CN116740465A - 一种基于腹膜透析液图像分割的病灶分类装置和设备 - Google Patents

一种基于腹膜透析液图像分割的病灶分类装置和设备 Download PDF

Info

Publication number
CN116740465A
CN116740465A CN202310829853.5A CN202310829853A CN116740465A CN 116740465 A CN116740465 A CN 116740465A CN 202310829853 A CN202310829853 A CN 202310829853A CN 116740465 A CN116740465 A CN 116740465A
Authority
CN
China
Prior art keywords
detection frame
test mark
score
test
pixel point
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.)
Granted
Application number
CN202310829853.5A
Other languages
English (en)
Other versions
CN116740465B (zh
Inventor
左力
赵慧萍
赵新菊
宋洋
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.)
Gyt Beijing Technology Development Co ltd
Original Assignee
Gyt Beijing Technology Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gyt Beijing Technology Development Co ltd filed Critical Gyt Beijing Technology Development Co ltd
Priority to CN202310829853.5A priority Critical patent/CN116740465B/zh
Publication of CN116740465A publication Critical patent/CN116740465A/zh
Application granted granted Critical
Publication of CN116740465B publication Critical patent/CN116740465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information 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)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及一种基于腹膜透析液图像分割的病灶分类装置和设备,涉及计算机技术领域,包括:通过对获取的透析液袋图像进行分析,获取图像中漂浮物的第一检测框,并基于第一检测框配置用于进行漂浮物类型和透析液透明度分析的第二检测框,最后通过基于第一和第二检测框设置的多个测试标记对透析液进行综合分析,从而实现了基于多区域多维度对透析液进行病灶分类分析,与目前只是通过医生主观观察透明液是否浑浊进行病灶判断从而导致的判断精度和准确度很低相比,本发明通过多区域多维度对透析液进行客观病灶分类分析,从而可以提升基于透析液的病灶分类分析的精度和准确率。

