CN116542883B - 一种磁控胶囊胃镜影像病灶粘膜增强系统 - Google Patents
一种磁控胶囊胃镜影像病灶粘膜增强系统 Download PDFInfo
- Publication number
- CN116542883B CN116542883B CN202310830170.1A CN202310830170A CN116542883B CN 116542883 B CN116542883 B CN 116542883B CN 202310830170 A CN202310830170 A CN 202310830170A CN 116542883 B CN116542883 B CN 116542883B
- Authority
- CN
- China
- Prior art keywords
- image
- degree
- pixel point
- block
- enhancement
- 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
Links
- 239000002775 capsule Substances 0.000 title claims abstract description 45
- 210000004877 mucosa Anatomy 0.000 title claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000000739 chaotic effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000003708 edge detection Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 20
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 230000003902 lesion Effects 0.000 claims description 16
- 230000003014 reinforcing effect Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 5
- 208000035475 disorder Diseases 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 238000001839 endoscopy Methods 0.000 description 4
- 210000004400 mucous membrane Anatomy 0.000 description 4
- 210000002784 stomach Anatomy 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 208000025865 Ulcer Diseases 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000001035 gastrointestinal tract Anatomy 0.000 description 3
- 231100000397 ulcer Toxicity 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002575 gastroscopy Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 201000011591 microinvasive gastric cancer Diseases 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种磁控胶囊胃镜影像病灶粘膜增强系统,涉及图像处理领域。该系统包括:图像采集预处理模块,用于对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;分块解析模块,用于对预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;像素点增强计算模块,用于计算所述分块图像中各像素点所需要的增强程度;像素点增强模块,用于对所述各像素点进行增强。本申请实施例能够提高病灶区域与正常区域之间的差异,从而帮助医务人员更好地判断病情。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种磁控胶囊胃镜影像病灶粘膜增强系统。
背景技术
