CN114359280B - 胃黏膜图像边界量化方法、装置、终端及存储介质 - Google Patents

Abstract

本申请提供一种胃黏膜图像边界量化方法、装置、终端及存储介质，该方法包括：获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。本申请实施例，提高了对胃黏膜边界进行量化准确性。

Description

胃黏膜图像边界量化方法、装置、终端及存储介质

技术领域

本申请涉及医疗辅助技术领域，具体涉及一种胃黏膜图像边界量化方法、装置、终端及计算机可读存储介质。

背景技术

胃癌危害人类健康的根本原因是不能早期发现。消化内镜检查是筛查和诊断消化道早期肿瘤最常用的强有力方法，色素内镜的问世确立了早癌期胃癌的内镜诊断方法。

八尾建史在其V·S分型理论中指出，胃早癌内镜检查的特征为在癌性和非癌性粘膜之间存在清晰的分界线，并且在分界线内存在不规则的微血管结构（microvascular，MV）和/或不规则的MS微形态结构（microsurface，MS）。分界线是指在癌性和非癌性粘膜之间MV和/或MS突然变化的可识别的边界线。但是分界线的范围仍存在定性认知阶段，并没有精确的量化方法数值计算出边界线范围。

因此，如何精准的对胃黏膜边界进行量化，是本领域继续解决的技术问题。

发明内容

本申请提供一种胃黏膜图像边界量化方法、装置、终端及存储介质，旨在解决如何精准的对胃黏膜边界进行量化。

一方面，本申请提供胃黏膜图像边界量化方法、装置、终端及存储介质，所述方法包括：

获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；

将所述微结构分割图和所述微血管分割图进行叠加，得到胃黏膜叠加图；

按照预设顺序遍历所述胃黏膜叠加图上的像素点，获取所述胃黏膜叠加图上的像素点对应的坐标信息；

对所述微结构分割图中的微结构的分布类型进行识别，得到所述微结构的分布类型，其中，所述微结构的分布类型包括左右型、上下型以及中空型；

基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；

基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化。

在本申请一种可能的实现方式中，所述基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化，包括：

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中存在满足预设要求的边界点；

则获取所有满足预设要求的边界点的坐标信息，并将所述坐标信息映射至所述胃黏膜染色放大图像上，并绘制成线，以确定所述胃黏膜染色放大图像中存在边界线；

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中不存在满足预设要求的边界点，则确定所述胃黏膜染色放大图像中不存在边界线。

