[发明专利]一种基于卷积神经网络肠道肿瘤显微高光谱图像处理方法

摘要

本发明公开了一种基于卷积神经网络肠道肿瘤显微高光谱图像处理方法，具体涉及胃肠道肿瘤检测技术领域，该高光谱图像处理方法包括有以下步骤：步骤一：获取高光谱初始图像，对病患的胃肠道肿瘤位置处采用相关设备进行照射。本发明通过对高光谱初始图像进行分割处理，利用第一子图像来获取第二子图像，并将每段第二子图像内部的特征点利用卷积神经网络的方式提取出来，构建第三子图像，随后将每组第三子图像中的特征点进行整合，以此来获得由特征点组合而成的高光谱目标图像，即可对高光谱初始图像进行有效的处理，使得高光谱初始图像更加直观简洁，提高了高光谱初始图像内部大数据量的处理效率的同时，又提高了人们对疾病诊断的准确性。

主权项

1.一种基于卷积神经网络肠道肿瘤显微高光谱图像处理方法，其特征在于：该高光谱图像处理方法包括有以下步骤：步骤一：获取高光谱初始图像，对病患的胃肠道肿瘤位置处采用相关设备进行照射，以此来获取病患胃肠道肿瘤位置处的高光谱初始图像，另外执行相关操作获取多组高光谱初始图像；步骤二：获取第一子图像，将从病患身上采集到的高光谱初始图像分别沿X轴、Y轴及Z轴的方向矢量进行分割处理，进而获取到多段第一子图像；步骤三：获取第二子图像，对每一段的第一子图像分别进行局部灰度映射处理操作，进而获取到第二子图像，随后，将获取到的第二子图像全部进行放大处理操作；步骤四：特征点提取，在第二子图像中，对第二子图像中所蕴含的图形信息利用卷积神经网络的方式进行特征点提取，将提取出来的特征点进行整合，以此构建第三子图像；步骤五：优化第三子图像，对第三子图像中的相邻波段所蕴含的图形信息进行优化，随后对第二子图像中的混合像素点进行均质滤波处理；步骤六：获取高光谱目标图像，把所有分散的第三子图像进行还原，组合成一个完整的光谱图像，并按照一定的比例缩小至原来的状态，将第三子图像中的特征点进行整合，以此来获得由特征点组合而成的高光谱目标图像；步骤七：通过观察整合后的高光谱初目标图像以此来获取得到胃肠道肿瘤的信息。