[发明专利]结肠图像处理方法、装置及其相关设备

权利要求书

1.一种结肠图像处理方法，其特征在于，所述方法包括：

获取内镜图像中目标对象的第一分割图像、所述目标对象的边界坐标、所述目标对象附近的背景黏膜图像以及所述第一分割图像的表面结构类别特征，所述内镜图像为预先针对患者的目标部位进行拍摄的图像，所述目标部位为结肠；

基于所述第一分割图像的第一颜色特征向量集的均值和所述背景黏膜图像的第二颜色特征向量集的均值，确定所述目标对象相对所述背景黏膜颜色的量化系数，其中，所述第一颜色特征向量集包括所述第一分割图像中所有像素点的颜色特征向量，所述第二颜色特征向量集包括所述背景黏膜图像中所有像素点的颜色特征向量；

获取叠加图像中所有目标血管的第三颜色特征向量集的均值集的目标均值，所述叠加图像是由第二分割图像与所述内镜图像叠加而成的，所述第二分割图像是通过分割所述第一分割图像中初始血管得到的图像，所述目标血管为对所述初始血管进行筛选后的血管，所述均值集包括所述所有目标血管中各血管的第三颜色特征向量集的均值；

基于所述量化系数、目标均值以及表面结构类别特征，确定所述目标对象的异常类型。

2.根据权利要求1所述的结肠图像处理方法，其特征在于，所述获取叠加图像中所有目标血管的第三颜色特征向量集的均值集的目标均值，包括：

分割所述第一分割图像中的血管，得到第二分割图像；

在连通域的基础上，提取所述第二分割图像中的所有血管，得到每根血管的血管分割图，并分别将每根所述血管的血管分割图与所述内镜图像进行叠加，得到叠加图像；

计算所述叠加图像中每根血管的第四颜色特征向量集的均值，得到均值集合，并计算所述均值集合的均值和方差；

基于所述均值集合的均值和方差，从所述所有血管中筛选出所有目标血管；

计算所述所有目标血管的第三颜色特征向量集的均值集的目标均值。

3.根据权利要求1所述的结肠图像处理方法，其特征在于，所述基于所述第一分割图像的第一颜色特征向量集的均值和所述背景黏膜图像的第二颜色特征向量集的均值，确定所述目标对象相对所述背景黏膜颜色的量化系数，包括：

获取所述第一分割图像的第一颜色特征向量集的均值；

获取所述背景黏膜图像的第二颜色特征向量集的均值；

将所述第一颜色特征向量集的均值与所述第二颜色特征向量集的均值相比，得到均值比，将所述均值比作为所述目标对象相对所述背景黏膜颜色的量化系数。

4.根据权利要求1所述的结肠图像处理方法，其特征在于，所述获取所述目标对象附近的背景黏膜图像，包括：

基于所述边界坐标，确定所述目标对象的最小外接水平矩形框；

基于所述最小外接水平矩形框，确定图像截取范围；

基于所述图像截取范围，对所述内镜图像进行截取，得到截取图像；

剔除所述截取图像中的目标对象，得到所述目标对象附近的背景黏膜图像。

5.根据权利要求1所述的结肠图像处理方法，其特征在于，所述获取所述第一分割图像的表面结构类别特征，包括：

基于预先训练的表面结构类别识别模型，识别所述第一分割图像的表面结构类别，得到所述第一分割图像的表面结构类别特征。

6.根据权利要求1所述的结肠图像处理方法，其特征在于，在基于所述量化系数、目标均值以及表面结构类别特征，确定所述目标对象的异常类型之后，所述方法还包括：

获取所述目标对象的表面清晰度特征、边界清晰度特征、规则程度特征以及所述目标对象的目标区域的预设属性特征，所述预设属性特征为是否存在黑点的特征；

基于所述表面清晰度特征、边界清晰度特征、规则程度特征以及预设属性特征，确定所述目标对象的异常程度。

7.根据权利要求6所述的结肠图像处理方法，其特征在于，所述基于所述表面清晰度特征、边界清晰度特征、规则程度特征以及预设属性特征，确定所述目标对象的异常程度，包括：

将所述表面清晰度特征、边界清晰度特征、规则程度特征以及预设属性特征进行加权拟合，得到所述目标对象的异常程度系数；

基于所述异常程度系数和预设的异常程度阈值，判断所述目标对象的异常程度。