【技術實現步驟摘要】
本專利技術涉及圖像分析，尤其涉及一種基于圖像識別的消化道病變分析方法及系統。
技術介紹
1、圖像分析
主要涉及圖像的處理、解析和理解，用以從圖像中提取有用信息或特征，支持各類決策過程。此
包括圖像預處理、增強、特征提取、對象識別、分類和圖像內容的解釋。圖像分析技術廣泛應用于醫療影像、衛星遙感、自動化監控、機器視覺等眾多領域，旨在改善圖像資料的可視性和解釋性，從而提高決策的準確性和效率。
2、其中，消化道病變分析方法是專注于通過圖像識別技術來檢測和診斷消化道的各種病變，如潰瘍、炎癥或腫瘤。利用內窺鏡圖像，結合圖像處理算法，能夠幫助醫生識別疑似病變區域，評估病變程度，并進行疾病監控。技術的應用提高了診斷的精度和速度，減少了醫生的主觀判斷誤差，為患者提供了更為精確的診療方法。
3、傳統分析方法在處理復雜圖像時，對比辨別病變與非疑似病變區域，缺乏足夠的精確度，導致對病變的漏診或誤診，影響病情的早期診斷和治療。而對于顏色的判斷，傳統方法無法準確區分正常組織與輕微異常組織的色彩變化，導致對病變的評估不夠全面，無法為醫療人員提供全面的消化道風險評估，影響了治療方案的制定和疾病的管理。
技術實現思路
1、本專利技術的目的是解決現有技術中存在的缺點，而提出的一種基于圖像識別的消化道病變分析方法及系統。
2、為了實現上述目的，本專利技術采用了如下技術方案：一種基于圖像識別的消化道病變分析方法，包括以下步驟：
3、s1：基于患者消化道的內窺鏡圖
4、s2：基于所述消化道區域區分結果，根據疑似病變區域特征，包括形狀、大小和顏色，評估與病變數據庫中同一部位已知病變類型匹配度，識別匹配的病變類型，并提取對應病變類型的圖像數據，得到匹配病變類型提取結果；
5、s3：基于所述消化道區域區分結果，提取非疑似病變區域顏色和對應部位的正常顏色數據，分析非疑似病變區域與正常顏色的偏差，評估非疑似病變區域的異常程度，得到非疑似病變區域異常評估結果；
6、s4：基于所述匹配病變類型提取結果和非疑似病變區域異常評估結果，根據醫療人員確認的病變類型，結合疑似病變區域大小、疑似病變區域數量、非疑似病變區域異常程度，對消化道病變危險程度進行評估。
7、本專利技術改進有，所述評估圖像中像素點的邊緣強度的方法為：
8、s111：基于患者消化道的內窺鏡圖像，對圖像進行轉換，將圖像轉換為灰度格式，得到灰度轉換后的圖像；
9、s112：基于所述灰度轉換后的圖像，通過公式：
10、
11、計算像素點的邊緣強度值g，得到像素點邊緣強度評估結果，其中，gx和gy分別代表像素點在水平和垂直方向上的梯度，λg是權重參數。
12、本專利技術改進有，所述消化道區域區分結果的獲取步驟為：
13、s121：基于所述像素點邊緣強度評估結果，計算內窺鏡圖像中所有邊緣點的強度均值和標準差，得到檢測閾值關聯數據；
14、s122：基于所述檢測閾值關聯數據，通過公式：
15、
16、計算調整后的邊緣檢測閾值tnew，其中，表示圖像中所有邊緣強度的平均值，σt是邊緣強度的標準差，kt為調節系數，pt是邊緣強度高于的像素點數，qt是圖像中總像素點數，∈t為靈敏度參數，tnew為調整后的邊緣檢測閾值；
17、s123：基于所述調整后的邊緣檢測閾值tnew和像素點邊緣強度評估結果，將像素點的邊緣強度值g與調整后的邊緣檢測閾值tnew進行對比，將邊緣強度值高于邊緣檢測閾值的像素點標記為疑似病變區域邊緣，區分非疑似病變區域和疑似病變區域，得到消化道區域區分結果。
18、本專利技術改進有，所述匹配病變類型提取結果的獲取步驟為：
19、s211：基于所述消化道區域區分結果，收集疑似病變區域的特征數據，包括形狀、大小和顏色；
20、s212：基于所述疑似病變區域的特征數據，與病變數據庫中同一部位已知病變類型的特征進行對比，通過公式：
21、
22、計算匹配度得分s，其中，s是匹配度得分，xi是當前病變特征向量中的第i個特征值，yi是數據庫中已知病變類型的對應特征值，wi是第i個特征的權重參數，δ是穩定常數，n是特征總數；