在本申请一种可能的实现方式中，所述基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果，包括：

根据所述微结构的分布类型和所述像素点对应的坐标信息，将所述胃黏膜叠加图按照预设要求进行区域划分，得到所述胃黏膜叠加图的第一区域图像和第二区域图像；

获取所述第一区域图像对应的第一边界量化系数；

获取所述第二区域图像对应的第二边界量化系数；

基于所述第一边界量化系数、所述第二边界量化系数以及预设的量化系数比阈值，判断所述像素点是否为满足预设要求的边界点，得到边界点判断结。

在本申请一种可能的实现方式中，所述获取所述第一区域图像对应的第一边界量化系数，包括：

获取所述第一区域图像中所有的微结构的第一质心偏心距参数；

获取所述第一区域图像对应的第一密度量化参数；

获取所述第一区域图像中所有微血管对应的第一直径比量化参数；

对所述第一质心偏心距参数、所述第一密度量化参数和所述第一直径比量化参数进行拟合，得到第一边界量化系数。

在本申请一种可能的实现方式中，所述获取所述第一区域图像中所有的微结构的第一质心偏心距参数，包括：

获取所述第一区域图像中所有的微结构对应的质心参数集和第一面积参数集；

基于所述质心参数集和所述第一面积参数集，确定所述所有的微结构的等效质心参数；

获取所述第一区域图像的尺寸参数；

基于所述第一区域图像的尺寸参数和所述所有的微结构的等效质心参数，确定所述第一区域图像中微结构的第一质心偏心距参数。

在本申请一种可能的实现方式中，所述获取所述第一区域图像对应的第一密度量化参数，包括：

获取所述第一区域图像中所有的微结构对应的第二面积参数集和坐标参数集；

基于所述坐标参数集，确定所述所有的微结构对应的有效区域坐标参数；

基于所述有效区域坐标参数和所述第二面积参数集，确定所述第一区域图像对应的第一密度量化参数。

在本申请一种可能的实现方式中，所述获取所述第一区域图像中所有微血管对应的第一直径比量化参数，包括：

获取所述第一区域图像中所有的微血管对应的多条微血管中心线；

获取所述多条微血管中心线中每条微血管中心线上所有像素点对应的微血管直径参数，得到微血管直径参数集；

对所述微血管直径参数集中的微血管直径参数进行聚类，并获取聚类后中最大类直径平均值和最小类直径平均值；

基于所述最大类直径平均值和所述最小类直径平均值，确定所述第一区域图像中所有的微血管的第一直径比量化参数。

另一方面，本申请提供一种胃黏膜图像边界量化装置，所述装置包括：

第一获取单元，用于获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；

第一叠加单元，用于将所述微结构分割图和所述微血管分割图进行叠加，得到胃黏膜叠加图；

第二获取单元，用于按照预设顺序遍历所述胃黏膜叠加图上的像素点，获取所述胃黏膜叠加图上的像素点对应的坐标信息；

第一识别单元，用于对所述微结构分割图中的微结构的分布类型进行识别，得到所述微结构的分布类型，其中，所述微结构的分布类型包括左右型、上下型以及中空型；

第一判断单元，用于基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；

第一边界量化单元，用于基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化。

在本申请一种可能的实现方式中，所述第一边界量化单元，具体用于：

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中存在满足预设要求的边界点；

则获取所有满足预设要求的边界点的坐标信息，并将所述坐标信息映射至所述胃黏膜染色放大图像上，并绘制成线，以确定所述胃黏膜染色放大图像中存在边界线；

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中不存在满足预设要求的边界点，则确定所述胃黏膜染色放大图像中不存在边界线。

在本申请一种可能的实现方式中，所述第一判断单元，具体包括：

第一区域划分单元，用于根据所述微结构的分布类型和所述像素点对应的坐标信息，将所述胃黏膜叠加图按照预设要求进行区域划分，得到所述胃黏膜叠加图的第一区域图像和第二区域图像；

第三获取单元，用于获取所述第一区域图像对应的第一边界量化系数；

第四获取单元，用于获取所述第二区域图像对应的第二边界量化系数；

第二判断单元，用于基于所述第一边界量化系数、所述第二边界量化系数以及预设的量化系数比阈值，判断所述像素点是否为满足预设要求的边界点，得到边界点判断结果。

在本申请一种可能的实现方式中，所述第三获取单元，具体包括：

第五获取单元，用于获取所述第一区域图像中所有的微结构的第一质心偏心距参数；

第六获取单元，用于获取所述第一区域图像对应的第一密度量化参数；

第七获取单元，用于获取所述第一区域图像中所有微血管对应的第一直径比量化参数；

第一拟合单元，用于对所述第一质心偏心距参数、所述第一密度量化参数和所述第一直径比量化参数进行拟合，得到第一边界量化系数。

在本申请一种可能的实现方式中，所述第五获取单元，具体用于：

获取所述第一区域图像中所有的微结构对应的质心参数集和第一面积参数集；

基于所述质心参数集和所述第一面积参数集，确定所述所有的微结构的等效质心参数；

获取所述第一区域图像的尺寸参数；

基于所述第一区域图像的尺寸参数和所述所有的微结构的等效质心参数，确定所述第一区域图像中微结构的第一质心偏心距参数。

在本申请一种可能的实现方式中，所述第六获取单元，具体用于：

获取所述第一区域图像中所有的微结构对应的第二面积参数集和坐标参数集；

基于所述坐标参数集，确定所述所有的微结构对应的有效区域坐标参数；

基于所述有效区域坐标参数和所述第二面积参数集，确定所述第一区域图像对应的第一密度量化参数。

在本申请一种可能的实现方式中，所述获取所述第一区域图像中所有微血管对应的第一直径比量化参数，具体用于：

获取所述第一区域图像中所有的微血管对应的多条微血管中心线；

获取所述多条微血管中心线中每条微血管中心线上所有像素点对应的微血管直径参数，得到微血管直径参数集；

对所述微血管直径参数集中的微血管直径参数进行聚类，并获取聚类后中最大类直径平均值和最小类直径平均值；

基于所述最大类直径平均值和所述最小类直径平均值，确定所述第一区域图像中所有的微血管的第一直径比量化参数。

另一方面，本申请还提供一种终端，所述终端包括：

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胃黏膜图像边界量化方法。

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，以执行所述的胃黏膜图像边界量化方法中的步骤。

本申请提供的胃黏膜图像边界量化方法，包括获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。相较于传统方法，只能通过人眼判定，无法准确识别内镜中胃粘膜边界线的背景下，本申请创造性的提出将从胃黏膜染色放大图像中分割出的微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图，然后按照预设顺序遍历胃黏膜叠加图上所有的像素点；基于微结构的分布类型和像素点对应的坐标信息，判断所有的像素点中是否存在满足预设要求的边界点，有针对性的寻找胃黏膜叠加图上的边界点，提高对胃黏膜边界进行量化准确性，具有高可靠性。