随着时代的发展,电子内镜经过不断的演变,为消化道相关的临床患者提供了较高的诊断依据。在无创内镜检查中,以胶囊内镜检查尤为突出。胶囊胃镜(CapsuleEndoscopy)是一种做成胶囊形状的内窥镜,它是用来检查人体消化道的医疗仪器。胶囊胃镜能进入人体,可以帮助医生对病人消化道各部位的疾病进行诊断。并且磁控胶囊通过外部控制设备上的永磁体产生的磁场,实现了对胶囊胃镜操控引导,克服了传统胶囊胃镜对胃部无法控制的缺陷,实现了吞服一颗胶囊能够达到全胃及小肠检查的目的。但就目前的胶囊胃镜而言,还有许多不足,如:
通常,在使用胶囊胃镜对消化道疾病进行全方位检测时,从病人吞入胶囊胃镜到将其排出体外至少需要8个小时。在此期间,将会产生5-7万张胶囊胃镜图像,以及胶囊胃镜为白光拍摄又不具有染色功能,导致图像中不免出现较多的特征不明显的内窥镜图像,出现一些难以识别的病灶粘膜,即使是经验丰富的专业医生也需要花费数个小时来对这些图像进行处理,长时间高强度的工作以及图像中病灶尺寸小、病灶特征不明显等都容易导致误诊和漏诊,致使患者错失早期治疗的最佳时间。
发明内容
本申请实施例提供一种磁控胶囊胃镜影像病灶粘膜增强系统,能够对胶囊胃镜所采集的图像进行质量增强,以提高病灶区域与正常区域之间的差异,从而帮助医务人员更好地判断病情,有效降低因图像问题而出现的误判以及漏诊的概率。
本申请实施例提供了一种磁控胶囊胃镜影像病灶粘膜增强系统,包括:
图像采集预处理模块,用于对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;
分块解析模块,用于对预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;
像素点增强计算模块,用于计算所述分块图像中各像素点所需要的增强程度;
像素点增强模块,用于对所述各像素点进行增强胶囊胃镜。
在本申请的部分实施例中,所述一种磁控胶囊胃镜影像病灶粘膜增强系统,用于磁控胶囊胃镜影像病灶粘膜增强的方法包括:
对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;
对所述预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;
基于所述混乱程度,计算所述分块图像中各像素点所需要的增强程度;
根据所述各像素点所需要增强的程度,对所述各像素点进行增强。
在本申请的部分实施例中,所述对所述图像进行预处理的步骤包括:
对所述图像进行灰度化处理,得到灰度化图像;
对所述灰度化图像进行语义分割,以去掉所述灰度化图像中的背景部分;
对经过语义分割后的灰度化图像进行边缘检测。
在本申请的部分实施例中,所述对所述预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度的步骤,包括:
对所述预处理图像进行分块,得到分块图像;
设定不同的像素点阈值,分析在不同像素点阈值下,各所述分块图像的连通域特征,得到若干所述分块图像的边缘交叉程度。
根据所述若干分块图像的边缘交叉程度在不同像素点阈值时的变化情况,计算不同像素点阈值下边缘检测结果的置信度;
根据计算出的所述置信度,对所述边缘交叉程度进行加权平均得到所述分块图像的混乱程度。
在本申请的部分实施例中,所述设定不同的像素点阈值,分析在不同像素点阈值下,各所述分块图像的连通域特征,得到若干所述分块图像的边缘交叉程度的步骤,包括:
设定若干不同的像素点阈值,得到若干不同的所述分块图像中各自所有的连通域;
按照逆时针方向计算出每个所述连通域的边缘的链码,以形成若干链码串;
计算出每一链码串的方差,并通过每一链码串的方差计算出对应分块图像中的链码串的方差均值;
根据所述方差均值确定边缘交叉程度,所述边缘交叉程度与所述方差均值呈正相关。
在本申请的部分实施例中,所述置信度的计算公式为:
其中,/>为不同的阈值,/>为阈值选取的步长,/>为定义像素点阈值为/>时的边缘检测结果置信度,/>为当边缘检测的像素点阈值/>时对应的边缘检测图像中所有交叉点的个数。
在本申请的部分实施例中,所述根据计算出的所述置信度,对所述边缘交叉程度进行加权平均得到所述分块图像的混乱程度的计算公式为:
其中,/>为不同的阈值,/>为阈值选取的步长,为定义像素点阈值为/>时的边缘检测结果置信度,/>为阈值/>时,第/>个分块图像中边缘交叉程度,/>为第/>个分块图像的混乱程度。
在本申请的部分实施例中,所述基于所述混乱程度,计算所述分块图像中各像素点所需要的增强程度的步骤,包括:
设定代表正常区域的灰度代表值;
计算混乱程度小于代表正常区域的灰度代表值的分块图像的分块加权均值;
将分块加权均值与分块图像内像素点的灰度值进行对比,得到各像素点所需要的增强程度。
本发明具有如下有益效果:
由此可知,本申请实施例主要是通过对采集到的图像进行像素点增强,以增大病灶区域与正常区域之间的差异程度,从而帮助医务人员更好地判断病情,有效降低因图像问题而出现的误判以及漏诊的概率。详细地说,主要是通过对采集的图像进行预处理得到预处理图像,并对预处理图像进行分块,以方便后续对每一块分块图像进行特征分析,得到各分块图像的混乱程度;再通过利用前述所得到的混乱程度,计算出分块图像中各像素点所需要的增强程度,最后根据需要的增强程度对相应像素点进行对应程度的增强,从而尽可能的放大图像中的病灶区域与正常区域的差异,帮助医务人员对病情更准确地诊断。
