(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210267537.9 (22)申请日 2022.03.18 (65)同一申请的已公布的文献号 申请公布号 CN 114359279 A (43)申请公布日 2022.04.15 (73)专利权人 武汉楚精灵医疗科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区高新大道818号武汉高科医疗器 械园B地块一期B10栋5层03号 (72)发明人 李昊　胡珊　刘奇为　 (74)专利代理 机构 深圳紫藤知识产权代理有限 公司 44570 专利代理师 杨婉秋 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/11(2017.01) G06V 10/40(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (56)对比文件 CN 108615 051 A,2018.10.02 CN 113205492 A,2021.08.0 3 CN 110189303 A,2019.08.3 0 JP 20210 37239 A,2021.0 3.11 CN 110517256 A,2019.1 1.29 CN 111899229 A,2020.1 1.06 审查员 杨帆 (54)发明名称 图像处理方法、 装置、 计算机设备及存储介 质 (57)摘要 本申请实施例提供了一种图像处理方法、 装 置、 计算机设备及存储介质， 该方法先从胃黏膜 放大图像中剪裁出清晰区域， 对胃黏膜放大图像 进行分割， 得到微血管区域及微结构区域， 在微 血管区域、 微结构区域上进行框选， 得到对应的 微血管图像和微结构图像， 从微血管图像中获取 多个微血管特征值， 从微结构图像中获取多个微 结构特征值， 将微血管图像和微结构图像进行叠 加处理， 从叠加图像中提取多个特征类型的图像 特征， 得到多个叠加图特征值， 从胃黏膜放大图 像中获取多个叠加图特征值， 该多个微血管特征 值、 微结构特征值、 叠加图特征值、 图像特征值用 于进行分类， 实现了多个不同类型的特征值的提 取， 使得特征值更加全面丰富， 提高了图像处理 效率。 权利要求书3页 说明书16页 附图7页 CN 114359279 B 2022.06.03 CN 114359279 B 1.一种图像处 理方法， 其特 征在于， 包括： 获取胃黏膜放大图像， 从所述胃黏膜放大图像中剪裁出清晰度 大于预设清晰度阈值的 清晰区域， 并获取 所述清晰区域的边界坐标； 采用预设的图像分割 模型对所述胃黏膜放大图像进行分割， 得到微血管区域及微结构 区域； 按照所述清晰区域的边界坐标对应的最小外接矩形分别在所述胃黏膜放大图像的所 述微血管区域、 所述 微结构区域上进行框 选， 得到对应的微血 管图像和微结构图像； 从所述微血管图像中提取多个特 征类型的微血 管特征， 得到多个微血 管特征值； 从所述微结构图像中提取多个特 征类型的微结构特 征， 得到多个微结构特 征值； 将所述微血管图像和微结构图像进行叠加 处理， 得到叠加图像， 从所述叠加图像中提 取多个特 征类型的图像特 征， 得到多个叠加图特 征值； 从所述胃黏膜放大图像中提取多个特征类型的图像特征， 得到多个图像特征值， 所述 微血管特征值、 微结构特征值、 叠加图特征值、 图像特征值用于输入已训练的机器学习分类 器进行分类， 得到所述胃黏膜放大图像的分类结果。 2.如权利要求1所述的图像处理方法， 其特征在于， 所述微血管特征的特征类型包括微 血管直径比、 微血管方向及微血管单位面积； 所述从所述微血管图像中提取多个特征类型 的微血管特征， 得到多个微血 管特征值的步骤， 包括： 通过迭代算法提取所述微血管图像的中心线， 基于所述中心线的各个像素值确定所述 微血管直径比对应的微血 管特征值； 基于所述微血管图像确定微血管连通 区域， 从所述微血管连通 区域提取单根微血管对 应的子微血管图像， 在所述微血管连通区域上对各个所述子微血管图像进行遍历， 得到各 个所述子微血 管图像的连通 域， 作为微血管子连通 域； 基于所述 微血管子连通 域确定各自对应的最小外 接矩形； 获取子微血管图像的微血管数量， 并基于所述最小外接矩形确定所述微血管方向对应 的微血管特征值； 计算各个所述子微血管图像的微血管面积， 基于所述微血管面积和所述微血管数量， 确定所述 微血管单位面积对应的微血 管特征值。 