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胃黏膜图像边界量化系统的场景示意图；

图2是本申请实施例中提供的胃黏膜图像边界量化方法的一个实施例流程示意图；

图3是本申请实施例中提供的步骤205的一个实施例流程示意图；

图4是本申请实施例中提供的步骤302的一个实施例流程示意图；

图5是本申请实施例中提供的步骤206的一个实施例流程示意图；

图6是本申请实施例中提供的胃黏膜图像边界量化装置的一个实施例结构示意图；

图7是本申请实施例中提供的终端的一个实施例结构示意图；

图8是本申请实施例中提供的微血管/微结构分割图的一个示意图；

图9是本申请实施例中提供的微结构分布类型识别示意图；

图10是本申请实施例中提供的针对左右型叠加图边界量化过程图；

图11是本申请实施例中提供的针对上下型叠加图边界量化过程图；

图12是本申请实施例中提供的针对中空型叠加图边界量化过程图。

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胃黏膜图像边界量化方法、装置、终端及计算机可读存储介质，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胃黏膜图像边界量化系统的场景示意图，该胃黏膜图像边界量化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中集成有胃黏膜图像边界量化装置，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主要用于获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

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、医疗辅助仪器等中的一种。

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，该胃黏膜图像边界量化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，该胃黏膜图像边界量化系统还可以包括存储器300，用于存储数据，如存储用户胃黏膜染色放大图像和胃黏膜图像边界量化数据，例如胃黏膜图像边界量化系统运行时的胃黏膜图像边界量化数据。

需要说明的是，图1所示的胃黏膜图像边界量化系统的场景示意图仅仅是一个示例，本申请实施例描述的胃黏膜图像边界量化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，随着胃黏膜图像边界量化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胃黏膜图像边界量化方法。

本申实施例胃黏膜图像边界量化方法的实施例中以胃黏膜图像边界量化装置作为执行主体，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，该胃黏膜图像边界量化装置应用于终端，该方法包括：获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

请参阅图2至图12，图2为本申请实施例中提供的胃黏膜图像边界量化方法的一个实施例流程示意图，该胃黏膜图像边界量化方法包括步骤201至步骤206：

201、获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图。

胃黏膜，即胃腔内面的黏膜为胃黏膜，是胃壁的最内层。新鲜胃黏膜呈淡粉色。胃在空虚时或半充盈时，胃黏膜形成许多皱壁。胃小弯处约有4～5条纵行皱壁；胃大弯处多为横行或斜行皱壁；其他部分的皱壁形状不规则。胃黏膜由上皮、固有层及粘膜肌层3层组成。

获取胃粘膜染色放大图像可以通过将放大胃镜与电子染色内镜联合应用，由此，能够观察到普通胃镜无法观察的微小黏膜表面微细结构。

具体的，通过内镜检查设备获取染色放大模式下胃部内镜视频，将视频解码为图像；然后对图像进行标注，勾勒出图片中微结构轮廓；采用预先训练好的微结构分割模型对胃黏膜染色放大图像进行微结构分割，以获取胃黏膜染色放大图像对应的微结构分割图，如图8所示，左侧的一张图像为胃黏膜染色放大图像，而右侧上方的图像为经过微结构分割模型对胃黏膜染色放大图像进行微结构分割，得到的微结构分割图；同样的，可以采用预先训练好的微血管分割模型对同一张胃黏膜染色放大图像进行微血管分割，以获取胃黏膜染色放大图像对应的微血管分割图，如图8所示，右侧下方的一张图像为经过微血管分割模型对同一张胃黏膜染色放大图像进行微血管分割，得到的微血管分割图。其中，预先训练好的微结构分割模型可以采用Unet、mask-rcnn等图像分割网络。

202、将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图。

具体的，如图10所示，图10则为微结构分割图和微血管分割图进行叠加后，得到胃黏膜叠加图。

203、按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息。

其中，按照预设顺序可以是从上到下、从左往右的顺序，对此，本申请可以根据实际情况进行设置和调整。每个像素点都对应有一个坐标信息，本实施例中，胃黏膜叠加图一般选取的是二维图，那么该图上的像素点对应的坐标信息为二维坐标，假设该像素点为点B_i，那么点B_i对应的坐标为（x_i,y_i）。

204、对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型。

其中，所述微结构的分布类型包括左右型、上下型以及中空型，但不限于此。如还可是倾斜型，本申请以左右型、上下型以及中空型进行举例说明。具体的，可以采用训练好的微结构分布类型识别模型对微结构分割图中的微结构的分布类型进行识别。微结构分布类型识别模型可以采用Resnet50、InceptionV3等网络模型，但不限于此，具体的，可以根据实际情况进行调整。

205、基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果。

其中，边界点为对应分界线上的点，而分界线是指在癌性和非癌性粘膜之间MV和/或MS突然变化的可识别的边界线。具体的，如何判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果，请参阅下述具体实施例，在此不作赘述。

