CN114511566B - 医学图像中基底膜定位线检测方法及相关装置 - Google Patents

医学图像中基底膜定位线检测方法及相关装置 Download PDF

Info

Publication number
CN114511566B
CN114511566B CN202210409759.XA CN202210409759A CN114511566B CN 114511566 B CN114511566 B CN 114511566B CN 202210409759 A CN202210409759 A CN 202210409759A CN 114511566 B CN114511566 B CN 114511566B
Authority
CN
China
Prior art keywords
target
segment
layer
boundary line
line segment
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
CN202210409759.XA
Other languages
English (en)
Other versions
CN114511566A (zh
Inventor
于红刚
李迅
姚理文
张丽辉
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 University WHU
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 CN202210409759.XA priority Critical patent/CN114511566B/zh
Publication of CN114511566A publication Critical patent/CN114511566A/zh
Application granted granted Critical
Publication of CN114511566B publication Critical patent/CN114511566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30028Colon; Small intestine

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种医学图像中基底膜定位线检测方法及相关装置,该方法将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,再根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段,再根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,及黏膜下层边界线段中的目标黏膜下层曲线段,最后,根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。本申请中的方法可以快速、准确地找到医学图像中基底膜定位线的位置。

Description

医学图像中基底膜定位线检测方法及相关装置
技术领域
本申请涉及图像处理领域,尤其涉及一种医学图像中基底膜定位线检测方法及相关装置。
背景技术
结直肠癌发病率居我国第三位,是导致死亡的主要癌症之一。大部分的结直肠癌是由腺瘤性息肉演变而来。其中,锯齿状腺瘤通过锯齿状途径进行恶性转化占结直肠癌病例的15%-30%。因此,锯齿状腺瘤是用来描述结肠和直肠的上皮病变的重要依据,组织学切片分析是确诊锯齿状腺瘤的重要方法,由于锯齿状结构这一重要的组织学特征多位于隐窝近基底膜处,故基底膜的定位对于锯齿状腺瘤的组织学观察十分重要,良好的定位有助于更准确却快速的观察及诊断。
传统的基底膜的定位方法是通过人工进行识别,借助医师的经验得出基底膜的大概方位。但是基底膜形态多变、边界模糊,人工识别的方法效率低、准确率不高。
发明内容
本申请实施例提供一种医学图像中基底膜定位线检测方法及相关装置,用以快速、准确地确定医学图像中基底膜定位线的位置。
为解决上述技术问题,本申请实施例提供以下技术方案:
一方面,本申请提供医学图像中基底膜定位线检测方法,包括:
将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段;
根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段;
根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
可选的,在本申请一些可能的实现方式中,根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段的步骤,包括:
获取黏膜下层边界线段中多个第一坐标点;
在黏膜层边界线段中确定多个与第一坐标点距离最近的第二坐标点;
根据多个第二坐标点,确定目标黏膜层曲线段,并获取目标黏膜层曲线段中多个第三坐标点;
在黏膜下层边界线段中确定多个与第三坐标点距离最近的第四坐标点;
根据多个第四坐标点,确定目标黏膜下层曲线段。
可选的,在本申请一些可能的实现方式中根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线的步骤,包括:
根据目标黏膜层曲线段的端点以及目标黏膜下层曲线段的端点,确定目标黏膜层曲线段与目标黏膜下层曲线段对应的第一直线;
分别过第一直线上的多个位置点做垂线,与目标黏膜层曲线段,以及目标黏膜下层曲线段分别交于第一位置点、第二位置点;
根据第一位置点与第二位置点,得到目标位置点;
根据多个目标位置点,得到目标部位的医学图像中的基底膜定位线。
