本发明涉及医学领域图像处理
技术领域：
，具体涉及一种胃粘膜染色放大成像的微血管扭曲程度量化方法。
背景技术：
：胃癌是世界第五大最常见的癌症，其占癌症死亡原因的第三位。进展期胃癌术后五年生存率仅有30％，而胃早期癌症的五年生存率则高达90％。色素内镜的问世，使早癌期胃癌的内镜诊断方法确立。放大胃镜与电子染色内镜联合应用，能够观察到普通胃镜无法观察的微小血管结构及黏膜表面微细结构，为内镜下诊断早期胃癌提供了条件。血管异形是染色放大内镜下诊断早期胃癌的重要条件。m.kaise等人在文献《magnifyingendoscopycombinedwithnarrow-bandimagingfordifferentialdiagnosisofsuperficialdepressedgastriclesions》中指出：胃部早癌病灶区域内微血管较病灶区域外微血管扭曲程度更严重，但只是基于经验的归纳总结，并未给出微血管扭曲程度具体量化结果及扭曲程度判断方法。刘一萱在其硕士论文《冠状动脉扭曲的量化测量方法及应用》中提出，首先对冠状动脉血管进行曲面重建，多平面重组等技术获得血管三维空间结构，并在三维空间中提取将冠状动脉血管的中心线，然后将该中心线的三维图像投影至xy，xz，yz三个二维平面，最后基于每一个二维平面，在两个轴上求取连续三个点构成的两个线段的梯度差从而获取该平面血管弯曲贡献度，最后整合三个平面血管弯曲贡献度获得最终血管弯曲量化值。但论文中血管扭曲程度的量化过程涉及多款软件，如使用awvolumeshare4.0工作站进行图像三维重建，用matalb编程进行图像处理和计算，无法做到自动化及批量化。技术实现要素：本发明的目的在于针对现有技术的不足，而提供一种胃粘膜染色放大成像的微血管扭曲程度量化方法，适用于大批量胃部微血管扭曲程度量化，便于胃部微血管形态的判断，且与内镜医师诊断结果匹配度高，具有高可靠性，可为内镜医生从微血管扭曲程度角度做早期胃癌诊断时提供强有力的数据支持。为实现上述目的，本发明提供了一种胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述的微血管扭曲程度量化方法包含如下步骤：s1：输入待量化的胃粘膜染色放大成像原图，并采用深度学习分割模型，从原图中提取清晰区域图像；s2：采用深度学习分割模型，从清晰区域图像提取微血管整图；s3：在连通域的基础上，提取单根微血管及其对应的最小外接矩形，并通过连通域的面积和周长过滤掉微血管整图中的噪声点；s4：遍历每根微血管，采用骨架化处理方法获取每根微血管的中心线，通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长；s5：将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度；s6：对步骤s5所求面密度进行加权获得微血管扭曲程度系数，进而根据阈值区间给出微血管扭曲程度等级判定结果。进一步的，步骤s1中采用训练好的u-net 分割模型从图像分割方法获取胃镜图像中提取清晰区域。进一步的，步骤s2中采用训练好d-linknet模型，从s1所得取清晰区域图像中提取微血管整图。进一步的，步骤s3中，在连通域的基础上遍历微血管整图中每根微血管及其对应的最小外接矩形，并通过面积和周长过滤掉微血管整图中的噪声点。求解每根微血管最小外接矩形按如下步骤进行：s3.1：旋转原始多边形([-90°～90°])，求旋转每个度数后多边形的简单外接矩形并记录此时外接矩形的面积、顶点坐标以及旋转度数。平面上任意一点(x,y)绕点(x0,y0)逆时针旋转θ角度得到点(x',y')，旋转公式为s3.2：比较旋转过程中所得所有简单外接矩形，得到面积最小的外接矩形，并记录该简单外接矩形的顶点坐标和旋转角度；s3.3：将所得最小外接立方体旋转-θ角度即为所求最小外接矩形。进一步的，步骤s4中，采用骨架化处理方法处理s3：中的每根微血管，提取每根微血管的中心线，通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长，周长计算公式为ci＝π·φ，其中ci为中心线i处对应微血管截面周长，φi为中心线处微血管直径。进一步的，步骤s5中，将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度。其中每根微血管最小外接立方体，是通过拉伸最小外接矩形至微血管最大直径φmax所得；面密度计算公式为其中，n为微血管中心线上总的像素点个数，s为其最小外接立方体某底面或侧面面积。进一步的，步骤s6中，对步骤s5所求面密度进行加权获得微血管扭曲程度系数，进而根据阈值区间给出微血管扭曲程度等级判定结果。