206、基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

本申请提供的胃黏膜图像边界量化方法，相较于传统方法，只能通过人眼判定，无法准确识别内镜中胃粘膜边界线的背景下，本申请创造性的提出将从胃黏膜染色放大图像中分割出的微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图，然后按照预设顺序遍历胃黏膜叠加图上所有的像素点；基于微结构的分布类型和像素点对应的坐标信息，判断所有的像素点中是否存在满足预设要求的边界点，有针对性的寻找胃黏膜叠加图上的边界点，提高对胃黏膜边界进行量化准确性，具有高可靠性。

在本申请的一些实施例中，如图3所示，步骤205、基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果，包括步骤301至步骤304：

301、根据微结构的分布类型和像素点对应的坐标信息，将胃黏膜叠加图按照预设要求进行区域划分，得到胃黏膜叠加图的第一区域图像和第二区域图像。

具体的，如步骤204中所述，本申请以微结构的分布类型包括左右型、上下型以及中空型进行举例说明，当微结构的分布类型为左右型时，如图10所示，在前面步骤203提及的按照预设顺序遍历胃黏膜叠加图上的像素点，本实施例以按照先从左往右和从上到下的顺序进行遍历举例说明，需要说明的是，是遍历完第一排的所有像素点后，再遍历第二排的所有像素点，依此类推，图10中左上角为初始点（x₀,y₀），为了方便理解，本实施例选取点B进行举例说明，也就是当遍历到B点时，根据图10中微结构的分布类型为左右型，那么就按照竖直方向进行区域划分，如图10中过点B的白色虚线部分，该白色虚线将胃黏膜叠加图分成了左右两部分的第一区域图像和第二区域图像。

进一步的，当微结构的分布类型为上下型时，如图11所示，本实施例以按照先从上往下和从左到右的顺序进行遍历举例说明，需要说明的是，是遍历完第一列的所有像素点后，再遍历第二列的所有像素点，依此类推。图11中左上角为初始点（x₀,y₀），为了方便理解，本实施例选取点B进行举例说明，也就是当遍历到B点时，根据图11中微结构的分布类型为左右型，那么就按照水平方向进行区域划分，如图11中过点B的白色虚线部分，该白色虚线将胃黏膜叠加图分成了左右两部分的第一区域图像和第二区域图像。

再进一步的，当微结构的分布类型为中空型时，如图12所示，本实施例以按照先从上往下和从左到右的顺序进行遍历举例说明，需要说明的是，是遍历完第一列的所有像素点后，再遍历第二列的所有像素点，依此类推。图12中左上角为初始点（x₀,y₀），为了方便理解，本实施例选取点B进行举例说明，也就是当遍历到B点时，根据图12中微结构的分布类型为左右型，那么就按照水平方向进行区域划分，如图12中过点B的白色虚线部分，该白色虚线为一个十字形的直角坐标系，该直角坐标系本质上将胃黏膜叠加图分成了四个象限对应的四部分，但是本申请只选取这四个象限中的两个相对象限的对应的两个区域，例如，选取如图12中的第二象限对应的区域和第四象限对应的区域，以此得到胃黏膜叠加图的第一区域图像和第二区域图像。

302、获取第一区域图像对应的第一边界量化系数。

具体的，如何获取第一区域图像对应的第一边界量化系数，请参阅下述实施例，在此不作赘述。

303、获取第二区域图像对应的第二边界量化系数。

具体的，获取第二区域图像对应的第二边界量化系数的方式与获取第一区域图像对应的第一边界量化系数的方式，其本质上是相同的，具体请参阅步骤302对应的实施例，在此不做赘述。

304、基于第一边界量化系数、第二边界量化系数以及预设的量化系数比阈值，判断像素点是否为满足预设要求的边界点。

根据上述步骤301至步骤303可知，本步骤中的第一边界量化系数、第二边界量化系数以及预设的量化系数比阈值是与微结构的分布类型相对应的，因此，针对不同的微结构的分布类型，进行相应的说明，具体如下：