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为本发明一种磁控胶囊胃镜影像病灶粘膜增强系统用于磁控胶囊胃镜影像病灶粘膜增强的方法的流程示意图;
图2为本发明实施例提供的链码示意图;
图3为本发明实施例提供的全局边缘交叉程度随不同像素点阈值变化的图像;
图4为本发明实施例提供的一种磁控胶囊胃镜影像病灶粘膜增强系统的示意图;
图5为本发明实施例提供的一种服务器的示意图。
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。
请参见图1,本申请提供了一种磁控胶囊胃镜影像病灶粘膜增强系统,该系统包括如下执行步骤:
S1、对检查对象采集图像,并对图像进行预处理,得到预处理图像;
S2、对预处理图像进行分块处理以得到若干分块图像,并对若干分块图像进行特征分析,以得到若干分块图像的混乱程度;
S3、基于混乱程度,计算分块图像中各像素点所需要的增强程度;
S4、根据各像素点所需要增强的程度,对各像素点进行增强。
为更加容易理解本申请所要解决的技术问题以及所采用的技术方案,下面对本申请所应用的场景进行举例说明:
对于本申请所提供的方法,主要是针对利用磁控胶囊胃镜对胃所进行的检查,检查的病症这里以溃疡病灶为例。对于磁控胶囊胃镜影像的灰度图像,其溃疡病灶区域会出现难以识别的情况。采用传统的图像增强方法,因病灶区域灰度与正常部位相差不大,将图像中的灰度值相近的像素点的灰度值映射为一个较大的区间,而并没有考虑病灶的位置,边缘特征等其他性质,无法有效的增强病灶与正常区域的对比度。
本申请所提供的方法主要逻辑为采集磁控胶囊胃镜影像预处理灰度化,进行边缘检测,得到在不同阈值时的边缘检测结果图。溃疡病灶的中心部分与正常部分灰度值相近,其附近会因肿胀充血而在胃镜影像中显示为灰度值较小的部分,对图像进行分块处理利用其边缘梯度较大以及混乱程度,再结合不同阈值时的边缘检测结果,得到各分块的增强系数,并进行图像增强。
本申请所提供的方法主要是通过对采集到的图像进行像素点增强,以增大病灶区域与正常区域之间的差异程度,从而帮助医务人员更好地判断病情,有效降低因图像问题而出现的误判以及漏诊的概率。详细地说,主要是通过对采集的图像进行预处理得到预处理图像,并对预处理图像进行分块,以方便后续对每一块分块图像进行特征分析,得到各分块图像的混乱程度;再通过利用前述所得到的混乱程度,计算出分块图像中各像素点所需要的增强程度,最后根据需要的增强程度对相应像素点进行对应程度的增强,从而尽可能的放大图像中的病灶区域与正常区域的差异,帮助医务人员对病情更准确地诊断。
对于步骤S1,对检查对象采集图像,并对图像进行预处理,得到预处理图像的步骤中,具体包括:
S11、对图像进行灰度化处理,得到灰度化图像;
S12、对灰度化图像进行语义分割,以去掉灰度化图像中的背景部分;
S13、对经过语义分割后的灰度化图像进行边缘检测。
磁控胶囊胃镜检查主要通过磁场控制,使胶囊胃镜在胃部达到全胃检查的目的,但是在面对可疑病灶,如早期胃癌患者的粘膜观察远不能做到醋酸染色内镜的效果。需要说明的是,病灶区域的灰度与正常区域相差不大,但病灶边缘存在诸多灰度值较低的轮廓。
通过磁控胶囊胃镜检查获取粘膜影像,对其进行灰度化处理,进行语义分割去掉背景部分,进行边缘检测。当像素点的阈值较小时,正常的粘膜区域与病灶区域的边缘交叉混合在一起,较为杂乱;当像素点的阈值较大时,正常区域混乱程度较小,病灶区域混乱程度较大。主要采用分块的思想,根据不同阈值下混乱程度的大小,以及原本灰度等特征,来对不同的分块进行不同程度的图像增强。
对于步骤S2,对预处理图像进行分块处理以得到若干分块图像,并对若干分块图像进行特征分析,以得到若干分块图像的混乱程度,包括:
S21、对预处理图像进行分块,得到分块图像;
S22、设定不同的像素点阈值,分析在不同像素点阈值下,各分块图像的连通域特征,得到若干分块图像的边缘交叉程度。
S23、根据若干分块图像的边缘交叉程度在不同像素点阈值时的变化情况,计算不同像素点阈值下边缘检测结果的置信度;
S24、根据计算出的置信度,对边缘交叉程度进行加权平均得到分块图像的混乱程度。
进一步地,对于步骤S21,对预处理图像进行分块,得到分块图像。具体是对预处理图像分块,考虑预处理分块图像大小的选取,若分块图像选取过小,无法显示出图像边缘区域的信息,若分块图像选取过大,过多像素点会取相同的增强程度,两者均会对增强效果产生不利的影响,由实验综合分析,本实施例中所选取的分块图像大小为。对于分块图像大小的选择均根据实际情况以及经验分析选取,/>的分块图像并非对分块图像尺寸的限定。