进一步的，计算扭曲程度系数，sa为底面面积，sb为侧面面积，由于sa与sb面积不同，因此采用加权方式获得扭曲程度系数，最终扭曲程度系数计算公式为γ＝δ1ρa δ2ρb，其中：s＝l·φmaxsa为最小外接立方体底面面积，sb为最小外接立方体侧面面积。进一步的，扭曲程度等级判定，根据所得扭曲程度系数γ，对微血管扭曲程度等级进行判定，当扭曲程度系数γ≤0.7时，微血管扭曲程度为正常；当扭曲程度系数0.7＜γ≤1.1时，微血管呈一般扭曲；当扭曲程度系数γ＞1.1时，微血管为严重扭曲，即本发明的优点及有益效果如下：本发明提出使用面密度法来量化微血管扭曲程度，通过开发通用的且可重复的程序，提供半自动和自动图像分析，对微血管扭曲程度进行量化，可协助内镜医师提高胃早癌分析和诊断的可靠性和准确率。本发明根据胃部微血管形态结构，在连通域的基础上，寻找图像每根血管，并考虑微血管直径，构建微血管最小外接立方体。计算微血管向其最小外接立方体侧面和底面投影面密度，实现从三维空间角度获得微血管扭曲程度系数，最终给出与内镜医师诊断匹配度较高的微血管扭曲程度判定区间。本方法在整个计算过程可实现全自动化，极大的提高了量化过程的迅捷性并保证有很高的可靠性。附图说明图1为本发明的胃部微血管扭曲程度量化方法的实施示意图。图2为本发明的胃部微微血管扭曲程度量化的建立方法示意图。图3为本发明的提取血管中心线效果图。图4为本发明的面密度法原理图。图5为本发明的面密度法计算结果。具体实施方式下面结合附图和具体实施例对本发明作进一步详细的说明，并不是把本发明的实施范围限制于此。请参照图1，本发明粘膜染色放大成像的微血管扭曲程度量化方法的实施示意图。如图1所示，本发明的一种胃粘膜染色放大成像的微血管扭曲程度量化方法包含面密度法。请参照图2，其以本发明的一种胃粘膜染色放大成像的微血管扭曲程度量化方法的实施例为例，示意本发明中胃部微血管扭曲程度量化方法流程的建立，包含以下步骤#1-步骤#5。步骤s1采用训练好的u-net 分割模型从图像分割方法获取胃镜图像中提取清晰区域。步骤s2采用d-linknet模型提取步骤#1所得清晰区域中的所有微血管构成微血管整图，并对分割出来的微血管整图进行后处理，去除图像中的噪声。步骤s3在连通域的基础上遍历微血管整图中每根微血管及其对应的最小外接矩形，并通过面积和周长过滤掉微血管噪声点步骤s4对步骤s3所得单根微血管采用面密度法来量化微血管扭曲程度，具体分为以下5个步骤实施：s4.1：对单根微血管采用骨架化处理，提取血管中心线；s4.2：构建微血管最小外接立方体，通过以下方法实施：①求微血管最小外接矩形旋转原始多边形([-90°～90°])，求旋转每个度数后多边形的简单外接矩形并记录此时外接矩形的面积、顶点坐标以及旋转度数。平面上任意一点(x,y)绕点(x0,y0)逆时针旋转θ角度得到点(x',y')，旋转公式为比较旋转过程中所得所有简单外接矩形，得到面积最小的外接矩形，并记录该简单外接矩形的顶点坐标和旋转角度；将所得最小外接立方体旋转-θ角度即为所求最小外接矩形。②通过拉伸获得最小外接立方体如图3所示，通过骨架化处理，在二维平面内微血管中心线提取效果图。根据中心线进而求得中心线每个像素点位置微血管直径，最后在二维最小外接矩形以微血管最大直径φmax拉伸成立方体。s4.3：如图4所示，通过微血管中心线每个像素点处的直径来计算对应位置处微血管截面周长，计算公式为其中c为中心线i处对应微血管截面周长，φi为中心线处微血管直径。s4.4：计算面密度，面密度计算公式为其中，n为微血管中心线上总的像素点个数，s为其最小外接立方体某底面或侧面面积。s4.5：如图4所示，最小外接立方体底面面积sa与侧面面积sb面积不同，采用加权方式获得扭曲程度系数，最终扭曲程度系数计算公式为：γ＝δ1ρa δ2ρb，其中：s＝l·φmaxsa为最小外接立方体底面面积，sb为最小外接立方体侧面面积。步骤s5，按照步骤s4所得扭曲程度系数γ，对微血管扭曲程度等级进行判定，当扭曲程度系数γ≤0.7时，微血管扭曲程度为正常；当扭曲程度系数0.7＜γ≤1.1时，微血管呈一般扭曲；当扭曲程度系数γ＞1.1时，微血管为严重扭曲，即计算6张图片的扭曲程度系数结果如表1和图5所示。结合表1和图5可以看出，扭曲程度系数越大，微血管扭曲程度越复严重。根据扭曲程度等级判定方法，对95张患早期胃癌图像和115张未患早期胃癌图像进行扭曲程度等级判定，将结果与医师判定结果进行比对，匹配度表2所示。表1：图片123456面密度法1.631.610.590.650.861.27表2：当前第1页1 2 3
技术特征：1.一种胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：包含如下步骤：
s1：输入待量化的胃粘膜染色放大成像原图，并采用深度学习分割模型，从原图中提取清晰区域图像；
s2：采用深度学习分割模型，从清晰区域图像提取微血管整图；