Description

一种基于腹膜透析液图像分割的病灶分类装置和设备
技术领域
本公开涉及计算机技术领域,尤其涉及一种基于腹膜透析液图像分割的病灶分类装置和设备。
背景技术
随着医疗技术的不断发展,对各种病患的治疗手段也越来越丰富,其中一种治疗病患的医疗手段就是透析。在透析过程中,通常会有透析液袋来收集从患者体内排出的透析液,由于透析液是从患者体内抽取的,因此如何更好地利用透析液进行患者的病理分析是很好的一个研究方向。目前在利用透析液进行患者的病理分析时,通常是通过医生人为的观察透析液是否透明来粗略的判断患者是否存在炎症,然而这种方式由于是基于人为主观的进行观察判断的,从而导致现有基于透析液进行病灶分析的准确率和效率较低。
需要说明的是,公开于本申请背景技术部分的信息仅旨在加深对本申请的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本公开提出了一种基于腹膜透析液图像分割的病灶分类装置,其特征在于,包括:
图像获取模块,用于获取透析液袋的待处理图像,其中,所述透析液袋为透明袋,所述待处理图像为将所述透析液袋放置于纯色背景前拍摄获得的;
第一检测框模块,用于通过图像检测模型对所述待处理图像进行检测,获得所述待处理图像中漂浮物的第一检测框;
第二检测框模块,用于根据所述第一检测框的位置信息和尺寸信息,获得第二检测框,其中,所述第二检测框的尺寸大于所述第一检测框;
测试标记模块,用于在所述第二检测框内设置多个测试标记,其中,所述测试标记包括指向所述第二检测框的形心位置的多条直线段;
炎症评分模块,用于根据所述待处理图像,以及所述测试标记,确定所述漂浮物的炎症评分;
病灶类型模块,用于根据所述炎症评分,确定透析液袋所有者的病灶类型。
进一步地,所述第二检测框模块进一步用于:
确定所述第一检测框的形心位置;
确定所述第一检测框的尺寸信息;
将所述第一检测框的形心位置确定为所述第二检测框的形心位置;
根据所述第一检测框的尺寸信息以及预设倍数,确定所述第二检测框的尺寸信息;
根据所述第二检测框的尺寸信息和所述第二检测框的形心位置,获得所述第二检测框。
进一步地,所述测试标记模块进一步用于:
获取所述第二检测框的尺寸信息;
根据所述第二检测框的尺寸信息,以及预设的所述测试标记的预设数量,确定各个测试标记在所述第二检测框上的起始位置;
将所述第二检测框的形心位置确定为各个所述测试标记的结束位置;
根据各个所述测试标记在所述第二检测框上的起始位置,以及所述结束位置,获得所述多个测试标记。
进一步地,所述炎症评分模块进一步用于:
将各个测试标记位于所述第一检测框之内的部分确定为各个测试标记的第一部分,以及将位于所述第一检测框之外且位于所述第二检测框之内的部分确定为各个测试标记的第二部分;
对所述待处理图像进行二值化处理,获得二值化图像;
根据所述二值化图像在各个测试标记的第一部分上的像素点的像素值,获得边缘清晰度评分;
根据所述二值化图像在各个测试标记的第二部分上的像素点的像素值,获得透析液透明度评分;
根据所述二值化图像在各个测试标记上的像素点的像素值,获得区分度评分;
根据所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分,获得所述炎症评分。
进一步地,所述炎症评分模块进一步用于:
根据公式
确定边缘清晰度评分B,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,/>为第一预设阈值,count为计数函数。
进一步地,所述炎症评分模块进一步用于:
根据公式
确定透析液透明度评分T,其中,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第二部分上的第k个像素点,/>为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,/>为第二预设阈值,count为计数函数。
进一步地,所述炎症评分模块进一步用于:
根据公式
确定区分度评分Q,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,count为计数函数,/>为第i个测试标记的第二部分上的第k个像素点,/>为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,max为取最大值函数,/>为第三预设阈值。
进一步地,所述炎症评分模块进一步用于:
对所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分进行加权求和,获得所述炎症评分。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述装置模块的功能。
根据本公开的一方面,提供了一种基于腹膜透析液图像分割的病灶分类设备,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以实现上述装置的功能。
本发明提供的一种基于腹膜透析液图像分割的病灶分类装置、计算机可读存储介质、设备,通过对获取的透析液袋图像进行分析,获取图像中漂浮物的第一检测框,并基于第一检测框配置用于进行漂浮物类型和透析液透明度分析的第二检测框,最后通过基于第一和第二检测框设置的多个测试标记对透析液进行综合分析,从而实现了基于多区域多维度对透析液进行病灶分类分析,与现有技术只是通过医生主观观察透明液是否浑浊进行病灶判断从而导致的判断精度和准确度很低相比,本发明通过多区域多维度对透析液进行客观病灶分类分析,从而可以提升基于透析液的病灶分类分析的精度和准确率。并且,在处理过程中,仅对测试标记上的少量像素点的像素值进行运算,减少了运算资源的占用,提升处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例,
图1示出根据本公开实施例的一种基于腹膜透析液图像分割的病灶分类装置图;
图2示出根据本公开实施例的测试标记的示意图;
