh) 微血管的弯曲程度量化方法、装置及计算机可读存储介质
CN115760858A (zh) 基于深度学习的肾脏病理切片细胞识别方法及系统
CN114464316A (zh) 胃部异常风险等级预测方法、装置、终端及可读存储介质
CN114078128B (zh) 医学图像处理方法、装置、终端及存储介质
JP5622903B2 (ja) 画像処理装置、画像処理装置の作動方法および画像処理プログラム
CN109475277B (zh) 图像处理装置、图像处理装置的控制方法和图像处理装置的控制程序
CN114419050A (zh) 胃黏膜可视化程度量化方法、装置、终端及可读存储介质
CN114359280B (zh) 胃黏膜图像边界量化方法、装置、终端及存储介质
CN113012180B (zh) 图像的成像设备确定方法、装置、设备及存储介质
CN115393230B (zh) 超声内镜图像标准化方法、装置及其相关装置
CN114359278B (zh) 胃黏膜微结构排列规范程度量化方法、终端及存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220621

Address after: 430000 No. 03, floor 5, building B10, phase I, Wuhan hi tech medical equipment Park, No. 818, Gaoxin Avenue, Wuhan East Lake New Technology Development Zone, Wuhan, Hubei (Wuhan area, free trade zone)

Patentee after: Wuhan Chujingling Medical Technology Co.,Ltd.

Address before: 430072 no.299 Bayi Road, Luojiashan street, Wuhan City, Hubei Province

Patentee before: WUHAN University