若分块图像主要覆盖区域为正常区域,其边界会在阈值很小的范围内消失,其边界的交叉程度会在波动范围内归于0;若分块图像主要覆盖区域存在病灶区域,其边界会在阈值较大时逐渐消失,其边界的交叉程度会在一个较大的范围内保持平稳。
对于步骤S22,设定不同的像素点阈值,分析在不同像素点阈值下,各分块图像的连通域特征,得到若干分块图像的边缘交叉程度,包括:
S221、设定若干不同的像素点阈值,得到若干不同的所述分块图像中各自所有的连通域;
S222、按照逆时针方向计算出每个所述连通域的边缘的链码,以形成若干链码串;
S223、计算出每一链码串的方差,并通过每一链码串的方差计算出对应分块图像中的链码串的方差均值;
S224、根据所述方差均值确定边缘交叉程度,所述边缘交叉程度与所述方差均值呈正相关。
下面对上述步骤S22举例说明:
因为分块图像中交叉程度较大时,分块图像的边缘会出现左右扰动较大的情况,链码的方差较大,反之亦然。故本实施例中可以采用分块图像的方差均值来度量分块图像的交叉程度。其中,图2为链码示意图,链码示意图中的8-链码所表征的含义是链码的8个方向,请参见图2,为描述边界的交叉程度,设定边缘检测的像素点阈值为,当边缘检测的像素点阈值/>时,找出第/>个分块图像中所有的连通域,按逆时针方向求得每个连通域的边缘的链码。在得到第/>个分块图像的多个链码串之后,对每一个链码串,例如:求其对应的方差,求得该分块图像所对应的链码串的方差均值。本实施例中定义第/>个分块图像中边缘交叉程度/>,为分块图像中连通域链码的方差均值。
对于步骤S23,根据若干分块图像的边缘交叉程度在不同像素点阈值时的变化情况,计算不同像素点阈值下边缘检测结果的置信度。详细过程如下:
令为当边缘检测的像素点阈值/>时对应的边缘检测图像中所有交叉点的个数。图3为全局边缘交叉程度随不同阈值变化的图像,请参见图3,全局交叉程度随着阈值的增长呈现出/>型曲线的特征,随着像素点阈值的增加,交叉程度仍然存在的区域,应为混乱程度较高的区域,即要给予高阈值时的边缘检测图像更高的置信度。随着像素点阈值的增大,由于粘膜正常区域的交叉程度减小速率较快,而异常区域的交叉程度在像素点阈值较小时,基本保持不变,曲线的减小速率主要由粘膜正常区域提供;当像素点阈值继续增大,粘膜正常区域的交叉程度逐渐减小至消失,此时异常区域的交叉程度逐渐较小。定义像素点阈值为/>时的边缘检测结果置信度/>:
其中/>为不同的阈值,/>为阈值选取的步长,/>为当边缘检测的像素点阈值/>时对应的边缘检测图像中所有交叉点的个数,判断条件表示近似阈值为/>处曲线的二阶导数与0的大小比较。逻辑:随着阈值的增加,交叉程度仍然存在的区域,应为混乱程度较高的区域,即要给予高阈值时的边缘检测图像更高的置信度。
至此,获得了不同像素点阈值下边缘检测结果的置信度。
对于步骤S24,根据计算出的置信度,对边缘交叉程度进行加权平均得到分块图像的混乱程度,详细过程如下:
定义每一个分块图像的混乱程度,采用单一像素点阈值时的交叉程度会存在不够精确的问题,所以利用置信度对各图中不同分割的分块图像进行加权平均,定义第个分块图像的混乱程度/>:
其中,/>为不同的阈值,/>为阈值选取的步长,/>为定义像素点阈值为/>时的边缘检测结果置信度,/>为阈值/>时,第/>个分块图像中边缘交叉程度,/>为第/>个分块图像的混乱程度。
至此,获得各分块图像的混乱程度。
对于步骤S3,基于混乱程度,计算分块图像中各像素点所需要的增强程度,详细步骤如下:
S31、设定代表正常区域的灰度代表值;
S32、计算混乱程度小于代表正常区域的灰度代表值的分块图像的分块加权均值;
S33、将分块加权均值与分块图像内像素点的灰度值进行对比,得到各像素点所需要的增强程度。
下面进行举例详细说明关于步骤S3的整个计算过程:
第一,计算混乱程度较小的分块图像的灰度加权均值:
采用均值聚类将分块图像按照混乱程度的大小分为两类,其中混乱程度较小一类主要由无病灶区域,即正常区域组成。
将分块图像按照混乱程度从小到大排列,记为混乱程度较小一类的/>个分块图像所对应的灰度均值;记/>为混乱程度较大一类的分块图像所对应的灰度均值。通过利用混乱程度对灰度均值进行加权平均,定义灰度加权均值:
其中,/>为第/>个分块图像所对应的混乱程度,为混乱程度较小一类的分块图像的总个数,/>为第/>个分块图像所对应的混乱程度,/>为所有分块图像的总个数,/>为第/>个分块图像所对应的灰度均值。
具体逻辑为:赋予混乱程度较小一类的分块图像均值以较小的权重,以得到一个衡量正常区域均值的灰度代表值。
第二,将灰度均值与分块图像内像素点灰度值进行对比,得到各像素点的需要增强程度:
为了增强病灶与周围像素点灰度的差距,考虑分块图像内部的各像素点的灰度大小,若某像素点灰度值与差距较大,则以该像素点所属的分块图像混乱程度为基准,放大该点所需要增强的程度。定义各个像素点的需要增强程度/>:
其中,/>为第/>个分块图像的混乱程度;为位置坐标为/>的像素点的灰度值,/>为灰度加权均值。