图3示出根据本公开实施例的一种基于腹膜透析液图像分割的病灶分类设备图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本公开的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
应当理解,在本公开中,“包括”和“具有”以及他们的任何变形,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、设备、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本公开中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本公开中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示出根据本公开实施例的一种基于腹膜透析液图像分割的病灶分类装置图。
本发明实施例提供一种基于腹膜透析液图像分割的病灶分类装置,如图1所示,包括:图像获取模块11、第一检测框模块12、第二检测框模块13、测试标记模块14、炎症评分模块15、病灶类型模块16;
图像获取模块11,用于获取透析液袋的待处理图像。
其中,所述透析液袋为透明袋,该透析液袋用于收集从患者体内排出的透析液,所述待处理图像为将所述透析液袋放置于纯色背景前拍摄获得的,为了进一步提升待处理图像拍摄的准确度,纯色背景通常可以采用浅色纯色背景,如白色,在此不做限定。
第一检测框模块12,用于通过图像检测模型对所述待处理图像进行检测,获得所述待处理图像中漂浮物的第一检测框。
其中,所述漂浮物可以为形状规则的块状物质,也可以为形状不规则的絮状物质,第一检测框模块的位置根据漂浮物的位置实时调整,大小以能完整包含漂浮物为准。
第二检测框模块13,用于根据所述第一检测框的位置信息和尺寸信息,获得第二检测框。
其中,所述第二检测框的尺寸大于所述第一检测框,例如,可以大1.5倍、2倍等,本发明实施例不做限定。
具体地,所述第二检测框模块13进一步用于:确定所述第一检测框的形心位置;确定所述第一检测框的尺寸信息;将所述第一检测框的形心位置确定为所述第二检测框的形心位置;根据所述第一检测框的尺寸信息以及预设倍数,确定所述第二检测框的尺寸信息;根据所述第二检测框的尺寸信息和所述第二检测框的形心位置,获得所述第二检测框。其中,所述第一检测框的形心位置可以为圆形、矩形等,本发明实施例不做限定,当漂浮物位于图像边缘位置时,所述第一检测框也可以为不规则不封闭图形,此时第二检测框对应扩展相应倍数即可。
测试标记模块14,用于在所述第二检测框内设置多个测试标记,其中,所述测试标记包括指向所述第二检测框的形心位置的多条直线段。
图2示出根据本公开实施例的测试标记的示意图。
具体地,所述测试标记模块14进一步用于:获取所述第二检测框的尺寸信息;根据所述第二检测框的尺寸信息,以及预设的所述测试标记的预设数量,确定各个测试标记在所述第二检测框上的起始位置;将所述第二检测框的形心位置确定为各个所述测试标记的结束位置;根据各个所述测试标记在所述第二检测框上的起始位置,以及所述结束位置,获得所述多个测试标记。对于本发明实施例,测试标记越多,分析的区域点位也越密集,后续分析的精度越高。
炎症评分模块15,用于根据所述待处理图像,以及所述测试标记,确定所述漂浮物的炎症评分。
具体地,所述炎症评分模块15进一步用于:将各个测试标记位于所述第一检测框之内的部分确定为各个测试标记的第一部分,以及将位于所述第一检测框之外且位于所述第二检测框之内的部分确定为各个测试标记的第二部分;对所述待处理图像进行二值化处理,获得二值化图像;根据所述二值化图像在各个测试标记的第一部分上的像素点的像素值,获得边缘清晰度评分;根据所述二值化图像在各个测试标记的第二部分上的像素点的像素值,获得透析液透明度评分;根据所述二值化图像在各个测试标记上的像素点的像素值,获得区分度评分;根据所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分,获得所述炎症评分。
对于本发明实施例,需要说明的是,漂浮物可能为形状规则的块状物,也可能为形状不规则的絮状物,而形状规则的块状物可以认为是无病灶,而形状不规则的絮状物通常可以认为是有病灶,并且边缘清晰度越高,漂浮物越可能是边缘清晰的块状物,边缘清晰度越低,漂浮物越可能是边缘不清晰的絮状物,因此通过第一部分上的像素点的像素值,获得的边缘清晰度评分的高低可以判断漂浮物的边缘清晰度,进而判断是否存在病灶。第二检测框内的透析液透明度可能为透明也可能为浑浊,而浑浊可以认为是有病灶,并且第二检测框内的透析液透明度越高,越可能无病灶,因此通过第二检测框上的像素点的像素值,获得的透析液透明度评分的高低可以判断是否存在病灶。而根据各个测试标记上的像素点的像素值,获得的区分度越高,越可能无病灶,因此通过各个测试标记上的像素点的像素值,获得的区分度评分的高低可以判断是否存在病灶,因此对于本发明实现了基于边缘清晰度、透析液透明度、区分度三个维度进行透析液病灶分析,从而可以保证透析液病灶分析的精准度。
对于本发明实施例,当进行边缘清晰度评分计算时,所述炎症评分模块15进一步用于:根据公式
确定边缘清晰度评分B,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,/>为第一预设阈值,count为计数函数。
需要说明的是,针对第一部分的每一个线段的像素点,首先求取对应的梯度,由于第一部分的边缘越清晰,边缘像素点对应的梯度越大,因此K1通常配置的较高,如0.8、0.9等,但不限于此,然后获取线段中梯度大于K1的线段个数,此时说明线段越过检测出来的漂浮物的边缘一次并进行计数,线段中像素点的梯度大于K1的个数越接近原始线段的个数,即越接近公式中的N,表示与每个线段穿过一次漂浮物边缘的结果越接近,也可表示边缘越清晰,此时将计数结果与N做商,商值越大说明边缘越模糊,商值越小越清晰,由于边缘清晰的块状物可以认为是无病灶,而边缘不清晰的絮状物通常可以认为是有病灶,并且第一部分图像边缘清晰度越高,漂浮物越可能是形状规则的块状物,第一部分图像边缘清晰度越低,漂浮物越可能是边缘不清晰的絮状物,因此通过该公式可以计算出反映病灶可能性的边缘清晰度评分。
