一种多特征融合的肛肠内镜图像智能处理系统

本发明涉及图像分析，尤其涉及一种多特征融合的肛肠内镜图像智能处理系统。

背景技术：

1、肛肠疾病的诊断是现代医学中的重要领域，通过分析病灶的形态、颜色、纹理等特征，可以有效评估患者的健康状况及疾病的严重程度。肛肠疾病的影像诊断能够反映出病变部位的解剖特征、病理状态以及疾病进展情况，尤其在辨别炎症性疾病、肿瘤及其他结构性病变方面具有重要价值。然而，传统的诊断方式依赖于经验丰富的医生进行判断，这一过程具有较高的主观性，并且受限于医生的观察能力和诊断经验，容易导致误诊或漏诊。

2、中国专利公开号：cn121353666a，公开了一种基于深度学习的肛肠病灶自动分割方法，获取肛肠图像像素图，提取对比度与方向偏移标记候选病灶点，筛选重叠标记生成病灶激活标注图，建立响应图谱生成边界响应分布图，训练网络输出分类图，提取截断路径完成图像分割。该发明通过提取局部灰度共生矩阵对比度值与梯度幅值，实现病灶区域在复杂背景下的空间差异性精确捕捉，通过构建响应图谱与方向一致性比对机制，结合方向梯度直方图与结构张量等多维特征，提升区域判别能力与边缘分类精度，借助各向异性标准差判断纹理稳定性并设定模糊边缘掩码，结合主方向向量夹角偏移趋势对截断路径进行筛选，确保边界收敛位置的连续性与稳定性。

3、中国专利公开号：cn121337277a，公开了基于光谱成像的肛肠疾病快速排查方法及系统，系统包括肛肠信息预处理模块、肛肠病症分析模块和肛肠病症可视化处理模块；通过肛肠器官内部采样点光谱信息对肛肠器官内部相同光谱特征采样点分区建模，实现基于光谱信息智能划分肛肠器官内部病症区域，提高肛肠疾病排查的质量和效率；根据肛肠器官内部相同光谱采样点分区信息结合智能搜索算法与基于科学预设的不同肛肠病症光谱特征信息对肛肠器官内部相同光谱区域的病症进行智能识别，实现肛肠疾病排查过程的相同肛肠疾病的位置和类型智能识别，提高肛肠疾病排查的效果和可靠性。

4、但是，现有技术中还存在以下问题，

5、现有的肛肠疾病识别技术中，针对因图像质量不佳导致的疾病识别不明确通常进行疾病重检，这种重检机制不仅降低识别效率、浪费医疗资源，还延长了整体诊疗周期，延缓了疾病治疗速度。

技术实现思路

1、为此，本发明提供一种多特征融合的肛肠内镜图像智能处理系统，用以解决现有的肛肠疾病识别技术中，针对因图像质量不佳导致的疾病识别不明确通常进行疾病重检，这种重检机制不仅降低识别效率、浪费医疗资源，还延长了整体诊疗周期，延缓了疾病治疗速度的问题。

2、为实现上述目的，本发明提供一种多特征融合的肛肠内镜图像智能处理系统，其包括：

3、图像获取模块，其用以获取肛肠部位的原始图像，确定若干待识别区域 ；

4、区域划分模块，其用以对各所述待识别区域进行伪影筛选以及组织成分解耦，基于所述待识别区域的预设条件满足状态确定异常区域；

5、快速筛选模块，其用以分析各所述异常区域的距肛缘距离以及病灶基底宽度与高度，确定调用的模块；

6、特征确定模块，其用以针对所述异常区域，分析患者在不同呼吸状态下所述异常区域的边缘形变位移量确定弹性形变特征，基于所述异常区域在不同序列下的信号强度比值确定多序列信号特征，提取所述异常区域的亮度通道以及饱和度通道以确定光照梯度特征；

