[发明专利]一种肝脏组织结构分类的方法及装置有效
申请号: | 201710146719.X | 申请日: | 2017-03-13 |
公开(公告)号: | CN108573267B | 公开(公告)日: | 2020-10-27 |
发明(设计)人: | 任亚运;滕霄;戴其尚 | 申请(专利权)人: | 杭州筹图科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 王宝筠 |
地址: | 310053 浙江省杭州市滨江区长河*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 肝脏 组织 结构 分类 方法 装置 | ||
1.一种肝脏组织结构分类的方法,其特征在于,所述方法包括:
获取组织样本的图像进行图像处理,获得第一二值图像、组织信号图像和胶原信号图像,所述组织信号图像用于表征组织在所述组织样本中的位置分布,所述胶原信号图像用于表征胶原蛋白在所述组织样本中的位置分布;
对所述胶原信号图像进行图像分割获得第二二值图像,对所述组织信号图像进行图像分割获得第三二值图像,计算所述第二二值图像与所述第一二值图像的比值获得所述胶原蛋白的含量;
根据所述第一二值图像和第三二值图像获得第四二值图像,所述第四二值图像用于表征孔洞在所述组织样本中的位置分布;
根据所述第二二值图像和所述第四二值图像获得第一组特征的值,根据所述第一组特征的值,利用预设的第一决策树对所述孔洞进行分类,获得所述孔洞中类血管结构的位置分布,所述第一组特征的值用于表征所述孔洞的特征,所述预设的第一决策树用于表征第一组特征的值与孔洞的类型的对应关系;
根据所述第二二值图像和所述类血管结构的位置分布,建立待测目标结构;
获取所述待测目标结构的第二组特征的值,根据所述第二组特征的值和所述胶原蛋白的含量,利用预设的第二决策树确定所述待测目标结构的类型,所述第二组特征的值用于表征所述待测目标结构的特征,所述第二决策树用于表征第二组特征的值,胶原蛋白含量与已有目标结构的类型的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述获取组织样本的图像进行图像处理,获得第一二值图像、组织信号图像和胶原信号图像包括:
对所述组织样本的图像进行去噪处理,获得原始组织图像和原始胶原图像;
对所述原始组织图像进行二值化处理,获得组织二值图像;
删除所述组织二值图像中面积小于预设的第一阈值的连通域,获得第五二值图像,对所述第五二值图像进行图像填充获得所述第一二值图像;
计算所述原始组织图像与所述第一二值图像的乘积获得所述组织信号图像,计算所述原始胶原图像与所述第一二值图像的乘积获得所述胶原信号图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一二值图像和第三二值图像获得第四二值图像包括:
对所述第三二值图像取反获得第六二值图像;
将所述第六二值图像与所述第一二值图像进行与运算获得第七二值图像;
删除所述第七二值图像中面积小于预设的第二阈值的连通域,获得所述第四二值图像。
4.根据权利要求1-3任意一项所述的方法,其特征在于,所述预设的第一决策树的创建方法包括:
获取多个组织样本的样本图像,已知每个组织样本中孔洞的位置分布和类型;
对每个样本图像进行图像处理,获得每个样本图像的第一二值图像、组织信号图像和胶原信号图像;
对每个样本图像的胶原信号图像进行图像分割获得该样本图像的第二二值图像,对每个样本图像的组织信号图像进行图像分割获得该样本图像的第三二值图像;
根据每个样本图像的第一二值图像和该样本图像的第三二值图像获得该样本图像的第四二值图像;
根据每个样本图像的第二二值图像和该样本图像的第四二值图像获得该样本图像中每个孔洞的第一组特征的值;
根据每个孔洞的第一组特征值以及该孔洞的类型,利用CART算法建立预设的第一决策树。
5.根据权利要求1-3任意一项所述的方法,其特征在于,所述预设的第二决策树的创建方法包括:
获取多个组织样本的样本图像,已知每个组织样本中已有目标结构的位置分布和类型,所述已有目标结构的类型包括中央静脉或汇管区;
对每个样本图像进行图像处理,获得每个样本图像的第一二值图像、组织信号图像和胶原信号图像;
对每个样本图像的胶原信号图像进行图像分割获得该样本图像的第二二值图像,计算每个样本图像的第二二值图像与该样本图像的第一二值图像的比值获得该样本图像的胶原蛋白的含量;
根据每个样本图像的第二二值图像和该样本图像的已有目标结构的位置分布获得第二组特征的值;
根据每个样本图像的第二组特征的值,该样本图像的胶原蛋白的含量,以及该样本图像的已有目标结构的类型,利用CART算法建立预设的第二决策树。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州筹图科技有限公司,未经杭州筹图科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710146719.X/1.html,转载请声明来源钻瓜专利网。