可选的,在本申请一些可能的实现方式中,根据目标黏膜层曲线段的端点以及目标黏膜下层曲线段的端点,确定目标黏膜层曲线段与目标黏膜下层曲线段对应的第一直线的步骤,包括:
根据目标黏膜层曲线段的第一端点,以及目标黏膜下层曲线段第三端点,确定第一直线段,根据目标黏膜层曲线段的第二端点,以及目标黏膜下层曲线段第四端点,确定第二直线段,第一端点与第三端点位置相对应,第二端点与第四端点位置相对应;
根据第一直线段的中点与第二直线段的中点,得到第一直线。
可选的,在本申请一些可能的实现方式中,根据第一位置点与第二位置点,得到目标位置点的步骤,包括:
根据第一位置点与第二位置点,得到第三直线段;
将第三直线段的中点确定为目标位置点。
可选的,在本申请一些可能的实现方式中,根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线的步骤之后,还包括:
根据基底膜定位线对目标部位进行医学检测,得到检测结果。
可选的,在本申请一些可能的实现方式中,将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分隔线的步骤,包括:
通过训练好的黏膜层分割模型和黏膜下层分割线对目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线。
一方面,本申请实施例还提供了医学图像中基底膜定位线检测装置,包括:
分割模块,用于将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
去除模块,用于根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段;
第一确定模块,用于根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段;
第二确定模块,用于根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
一方面,本申请实施例提供了一种电子设备,电子设备包括存储器,处理器及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述医学图像中基底膜定位线检测方法中的步骤。
一方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时实现上述医学图像中基底膜定位线检测方法中的步骤。
本申请实施例提供了一种医学图像中基底膜定位线检测方法及相关装置,该方法首先将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,再根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段,再根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,及黏膜下层边界线段中的目标黏膜下层曲线段,最后,根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。本申请中的方法克服了人工识别结果不准确,效率慢等问题,可以快速、准确地找到医学图像中基底膜定位线的位置。
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为本申请实施例提供的医学图像中基底膜定位线检测系统的场景示意图。
图2为本申请实施例提供的医学图像中基底膜定位线检测方法的第一种流程示意图。
图3a为本申请实施例提供的分割后的第一种医学图像。
图3b为本申请实施例提供的分割后的第二种医学图像。
图4a为本申请实施例提供的去除第一图像边界线段和第二图像边界线段之前的医学图像。
图4b为本申请实施例提供的去除第一图像边界线段和第二图像边界线段之后的第一种医学图像。
图4c为本申请实施例提供的去除第一图像边界线段和第二图像边界线段之后的第二种医学图像。
图5a为本申请实施例提供的黏膜层边界线段和黏膜下层边界线段的空间位置关系示意图。
图5b为本申请实施例提供的目标黏膜层曲线段示意图。
图5c为本申请实施例提供的目标黏膜下层曲线段示意图。
图6a为本申请实施例提供的基底膜定位线的第一种示意图。
图6b为本申请实施例提供的基底膜定位线的第二种示意图。
图7为本申请实施例提供的医学图像中基底膜定位线检测方法的第二种流程示意图。
图8为本申请实施例提供的医学图像中基底膜定位线检测装置的结构示意图。
图9为本申请实施例提供的电子设备的结构示意图。
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。
本申请实施例提供一种医学图像中基底膜定位线检测方法及相关装置。其中,该医学图像中基底膜定位线检测装置可以集成在电子设备中,该电子设备可以是服务器,也可以是终端等设备,其中,该终端可以包括平板电脑、笔记本电脑、个人计算(PC,PersonalComputer)、微型处理盒子、或者其他设备等。
本申请说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同的对象,而非用于描述特定的顺序。
在本申请中,目标部位为需要进行医学检测的部位,包括但不局限于肠道,医学图像为包含目标部位的HE染色组织学切片图片。
由于大部分的结直肠癌是由腺瘤性息肉演变而来,其中,锯齿状腺瘤通过锯齿状途径进行恶性转化的概率很大,因此,锯齿状腺瘤常用来描述结肠和直肠的上皮病变,锯齿状腺瘤表现为组织学可见息肉表面和隐窝上皮的锯齿状,因此观察结直肠的病理切片中是否有锯齿状结构显得尤为重要,由于锯齿状结构这一重要的组织学特征多位于隐窝近基底膜处,故基底膜的定位对于锯齿状腺瘤的组织学观察十分重要,因此,在本申请的主要目的是,在结直肠的病理切片下找到基底膜定位线的位置,为进一步对锯齿状腺瘤的组织学观察提供便利。
