[发明专利]胃黏膜染色放大成像的微血管分布对称性量化方法

说明书

本发明公开了一种胃黏膜染色放大成像的微血管分布对称性量化方法，该方法包括图像分割法、质心偏心距法、质心偏心角法、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；质心偏心距法从质心偏心距角度量化微血管整图分布对称性；质心偏心角法从质心偏心角角度量化微血管整图分布对称性；密度法从密度角度量化微血管整图分布对称性。最终通过对质心偏心距分布对称性得分、质心偏心角分布对称性得分、密度分布对称性得分进行加权获得最终微血管整图分布对称性系数，而后根据微血管整图分布对称性系数对微血管整图分布对称性等级进行判定。

技术领域

本发明涉及医学领域图像处理技术领域，具体涉及一种胃黏膜染色放大成像的微血管分布对称性量化方法。

背景技术

消化道肿瘤是最常见的恶性肿瘤之一。2015年，我国食管癌、胃癌、结直肠癌患病人数近150万，死亡人数大于100万，占癌症总死亡人数的1/3。恶性肿瘤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。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，内镜医师可根据微结构、微血管的形态、对称性、口径等的特征判断患者是否患癌。

日本学者八尾建史在其V·S分型理论中指出，微血管结构(microvascular，MV)可分为三类：规则/不规则/缺失。规则的MV表现为上皮下毛细血管网为闭环(多边形)或开环，呈对称分布、均匀形状、规则排列。不规则的MV表现为闭环(多边形)、开环、扭曲、分支或不规则形态；MV为不均匀的形状且不对称分布，呈不规则排列。V·S分型理论中提出关于MV密度是否均一，形态是否均一，是否呈对称性分布的理论。但目前并未出现微血管对称性具体定义以及微血管对称性由哪些指标去衡量的相关研究，也没有微血管对称性定量化描述的研究。

发明内容

本发明的目的在于针对现有技术的不足，而提供一种胃黏膜染色放大成像的微血管分布对称性量化方法，适用于大批量胃部微血管分布对称性量化，便于胃部微血管分布对称性的判断，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分布对称性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黏膜染色放大成像的微血管分布对称性量化方法，其特征在于：所述的微血管分布对称性量化方法包含如下步骤：

S1：输入待量化的胃黏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以及清晰区域蒙版图；

S3：通过清晰区域形心，将清晰区域蒙版图和微血管整图分为四个象限；

S4：分别从微血管子图偏心距角度，微血管子图偏心角角度，微血管子图密度角度量化微结构分布对称性；

S5：对步骤S4所求三项量化指标进行加权拟合获得微血管整图分布对称性系数，进而根据阈值区间给出微血管整图分布对称性等级判定结果。

进一步的，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，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分割出微结构整图。

进一步的，S3中，通过步骤S2所得清晰区域梦版图计算出清晰区域形心，并根据此形心将步骤S2所得清晰区域蒙版图和微血管整图分为四个象限。

进一步的，S4中，根据步骤S3所得清晰区域蒙版四象限子图和微血管四象限子图计算质心偏心距分布对称性得分、质心偏心角分布对称性得分、密度分布对称性得分，具体实施步骤如下：

S4.1：计算质心偏心距分布对称性得分/计算质心偏心角分布对称性得分，具体实施步骤如下：