进一步地,当计算透析液透明度评分时,所述炎症评分模块15进一步用于:根据公式
确定透析液透明度评分T,其中,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第二部分上的第k个像素点,/>为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,/>为第二预设阈值,count为计数函数。
需要说明的是,由于第一检测框外到第二检测框内的部分为透析液,因此选择该部分的线段的像素点作为透析液透明度评分的依据,如果不存在炎症,例如第一检测框内为脂肪块,此时脂肪块周围很清晰,此时反映在二值化的图像里该部分数值应为零,即像素点之间像素没变化,梯度为零,反之,透明液如果比较浑浊,像素点之间变化就会较大,即像素点之间存在一定的梯度,可在公式中将K2配置的相对较小,如0.1、0.2等,从而得出线段梯度中大于K2的像素点数量,此时与分母做商,商值越小,说明透析液越透明,越没有病灶,因此通过该公式可以计算出反映病灶可能性的透析液透明度评分。
进一步地,当计算区分度评分时,所述炎症评分模块15进一步用于:根据公式
确定区分度评分Q,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,count为计数函数,/>为第i个测试标记的第二部分上的第k个像素点,/>为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,max为取最大值函数,/>为第三预设阈值。
需要说明的是,区分度是通过第一部分和第二部分线段梯度的最大值进行对比,如果边界很清晰,则此时第一部分和第二部分线段梯度的差距较大。具体地,从第一检测框内获取的线段各个像素点的梯度中获取梯度最大值,然后再从第一检测框与第二检测框之间的部分线段各个像素点的梯度中获取梯度最大值,将两个梯度最大值进行比较,并统计对比度大于K3的线段的个数,将对比度大于K3的线段的个数与测试标记的预设数量N进行比较,比值越小,此时说明区分度越高,边界清晰度也越高,此时说明病灶可能性也越低,因此通过该公式可以计算出反映病灶可能性的区分度评分。
进一步地,所述炎症评分模块15进一步用于:对所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分进行加权求和,获得所述炎症评分。对于本发明实施例,基于边缘清晰度、透析液透明度、区分度三个维度进行透析液病灶分析,从而可以保证透析液病灶分析的精准度,减少只是通过医生主观观察透析液是否浑浊进行病灶判断导致的误诊问题。
病灶类型模块16,用于根据所述炎症评分,确定透析液袋所有者的病灶类型。
其中,可以预先配置不同病灶等级分别对应的分数阈值范围,从而可以根据炎症评分确定透析液袋所有者的病灶类型。
本发明提供的一种基于腹膜透析液图像分割的病灶分类装置,通过对获取的透析液袋图像进行分析,获取图像中漂浮物的第一检测框,并基于第一检测框配置用于进行漂浮物类型和透析液透明度分析的第二检测框,最后通过基于第一和第二检测框设置的多个测试标记对透析液进行综合分析,从而实现了基于多区域多维度对透析液进行病灶分类分析,与现有技术只是通过医生主观观察透明液是否浑浊进行病灶判断从而导致的判断精度和准确度很低相比,本发明通过多区域多维度对透析液进行客观病灶分类分析,从而可以提升基于透析液的病灶分类分析的精度和准确率。并且,在处理过程中,仅对测试标记上的少量像素点的像素值进行运算,减少了运算资源的占用,提升处理效率。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图1中所述装置模块的功能。
图3示出根据本公开实施例的一种基于腹膜透析液图像分割的病灶分类设备图。
本公开实施例还提出一种基于腹膜透析液图像分割的病灶分类设备,如图3所示,包括:处理器21;用于存储处理器可执行指令的存储器22;其中,所述处理器21被配置为调用所述存储器22存储的指令,以执行图1所述装置模块的功能。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述装置模块的功能。
根据本公开的一方面,提供了一种基于腹膜透析液图像分割的病灶分类设备,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以实现上述装置的功能。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的装置功能的指令。
本公开可以是设备和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(设备)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的设备来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
可以理解,本公开提及的上述实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
注意,除非另有直接说明,否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此,除非另有明确说明,否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下,进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头,该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,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,或者对其中部分或者全部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公开各实施例技术方案的范围。