本本申请中,医学图像采集设备可以是连接计算机的正置显微镜等医学图像采集设备。
在本申请中,第一图像边界线是黏膜层与医学图像的边缘重合的线,第二图像边界线是黏膜下层与医学图像的边缘重合的线。
请参阅图1,图1为本申请实施例提供的医学图像中基底膜定位线检测系统的场景示意图,该系统可以包括数据库13、服务器11以及医学图像采集设备12,数据库13与服务器11之间、服务器11与医学图像采集设备12之间通过无线网络或有线网络进行数据交互,其中:
数据库13可以是本地数据库和/或远程数据库等。
服务器11本地服务器和/或远程服务器等。
服务器11将来自医学图像采集设备12或者数据库13中的目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,其中,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段,服务器11根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段,服务器11根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段,最后,服务器11根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。通过本申请中的医学图像中基底膜定位线检测方法可以快速、准确地找到医学图像中基底膜定位线的位置。
需要说明的是,图1所示的推送系统的场景示意图仅仅是一个示例,本申请实施例描述的服务器11、医学图像采集设备12以及数据库13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,随着系统的演变和新业务局景的出现,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。以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
请参阅图2,图2为本申请实施例提供的医学图像中基底膜定位线检测方法的第一种流程示意图,包括:
步骤201:将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段。
对结直肠的HE染色组织学切片图片进行分割,得到结直肠的HE染色组织学切片图片中的黏膜层分割线和黏膜下层分割线,其中,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段。如图3a所示为申请实施例提供的分割后的第一种医学图像,其中,如图3a中左边的实线为黏膜层边界线段,图3a左边的虚线为第一图像边界线段,图3a右边的实线为黏膜下层边界线段,图3a右边的虚线为第二图像边界线段。如图3b所示为申请实施例提供的分割后的第二种医学图像,图3b中图像上部分的实线为黏膜层边界线段,图3b上部分的虚线为第一图像边界线,图3b中图像下部分的实线为黏膜下层边界线段,图3b下部分的虚线为第二图像边界线。图3a和图3b所示的黏膜层分割线和黏膜下层分割线是分割后的医学图像的二种,还有其他的分割情况不做列举。
在一种实施例中,将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分隔线的步骤,包括:通过训练好的黏膜层分割模型和黏膜下层分割线对目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线。
以目标部位为结直肠为例,首先获取大量来自结直肠的HE染色组织学切片图片,在图片中人为对黏膜层及黏膜下层范围进行勾勒,并保存标记,再利用人为标记分别训练黏膜层分割模型和黏膜下层分割模型,经过迭代训练,得到训练好的黏膜层分割模型和黏膜下层分割模型,最后将训练好的黏膜层分割模型和黏膜下层分割模型分别用于黏膜层范围分割及黏膜下层范围分割。
步骤202:根据医学图像上各坐标的坐标值,去除中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段。
首先,如图4a所示以图片的左下角的点为原点,以医学图像水平的方向做横轴,以医学图片垂直方向做纵轴确定坐标系,再获取医学图片中的各点的坐标,确定图片中点的横、纵坐标最大值,例如图4a中纵坐标最大值对应的点为点A,横坐标最大值对应的点为点B,即纵坐标最大值为点A的y1,横坐标最大值为点B的x1,再将横坐标为0~3%x1、97%x1~x1,纵坐标为0~3%y1、97%y1~y1范围内的点从图3a中去除,得到去除第一图像边界线的图4b。
假设图3b中纵坐标最大值为y2,横坐标最大值为x2,同样的方法,可以将横坐标为0~3%x2、97%x2~x2,纵坐标为0~3%y2、97%y2~y2范围内的点从图3b中去除,得到去除第二图像边界线的图4c。其中,参数0~3%、97%~1为一般情况下的取值,随着实际情况的改变,该参数可做适应性的修改,因此,具体参数的设定在此不做限定。
步骤203:根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段。
将黏膜层边界线段和黏膜下层边界线段中相互最接近的两条曲线段,分别确定为目标黏膜层曲线段和目标黏膜下层曲线段。
在一种实施例中,根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段的步骤,包括:获取黏膜下层边界线段中多个第一坐标点;在黏膜层边界线段中确定多个与第一坐标点距离最近的第二坐标点;根据多个第二坐标点,确定目标黏膜层曲线段,并获取目标黏膜层曲线段中多个第三坐标点;在黏膜下层边界线段中确定多个与第三坐标点距离最近的第四坐标点;根据多个第四坐标点,确定目标黏膜下层曲线段。