当微结构的分布类型为左右型时，如图10所示，假设过点

将图像分为“-”区和 “+”区两个区域，分别计算“-”区的边界量化系数

和“+”区的边界量化系数

，并计算“+” 区和“-”区的边界量化系数比

。本实施例中选取预设的量化系数比阈值为 1.5，需要说明的是，本申请可以根据实际需求，以对量化系数比阈值进行调整，那么当

时，此点即确定为满足预设要求的边界点。

需要说明的是，若

，则继续向右滑动，直至遍历完第一行为止。如第一行没 有点满足

，则采用第一行的方法，遍历后续行直到找到满足要求的点并记录此时的 点

，终止遍历。若遍历完所有行，仍没有满足要求的点，则此胃粘膜染色放大图像无 边界线；若有满足要求的点

，则计算

处的

，若

满足则

即为满足 要求的下一个点，否则，默认

为下一个满足要求的点。

当微结构的分布类型为上下型时，如图11所示，假设过点

将图像分为“-”区和 “+”区两个区域，分别计算“-”区的边界量化系数

和“+”区的边界量化系数

，并计算“+” 区和“-”区的边界量化系数比

。本实施例中选取预设的量化系数比阈值为 1.5，需要说明的是，本申请可以根据实际需求，以对量化系数比阈值进行调整，那么当

时，此点即确定为满足预设要求的边界点。

需要说明的是，若

，则继续向下滑动，直至遍历完第一列为止。如第一列没 有点满足

，则采用第一列的方法，遍历后续列直到找到满足要求的点并记录此时的 点

，终止遍历。若遍历完所有列，仍没有满足要求的点，则此胃粘膜染色放大图像无 边界线；若有满足要求的点

，则计算

处的

，若

满足则

即为满足 要求的下一个点，否则，默认

为下一个满足要求的点。

当微结构的分布类型为中空型时，如图12所示，假设过点

做直角坐标系，在第二 象限中取

范围为“+”区，取

范围为“-”区域，然后分别计算 “-”区的边界量化系数

和“+”区的边界量化系数

，并计算“+”区和“-”区的边界量化系数 比

。本实施例中选取预设的量化系数比阈值为1.5，需要说明的是，本申请可 以根据实际需求，以对量化系数比阈值进行调整，那么当

时，此点即确定为满足预设 要求的边界点。

需要说明的是，若

，则继续向下滑动，直至遍历完第一列为止。如第一列没 有点满足

，则采用第一列的方法，遍历后续列直到找到满足要求的点并记录此时的 点

，终止遍历。若遍历完所有列，仍没有满足要求的点，则此胃粘膜染色放大图像无 边界线；若有满足要求的点

，则计算

处的

、

处的

、

处的

；若

且

且

，则默认

为下一 个满足要求的点。若

或

，则

或

为满足要求的下一个点。 若

且

且

，此时表明边界线开始向下或向左下换向，则计算

处的

、

处的

，若

或

，则

或

为满足要求的下一个点，否则，默认

为下一个满足要求的点。

在本申请的一些实施例中，如图4所示，步骤302、获取第一区域图像对应的第一边界量化系数，包括：

401、获取第一区域图像中所有的微结构的第一质心偏心距参数。

在本申请的一些实施例中，获取第一区域图像中所有的微结构的第一质心偏心距参数，包括：获取第一区域图像中所有的微结构对应的质心参数集和第一面积参数集；基于质心参数集和第一面积参数集，确定所有的微结构的等效质心参数；获取第一区域图像的尺寸参数；基于第一区域图像的尺寸参数和所有的微结构的等效质心参数，确定第一区域图像中微结构的第一质心偏心距参数。

具体的，获取第一区域图像中所有的微结构对应的质心参数集和第一面积参数集，可以是在连通域基础上进行获取；基于质心参数集和第一面积参数集，确定所有的微结构的等效质心参数，具体可以对质心参数集中的每个质心参数进行加权，得到所有的微结构的等效质心参数，该等效质心参数可以是坐标参数，如（p_x,p_y），具体计算公式如下：

；

；

具体的，基于第一区域图像的尺寸参数和所有的微结构的等效质心参数，确定第一区域图像中微结构的第一质心偏心距参数，其中，第一区域图像的尺寸参数该图像的宽和高，可以采用如下计算公式：

；

其中，

分别为第一区域图像的宽和高。

402、获取第一区域图像对应的第一密度量化参数。

在本申请的一些实施例中，获取第一区域图像对应的第一密度量化参数，包括：获取第一区域图像中所有的微结构对应的第二面积参数集和坐标参数集；基于坐标参数集，确定所有的微结构对应的有效区域坐标参数；基于有效区域坐标参数和第二面积参数集，确定第一区域图像对应的第一密度量化参数。其中，第一面积参数集和第二面积参数集可以相同。

具体的，在连通域基础上，获取第一区域图像中每根微结构的面积

、左上角坐 标

以及右下角坐标

；计算所有微结构区域的有效区域坐标，其中有效区域左 上角坐标

计算方式如下：

，

有效区域右下角坐标

计算方式如下

；

第一密度量化参数计算公式如下：

；

其中，N为第一区域图像中微结构总的数目。

403、获取第一区域图像中所有微血管对应的第一直径比量化参数。

在本申请的一些实施例中，获取第一区域图像中所有微血管对应的第一直径比量化参数，包括：获取第一区域图像中所有的微血管对应的多条微血管中心线；获取多条微血管中心线中每条微血管中心线上所有像素点对应的微血管直径参数，得到微血管直径参数集；对微血管直径参数集中的微血管直径参数进行聚类，并获取聚类后中最大类直径平均值和最小类直径平均值；基于最大类直径平均值和最小类直径平均值，确定第一区域图像中所有的微血管的第一直径比量化参数。

具体的，在连通域的基础上遍历第一区域图像中所有微血管，可以采用Zhang- Suen细化算法提取每根微血管中心线；遍历所得每根中心线上所有像素点并求当前像素点 法线使其与微血管壁相交于两点，求两点的欧式距离即为该点对应的微血管直径。通过此 方法求得每根微血管中心线上所有像素点对应的微血管直径