23、s213：基于所述匹配度得分s，與預設的匹配度閾值進行對比，若匹配度得分s超過匹配度閾值，則標記病變類型匹配，并提取對應病變類型的圖像數據，為醫療人員確認病變類型提供數據支持，得到匹配病變類型提取結果。
24、本專利技術改進有，所述分析非疑似病變區域與正常顏色的偏差的方法為：
25、s311：基于所述消化道區域區分結果，從非疑似病變區域提取三種顏色通道的顏色值，并提取對應部位的正常顏色數據，得到顏色關聯數據；
26、s312：基于所述顏色關聯數據，通過公式：
27、
28、計算顏色偏差程度d，得到顏色偏差評估結果，其中，αd、βd和γd是權重系數，rnv、gnv和bnv分別表示非疑似病變區域的紅色、綠色、藍色通道的顏色值，rstd、gstd和bstd分別是對應部位標準消化道的紅色、綠色、藍色通道的顏色值，d為顏色偏差程度。
29、本專利技術改進有，所述非疑似病變區域異常評估結果的獲取步驟為：
30、s321：基于所述顏色偏差評估結果，根據歷史偏差分析記錄，提取醫護人員允許的偏差范圍；
31、s322：基于所述允許的偏差范圍，通過公式：
32、
33、計算非疑似病變區域的異常程度e，得到非疑似病變區域異常評估結果，其中，d是顏色偏差程度，dmax是允許的顏色偏差范圍，κe是縮放系數，e表示非疑似病變區域的異常程度。
34、本專利技術改進有，所述對消化道病變危險程度進行評估的方法為：
35、s411：基于所述匹配病變類型提取結果和非疑似病變區域異常評估結果，根據醫療人員確認的病變類型，提取疑似病變區域大小、疑似病變區域數量和非疑似病變區域的異常程度，得到危險關聯數據；
36、s412：基于所述危險關聯數據，通過公式：
37、
38、計算消化道病變危險程度評分c，評估消化道病變危險程度，其中，wj是第j個疑似病變區域的類型權重，aj是第j個疑似病變區域的大小，e是自然對數的底數，n是疑似病變區域的數量，λc是調節因子，μc為數量調節系數，e代表非疑似病變區域的異常程度，c為消化道病變危險程度評分。
39、一種基于圖像識別的消化道病變分析系統，所述基于圖像識別的消化道病變分析系統用于執行上述基于圖像識別的消化道病變分析方法，所述系統包括：
40、疑似病變區域區分模塊基于患者消化道的內窺鏡圖本文檔來自技高網...
【技術保護點】
1.一種基于圖像識別的消化道病變分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述評估圖像中像素點的邊緣強度的方法為：
3.根據權利要求2所述的基于圖像識別的消化道病變分析方法，其特征在于，所述消化道區域區分結果的獲取步驟為：
4.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述匹配病變類型提取結果的獲取步驟為：
5.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述分析非疑似病變區域與正常顏色的偏差的方法為：
6.根據權利要求5所述的基于圖像識別的消化道病變分析方法，其特征在于，所述非疑似病變區域異常評估結果的獲取步驟為：
7.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述對消化道病變危險程度進行評估的方法為：
8.一種基于圖像識別的消化道病變分析系統，其特征在于，根據權利要求1-7任一項所述的基于圖像識別的消化道病變分析方法，所述系統包括：
【技術特征摘要】
1.一種基于圖像識別的消化道病變分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述評估圖像中像素點的邊緣強度的方法為：
3.根據權利要求2所述的基于圖像識別的消化道病變分析方法，其特征在于，所述消化道區域區分結果的獲取步驟為：
4.根據權利要求1所述的基于圖像識別的消化道病變分析方法，其特征在于，所述匹配病變類型提取結果的獲取步驟為：
5.根據權利要求1所述的基于圖像識別...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。