如图5a所示,线段EF为黏膜下层边界线段,线段GH为黏膜层边界线段,首先在黏膜下层边界线段上取多个第一坐标点,多个第一坐标点可以等间距取,也可以不等间距取,在此不做限定,第一坐标点尽可能的多,且尽可能的包括线段的两个端点,第一坐标点越多,最终得到的结果准确率就越高,在此为方便说明取线段EF上的9个点,其中,点a1即为点F,点a9即为点E,在黏膜层边界线上取各第一坐标点对应的距离最近的第二坐标点,如图5a所示,点a1对应的第二坐标点为b1,点a2对应的第二坐标点为b2,点a3对应的第二坐标点为b3,点a4对应的第二坐标点为b4,点a5对应的第二坐标点为b5,点a6对应的第二坐标点为b6,点a7对应的第二坐标点为b7,点a8对应的第二坐标点为b8,点a9对应的第二坐标点为b9。
上述步骤中得到多个第二坐标点后,将黏膜层边界线上没有第二坐标点的线段去掉,得到目标黏膜层曲线段。即将线段GH上没有第二坐标点的线段去除,即将线段Gb9、线段Hb1中线段GH中去掉,剩下的线段b1b9为目标黏膜层曲线段,如图5b所示本申请实施例提供的目标黏膜层曲线段示意图。
确定目标黏膜层曲线段后,获取目标黏膜层曲线段中多个第三坐标点,多个第三坐标点可以等间距取,也可以不等间距取,在此不做限定,第三坐标点尽可能的多,且尽可能的包括线段的两个端点,第三坐标点越多,最终得到的结果准确率就越高,在此为方便说明取线段b1b9上的8个点,其中,点c1即为点b1,点c8即为点b9,在黏膜下层边界线上取各第三坐标点对应的距离最近的第四坐标点,如图5b所示,点c1对应的第二坐标点为d1,点c2对应的第二坐标点为d2,点c3对应的第二坐标点为d3,点c4对应的第二坐标点为d4,点c5对应的第二坐标点为d5,点c6对应的第二坐标点为d6,点c7对应的第二坐标点为d7,点c8对应的第二坐标点为d8。
上述步骤中得到多个第四坐标点后,将黏膜下层边界线上没有第四坐标点的线段去掉,得到目标黏膜下层曲线段,即将线段EF上没有第四坐标点的线段去除,即将线段Fd1、线段ED8中线段EF中去掉,剩下的线段d1d8为目标黏膜下层曲线段,如图5c所示为本申请实施例提供的目标黏膜下层曲线段示意图。
步骤204:根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
上述步骤中将目标黏膜层曲线和目标黏膜下层曲线得到了,接下了需要得到基底膜定位线,基底膜定位线可以有以下两种求解方法。
方法一:
在一种实施例中,根据上述的第二坐标点和第四坐标点,得到基底膜定位线。
将各第二坐标点分别与对应的第四坐标点连线的中点,确定为基底膜定位点,将各基底膜定位点依次进行连接,得到目标折线,再将目标折线做折线平滑化处理得到基底膜定位线。
例如,如图6a所示,确定各第二坐标与对应的第四坐标点连线的中点第五坐标点,将各第五坐标点连接,并做折线平滑化,得到基底膜的定位线,图6a中点e1为线段b1d1的中点,点e2为线段b2d2的中点,以此类推,点e8为线段b8d8的中点。
方法二:
如图7所示为医学图像中基底膜定位线检测方法的第二种流程示意图,步骤204还包括以下几个步骤:
步骤2041:根据目标黏膜层曲线段的端点以及目标黏膜下层曲线段的端点,确定目标黏膜层曲线段与目标黏膜下层曲线段对应的第一直线。
在一种实施例中,根据目标黏膜层曲线段的端点以及目标黏膜下层曲线段的端点,确定目标黏膜层曲线段与目标黏膜下层曲线段对应的第一直线的步骤,包括:根据目标黏膜层曲线段的第一端点,以及目标黏膜下层曲线段第三端点,确定第一直线段,根据目标黏膜层曲线段的第二端点,以及目标黏膜下层曲线段第四端点,确定第二直线段,第一端点与第三端点位置相对应,第二端点与第四端点位置相对应;根据第一直线段的中点与第二直线段的中点,得到第一直线。
如图6b所示,曲线段IL为目标黏膜层曲线段,曲线段PM为目标黏膜下层曲线段,根据曲线段IL的端点I和曲线段PM的端点P,确定第一直线段IP,据曲线段IL的端点L和曲线段PM的端点M,确定第二直线段LM,连接第一直线段IP的中点O1和第二直线段LM的中点O2,得到第一直线。
步骤2042:分别过第一直线上的多个位置点做垂线,与目标黏膜层曲线段,以及目标黏膜下层曲线段分别交于第一位置点、第二位置。
第一直线上的位置点尽可能多,位置点之间可以是等间距,也可以不相等,在此不做限定。
如图6b所示中,在第一直线上分别取位置点q1、q2、q3、q4、q5、q6、q7、q8,分别过这个8个位置点做第一直线的垂线,与目标黏膜层曲线段交于第一位置点点k1、k2、k3、k4、k5、k6、k7、k8;与目标黏膜下层曲线段交于第二位置点h1、h2、h3、h4、h5、h6、h7、h8。
步骤2043:根据第一位置点与第二位置点,得到目标位置。
在一种实施例中,根据第一位置点与第二位置点,得到目标位置点的步骤,包括:根据第一位置点与第二位置点,得到第三直线段;将第三直线段的中点确定为目标位置点。
其中,将第一位置点和第二位置点进行连接,得到第三直接段。
步骤2044:根据多个目标位置点,得到目标部位的医学图像中的基底膜定位线。
最后,将各目标位置点依次进行连接,得到目标折线,再将目标折线进行平滑化处理,得到基底膜的定位线。
在步骤204之后,还包括:根据基底膜定位线对目标部位进行医学检测,得到检测结果。
由于上述步骤中得到了基底膜定位线,因此在实际进行医学检测的时候对黏膜层腺体靠近基底膜处的位置进行着重检测,通过这种方法得到的医学检测结果更加准确,检测速率更快。
本申请实施例提供了一种医学图像中基底膜定位线检测方法该方法首先将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,再根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段,再根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,及黏膜下层边界线段中的目标黏膜下层曲线段,最后,根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。本申请中的方法克服了人工识别结果不准确,效率慢等问题,可以快速、准确地找到医学图像中基底膜定位线的位置。