（其中i为第i根微血管的 中心线，j为第i根微血管中心线上的第j个像素点处的微血管直径。）；然后对所求所有微血 管直径采用k-means法聚3类，求最大类直径平均值

和最小类直径平均值

， 则第一直径比量化参数为

。

404、对第一质心偏心距参数、第一密度量化参数和第一直径比量化参数进行拟合，得到第一边界量化系数。

具体的，对第一质心偏心距参数、第一密度量化参数和第一直径比量化参数进行 拟合，可以是对第一质心偏心距参数、第一密度量化参数和第一直径比量化参数进行加权 拟合，其中，选取第一质心偏心距参数为e、第一密度量化参数为

和第一直径比量化参数 为

，那么边界量化系数拟合公式如下：

；

其中，

为拟合权重系数，本申请中

，

为防 止分母为零的参数，

。

在本申请的一些实施例中，如图5所示，步骤206、基于边界点判断结果，对胃黏膜染色放大图像进行边界量化，包括：

501、若边界点判断结果为胃黏膜叠加图上的像素点中存在满足预设要求的边界点。

502、则获取所有满足预设要求的边界点的坐标信息，并将坐标信息映射至胃黏膜染色放大图像上，并绘制成线，以确定胃黏膜染色放大图像中存在边界线。

503、若边界点判断结果为胃黏膜叠加图上的像素点中不存在满足预设要求的边界点，则确定胃黏膜染色放大图像中不存在边界线。

为了更好实施本申请实施例中胃黏膜图像边界量化方法，在胃黏膜图像边界量化方法基础之上，本申请实施例中还提供一种胃黏膜图像边界量化装置，如图6所示，胃黏膜图像边界量化装置600包括第一获取单元601、第一叠加单元602、第二获取单元603、第一识别单元604，第一判断单元605以及第一边界量化单元606：

第一获取单元601，用于获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；

第一叠加单元602，用于将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；

第二获取单元603，用于按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；

第一识别单元604，用于对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；

第一判断单元605，用于基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；

第一边界量化单元606，用于基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

在本申请的一些实施例中，第一边界量化单元606，具体用于：

若边界点判断结果为胃黏膜叠加图上的像素点中存在满足预设要求的边界点。

则获取所有满足预设要求的边界点的坐标信息，并将坐标信息映射至胃黏膜染色放大图像上，并绘制成线，以确定胃黏膜染色放大图像中存在边界线。

若边界点判断结果为胃黏膜叠加图上的像素点中不存在满足预设要求的边界点，则确定胃黏膜染色放大图像中不存在边界线。

在本申请的一些实施例中，第一判断单元605，具体包括：

第一区域划分单元，用于根据所述微结构的分布类型和所述像素点对应的坐标信息，将所述胃黏膜叠加图按照预设要求进行区域划分，得到所述胃黏膜叠加图的第一区域图像和第二区域图像；