Claims (10)

1.一种基于腹膜透析液图像分割的病灶分类装置,其特征在于,包括:
图像获取模块,用于获取透析液袋的待处理图像,其中,所述透析液袋为透明袋,所述待处理图像为将所述透析液袋放置于纯色背景前拍摄获得的;
第一检测框模块,用于通过图像检测模型对所述待处理图像进行检测,获得所述待处理图像中漂浮物的第一检测框;
第二检测框模块,用于根据所述第一检测框的位置信息和尺寸信息,获得第二检测框,其中,所述第二检测框的尺寸大于所述第一检测框;
测试标记模块,用于在所述第二检测框内设置多个测试标记,其中,所述测试标记包括指向所述第二检测框的形心位置的多条直线段;
炎症评分模块,用于根据所述待处理图像,以及所述测试标记,确定所述漂浮物的炎症评分;
病灶类型模块,用于根据所述炎症评分,确定透析液袋所有者的病灶类型。
2.根据权利要求1所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述第二检测框模块进一步用于:
确定所述第一检测框的形心位置;
确定所述第一检测框的尺寸信息;
将所述第一检测框的形心位置确定为所述第二检测框的形心位置;
根据所述第一检测框的尺寸信息以及预设倍数,确定所述第二检测框的尺寸信息;
根据所述第二检测框的尺寸信息和所述第二检测框的形心位置,获得所述第二检测框。
3.根据权利要求1所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述测试标记模块进一步用于:
获取所述第二检测框的尺寸信息;
根据所述第二检测框的尺寸信息,以及预设的所述测试标记的预设数量,确定各个测试标记在所述第二检测框上的起始位置;
将所述第二检测框的形心位置确定为各个所述测试标记的结束位置;
根据各个所述测试标记在所述第二检测框上的起始位置,以及所述结束位置,获得所述多个测试标记。
4.根据权利要求1所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述炎症评分模块进一步用于:
将各个测试标记位于所述第一检测框之内的部分确定为各个测试标记的第一部分,以及将位于所述第一检测框之外且位于所述第二检测框之内的部分确定为各个测试标记的第二部分;
对所述待处理图像进行二值化处理,获得二值化图像;
根据所述二值化图像在各个测试标记的第一部分上的像素点的像素值,获得边缘清晰度评分;
根据所述二值化图像在各个测试标记的第二部分上的像素点的像素值,获得透析液透明度评分;
根据所述二值化图像在各个测试标记上的像素点的像素值,获得区分度评分;
根据所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分,获得所述炎症评分。
5.根据权利要求4所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述炎症评分模块进一步用于:
根据公式
确定边缘清晰度评分B,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,/>为第一预设阈值,count为计数函数。
6.根据权利要求4所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述炎症评分模块进一步用于:
根据公式
确定透析液透明度评分T,其中,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第二部分上的第k个像素点,为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,/>为第二预设阈值,count为计数函数。
7.根据权利要求4所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述炎症评分模块进一步用于:
根据公式
确定区分度评分Q,其中,为第i个测试标记的方向向量,N为测试标记的预设数量,/>为第i个测试标记的第一部分上的第j个像素点,/>为第i个测试标记的第一部分上的第j个像素点的像素值,/>为第i个测试标记的第一部分上的像素点的数量,/>为第i个测试标记的第一部分上的第j个像素点的像素值沿方向向量/>的梯度,count为计数函数,/>为第i个测试标记的第二部分上的第k个像素点,/>为第i个测试标记的第二部分上的第k个像素点的像素值,/>为第i个测试标记的第二部分上的像素点的数量,/>为第i个测试标记的第二部分上的第k个像素点的像素值沿方向向量/>的梯度,max为取最大值函数,/>为第三预设阈值。
8.根据权利要求4所述的基于腹膜透析液图像分割的病灶分类装置,其特征在于,所述炎症评分模块进一步用于:
对所述边缘清晰度评分、所述透析液透明度评分和所述区分度评分进行加权求和,获得所述炎症评分。
9.一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述权利要求1至8中任意一项所述的装置的功能。
10.一种基于腹膜透析液图像分割的病灶分类设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以实现权利要求1至8中任意一项所述的装置的功能。
CN202310829853.5A 2023-07-07 2023-07-07 一种基于腹膜透析液图像分割的病灶分类装置和设备 Active CN116740465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310829853.5A CN116740465B (zh) 2023-07-07 2023-07-07 一种基于腹膜透析液图像分割的病灶分类装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310829853.5A CN116740465B (zh) 2023-07-07 2023-07-07 一种基于腹膜透析液图像分割的病灶分类装置和设备