在上述实施例方法的基础上,本实施例将从医学图像中基底膜定位线检测的角度进一步进行描述,请参阅图8,图8具体描述了本申请实施例提供的医学图像中基底膜定位线检测装置的结构示意图,包括:
分割模块801,用于将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
去除模块802,用于根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段;
第一确定模块803,用于根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段;
第二确定模块804,用于根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
相应的,本申请实施例还提供一种电子设备,如图9所示,该电子设备可以包括射频电路901、包括有一个或一个以上计算机可读存储介质的存储器902、输入单元903、显示单元904、传感器905、音频电路906、WiFi模块907、包括有一个或者一个以上处理核心的处理器908、以及电源909等部件。本领域技术人员可以理解,图9中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
射频电路901可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器908处理;另外,将涉及上行的数据发送给基站。存储器902可用于存储软件程序以及模块,处理器908通过运行存储在存储器902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。输入单元903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。
显示单元904可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
电子设备还可包括至少一种传感器905,比如光传感器、运动传感器以及其他传感器。音频电路906包括扬声器,扬声器可提供用户与电子设备之间的音频接口。
WiFi属于短距离无线传输技术,电子设备通过WiFi模块907可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图9示出了WiFi模块907,但是可以理解的是,其并不属于电子设备的必须构成,完全可以根据需要在不改变申请的本质的范围内而省略。
处理器908是电子设备的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器902内的软件程序和/或模块,以及调用存储在存储器902内的数据,执行电子设备的各种功能和处理数据,从而对手机进行整体监控。
电子设备还包括给各个部件供电的电源909(比如电池),优选的,电源可以通过电源管理系统与处理器908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。
尽管未示出,电子设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备中的处理器908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器902中,并由处理器908来运行存储在存储器902中的应用程序,从而实现以下功能:
将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段;
根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段;
根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
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,可以参见上文的详细描述,此处不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以实现以下功能:
将目标部位的医学图像进行分割,得到医学图像中的黏膜层分割线和黏膜下层分割线,黏膜层分割线包括黏膜层边界线段和第一图像边界线段,黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
根据医学图像上各坐标的坐标值,去除黏膜层分割线中的第一图像边界线段和黏膜下层分割线中的第二图像边界线段,得到黏膜层边界线段和黏膜下层边界线段;
根据黏膜层边界线段和黏膜下层边界线段的空间位置关系,确定黏膜层边界线段中的目标黏膜层曲线段,以及黏膜下层边界线段中的目标黏膜下层曲线段;
根据目标黏膜层曲线段以及目标黏膜下层曲线段,得到目标部位的医学图像中的基底膜定位线。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种医学图像中基底膜定位线检测方法中的步骤,因此,可以实现本申请实施例所提供的任一种医学图像中基底膜定位线检测方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种医学图像中基底膜定位线检测方法及相关装置进行了详细介绍,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技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。