3.如权利要求1所述的图像处理方法， 其特征在于， 所述微结构特征的特征类型包括微 结构密度、 微结构孔洞方向及微结构孔洞单位面积； 所述从所述微结构图像中提取多个特 征类型的微结构特 征， 得到多个微结构特 征值的步骤， 包括： 基于所述微结构图像确定微结构连通 区域， 从所述微结构连通 区域中提取单根微结构 对应的子微结构图像， 并计算每 个所述子微结构图像的微结构面积； 根据各个所述微结构面积及所述微结构图像的面积， 计算所述微结构密度对应的微结 构特征值； 将所述微结构图像进行黑 白反转处理， 得到微结构背景孔洞图像， 并从所述微结构背 景孔洞图像中提取单个子孔洞对应的子孔洞图像， 基于所述微结构背 景孔洞图像确定对应 的孔洞连通区域， 在所述孔洞连通区域上对各个所述子孔洞图像进行遍历， 得到各个所述 子孔洞图像的连通 域， 作为孔洞子连通 域； 基于所述 孔洞子连通 域确定各自对应的最小外 接矩形；权　利　要　求　书 1/3 页 2 CN 114359279 B 2基于所述 最小外接矩形确定所述 微结构孔洞方向对应的微结构特 征值； 获取所述子孔洞图像的孔洞数量， 并计算各个所述子孔洞图像的孔洞面积， 基于所述 孔洞面积和所述 孔洞数量， 确定所述 微结构孔洞单位 面积对应的微结构特 征值。 4.如权利要求1所述的图像处理方法， 其特征在于， 所述从所述叠加图像中提取多个特 征类型的图像特征 的特征类型包括叠加图黑白交替值、 叠加图伪血管密度及叠加图熵； 所 述从所述叠加图像中提取多个特 征类型的图像特 征， 得到多个叠加图特 征值的步骤， 包括： 对所述叠加图像进行二值化处理， 得到掩码图， 所述掩码图包含有像素值为0和像素值 为1的像素点； 基于所述掩码图， 计算每行像素点的像素值从1变化为0的次数， 作为第 一次数， 并计算 每列像素点的像素值从1变化为0的次数， 作为第二次数， 基于所述第一次数和第二次数确 定所述叠加图黑白交替 值对应的叠加图特 征值； 基于所述叠加图像确定叠加连通区域， 从所述叠加连通 区域中提取单根微结构和单根 微血管的叠加图对应的子 叠加图像， 并计算每 个所述子 叠加图像的叠加面积； 根据各个所述叠加面积、 所述叠加图像的面积及所述微结构密度对应的微结构特征 值， 计算所述叠加图伪血 管密度对应的叠加图特 征值； 将所述叠加图像转换为灰度模式， 并基于转换后的叠加图像的二维熵确定所述叠加图 熵对应的叠加图特 征值。 5.如权利要求1所述的图像处理方法， 其特征在于， 所述从所述胃黏膜放大图像中提取 多个特征类型 的图像特征 的特征类型包括背景粘膜平整度、 背景粘膜边界性、 背景粘膜中 血管排列规则性； 所述从所述胃黏膜放大图像中提取多个特征类型 的图像特征， 得到多个 图像特征值的步骤， 包括： 将所述胃黏膜放大图像输入训练后的背景粘膜平整度分类器中进行识别， 得到的平整 度结果确定为所述背景粘膜 平整度对应的图像特 征值； 将所述胃黏膜放大图像输入训练后的背景粘膜边界性分类器中进行分类， 得到的边界 性结果确定为所述背景粘膜边界性对应的图像特 征值； 将所述胃黏膜放大图像输入训练后的背景粘膜规则性分类器中进行识别， 得到的规则 性结果确定为所述背景粘膜中血 管排列规则性对应的图像特 征值。 6.如权利要求1所述的图像处理方法， 其特征在于， 所述已训练 的机器学习分类器包括 特征拟合子网络和分类子网络； 所述方法还 包括： 采用所述特征拟合子网络对各个所述微血管特征值、 所述微结构特征值、 所述叠加图 特征值以及所述图像特 征值进行拟合处 理， 得到判定系数； 基于所述判定系数， 采用所述分类子网络进行分析， 得到所述分类结果。 7.如权利要求6所述的图像处理方法， 其特征在于， 所述分类结果包括正常结果或异常 结果， 其中， 异常结果表征胃黏膜存在异物的概率大于或者等于预设阈值， 正常结果表征胃 黏膜存在异物的概率小于预设阈值， 所述分类子网络包括标准系 数， 在所述采用所述特征 拟合子网络对各个所述微血管特征值、 所述微结构特征值以及所述叠加图特征值进行拟合 处理， 得到判定系数的步骤之后， 还 包括： 获取分类结果为所述正常结果对应的判定系数作为第 一判定系数， 并获取识别结果为 所述异常结果对应的判定系数作为第二判定系数；权　利　要　求　书 2/3 页 3 CN 114359279 B 3