逻辑为:混乱程度所表征的是第/>个分块图像中边缘的交叉混乱程度,考虑的是病灶区域的边缘与正常区域边缘的差异;/>与/>的差值体现了像素点灰度值与正常区域均值的灰度代表值的差异;二者的乘积会放大病灶区域中,与灰度加权均值/>的差异较大的像素点的灰度差。
至此,自适应地得到了各像素点所需要增强的程度。
对于步骤S4,根据各像素点所需要增强的程度,对各像素点进行增强,具体是将各像素点的灰度值与各像素点所对应的需要增强程度相加,得到变换过后的图像,该变换后的图像中,病灶区域与正常区域之间的差异明显大于变换前的图像,辅助医务人员更好地通过图像进行病症诊断。
请参见图4,本申请还提供了一种磁控胶囊胃镜影像病灶粘膜增强系统,该系统用于实现前述任一实施例中所述的胶囊胃镜病灶图像增强方法,所述系统包括:
图像采集预处理模块,用于对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;
分块解析模块,用于对预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;
像素点增强计算模块,用于计算所述分块图像中各像素点所需要的增强程度;
像素点增强模块,用于对所述各像素点进行增强。
请参见图5,本申请还提供了一种服务器,所述服务器800可以是后端服务器,该服务器可以是桌上型计算机、云端服务器等计算设备。所述服务器800可包括,但不仅限于,处理器810、存储器820以及存储在所述存储器820中并可在所述处理器810上运行的计算机程序,所述处理器810执行所述计算机程序时实现如前述各个实施例所述的胶囊胃镜病灶图像增强方法。本领域技术人员可以理解,图5仅仅是服务器800的一种示例,并不构成对服务器800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,例如所述服务器800还可以包括输入输出设备、网络接入设备、总线等。
所述处理器810可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器820可以是所述服务器800的内部存储单元,例如服务器800的硬盘或内存。所述存储器820也可以是所述服务器800的外部存储设备,例如所述服务器800上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等等。进一步地,所述存储器820还可以既包括所述服务器800的内部存储单元也包括外部存储设备。所述存储器820用于存储所述计算机程序821以及所述服务器800所需的其他程序和数据。所述存储器820还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还公开了一种计算机可读存储介质,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前述各个实施例所述的胶囊胃镜病灶图像增强方法。
以上对本申请实施例所提供的一种磁控胶囊胃镜影像病灶粘膜增强系统进行了详细介绍,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)
1.一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,包括:
图像采集预处理模块,用于对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;
分块解析模块,用于对预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;其中,混乱程度是指病灶区域的边缘与正常区域边缘的差异;
像素点增强计算模块,用于计算所述分块图像中各像素点所需要的增强程度;
像素点增强模块,用于对所述各像素点进行增强;
所述用于对预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度的步骤,包括:
对所述预处理图像进行分块,得到分块图像;
设定不同的像素点阈值,分析在不同像素点阈值下,各所述分块图像的连通域特征,得到若干所述分块图像的边缘交叉程度;
根据所述若干分块图像的边缘交叉程度在不同像素点阈值时的变化情况,计算不同像素点阈值下边缘检测结果的置信度;
根据计算出的所述置信度,对所述边缘交叉程度进行加权平均得到所述分块图像的混乱程度;
所述用于计算所述分块图像中各像素点所需要的增强程度的步骤,包括:
设定代表正常区域的灰度代表值;
计算混乱程度小于代表正常区域的灰度代表值的分块图像的分块加权均值;
将分块加权均值与分块图像内像素点的灰度值进行对比,得到各像素点所需要的增强程度。
2.根据权利要求1所述的一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,所述磁控胶囊胃镜影像病灶粘膜增强系统,用于磁控胶囊胃镜影像病灶粘膜增强的方法包括:
对检查对象采集图像,并对所述图像进行预处理,得到预处理图像;
对所述预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度;
基于所述混乱程度,计算所述分块图像中各像素点所需要的增强程度;
根据所述各像素点所需要增强的程度,对所述各像素点进行增强;
所述对所述预处理图像进行分块处理以得到若干分块图像,并对所述若干分块图像进行特征分析,以得到所述若干分块图像的混乱程度的步骤,包括:
对所述预处理图像进行分块,得到分块图像;
设定不同的像素点阈值,分析在不同像素点阈值下,各所述分块图像的连通域特征,得到若干所述分块图像的边缘交叉程度;
根据所述若干分块图像的边缘交叉程度在不同像素点阈值时的变化情况,计算不同像素点阈值下边缘检测结果的置信度;
根据计算出的所述置信度,对所述边缘交叉程度进行加权平均得到所述分块图像的混乱程度;
所述基于所述混乱程度,计算所述分块图像中各像素点所需要的增强程度的步骤,包括:
设定代表正常区域的灰度代表值;
计算混乱程度小于代表正常区域的灰度代表值的分块图像的分块加权均值;
将分块加权均值与分块图像内像素点的灰度值进行对比,得到各像素点所需要的增强程度。
3.根据权利要求2所述的一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,所述对所述图像进行预处理的步骤包括:
对所述图像进行灰度化处理,得到灰度化图像;
对所述灰度化图像进行语义分割,以去掉所述灰度化图像中的背景部分;
对经过语义分割后的灰度化图像进行边缘检测。
4.根据权利要求2所述的一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,所述设定不同的像素点阈值,分析在不同像素点阈值下,各所述分块图像的连通域特征,得到若干所述分块图像的边缘交叉程度的步骤,包括:
设定若干不同的像素点阈值,得到若干不同的所述分块图像中各自所有的连通域;
按照逆时针方向计算出每个所述连通域的边缘的链码,以形成若干链码串;
计算出每一链码串的方差,并通过每一链码串的方差计算出对应分块图像中的链码串的方差均值;
根据所述方差均值确定边缘交叉程度,所述边缘交叉程度与所述方差均值呈正相关。
5.根据权利要求2所述的一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,所述置信度的计算公式为:
其中,/>为不同的阈值,/>为阈值选取的步长,/>为定义像素点阈值为/>时的边缘检测结果置信度,/>为当边缘检测的像素点阈值/>时对应的边缘检测图像中所有交叉点的个数。
6.根据权利要求5所述的一种磁控胶囊胃镜影像病灶粘膜增强系统,其特征在于,所述根据计算出的所述置信度,对所述边缘交叉程度进行加权平均得到所述分块图像的混乱程度的计算公式为:
其中,/>为不同的阈值,/>为阈值选取的步长,为定义像素点阈值为/>的边缘检测结果置信度,/>为阈值/>时,第/>个分块图像中边缘交叉程度,/>为第/>个分块图像的混乱程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310830170.1A CN116542883B (zh) | 2023-07-07 | 2023-07-07 | 一种磁控胶囊胃镜影像病灶粘膜增强系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310830170.1A CN116542883B (zh) | 2023-07-07 | 2023-07-07 | 一种磁控胶囊胃镜影像病灶粘膜增强系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542883A CN116542883A (zh) | 2023-08-04 |
CN116542883B true CN116542883B (zh) | 2023-09-05 |
Family
ID=87452901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310830170.1A Active CN116542883B (zh) | 2023-07-07 | 2023-07-07 | 一种磁控胶囊胃镜影像病灶粘膜增强系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542883B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011303B (zh) * | 2023-10-08 | 2024-01-09 | 泰安金冠宏油脂工业有限公司 | 基于机器视觉的油料生产质量检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017037622A (ja) * | 2015-08-10 | 2017-02-16 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