Publications (2)

Publication Number Publication Date
CN116740465A true CN116740465A (zh) 2023-09-12
CN116740465B CN116740465B (zh) 2024-05-17

Family

ID=87913373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310829853.5A Active CN116740465B (zh) 2023-07-07 2023-07-07 一种基于腹膜透析液图像分割的病灶分类装置和设备

Country Status (1)

Country Link
CN (1) CN116740465B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117830719A (zh) * 2023-12-29 2024-04-05 国医通(北京)科技发展有限公司 基于透析液图像分析的病灶分类装置及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104316527A (zh) * 2014-11-07 2015-01-28 昆山韦睿医疗科技有限公司 一种对排出的透析液的自动检测方法、装置
CN105142691A (zh) * 2013-04-03 2015-12-09 B·布莱恩·阿维图姆股份公司 用于检测透析器设备的状态的系统和可用于此目的的传感器装置
US20160325035A1 (en) * 2013-12-30 2016-11-10 Gambro Lundia Ab Dialysis machine, method of controlling the dialysis machine, and computer program for implementing the control
CN109409190A (zh) * 2018-08-21 2019-03-01 南京理工大学 基于梯度直方图和Canny边缘检测器的行人检测方法
CN110279906A (zh) * 2019-07-08 2019-09-27 北京大学第一医院 一种腹膜透析设备及透析液袋组件
CN111879773A (zh) * 2020-07-29 2020-11-03 上海百洛普医疗科技有限公司 一种新型腹膜透析液检测系统及检测方法
CN112967291A (zh) * 2021-03-01 2021-06-15 北京安德医智科技有限公司 图像处理方法及装置、电子设备和存储介质
CN113349810A (zh) * 2021-05-27 2021-09-07 北京安德医智科技有限公司 脑出血病灶识别及血肿扩大预测方法及装置
CN114972255A (zh) * 2022-05-26 2022-08-30 深圳市铱硙医疗科技有限公司 脑微出血的图像检测方法、装置、计算机设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105142691A (zh) * 2013-04-03 2015-12-09 B·布莱恩·阿维图姆股份公司 用于检测透析器设备的状态的系统和可用于此目的的传感器装置
US20160325035A1 (en) * 2013-12-30 2016-11-10 Gambro Lundia Ab Dialysis machine, method of controlling the dialysis machine, and computer program for implementing the control
CN104316527A (zh) * 2014-11-07 2015-01-28 昆山韦睿医疗科技有限公司 一种对排出的透析液的自动检测方法、装置
CN109409190A (zh) * 2018-08-21 2019-03-01 南京理工大学 基于梯度直方图和Canny边缘检测器的行人检测方法
CN110279906A (zh) * 2019-07-08 2019-09-27 北京大学第一医院 一种腹膜透析设备及透析液袋组件
CN111879773A (zh) * 2020-07-29 2020-11-03 上海百洛普医疗科技有限公司 一种新型腹膜透析液检测系统及检测方法
CN112967291A (zh) * 2021-03-01 2021-06-15 北京安德医智科技有限公司 图像处理方法及装置、电子设备和存储介质
WO2021259391A2 (zh) * 2021-03-01 2021-12-30 北京安德医智科技有限公司 图像处理方法及装置、电子设备和存储介质
CN113349810A (zh) * 2021-05-27 2021-09-07 北京安德医智科技有限公司 脑出血病灶识别及血肿扩大预测方法及装置
CN114972255A (zh) * 2022-05-26 2022-08-30 深圳市铱硙医疗科技有限公司 脑微出血的图像检测方法、装置、计算机设备及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
NIU QY 等: "The effects of dialysis modalities on the progression of coronary artery calcification in dialysis patients", 《BMC NEPHROLOGY》, vol. 21, no. 1, 25 July 2020 (2020-07-25), pages 1 - 8 *
ZHONG ZHENG 等: "Deep Learning Using Electrocardiograms in Patients on Maintenance Dialysis", 《ADVANCES IN KIDNEY DISEASE AND HEALTH》, vol. 30, no. 1, 31 January 2023 (2023-01-31), pages 61 - 68 *
叶佩仪 等: "潮式腹膜透析应用于新置管腹透患者的临床观察与护理", 《现代医药卫生》, vol. 27, no. 15, 31 December 2011 (2011-12-31), pages 2290 - 2292 *
左力 等: "高通量透析模式对毒素清除能力的分析", 《肾脏病与透析肾移植杂志》, vol. 25, no. 4, 31 December 2016 (2016-12-31), pages 352 - 353 *
张晓东 等: "尿毒症腹膜透析模型中淋巴孔超微结构的观察", 《第四届国际中西医结合肾脏病学术会议论文汇编》, 31 December 2006 (2006-12-31), pages 330 - 331 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117830719A (zh) * 2023-12-29 2024-04-05 国医通(北京)科技发展有限公司 基于透析液图像分析的病灶分类装置及方法

