本申请实施例提供了一种小肠图像的肠段识别方法、装置及存储介质，该方法获取待识别的肠腔内壁图像，对肠腔内壁图像进行血管分割，得到多个血管ROI区域，基于各个血管ROI区域，计算肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度，基于肠腔内壁图像和对应的肠壁区域掩模图，提取肠壁图像，计算肠壁图像中肠壁颜色的深浅程度的量化值，得到肠壁颜色深浅度，基于肠腔血管密集度、肠壁颜色深浅度及预设分类阈值，确定肠腔内壁图像的识别结果，通过对肠腔血管密集程度、肠壁颜色的深浅程度的量化，提高了量化的合理性，实现了肠腔内壁图像的定量分析，大大提高了肠腔内壁图像中肠段的识别效率。图像中肠段的识别效率。图像中肠段的识别效率。
【技术实现步骤摘要】
小肠图像的肠段识别方法、装置及存储介质
[0001]本申请涉及图像处理
，具体涉及一种小肠图像的肠段识别方法、装置及存储介质。
技术介绍
[0002]小肠镜检查分为经口小肠镜和经肛小肠镜，因为小肠非常长，又位于十二指肠和大肠的中间，检查起来相对比较麻烦。经口小肠镜主要检查小肠上段，即空肠，经肛小肠镜主要检查小肠下半段，即回肠。通常大部分患者通过这两个方向检查会师，能够完整检查小肠。由于小肠空肠和回肠的形态结构十分相似，目前内镜医师往往通过操作时间和经验来估计处于的肠段，无法准确的识别出空肠和回肠，降低了小肠检查的精度和完整度。
技术实现思路
[0003]本申请实施例提供一种小肠图像的肠段识别方法、装置及存储介质，以解决内镜医师存在主观性强且准确性难以保证的技术问题。
[0004]一方面，本申请提供一种小肠图像的肠段识别方法，包括：获取待识别的肠腔内壁图像；对所述肠腔内壁图像进行血管分割，得到多个血管ROI区域；基于各个所述血管ROI区域，计算所述肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度；基于所述肠腔内壁图像和对应的肠壁区域掩模图，提取肠壁图像；计算所述肠壁图像中肠壁颜色的深浅程度的量化值，得到肠壁颜色深浅度；基于所述肠腔血管密集度、所述肠壁颜色深浅度及预设分类阈值，确定所述肠腔内壁图像的识别结果，所述识别结果包括空肠和回肠。
[0005]一方面，本申请提供一种小肠图像的肠段识别装置，包括：获取模块，用于获取待识别的肠腔内壁图像；分割模块，用于对所述肠腔内壁图像进行血管分割，得到多个血管ROI区域；第一量化模块，用于基于各个所述血管ROI区域，计算所述肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度；提取模块，用于基于所述肠腔内壁图像和对应的肠壁区域掩模图，提取肠壁图像；第二量化模块，用于计算所述肠壁图像中肠壁颜色的深浅程度的量化值，得到肠壁颜色深浅度；识别模块，用于基于所述肠腔血管密集度、所述肠壁颜色深浅度及预设分类阈值，确定所述肠腔内壁图像的识别结果，所述识别结果包括空肠和回肠。
[0006]一方面，本申请提供一种计算机设备，计算机设备包括存储器、处理器以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上述小肠图像的肠段识别方法中的步骤。
[0007]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存储有计算机程序，计算机程序被处理器执行时实现上述小肠图像的肠段识别方法中的步骤。
[0008]本申请实施例提供了一种小肠图像的肠段识别方法、装置及存储介质，该方法通过获取待识别的肠腔内壁图像，对肠腔内壁图像进行血管分割，得到多个血管ROI区域，基于各个血管ROI区域，计算肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度，基于肠腔内壁图像和对应的肠壁区域掩模图，提取肠壁图像，计算肠壁图像中肠壁颜色的深浅程度的量化值，得到肠壁颜色深浅度，基于肠腔血管密集度、肠壁颜色深浅度及预设分类阈值，确定肠腔内壁图像的识别结果，通过对肠腔血管密集度、肠壁颜色深浅度进行分析，使得肠腔内壁图像的量化值更加全面丰富，基于该两个量化值进行肠腔内壁图像的长段的识别，提高对图像分析的准确性和直观性，提高了对肠腔内壁图像的处理效率，本实施例，充分考量了肠腔血管密集度、肠壁颜色深浅度对图像处理的准确性及直观性影响，通过对肠腔血管密集程度、肠壁颜色的深浅程度的量化，提高了量化的合理性，实现了肠腔内壁图像的定量分析，相较于传统的只考虑的单一特征和定性分析的识别方法，大大提高了肠腔内壁图像中肠段的识别效率。
附图说明
[0009]为了更清楚地说明本专利技术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专利技术的一些实施例，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附图。
[0010]其中：图1为一个实施例中小肠图像的肠段识别方法的流程图；图2为一个实施例中小肠图像的肠段识别装置的结构框图；图3为一个实施例中计算机设备的结构框图。
具体实施方式