7、异常分析模块，其用以基于所述弹性形变特征、所述多序列信号特征以及所述光照梯度特征分析所述异常区域的疾病类别，对所述异常区域进行标签标记；

8、疾病识别模块，其用以对标记为重检标签的异常区域进行疾病重检，对正常区域、不满足第一筛选条件的异常区域以及标记为直接分析标签的异常区域进行疾病诊断。

9、进一步地，所述区域划分模块用以获取连续帧图像，提取不同帧对应的所述待识别区域 ，确定各所述待识别区域对应的质心坐标以及轮廓边界；

10、确定各所述质心坐标与首帧质心坐标间的差值平均值为质心坐标偏移量；

11、确定各所述轮廓边界围成面积的差值平均值为面积形变量；

12、若所述质心坐标偏移量超过基准偏移量，或所述面积形变量超过基准形变量，则确定所述待识别区域存在动态伪影；

13、提取所述待识别区域的灰度共生矩阵，以确定对比度；

14、若所述对比度超过基准对比度，则确定所述待识别区域存在静态伪影。

15、进一步地，所述区域划分模块用以采集所述待识别区域内肛肠表面的褶皱断点数量以及褶皱数量；

16、确定所述褶皱断点数量与所述褶皱数量的比值为褶皱连续度；

17、若所述褶皱连续度超过基准褶皱连续度，则确定所述待识别区域满足组织成分解耦。

18、进一步地，若所述待识别区域满足预设条件，则确定所述待识别区域为正常区域；

19、若所述待识别区域不满足预设条件，则确定所述待识别区域为异常区域；

20、其中，预设条件为所述待识别区域不存在动态伪影以及静态伪影，且满足组织成分解耦。

21、进一步地，若所述异常区域满足第一筛选条件，则快速筛选模块调用特征确定模块；

22、若所述异常区域不满足第一筛选条件，则快速筛选模块调用疾病识别模块；

23、其中，所述第一筛选条件为所述距肛缘距离处于基准距肛缘距离范围内，且所述基底宽度与高度的比值处于基准比值范围内 。

24、进一步地，所述特征确定模块获取患者在吸气末时的第一边缘轮廓，以及呼气末的第二边缘轮廓；

25、确定所述第一边缘轮廓以及所述第二边缘轮廓的平均径向位移为弹性形变特征。

26、进一步地，所述特征确定模块确定所述异常区域在吸气末的第一信号响应值以及在呼气末的第二信号响应值；

27、确定所述第一信号响应值以及所述第二信号响应值与基准信号响应值的比值平均值为多序列信号特征 。

28、进一步地，所述特征确定模块提取所述异常区域的亮度通道以及饱和度通道；

29、确定所述亮度通道中所述异常区域中心区域与边缘区域的平均亮度差值为光照均匀度指标；

30、确定所述饱和度通道中所述异常区域内饱和度值的标准差为表面光滑度指标；

31、基于所述光照均匀度指标及所述表面光滑度指标确定光照梯度特征。

32、进一步地，所述异常分析模块确定所述异常区域内存在弹性形变特征、多序列信号特征 以及光照梯度特征 中的任一特征为第一疾病类别区域，确定所述异常区域内三种特征均不存在为第二疾病类别区域。

33、进一步地，所述异常分析模块标记满足第一疾病类别区域的标签为直接分析标签，标记满足第二疾病类别区域的标签为重检标签。

34、与现有技术相比，本发明通过图像获取模块获取肛肠原始图像并确定待识别区域；区域划分模块对各区域进行动态伪影筛选、静态伪影筛选及组织成分解耦，确定异常区域；快速筛选模块根据异常区域的距肛缘距离及病灶基底形态进行分流判断；特征确定模块提取异常区域在呼吸相变下的弹性形变特征、多序列信号强度比值特征以及光照梯度特征进行疾病类别判定与标签标记；疾病识别模块根据标签及筛选结果进行重检或直接诊断。本发明通过多维度物理特征融合与分级诊断架构，提升了肛肠疾病识别的准确性与诊断效率。

35、尤其，本发明通过伪影筛选以及组织成分解耦对原始图像进行区域划分，在后续分析中仅对部分区域进行分析，为后续进行针对性疾病分析提供数据基础。在实际情况中，肛肠部位图像中存在由组织位移引起的动态伪影，和由器械遮挡或液体残留引起静态伪影，若直接对所有区域进行特征提取，伪影区域将引入大量噪声干扰。现有技术通常采用通用的图像增强或滤波方法对整幅图像进行处理，但通用滤波会同时削弱病灶边缘的细节信息，造成有效特征的丢失，且无法针对不同类型伪影进行差异化处理。基于此，本发明考虑通过综合分析动态伪影、静态伪影以及肛肠表面褶皱结构，用以将原始图像进行区域划分，为后续进行针对性分析提供数据基础，提高疾病识别准确性以及识别效率。

36、尤其，本发明通过进一步分析距肛缘距离以及病灶基底宽度与高度，在可视化图像上直接进行分析，为后续确定调用的模块提供数据基础。在实际情况中，现有技术在面对异常区域时，通常采取一刀切的重检策略，对所有异常区域均触发重新采集图像或人工复核流程，不仅降低疾病识别速率，还导致医疗资源的严重浪费。基于此，本发明考虑基于直观解剖学参数，对异常区域进行预先分析，避免了针对几何特征典型、易于判断异常区域的不必要重复检查，降低了资源的非必要浪费，提高了疾病识别准确性以及识别效率。

37、尤其，本发明针对异常区域，通过确定肛肠疾病中的可能出现的弹性形变特征、多序列信号特征以及光照梯度特征，为后续进行标签标记提供数据基础。在实际情况中，由于单一维度的特征信息容量有限，当某一特征处于阈值边界或存在噪声干扰时只能通过触发重检来进行疾病识别。进一步地，肛肠疾病是多因素、多阶段的病理过程，例如，某些早期病变可能在弹性形变上表现明显但信号特征不显著，某些炎性病变可能在信号特征上有典型表现但弹性形变轻微。现有的依赖单一维度特征进行疾病重检的方法，忽略了不同物理属性特征之间的内在关联，导致疾病识别速率以及准确率降低。基于此，本发明考虑从成分、力学改变以及形态三个角度，综合分析异常区域的疾病状态，以确定需要进行疾病重检的区域，提高了疾病识别准确率以及可靠性。