第三获取单元，用于获取所述第一区域图像对应的第一边界量化系数；

第四获取单元，用于获取所述第二区域图像对应的第二边界量化系数；

第二判断单元，用于基于所述第一边界量化系数、所述第二边界量化系数以及预设的量化系数比阈值，判断所述像素点是否为满足预设要求的边界点，得到边界点判断结果。

在本申请的一些实施例中，第三获取单元，具体包括：

第五获取单元，用于获取第一区域图像中所有的微结构的第一质心偏心距参数。

第六获取单元，用于获取第一区域图像对应的第一密度量化参数。

第七获取单元，用于获取第一区域图像中所有微血管对应的第一直径比量化参数。

第一拟合单元，用于对第一质心偏心距参数、第一密度量化参数和第一直径比量化参数进行拟合，得到第一边界量化系数。

在本申请的一些实施例中，第五获取单元，具体用于：

获取第一区域图像中所有的微结构对应的质心参数集和第一面积参数集。

基于质心参数集和第一面积参数集，确定所有的微结构的等效质心参数。

获取第一区域图像的尺寸参数。

基于第一区域图像的尺寸参数和所有的微结构的等效质心参数，确定第一区域图像中微结构的第一质心偏心距参数。

在本申请的一些实施例中，第六获取单元，具体用于：

获取第一区域图像中所有的微结构对应的第二面积参数集和坐标参数集。

基于坐标参数集，确定所有的微结构对应的有效区域坐标参数。

基于有效区域坐标参数和第二面积参数集，确定第一区域图像对应的第一密度量化参数。

在本申请的一些实施例中，获取第一区域图像中所有微血管对应的第一直径比量化参数，具体用于：

获取第一区域图像中所有的微血管对应的多条微血管中心线。

获取多条微血管中心线中每条微血管中心线上所有像素点对应的微血管直径参数，得到微血管直径参数集。

对微血管直径参数集中的微血管直径参数进行聚类，并获取聚类后中最大类直径平均值和最小类直径平均值。

基于最大类直径平均值和最小类直径平均值，确定第一区域图像中所有的微血管的第一直径比量化参数。

本申请提供的胃黏膜图像边界量化装置600，包括第一获取单元601，用于获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；第一叠加单元602，用于将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；第二获取单元603，用于按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；第一识别单元604，用于对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；第一判断单元605，用于基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；第一边界量化单元606，用于基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。相较于传统装置，只能通过人眼判定，无法准确识别内镜中胃粘膜边界线的背景下，本申请创造性的提出将从胃黏膜染色放大图像中分割出的微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图，然后按照预设顺序遍历胃黏膜叠加图上所有的像素点；基于微结构的分布类型和像素点对应的坐标信息，判断所有的像素点中是否存在满足预设要求的边界点，有针对性的寻找胃黏膜叠加图上的边界点，提高对胃黏膜边界进行量化准确性，具有高可靠性。

除了上述介绍用于胃黏膜图像边界量化方法与装置之外，本申请实施例还提供一种终端，其集成了本申请实施例所提供的任一种胃黏膜图像边界量化装置，终端包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行上述胃黏膜图像边界量化方法实施例中任一实施例中的任一方法的操作。

本申请实施例还提供一种终端，其集成了本申请实施例所提供的任一种胃黏膜图像边界量化装置。参阅图7，图7是本申请实施例提供的终端一个实施例结构示意图。

如图7所示，其示出了本申请实施例所设计的胃黏膜图像边界量化装置的结构示意图，具体来讲：

该胃黏膜图像边界量化装置可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储单元702、电源703和输入单元704等部件。本领域技术人员可以理解，图7中示出的胃黏膜图像边界量化装置结构并不构成对胃黏膜图像边界量化装置的限定，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701是该胃黏膜图像边界量化装置的控制中心，利用各种接口和线路连接整个胃黏膜图像边界量化装置的各个部分，通过运行或执行存储在存储单元702内的软件程序和/或模块，以及调用存储在存储单元702的数据，执行胃黏膜图像边界量化装置的各种功能和处理数据，从而对胃黏膜图像边界量化装置进行整体监控。可选的，处理器701可包括一个或多个处理核心；优选的，处理器701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701中。

存储单元702可用于存储软件程序以及模块，处理器701通过运行存储在存储单元702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702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胃黏膜图像边界量化装置的使用所创建的数据等。此外，存储单元702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702还可以包括存储器控制器，以提供处理器701对存储单元702的访问。

胃黏膜图像边界量化装置还包括给各个部件供电的电源703，优选的，电源703可以通过电源管理系统与处理器701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703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。

该胃黏膜图像边界量化装置还可包括输入单元704，该输入单元704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，胃黏膜图像边界量化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，胃黏膜图像边界量化装置中的处理器701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702中，并由处理器701来运行存储在存储单元702中的应用程序，从而实现各种功能，如下：

获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

本申请提供的胃黏膜图像边界量化方法，相较于传统方法，只能通过人眼判定，无法准确识别内镜中胃粘膜边界线的背景下，本申请创造性的提出将从胃黏膜染色放大图像中分割出的微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图，然后按照预设顺序遍历胃黏膜叠加图上所有的像素点；基于微结构的分布类型和像素点对应的坐标信息，判断所有的像素点中是否存在满足预设要求的边界点，有针对性的寻找胃黏膜叠加图上的边界点，提高对胃黏膜边界进行量化准确性，具有高可靠性。

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胃黏膜图像边界量化方法中的步骤。例如，该指令可以执行如下步骤：

获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；将微结构分割图和微血管分割图进行叠加，得到胃黏膜叠加图；按照预设顺序遍历胃黏膜叠加图上的像素点，获取胃黏膜叠加图上的像素点对应的坐标信息；对微结构分割图中的微结构的分布类型进行识别，得到微结构的分布类型，其中，微结构的分布类型包括左右型、上下型以及中空型；基于微结构的分布类型和像素点对应的坐标信息，判断胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；基于边界点判断结果，对胃黏膜染色放大图像进行边界量化。

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胃黏膜图像边界量化方法、装置、终端及计算机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，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种胃黏膜图像边界量化方法，其特征在于，所述方法包括：

获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；

将所述微结构分割图和所述微血管分割图进行叠加，得到胃黏膜叠加图；

按照预设顺序遍历所述胃黏膜叠加图上的像素点，获取所述胃黏膜叠加图上的像素点对应的坐标信息；

对所述微结构分割图中的微结构的分布类型进行识别，得到所述微结构的分布类型，其中，所述微结构的分布类型包括左右型、上下型以及中空型；

基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；

基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化；

其中，所述基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果，包括：

根据所述微结构的分布类型和所述像素点对应的坐标信息，将所述胃黏膜叠加图按照预设要求进行区域划分，得到所述胃黏膜叠加图的第一区域图像和第二区域图像；

获取所述第一区域图像对应的第一边界量化系数；

获取所述第二区域图像对应的第二边界量化系数；

基于所述第一边界量化系数、所述第二边界量化系数以及预设的量化系数比阈值，判断所述像素点是否为满足预设要求的边界点，得到边界点判断结果。

2.根据权利要求1所述的胃黏膜图像边界量化方法，其特征在于，所述基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化，包括：