s3：在连通域的基础上，提取单根微血管及其对应的最小外接矩形，并通过连通域的面积和周长过滤掉微血管整图中的噪声点；
s4：遍历每根微血管，采用骨架化处理方法获取每根微血管的中心线，通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长；
s5：将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度；
s6：对步骤s5中所求面密度进行加权获得微血管扭曲程度系数，进而根据阈值区间给出微血管扭曲程度等级判定结果。
2.根据权利要求1所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s1中，采用训练好的u-net 分割模型从图像分割方法获取胃镜图像中提取清晰区域。
3.根据权利要求1所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s2中，采用训练好d-linknet模型，从步骤s1所得取清晰区域图像中提取微血管整图。
4.根据权利要求1至3中任一所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s3中，在连通域的基础上遍历微血管整图中每根微血管及其对应的最小外接矩形，并通过面积和周长过滤掉微血管整图中的噪声点。求解每根微血管最小外接矩形按如下步骤进行：
s3.1：旋转原始多边形([-90°～90°])，求旋转每个度数后多边形的简单外接矩形并记录此时外接矩形的面积、顶点坐标以及旋转度数；平面上任意一点(x,y)绕点(x0,y0)逆时针旋转θ角度得到点(x',y')，旋转公式为：
s3.2：比较旋转过程中所得所有简单外接矩形，得到面积最小的外接矩形，并记录该简单外接矩形的顶点坐标和旋转角度；
s3.3：将所得最小外接立方体旋转-θ角度即为所求最小外接矩形。
5.根据权利要求4所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：步骤s4中，采用骨架化处理方法处理步骤s3中的每根微血管，提取每根微血管的中心线，通过中心线上每个像素点对应的微血管直径求出该像素点处微血管截面周长，周长计算公式为：
ci＝π·φ，
其中ci为中心线i处对应微血管截面周长，φi为中心线处微血管直径。
6.根据权利要求1或2或3或5所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：步骤s5中，将微血管中心线上每个像素点对应的微血管截面向最小外接矩形与血管最大直径构成的立方体底面和侧面上做投影并计算微血管向这两个面的投影面密度；其中每根微血管最小外接立方体是通过拉伸最小外接矩形至微血管最大直径φmax所得；面密度计算公式为：
其中，n为微血管中心线上总的像素点个数，s为其最小外接立方体某底面或侧面面积。
7.根据权利要求6所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s6中，对步骤s5所求面密度进行加权获得微血管扭曲程度系数，进而根据阈值区间给出微血管扭曲程度等级判定结果。
8.根据权利要求7所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s6中，计算扭曲程度系数，sa为底面面积，sb为侧面面积，由于sa与sb面积不同，因此采用加权方式获得扭曲程度系数，最终扭曲程度系数计算公式为：
γ＝δ1ρa δ2ρb，
其中：
s＝l·φmax；
sa为最小外接立方体底面面积，sb为最小外接立方体侧面面积。
9.根据权利要求8所述的胃粘膜染色放大成像的微血管扭曲程度量化方法，其特征在于：所述步骤s6中，扭曲程度等级判定，根据所得扭曲程度系数γ，对微血管扭曲程度等级进行判定，当扭曲程度系数γ≤0.7时，微血管扭曲程度为正常；当扭曲程度系数0.7＜γ≤1.1时，微血管呈一般扭曲；当扭曲程度系数γ＞1.1时，微血管为严重扭曲，即
技术总结本发明公开一种胃粘膜染色放大成像的微血管扭曲程度量化方法，该方法包括图像分割法、血管中心线提取法、面密度法。图像分割法用于提取胃镜图像中的清晰区域和微血管整图；血管中心线提取法用于提取每根微血管的中心线并计算中心线上像素点处对应的微血管周长；面密度法通过将微血管周长向其最小外接立方体面进行投影从而计算出面密度。最终通过对微血管最小外接立方体不同面的面密度进行加权获得微血管扭曲程度系数，而后根据扭曲程度系数对微血管扭曲程度等级进行判定。
技术研发人员：于红刚;吴练练;胡珊;李昊;朱益洁;徐铭;陶逍;张梦娇;李佳;董泽华;张晨霞;杜泓柳;陈弟;何鑫琦;黄丽;商任铎
受保护的技术使用者：武汉大学
技术研发日：2021.04.26
技术公布日：2021.08.03
