基于指纹特征的儿童呼吸系统疾病中医辨证分型系统

摘要: 本发明涉及医学图像处理,具体涉及基于指纹特征的儿童呼吸系统疾病中医辨证分型系统。背景技术:1、婴幼儿食指掌侧的浅表静脉的走向、充盈度及颜色变化,是儿科体征观察中...
基于指纹特征的儿童呼吸系统疾病中医辨证分型系统

本发明涉及医学图像处理,具体涉及基于指纹特征的儿童呼吸系统疾病中医辨证分型系统。

背景技术:

1、婴幼儿食指掌侧的浅表静脉的走向、充盈度及颜色变化,是儿科体征观察中重要的客观生理指标。在传统辅助观察中,通常将浅静脉从指根向指尖依次划分为三个空间观察区域,即中医理论中的风、气、命三关。呼吸系统疾病引起的微循环及血氧状态改变,会直接映射为静脉颜色偏向与形态充盈度的变化。因此,指纹特征能够为儿童呼吸系统疾病的辅助分类提供重要依据。

2、传统方法通常依靠医疗人员肉眼观察,或通过图像处理提取单一的颜色通道及简单的形态几何参数(如整体长度和宽度)进行定性分析以实现辅助疾病分类。然而,现有方法在提取浅表血管特征时存在以下缺陷:第一,血管的颜色特征直接映射机体的微循环状态,但现有方法往往仅依赖单一的颜色特征,无法准确量化颜色特征从血管近端至远端在空间分布上的渐变趋势,导致血管整体的颜色特征评估不准确。第二,血管的形态特征反映局部的血流动力学状态,但血管形态极易受到机体物理温度引发的微血管“热胀冷缩”效应干扰,从而产生血管扩张或收缩的形变假象,导致形态特征严重失真。

技术实现思路

1、为了解决忽略血管颜色空间渐变趋势与温度干扰引起的血管形变,导致指纹特征提取精度低的技术问题,本发明的目的在于提供基于指纹特征的儿童呼吸系统疾病中医辨证分型系统,所采用的技术方案具体如下:

2、本发明提出了一种基于指纹特征的儿童呼吸系统疾病中医辨证分型系统,所述系统包括:

3、数据采集模块,用于分别获取样本儿童与待测儿童的食指桡侧的浅表静脉图像中的血管区域,并将血管区域划分为若干血管分段;

4、颜色偏向提取模块,用于根据各血管分段的色彩偏向与显色强度,获取局部颜色偏向值;根据血管区域内各血管分段的所述局部颜色偏向值的空间渐变趋势,对所述局部颜色偏向值的整体分布特征进行调整,获取血管区域的综合颜色偏向值;

5、形态充盈量化模块,用于利用所述局部颜色偏向值,对各血管分段的几何形态特征与光学显影特征进行形变调整,确定各血管分段的校正充盈度;根据所述校正充盈度在血管区域内各血管分段的整体分布特征与空间渐变趋势,获取血管区域的整体形态充盈度;

6、图像特征分类模块,用于根据样本儿童对应血管区域的所述综合颜色偏向值与所述整体形态充盈度训练图像分类模型,利用训练好的图像分类模型确定待测儿童对应浅表静脉图像的特征分类结果。

7、进一步地,所述将血管区域划分为若干血管分段,包括:

8、提取所述浅表静脉图像中的手指区域,并提取手指区域的中心轴线;

9、在所述中心轴线上确定两个三等分点;分别过所述两个三等分点作所述中心轴线的法线,通过所述法线将手指区域划分为三个依次排列的子区域;

10、按照由指根至指尖的排列顺序,将所述血管区域在所述三个子区域中对应的区域部分,依次分割为近端分段、中端分段和远端分段,记为血管分段。

11、进一步地,所述获取局部颜色偏向值,包括:

12、提取各血管分段内所有像素点在hsv色彩空间下的色调分量、饱和度分量和亮度分量并分别求取均值,得到各血管分段的色调角均值、饱和度均值和亮度均值;

13、获取所述色调角均值与0度之间的最短角度差,基于所述最短角度差获得各血管分段的色彩偏向系数;

14、计算同一血管分段的所述色彩偏向系数、所述饱和度均值与所述亮度均值的乘积,作为各血管分段的局部颜色偏向值。

15、进一步地,所述获取血管区域的综合颜色偏向值,包括:

16、分别计算远端分段与近端分段的所述局部颜色偏向值的差值以及所述局部颜色偏向值的绝对值的和值,将所述差值除以所述和值的比值作为颜色空间渐变率;

17、当所述颜色空间渐变率大于预设渐变增强阈值时,将所述颜色空间渐变率与预设渐变增强阈值的差值,再加上常数1的和值作为颜色渐变权重值;当所述颜色空间渐变率小于预设渐变减弱阈值时,将常数1减去所述颜色空间渐变率的绝对值的差值作为颜色渐变权重值;当所述颜色空间渐变率大于或者等于预设渐变减弱阈值且小于或者等于预设渐变增强阈值时,将常数1作为颜色渐变权重值;