Also Published As

Publication number Publication date
CN116740465B (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
Moshavash et al. An automatic and robust decision support system for accurate acute leukemia diagnosis from blood microscopic images
CN110135271A (zh) 一种细胞分类方法及装置
Mohammed et al. Detection and classification of malaria in thin blood slide images
CN116740465B (zh) 一种基于腹膜透析液图像分割的病灶分类装置和设备
Ananthi et al. A new thresholding technique based on fuzzy set as an application to leukocyte nucleus segmentation
Khordehchi et al. Automatic lung nodule detection based on statistical region merging and support vector machines
CN116934743B (zh) 医学影像肿瘤恶性风险评估方法、系统、设备和存储介质
CN115210779A (zh) 生物样品中对象的系统性表征
Ge et al. Coarse-to-fine foraminifera image segmentation through 3D and deep features
Wen et al. Rethinking the transfer learning for FCN based polyp segmentation in colonoscopy
Aliyu et al. Segmentation and detection of sickle cell red blood image
CN108319890A (zh) 基于多视角图像处理的指静脉识别方法、设备及存储介质
CN117115166B (zh) 一种肾脏多期ct影像检测系统及方法、电子设备
CN116740076B (zh) 视网膜色素变性眼底图像中色素分割的网络模型设计方法
Ghosh et al. Entropy based divergence for leukocyte image segmentation
Erwin et al. The augmentation data of retina image for blood vessel segmentation using U-Net convolutional neural network method
Riana et al. Color canals modification with canny edge detection and morphological reconstruction for cell nucleus segmentation and area measurement in normal Pap smear images
CN113222928B (zh) 一种尿细胞学人工智能尿路上皮癌识别系统
Benmabrouk et al. Semantic segmentation of breast cancer histopathology images using deep learning
Alam et al. Early detection of coronary artery blockage using image processing: segmentation, quantification, identification of degree of blockage and risk factors of heart attack
CN112308844A (zh) 血管管腔提取方法、装置、电子设备和存储介质
Jiang et al. Red blood cell detection by the improved two-layer watershed segmentation method with a full convolutional neural network
CN112330586B (zh) 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质
Taha et al. Deep Learning for Malaria Diagnosis: Leveraging Convolutional Neural Networks for Accurate Parasite Detection
Nguyen et al. GCA-Net: Geometrical Constraints-based Advanced Network for Polyp Segmentation

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