CN109753953A (zh) * | 2017-11-03 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 图像中定位文本的方法、装置、电子设备和存储介质 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
WO2021261727A1 (ko) * | 2020-06-25 | 2021-12-30 | 가톨릭대학교 산학협력단 | 캡슐 내시경 영상 판독 시스템 및 방법 |
CN115049835A (zh) * | 2022-08-16 | 2022-09-13 | 众烁精密模架(南通)有限公司 | 基于压铸模具缺陷识别的数据预处理方法 |
CN115661111A (zh) * | 2022-11-08 | 2023-01-31 | 江南大学 | 一种胶囊内窥镜胃肠微光图像的自适应增强方法 |
CN115965624A (zh) * | 2023-03-16 | 2023-04-14 | 山东宇驰新材料科技有限公司 | 一种抗磨液压油污染颗粒检测方法 |
CN116109663A (zh) * | 2023-04-04 | 2023-05-12 | 山东大学第二医院 | 基于多阈值分割的胃部ct影像分割方法 |
CN116269467A (zh) * | 2023-05-19 | 2023-06-23 | 中国人民解放军总医院第八医学中心 | 一种创伤患者清创术前信息采集系统 |
CN116342588A (zh) * | 2023-05-22 | 2023-06-27 | 徕兄健康科技(威海)有限责任公司 | 一种脑血管图像增强方法 |
-
2023
- 2023-07-07 CN CN202310830170.1A patent/CN116542883B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017037622A (ja) * | 2015-08-10 | 2017-02-16 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
CN109753953A (zh) * | 2017-11-03 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 图像中定位文本的方法、装置、电子设备和存储介质 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
WO2021261727A1 (ko) * | 2020-06-25 | 2021-12-30 | 가톨릭대학교 산학협력단 | 캡슐 내시경 영상 판독 시스템 및 방법 |
CN115049835A (zh) * | 2022-08-16 | 2022-09-13 | 众烁精密模架(南通)有限公司 | 基于压铸模具缺陷识别的数据预处理方法 |
CN115661111A (zh) * | 2022-11-08 | 2023-01-31 | 江南大学 | 一种胶囊内窥镜胃肠微光图像的自适应增强方法 |
CN115965624A (zh) * | 2023-03-16 | 2023-04-14 | 山东宇驰新材料科技有限公司 | 一种抗磨液压油污染颗粒检测方法 |
CN116109663A (zh) * | 2023-04-04 | 2023-05-12 | 山东大学第二医院 | 基于多阈值分割的胃部ct影像分割方法 |
CN116269467A (zh) * | 2023-05-19 | 2023-06-23 | 中国人民解放军总医院第八医学中心 | 一种创伤患者清创术前信息采集系统 |
CN116342588A (zh) * | 2023-05-22 | 2023-06-27 | 徕兄健康科技(威海)有限责任公司 | 一种脑血管图像增强方法 |
Non-Patent Citations (1)
Title |
---|
Magnetic Steering of Capsule Endoscopy Improves Small Bowel Capsule Endoscopy Completion Rate;Yuan‑Yuan Luo等;《Digestive Diseases and Sciences (2019)》;1908–1915 * |
Also Published As
Publication number | Publication date |
---|---|