[0011]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通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，都属于本专利技术保护的范围。
[0012]如图1所示，在一个实施例中，提供了一种小肠图像的肠段识别方法，该小肠图像的肠段识别方法可以应用于终端，也可以应用于服务器，本实施例以应用于服务器举例说明。该小肠图像的肠段识别方法具体包括以下步骤：步骤102，获取待识别的肠腔内壁图像。
[0013]其中，待识别的肠腔内壁图像是指需要识别肠腔内壁图像中的小肠肠段的小肠图像，该肠腔内壁图像为RGB图像。具体地，可以通过内镜检查设备在小肠部位进行检测，采集得到肠腔内壁图像，也可以从计算机设备的存储器中预先存储的图像库中获取肠腔内壁图像，还可以对采集的肠腔内壁图像继续进行三维重建后并展开得到新的肠腔内壁图像。作为本实施例的优选，选取新的肠腔内壁图像，以利用三维重建的肠腔内壁图像视野更加全
面的优点，提高后续的识别准确率。
[0014]步骤104，对肠腔内壁图像进行血管分割，得到多个血管ROI区域。
[0015]其中，血管ROI区域（感兴趣区域，Region of Interest, ROI）是指包含有血管的区域，可以是一根血管的区域，也可以是一簇血管的区域，还可以是肠腔内壁图像中的血管连通域对应的最小外接矩形框对应的区域，为了提高血管分析效率，优选肠腔内壁图像中的血管连通域对应的最小外接矩形框对应的区域作为一个血管ROI区域。
[0016]具体地，可以通过训练后的血管分割模型对肠腔内壁图像进行血管分割，其分割过程为：将多个肠腔内壁图像中的血管连通域对应的最小外接矩形框和肠腔内壁图像作为样本图像，预先训练分割模型，例如，选择Unet++网络模型，在一具体实施方式中，将肠腔内壁图像作为训练后的分割模型的输入，分割模型的输出结果为多个血管ROI区域。可以理解地，本实施例中通过多个血管ROI区域，以便后续基于该多个血管ROI区域对血管进行高效识别。
[0017]步骤106，基于各个血管ROI区域，计算肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度。
[0018]其中，肠腔血管密集度是用于反映肠腔内壁图像中的血管密集程度的指标数值，血管密集程度的量化值可以采用密度计算的方式，即密度=质量/体积，其中，质量可以是血管ROI区域的像素值的累计和，体积可以是血管ROI区域的面积。
[0019]具体地，可以分别计算各个血管ROI区域的血管密集程度的量化值，根据各个血管ROI区域的血管密集程度的量化值，确定肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度，实现了对整个肠腔内壁图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种小肠图像的肠段识别方法，其特征在于，包括：获取待识别的肠腔内壁图像；对所述肠腔内壁图像进行血管分割，得到多个血管ROI区域；基于各个所述血管ROI区域，计算所述肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度；基于所述肠腔内壁图像和对应的肠壁区域掩模图，提取肠壁图像；计算所述肠壁图像中肠壁颜色的深浅程度的量化值，得到肠壁颜色深浅度；基于所述肠腔血管密集度、所述肠壁颜色深浅度及预设分类阈值，确定所述肠腔内壁图像的识别结果，所述识别结果包括空肠和回肠。2.如权利要求1所述的小肠图像的肠段识别方法，其特征在于，所述获取待识别的肠腔内壁图像，包括：通过内镜检查设备采集小肠部位的小肠内镜视频，所述小肠内镜视频中包括多帧小肠图像；对所述多帧小肠图像进行三维重建，得到小肠三维模型；将所述小肠三维模型展开的肠腔内壁二维展开图作为所述肠腔内壁图像。3.如权利要求1所述的小肠图像的肠段识别方法，其特征在于，所述对所述肠腔内壁图像进行血管分割，得到多个血管ROI区域，包括：将所述肠腔内壁图像输入预设的血管分割模型进行分割，得到血管区域；对所述血管区域进行膨胀处理，得到膨胀区域；基于所述膨胀区域确定多个血管连通域；遍历各个所述血管连通域确定各自对应的最小外接矩形的矩形框坐标；将各个所述最小外接矩形的矩形框坐标映射到所述血管区域，框选出多个血管ROI区域。4.如权利要求1所述的小肠图像的肠段识别方法，其特征在于，所述基于各个所述血管ROI区域，计算所述肠腔内壁图像中的血管密集程度的量化值，得到肠腔血管密集度，包括：基于各个所述血管ROI区域，确定所述肠腔内壁图像的血管分布图；基于所述血管分布图，计算所述肠腔内壁图像的血管密集程度的量化值，得到所述肠腔血管密集度。5.如权利要求4所述的小肠图像的肠段识别方法，其特征在于，所述基于各个所述血管ROI区域，确定所述肠腔内壁图像的血管分布图，包括：根据所述血管ROI区域的矩形框坐标，确定所述血管ROI区域的ROI面积；根据所述ROI面积和血管ROI区域的像素值，计算所述血管ROI区域的密集程度的量化值，得...
【专利技术属性】
技术研发人员：杨振宇，胡珊，
申请(专利权)人：武汉楚精灵医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。