18、对血管区域内所有血管分段的所述局部颜色偏向值进行加权求和,得到血管区域的颜色偏向基准值;

19、将所述颜色渐变权重值与所述颜色偏向基准值的乘积作为血管区域的综合颜色偏向值。

20、进一步地,所述确定各血管分段的校正充盈度,包括:

21、根据各血管分段的几何形态特征与光学显影特征,获取基础充盈度;

22、将预设偏置平滑常数除以各血管分段的所述局部颜色偏向值与预设偏置平滑常数之和的比值,作为各血管分段的胀缩校正因子;

23、计算各血管分段的所述基础充盈度与所述胀缩校正因子的乘积,得到各血管分段的校正充盈度。

24、进一步地,所述根据各血管分段的几何形态特征与光学显影特征,获取基础充盈度,包括:

25、对于各血管分段内的每个像素点,获取经过该像素点且两个端点均位于该血管分段的边缘上的最短线段,并将所述最短线段的长度作为该像素点的截面跨度;

26、计算各血管分段内所有像素点的所述截面跨度的均值,作为分段平均管径;将所述分段平均管径除以所述浅表静脉图像中的手指区域的最大宽度的比值,作为各血管分段的相对管径比;

27、对各血管分段进行形态学膨胀操作,从膨胀后的区域中剔除膨胀前的血管分段,将剩余区域确定为该血管分段的邻域背景区域;将各血管分段邻域背景区域内所有像素点的灰度值均值除以内所有像素点的灰度值均值的比值,作为各血管分段的灰度对比度;

28、将所述相对管径比与所述灰度对比度的乘积,作为各血管分段的基础充盈度。

29、进一步地,所述获取血管区域的整体形态充盈度,包括:

30、分别计算远端分段与近端分段的所述校正充盈度的差值、和值,将所述差值除以所述和值的比值作为充盈空间渐变率;

31、计算远端分段与近端分段的所述校正充盈度的均值,作为首尾充盈均值;对中端分段的校正充盈度与所述首尾充盈均值的差值绝对值进行负相关并归一化处理,得到中端波动惩罚系数;

32、将所述充盈空间渐变率与所述中端波动惩罚系数的乘积,作为充盈渐变校正率;

33、对血管区域内所有血管分段的所述校正充盈度求平均,得到血管区域的整体充盈基准值;将所述整体充盈基准值乘以所述充盈渐变校正率与常数1之和,得到血管区域的整体形态充盈度。

34、进一步地,所述根据样本儿童对应血管区域的所述综合颜色偏向值与所述整体形态充盈度训练图像分类模型,利用训练好的图像分类模型确定待测儿童对应浅表静脉图像的特征分类结果,包括:

35、获取各样本儿童预先标定的体征分类标签;以各样本儿童对应血管区域的所述综合颜色偏向值与所述整体形态充盈度作为自变量,以所述体征分类标签作为因变量,训练图像分类模型,得到训练好的图像分类模型;

36、获取待测儿童对应血管区域的综合颜色偏向值与整体形态充盈度;将待测儿童的综合颜色偏向值与整体形态充盈度输入预先训练的图像分类模型,得到各体征分类标签的预测分类概率;

37、选取所有体征分类标签的预测分类概率中最大值对应的体征分类标签,确定待测儿童对应浅表静脉图像的特征分类结果。

38、进一步地,所述手指区域的最大宽度为手指区域的最小外接矩形的短边长度。

39、进一步地,对血管区域内所有血管分段的所述局部颜色偏向值进行加权求和的过程中,远端分段的权重大于近端分段与中端分段的权重。

40、本发明具有如下有益效果:

41、第一方面:根据血管分段的色彩偏向与显色强度,获取能够反映局部色彩显著度的局部颜色偏向值;进而,利用血管区域内血管分段的局部颜色偏向值的空间渐变趋势,对局部颜色偏向值的整体分布特征进行动态调整,获取综合颜色偏向值,可捕捉机体微循环体征在空间深度上的蔓延或消退轨迹,克服忽略血管特征空间演变规律导致评估失真的问题。

42、第二方面:血管分段的几何形态特征与光学显影特征反映血管初始充盈水平,考虑到血管受体温变化极易发生热胀冷缩导致产生形变假象,利用局部颜色偏向值对上述指标进行形变调整,剥离因温度干扰带来的形变假象以确定校正充盈度;结合校正充盈度的整体分布特征与空间渐变趋势,得到血管区域的整体形态充盈度,表征剥离物理形变干扰后浅表静脉真实的全局充盈形态及其空间蔓延态势。该过程剔除温度干扰引起的血管形变,提升浅表静脉形态特征提取精度。

43、第三方面:综合颜色偏向值量化微循环状态下的色彩演变规律,整体形态充盈度反映排除物理形变干扰后的真实血流动力学分布,两个维度能够全面、客观且抗干扰地映射出浅表静脉的深层生理表象,利用两者训练图像分类模型并对待测儿童进行分类预测,充分发挥空间渐变校正与温度干扰剔除带来的高保真特征,显著提高体征特征分类结果的精确度。