[发明专利]图像处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取食管癌染色图像，采用预设的图像分割模型对所述食管癌染色图像进行分割，提取多个血管区域及乏血管区域，其中，所述血管区域是指食管癌染色图像中包含有血管信息的区域图像，所述乏血管区域是指食管癌染色图像中被癌性微血管所包围的无血管区域图像；

对所述血管区域进行第一预设属性的特征提取，得到第一特征值集合，所述第一特征值集合包括多个第一特征值，每个所述预设属性对应一个所述第一特征值，其中，所述第一预设属性包括血管直径属性和血管盘绕属性；

对所述乏血管区域进行第二预设属性的特征提取，得到第二特征值集合，所述第二特征值集合包括多个第二特征值，每个所述预设属性对应一个所述第二特征值，其中，所述第二预设属性包括乏血管区域填充度属性和乏血管区域短长轴比属性；

对所述食管癌染色图像进行第三预设属性的特征提取，得到第三特征值集合，所述第三特征值集合包括多个第三特征值，每个所述预设属性对应一个所述第三特征值，其中，第三预设属性包括背景粘膜色属性、背景粘膜平整度属性和图像熵属性；

将所述第一特征值集合、所述第二特征值集合以及所述第三特征值集合输入预设分类器进行分类处理，生成分类结果，所述分类结果包括非浸润、浅层浸润及深层浸润，其中，所述预设分类器用于将不同的第一特征值集合、第二特征值集合以及第三特征值集合划分到非浸润、浅层浸润及深层浸润中的一类。

2.如权利要求1所述的图像处理方法，其特征在于，所述预设分类器包括特征拟合子网络和分类子网络；

所述将所述第一特征值集合、所述第二特征值集合以及所述第三特征值集合输入预设分类器进行分类处理，生成分类结果的步骤，包括：

采用所述特征拟合子网络对所述第一特征值集合、所述第二特征值集合以及所述第三特征值集合进行拟合处理，得到融合特征值；

采用所述分类子网络对所述融合特征值进行分类处理，生成所述分类结果。

3.如权利要求1所述的图像处理方法，其特征在于，所述对所述血管区域进行第一预设属性的特征提取，得到第一特征值集合，包括：

通过迭代算法提取各个所述血管区域的中心线，基于所述中心线的各个像素值确定所述血管直径属性对应的第一特征值；

基于各个所述血管区域确定血管连通区域，基于所述血管连通区域的各个像素值确定所述血管盘绕属性对应的第一特征值。

4.如权利要求1所述的图像处理方法，其特征在于，

所述对所述乏血管区域进行第二预设属性的特征提取，得到第二特征值集合的步骤，包括：

基于各个所述乏血管区域确定乏血管连通区域；

在所述乏血管连通区域对各个所述乏血管区域进行遍历，确定对应的面积以及最小外接矩形；

基于所述面积以及最小外接矩形确定所述乏血管区域填充度属性对应的第二特征值；

基于所述最小外接矩形的宽度和高度确定所述乏血管区域短长轴比属性对应的第二特征值。

5.如权利要求1所述的图像处理方法，其特征在于，

所述对所述食管癌染色图像进行第三预设属性的特征提取，得到第三特征值集合的步骤，包括：

将所述食管癌染色图像转换为P颜色模式图像，采用主成分分析算法对所述P颜色模式图像进行颜色特征提取，得到颜色特征；

基于所述颜色特征确定所述背景粘膜色属性对应的第三特征值；

将所述食管癌染色图像转换为HSV颜色空间图像，并确定所述HSV颜色空间图像在H通道、S通道及V通道对应的二维熵，基于所述H通道、S通道及V通道对应的二维熵确定所述图像熵属性对应的第三特征值；

将所述食管癌染色图像输入训练后的背景粘膜平整度分类器中进行识别，得到的识别结果确定为所述背景粘膜平整度属性对应的第三特征值。