Claims (9)

1.一种医学图像中基底膜定位线检测方法,其特征在于,包括:
将目标部位的医学图像进行分割,得到所述医学图像中的黏膜层分割线和黏膜下层分割线,所述黏膜层分割线包括黏膜层边界线段和第一图像边界线段,所述黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
根据所述医学图像上各坐标的坐标值,去除所述黏膜层分割线中的第一图像边界线段和所述黏膜下层分割线中的第二图像边界线段,得到所述黏膜层边界线段和所述黏膜下层边界线段;
根据所述黏膜层边界线段和所述黏膜下层边界线段的空间位置关系,确定所述黏膜层边界线段中的目标黏膜层曲线段,以及所述黏膜下层边界线段中的目标黏膜下层曲线段;
根据所述目标黏膜层曲线段以及所述目标黏膜下层曲线段,得到所述目标部位的医学图像中的基底膜定位线;
所述根据所述黏膜层边界线段和所述黏膜下层边界线段的空间位置关系,确定所述黏膜层边界线段中的目标黏膜层曲线段,以及所述黏膜下层边界线段中的目标黏膜下层曲线段的步骤,包括:
获取所述黏膜下层边界线段中多个第一坐标点;
在所述黏膜层边界线段中确定多个与所述第一坐标点距离最近的第二坐标点;
根据多个所述第二坐标点,确定所述目标黏膜层曲线段,并获取所述目标黏膜层曲线段中多个第三坐标点;
在所述黏膜下层边界线段中确定多个与所述第三坐标点距离最近的第四坐标点;
根据多个所述第四坐标点,确定所述目标黏膜下层曲线段。
2.如权利要求1所述的医学图像中基底膜定位线检测方法,其特征在于,所述根据所述目标黏膜层曲线段以及所述目标黏膜下层曲线段,得到所述目标部位的医学图像中的基底膜定位线的步骤,包括:
根据所述目标黏膜层曲线段的端点以及所述目标黏膜下层曲线段的端点,确定所述目标黏膜层曲线段与所述目标黏膜下层曲线段对应的第一直线;
分别过所述第一直线上的多个位置点做垂线,与所述目标黏膜层曲线段,以及所述目标黏膜下层曲线段分别交于第一位置点、第二位置点;
根据所述第一位置点与所述第二位置点,得到目标位置点;
根据所述多个所述目标位置点,得到所述目标部位的医学图像中的基底膜定位线。
3.如权利要求2所述的医学图像中基底膜定位线检测方法,其特征在于,所述根据所述目标黏膜层曲线段的端点以及所述目标黏膜下层曲线段的端点,确定所述目标黏膜层曲线段与所述目标黏膜下层曲线段对应的第一直线的步骤,包括:
根据所述目标黏膜层曲线段的第一端点,以及目标黏膜下层曲线段第三端点,确定第一直线段,根据所述目标黏膜层曲线段的第二端点,以及目标黏膜下层曲线段第四端点,确定第二直线段,所述第一端点与所述第三端点位置相对应,所述第二端点与所述第四端点位置相对应;
根据所述第一直线段的中点与所述第二直线段的中点,得到所述第一直线。
4.如权利要求2所述的医学图像中基底膜定位线检测方法,其特征在于,所述根据所述第一位置点与所述第二位置点,得到目标位置点的步骤,包括:
根据所述第一位置点与所述第二位置点,得到第三直线段;
将所述第三直线段的中点确定为所述目标位置点。
