[发明专利]胶囊内窥镜图像可疑病变区域自动预警系统

说明书

【技术领域】

本发明涉及计算机辅助诊断技术领域，特别是涉及一种胶囊内窥镜图像可疑病变区域自动预警系统。

【背景技术】

消化道黏膜疾病以及由此进一步引发的消化道癌变是国民健康的最大杀手之一(约占我国全部恶性肿瘤发病率的60～70％)。根据美国癌症协会(American Cancer Society)的统计显示，消化道黏膜瘤变(neoplasia metastasis)的早期检测和诊断是降低消化道癌变死亡率(尤其是肠癌)的关键因素：如果肠癌病人在瘤变的早期阶段得以发现并采取治疗措施，五年存活率通常可以超过90％；如果未能在早期发现而是任其发展到中晚期，病人的五年存活率仅有不足10％。依照传统，医生需要借助光纤式内窥镜插入病人体内进行观测消化道内部情况或进行活检，以检测病变并确定需要采取的措施。然而由于光纤式内窥镜的物理局限性，既为医生的操作带来了不便，也造成了病人的痛苦，甚至存在着内窥镜穿破肠壁造成感染或者死亡的危险。因此，许多患者由于恐惧而放弃检查，这对于食道癌、胃癌、肠癌(尤其是小肠、十二指肠等光纤式内窥镜难以达到的部位)等发病率极高的消化道疾病的预防和早期治疗非常不利，严重危害了国民身体健康。

基于机器视觉和图像处理的计算机辅助诊断算法成为了近年来国内外非常热门的前沿领域之一。相对于传统的基于病理的活检，计算机辅助诊断具有无创性和低成本的两大优势。其中纹理分析作为核心算法之一受到了广泛关注并应用到了其他模式识别领域，较具代表性的方法有：在国际上，特拉维夫大学研究了一种基于纹理统计的病理组织自动分割算法，他们利用高斯混合模型对图像内的各区域进行模拟，并用期望最大化方法(EM算法)获得多参数最大似然统计模型的最优解；I.Claude等研制了基于人工神经网络的纹理分类算法；P.Mitra等研制了基于准则的辅助诊断系统用于鉴定癌变的不同阶段。

由于胶囊内窥镜图像本身特点，图像的清晰度以及纹理信息检测的技术难题，目前还没有非常完善的病变区域自动预警系统解决方案。现有的计算机辅助诊断算法方面的研究主要集中于CT、PET、MRI等功能性成像方式，通过直接利用相机等光学图像进行分析的研究则相对较少，主要是因为以下问题：

1、消化道内复杂的光照环境和较差的图像质量，例如运动模糊、光照不足、分辨率等；

2、消化道病变的病理特征具有不同的表现形式，基于形态的检测方法不适用于平坦性病变；

3、对纹理的分析需要模拟人脑中的大量推理过程，而这一过程通常主观性较强，而且需要长期的训练过程。

上述困难制约了直接利用相机等光学图像进行分析在临床上的应用。目前尚没有一个系统的解决方案对两者综合考虑，尤其是难以解决病理特征学习算法中的实时性和检测准确性之间的矛盾。

鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。

【发明内容】

本发明要解决的技术问题是提供一种胶囊内窥镜图像可疑病变区域自动预警系统，解决实际采集图像清晰度、标准化和病理图片诊断分析难题。

本发明采用如下技术方案：

一种胶囊内窥镜图像可疑病变区域自动预警系统，包括：

图像质量控制和标准化模块，对图像进行自适应增强，补偿光照不足、噪声、反光、分辨率低、运动模糊的影响；

纹理特征提取模块，在无需人工干预的条件下对平坦性病变的纹理特征进行检测；

分类学习预警模块，基于先期训练进行病理特征检测，利用医生预标记的训练图像进行监督学习，并进行自动分类和在线识别，实现辅助诊断与预警。

进一步地，所述图像质量控制和标准化模块通过如下方式对图像进行自适应增强：

步骤A1：通过自动颜色增强方法解决过渡曝光和光照不足的矛盾，基于Fast Marching Method对图像进行插值处理以去除反光区域；

步骤A2：采用边缘驻留准则和各向异性扩散算法恢复所述图像的本质纹理，引入光滑约束解决噪声情况下的图像修复问题；

步骤A3：采用图像去卷积方法从所述图像的模糊程度中推断出鲜明的纹理和结构，解决图像去模糊问题；

步骤A4：采用反馈环路，通过信息扩散的机制对输入的低分辨率图像进行迭代运算，协助医生对病变区域放大进行细节查看。

进一步地，所述各向异性扩散算法为F_PDE算法。