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中存在满足预设要求的边界点；

则获取所有满足预设要求的边界点的坐标信息，并将所述坐标信息映射至所述胃黏膜染色放大图像上，并绘制成线，以确定所述胃黏膜染色放大图像中存在边界线；

若所述边界点判断结果为所述胃黏膜叠加图上的像素点中不存在满足预设要求的边界点，则确定所述胃黏膜染色放大图像中不存在边界线。

3.根据权利要求1所述的胃黏膜图像边界量化方法，其特征在于，所述获取所述第一区域图像对应的第一边界量化系数，包括：

获取所述第一区域图像中所有的微结构的第一质心偏心距参数；

获取所述第一区域图像对应的第一密度量化参数；

获取所述第一区域图像中所有微血管对应的第一直径比量化参数；

对所述第一质心偏心距参数、所述第一密度量化参数和所述第一直径比量化参数进行拟合，得到第一边界量化系数。

4.根据权利要求3所述的胃黏膜图像边界量化方法，其特征在于，所述获取所述第一区域图像中所有的微结构的第一质心偏心距参数，包括：

获取所述第一区域图像中所有的微结构对应的质心参数集和第一面积参数集；

基于所述质心参数集和所述第一面积参数集，确定所述所有的微结构的等效质心参数；

获取所述第一区域图像的尺寸参数；

基于所述第一区域图像的尺寸参数和所述所有的微结构的等效质心参数，确定所述第一区域图像中微结构的第一质心偏心距参数。

5.根据权利要求3所述的胃黏膜图像边界量化方法，其特征在于，所述获取所述第一区域图像对应的第一密度量化参数，包括：

获取所述第一区域图像中所有的微结构对应的第二面积参数集和坐标参数集；

基于所述坐标参数集，确定所述所有的微结构对应的有效区域坐标参数；

基于所述有效区域坐标参数和所述第二面积参数集，确定所述第一区域图像对应的第一密度量化参数。

6.根据权利要求3所述的胃黏膜图像边界量化方法，其特征在于，所述获取所述第一区域图像中所有微血管对应的第一直径比量化参数，包括：

获取所述第一区域图像中所有的微血管对应的多条微血管中心线；

获取所述多条微血管中心线中每条微血管中心线上所有像素点对应的微血管直径参数，得到微血管直径参数集；

对所述微血管直径参数集中的微血管直径参数进行聚类，并获取聚类后中最大类直径平均值和最小类直径平均值；

基于所述最大类直径平均值和所述最小类直径平均值，确定所述第一区域图像中所有的微血管的第一直径比量化参数。

7.一种胃黏膜图像边界量化装置，其特征在于，所述装置包括：

第一获取单元，用于获取胃黏膜染色放大图像对应的微结构分割图和微血管分割图；

第一叠加单元，用于将所述微结构分割图和所述微血管分割图进行叠加，得到胃黏膜叠加图；

第二获取单元，用于按照预设顺序遍历所述胃黏膜叠加图上的像素点，获取所述胃黏膜叠加图上的像素点对应的坐标信息；

第一识别单元，用于对所述微结构分割图中的微结构的分布类型进行识别，得到所述微结构的分布类型，其中，所述微结构的分布类型包括左右型、上下型以及中空型；

第一判断单元，用于基于所述微结构的分布类型和所述像素点对应的坐标信息，判断所述胃黏膜叠加图上的像素点中是否存在满足预设要求的边界点，得到边界点判断结果；

第一边界量化单元，用于基于所述边界点判断结果，对所述胃黏膜染色放大图像进行边界量化；

其中，所述第一判断单元，具体包括：

第一区域划分单元，用于根据所述微结构的分布类型和所述像素点对应的坐标信息，将所述胃黏膜叠加图按照预设要求进行区域划分，得到所述胃黏膜叠加图的第一区域图像和第二区域图像；

第三获取单元，用于获取所述第一区域图像对应的第一边界量化系数；

第四获取单元，用于获取所述第二区域图像对应的第二边界量化系数；

第二判断单元，用于基于所述第一边界量化系数、所述第二边界量化系数以及预设的量化系数比阈值，判断所述像素点是否为满足预设要求的边界点，得到边界点判断结果。

8.一种终端，其特征在于，所述终端包括：

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6中任一项所述的胃黏膜图像边界量化方法。

9.一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6任一项所述的胃黏膜图像边界量化方法中的步骤。

Images