5.如权利要求1所述的医学图像中基底膜定位线检测方法,其特征在于,所述根据所述目标黏膜层曲线段以及所述目标黏膜下层曲线段,得到所述目标部位的医学图像中的基底膜定位线的步骤之后,还包括:
根据所述基底膜定位线对所述目标部位进行医学检测,得到检测结果。
6.如权利要求1所述的医学图像中基底膜定位线检测方法,其特征在于,所述将目标部位的医学图像进行分割,得到所述医学图像中的黏膜层分割线和黏膜下层分隔线的步骤,包括:
通过训练好的黏膜层分割模型和黏膜下层分割线对所述目标部位的医学图像进行分割,得到所述医学图像中的黏膜层分割线和黏膜下层分割线。
7.一种医学图像中基底膜定位线检测装置,其特征在于,包括:
分割模块,用于将目标部位的医学图像进行分割,得到所述医学图像中的黏膜层分割线和黏膜下层分割线,所述黏膜层分割线包括黏膜层边界线段和第一图像边界线段,所述黏膜下层分割线包括黏膜下层边界线段和第二图像边界线段;
去除模块,用于根据所述医学图像上各坐标的坐标值,去除所述黏膜层分割线中的第一图像边界线段和所述黏膜下层分割线中的第二图像边界线段,得到所述黏膜层边界线段和所述黏膜下层边界线段;
第一确定模块,用于根据所述黏膜层边界线段和所述黏膜下层边界线段的空间位置关系,确定所述黏膜层边界线段中的目标黏膜层曲线段,以及所述黏膜下层边界线段中的目标黏膜下层曲线段;
第二确定模块,用于根据所述目标黏膜层曲线段以及所述目标黏膜下层曲线段,得到所述目标部位的医学图像中的基底膜定位线;
所述第一确定模块具体用于:获取所述黏膜下层边界线段中多个第一坐标点;
在所述黏膜层边界线段中确定多个与所述第一坐标点距离最近的第二坐标点;
根据多个所述第二坐标点,确定所述目标黏膜层曲线段,并获取所述目标黏膜层曲线段中多个第三坐标点;
在所述黏膜下层边界线段中确定多个与所述第三坐标点距离最近的第四坐标点;
根据多个所述第四坐标点,确定所述目标黏膜下层曲线段。
8.一种电子设备,其特征在于,所述电子设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的医学图像中基底膜定位线检测方法中的步骤。
9.一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存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的医学图像中基底膜定位线检测方法的步骤。
CN202210409759.XA 2022-04-19 2022-04-19 医学图像中基底膜定位线检测方法及相关装置 Active CN114511566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210409759.XA CN114511566B (zh) 2022-04-19 2022-04-19 医学图像中基底膜定位线检测方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210409759.XA CN114511566B (zh) 2022-04-19 2022-04-19 医学图像中基底膜定位线检测方法及相关装置

