【技术实现步骤摘要】
本专利技术涉及图像数据处理，尤其涉及一种识别炎症性肠病小肠绒毛萎缩变钝方法及装置。
技术介绍
1、大多数普通急性结肠炎或小肠炎，即使有小肠绒毛的损伤甚至是破坏，也会因为干细胞的存在并依托原有的间质框架使这些损伤的绒毛得以再生，形成基本正常的“新的”小肠绒毛。然而，在炎症性肠病中，由于各种原因常会导致小肠绒毛修复过程被多种或反复的绒毛损伤所中断，此时残余干细胞受损，新生的绒毛在组织形态学上会出现绒毛萎缩变短、粗钝或完全消失的病理特征。
2、随着计算机视觉和图像处理技术的不断发展，数字病理学、人工智能和机器学习等在病理图像分析中的应用越来越广泛，例如，深度学习算法，如卷积神经网络（cnn），被广泛用于识别和分类各种细胞和组织类型。对于炎症性肠病，这些算法可以用于自动识别和测量小肠绒毛的形态特征。
3、但是，由于在小肠绒毛病理切片图中不光包含小肠绒毛，还会包含隐窝、浆细胞等结构，并且小肠绒毛与相邻的绒毛之间由于距离较近，可能会出现粘连，导致绒毛边缘不清晰，影响对于小肠绒毛是否萎缩的判断的准确性。
技术实现思路
1、本专利技术提供一种识别炎症性肠病小肠绒毛萎缩变钝方法及装置，用以解决现有技术中小肠切片图中小肠绒毛边缘识别不准确导致的难以准确判断小肠绒毛是否萎缩的缺陷，实现更加精准的识别炎症性肠病小肠绒毛萎缩变钝方法及装置。
2、本专利技术提供一种识别炎症性肠病小肠绒毛萎缩变钝方法，包括：
3、对小肠绒毛病理切片的灰度图进行边缘检测，在边缘检测
4、在所述强边缘和所述灰度图的背景区域的距离小于预设距离阈值，且所述强边缘不封闭的情况下，将所述强边缘确定为小肠绒毛边缘；
5、基于所述小肠绒毛边缘计算小肠绒毛的平均长度和平均宽度，根据所述小肠绒毛的平均长度和平均宽度确定所述小肠绒毛是否萎缩变钝。
6、根据本专利技术提供的一种识别炎症性肠病小肠绒毛萎缩变钝方法，所述在边缘检测得到弱边缘为小肠绒毛边缘的可能性大于预设可能性阈值的情况下，将所述弱边缘增强为强边缘的步骤之前，还包括：
7、根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性。
8、根据本专利技术提供的一种识别炎症性肠病小肠绒毛萎缩变钝方法，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
9、计算所述弱边缘的长度与全部弱边缘平均长度之间的第一比值；
10、计算所述弱边缘的两端点之间的直线距离与所述弱边缘的长度之间的第二比值；
11、将所述第一比值与所述第二比值的乘积作为所述弯曲程度。
12、根据本专利技术提供的一种识别炎症性肠病小肠绒毛萎缩变钝方法，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
13、将沿所述弱边缘的梯度方向所在直线的两个延伸方向搜索，分别将得到的首条长度较所述弱边缘大的两个边缘确定为邻近边缘；
14、根据所述弱边缘的梯度方向与两个所述邻近边缘的梯度方向确定所述差异程度。
15、根据本专利技术提供的一种识别炎症性肠病小肠绒毛萎缩变钝方法，所述根据所述弱边缘的梯度方向与两个所述边缘的梯度方向确定所述差异程度的步骤之前，还包括：
16、在所述邻近边缘中截取出与所述弱边缘长度相同的匹配边缘段；
17、将所述匹配边缘段的梯度方向确定为所述邻近边缘的梯度方向。
18、根据本专利技术提供的一种识别炎症性肠病小肠绒毛萎缩变钝方法，所述基于所述小肠绒毛边缘计算小肠绒毛的平均长度和平均宽度的步骤，具体包括：
19、标记对所述小肠绒毛边缘角点检测得到的所有角点；
20、以所述小肠绒毛边缘在所述灰度图中最左侧的角点为原点，以大于预设比例的所述角点所在的曲线拉伸得到的直线为横轴构建坐标系；
21、根据所述小肠绒毛边缘在所述坐标系中的极值点确定所述小肠绒毛的平均长度和平均宽度。
22、本专利技术还提供一种识别炎症性肠病小肠绒毛萎缩变钝装置，包括：
23、增强模块，用于对小肠绒毛病理切片的灰度图进行边缘检测，在边缘检测得到弱边缘为小肠绒毛边缘的可能性大于预设可能性阈值的情况下，将所述弱边缘增强为强边缘；
24、确定模块，用于在所述强边缘和所述灰度图的背景区域的距离小于预设距离阈值，且所述强边缘不封闭的情况下，将所述强边缘确定为小肠绒毛边缘；
25、检测模块，用于基于所述小肠绒毛边缘计算小肠绒毛的平均长度和平均宽度，根据所述小肠绒毛的平均长度和平均宽度确定所述小肠绒毛是否萎缩变钝。
26、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述识别炎症性肠病小肠绒毛萎缩变钝方法。
27、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述识别炎症性肠病小肠绒毛萎缩变钝方法。
28、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述识别炎症性肠病小肠绒毛萎缩变钝方法。
29、本专利技术提供的识别炎症性肠病小肠绒毛萎缩变钝方法及装置，通过在对小肠绒毛的病理切片进行边缘检测的过程中，通过计算每条弱边缘为小肠绒毛边缘的可能性，将可能性大于预设可能性阈值的弱边缘增强为强边缘，从而降低隐窝、浆细胞等结构对小肠绒毛边缘检测识别的干扰，提高小肠绒毛边缘检测的准确性，从而能根据检测得到的更加准确的小肠绒毛边缘识别出小肠绒毛是否萎缩变钝。
本文档来自技高网...【技术保护点】
1.一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，包括：
2.根据权利要求1所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述在边缘检测得到弱边缘为小肠绒毛边缘的可能性大于预设可能性阈值的情况下，将所述弱边缘增强为强边缘的步骤之前，还包括：
3.根据权利要求2所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
4.根据权利要求2所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
5.根据权利要求4所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的梯度方向与两个所述边缘的梯度方向确定所述差异程度的步骤之前，还包括：
6.根据权利要求1-4任一项所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述基于所述小肠绒毛边缘计算小肠绒
7.一种识别炎症性肠病小肠绒毛萎缩变钝装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述识别炎症性肠病小肠绒毛萎缩变钝方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述识别炎症性肠病小肠绒毛萎缩变钝方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述识别炎症性肠病小肠绒毛萎缩变钝方法。
...【技术特征摘要】
1.一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，包括：
2.根据权利要求1所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述在边缘检测得到弱边缘为小肠绒毛边缘的可能性大于预设可能性阈值的情况下，将所述弱边缘增强为强边缘的步骤之前，还包括：
3.根据权利要求2所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
4.根据权利要求2所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的弯曲程度和所述弱边缘与邻近边缘的差异程度确定所述弱边缘为小肠绒毛边缘的可能性的步骤之前，还包括：
5.根据权利要求4所述的一种识别炎症性肠病小肠绒毛萎缩变钝方法，其特征在于，所述根据所述弱边缘的梯度方向与两个所述边缘的梯度方向确定...
【专利技术属性】
技术研发人员：曾智，刘雯，张世英，张璐，胡薇，黄勇，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
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。