CN116542883A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019431299B2 (en) | AI systems for detecting and sizing lesions | |
KR102237441B1 (ko) | 뉴럴 네트워크를 이용하여 캡슐 내시경 영상으로부터 병변 판독 방법 및 장치 | |
WO2020105699A1 (ja) | 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 | |
US9324145B1 (en) | System and method for detection of transitions in an image stream of the gastrointestinal tract | |
US20180263568A1 (en) | Systems and Methods for Clinical Image Classification | |
CN112584749A (zh) | 基于消化器官的内窥镜图像的疾病的诊断支援方法、诊断支援系统、诊断支援程序和存储有该诊断支援程序的计算机可读取的记录介质 | |
US7907775B2 (en) | Image processing apparatus, image processing method and image processing program | |
TW202006742A (zh) | 藉由消化器官之內視鏡影像之疾病的診斷支援方法、診斷支援系統、診斷支援程式及記憶此診斷支援程式之電腦可讀取之記錄媒體 | |
JP4994737B2 (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
WO2021054477A2 (ja) | 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 | |
CN107767365A (zh) | 一种内窥镜图像处理方法及系统 | |
CN116542883B (zh) | 一种磁控胶囊胃镜影像病灶粘膜增强系统 | |
US20130002842A1 (en) | Systems and Methods for Motion and Distance Measurement in Gastrointestinal Endoscopy | |
KR20160058812A (ko) | 질환을 진단하기 위한 영상 분석 기법 | |
EP3998579B1 (en) | Medical image processing method, apparatus and device, medium and endoscope | |
US11241190B2 (en) | Predicting response to therapy for adult and pediatric crohn's disease using radiomic features of mesenteric fat regions on baseline magnetic resonance enterography | |
KR20190090150A (ko) | 캡슐 내시경 영상의 서술자 생성 방법 및 장치, 서술자 기반 캡슐 내시경 영상 검색 방법 및 캡슐 내시경 모니터링 디바이스 | |
Dmitry et al. | Review of features and metafeatures allowing recognition of abnormalities in the images of GIT | |
KR102261408B1 (ko) | 의료영상을 이용한 질환정보 제공 방법 | |
Mackiewicz | Capsule endoscopy-state of the technology and computer vision tools after the first decade | |
Song et al. | A novel endoscope system for position detection and depth estimation of the ureter | |
CN113096132A (zh) | 图像处理的方法、装置、存储介质和电子设备 | |
WO2023126999A1 (ja) | 画像処理装置、画像処理方法、及び、記憶媒体 | |
CN115797348B (zh) | 内窥镜下目标结构评估系统、方法、设备及存储介质 | |
KR102564443B1 (ko) | 딥러닝을 이용한 위내시경 검사의 신뢰성을 향상시킬 수 있는 위내시경 시스템 |
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 |