Publications (2)

Publication Number Publication Date
CN114511566A CN114511566A (zh) 2022-05-17
CN114511566B true CN114511566B (zh) 2022-07-19

Family

ID=81555188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210409759.XA Active CN114511566B (zh) 2022-04-19 2022-04-19 医学图像中基底膜定位线检测方法及相关装置

Country Status (1)

Country Link
CN (1) CN114511566B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116523919B (zh) * 2023-07-04 2023-09-12 武汉楚精灵医疗科技有限公司 腺管异型程度系数的确定方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101115435A (zh) * 2005-02-15 2008-01-30 奥林巴斯株式会社 医用图像处理装置、管腔图像处理装置、管腔图像处理方法及用于上述装置和方法的程序
CN105380682A (zh) * 2015-12-24 2016-03-09 飞依诺科技(苏州)有限公司 基于超声图像的双边内中膜的测量方法及系统
CN109636810A (zh) * 2018-11-28 2019-04-16 心医国际数字医疗系统(大连)有限公司 Ct影像的肺结节分割方法、系统及区域生长方法、分割结束判断方法、切割粘连区域方法
CN112435263A (zh) * 2020-10-30 2021-03-02 苏州瑞派宁科技有限公司 医学图像分割方法、装置、设备、系统及计算机存储介质
CN112690778A (zh) * 2021-01-14 2021-04-23 东莞安科医疗科技有限公司 一种生成脊柱椎间盘定位线的方法及系统
WO2021136224A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 图像分割方法以及图像分割装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100150418A1 (en) * 2008-12-15 2010-06-17 Fujifilm Corporation Image processing method, image processing apparatus, and image processing program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101115435A (zh) * 2005-02-15 2008-01-30 奥林巴斯株式会社 医用图像处理装置、管腔图像处理装置、管腔图像处理方法及用于上述装置和方法的程序
CN105380682A (zh) * 2015-12-24 2016-03-09 飞依诺科技(苏州)有限公司 基于超声图像的双边内中膜的测量方法及系统
CN109636810A (zh) * 2018-11-28 2019-04-16 心医国际数字医疗系统(大连)有限公司 Ct影像的肺结节分割方法、系统及区域生长方法、分割结束判断方法、切割粘连区域方法
WO2021136224A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 图像分割方法以及图像分割装置
CN112435263A (zh) * 2020-10-30 2021-03-02 苏州瑞派宁科技有限公司 医学图像分割方法、装置、设备、系统及计算机存储介质
CN112690778A (zh) * 2021-01-14 2021-04-23 东莞安科医疗科技有限公司 一种生成脊柱椎间盘定位线的方法及系统

Also Published As

Publication number Publication date
CN114511566A (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN109146814B (zh) 图像处理方法、装置、存储介质及电子设备
US11714533B2 (en) Method and apparatus for dynamically displaying icon based on background image
US20190244050A1 (en) Method, device and storage medium for determining camera posture information
CN110012209B (zh) 全景图像生成方法、装置、存储介质及电子设备
US9911058B2 (en) Method, system and apparatus for updating a scene model
CN114511566B (zh) 医学图像中基底膜定位线检测方法及相关装置
US11847812B2 (en) Image generation method and apparatus, device, and storage medium
EP3822757A1 (en) Method and apparatus for setting background of ui control
CN112991180A (zh) 图像拼接方法、装置、设备以及存储介质
WO2019134505A1 (zh) 图像虚化方法、存储介质及电子设备
CN114298902A (zh) 一种图像对齐方法、装置、电子设备和存储介质
WO2021036442A1 (zh) 循环保边平滑滤波的方法、装置和电子设备
CN111932681A (zh) 房屋信息显示方法、装置和电子设备
CN113822897A (zh) 血管分割方法、终端及计算机可读存储介质
CN108111762A (zh) 一种图像处理方法、终端及计算机可读存储介质
CN110266926B (zh) 图像处理方法、装置、移动终端以及存储介质
CN111984803A (zh) 多媒体资源处理方法、装置、计算机设备及存储介质
CN112016443A (zh) 同行识别方法及装置、电子设备和存储介质
US10706282B2 (en) Method and mobile terminal for processing image and storage medium
CN104917963A (zh) 一种图像处理方法及终端
CN113286082B (zh) 目标对象跟踪方法、装置、电子设备及存储介质
CN114299056A (zh) 图像的瑕疵点的识别方法、瑕疵图像识别模型训练方法
CN116152586A (zh) 模型训练方法、装置、电子设备及存储介质
CN109117035B (zh) 悬浮图标的隐藏方法、终端回收系统及存储介质
CN113269730A (zh) 图像处理方法、装置、计算机设备及存储介质

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