宫颈病灶边缘动态分割方法及系统
本发明属于医学图像处理,具体涉及宫颈病灶边缘动态分割方法及系统。
背景技术:
1、宫颈阴道镜检查通常在醋酸或碘染处理后进行。检查人员根据醋白反应、碘不着色区域、点状血管、镶嵌血管以及鳞柱交界区域的变化判断病灶候选范围。早期宫颈病灶在图像中可能表现为局部白化持续状态异常、表层纹理粗糙、细小血管排列异常或组织颜色响应不均匀。病灶在全景视野中所占面积较小,病灶边缘还可能呈现渐变过渡,因而不一定形成稳定且完整的灰度突变线。
2、宫颈表面覆盖黏液并具有湿润上皮。照明方向、组织表面曲率、相机观察角度、局部渗血和曝光状态会影响阴道镜图像质量。镜面反光区域可能形成高亮饱和斑块,高亮饱和斑块内的微血管吸收响应和组织纹理响应受到遮挡;暗色液体或渗血区域可能降低组织光谱响应。仅依据单一通道亮度、颜色或局部梯度进行分割时,反光斑块外缘可能被识别为组织边界,暗色遮挡区域又可能削弱病灶响应。
3、现有医学图像分割流程通常输出像素级概率图。宫颈早期病灶的阳性像素数量可能明显少于正常背景像素数量,训练误差容易受到大面积背景像素影响,使网络倾向于降低背景分类误差,而未能同时保持小面积病灶边界的连续性。像素级概率图经过固定阈值处理后还可能包含孔洞、孤立响应、局部断裂和边缘锯齿。固定形态学处理虽然能够连接部分断裂位置,但也可能连接相邻且病理含义不同的区域,或者使病灶边界向正常组织扩展。像素级概率图因而难以直接提供具有角度顺序和闭合关系的病灶边界坐标集。
4、部分图像修复流程能够检测高亮区域并重建高亮像素,但修复过程中形成的反光可信掩膜在进入分割网络后可能不再使用。重建区域的组织信息可信程度通常低于直接成像区域。局部细尺度病理纹理特征提取、大尺度血管形态特征提取、正交门控融合和病灶边界生成过程若按照相同权重处理重建区域与直接成像区域,重建误差仍可能在深层特征中累积,并在边界提取过程中形成异常梯度极值。
5、局部细尺度病理纹理特征和大尺度血管形态特征具有不同的空间尺度。直接相加或拼接两类特征时,重复响应可能被共同放大,大范围炎症颜色变化也可能干扰局部病理纹理。因此,现有处理流程仍存在反光可信掩膜未贯穿后续计算、局部细尺度病理纹理特征与大尺度血管形态特征缺少有约束的交互关系,以及概率热力图难以稳定转换为连续闭合病灶边界坐标集的问题。
技术实现思路
1、本发明的目的在于提供宫颈病灶边缘动态分割方法及系统,解决了宫颈多光谱全景图像中反光可信掩膜未贯穿后续计算、局部细尺度病理纹理特征与大尺度血管形态特征缺少有约束的交互关系以及概率热力图难以稳定转换为连续闭合病灶边界坐标集的技术问题。
2、为解决上述技术问题,本发明所采用的技术方案是:
3、宫颈病灶边缘动态分割方法,具体包括如下步骤:
4、获取宫颈多光谱全景图像,确定宫颈外轮廓有效区域,对所述宫颈多光谱全景图像进行局部灰阶截断重组和跨光谱反光一致性校正,得到去反光多光谱基底图像和反光可信掩膜;
5、基于所述反光可信掩膜,从所述去反光多光谱基底图像中提取局部细尺度病理纹理特征和大尺度血管形态特征,确定所述局部细尺度病理纹理特征的主响应方向,将所述大尺度血管形态特征投影到与所述主响应方向正交的特征子空间,利用投影结果和所述反光可信掩膜调制所述局部细尺度病理纹理特征,得到高维融合特征矩阵;
6、依据所述高维融合特征矩阵的空间压缩尺度执行尺度恢复,将源自所述去反光多光谱基底图像的浅层边缘信息、反光可信掩膜尺度结果和宫颈外轮廓距离图拼接至尺度恢复特征,得到原始概率热力图;
7、在训练状态下,根据所述原始概率热力图和基准病理掩膜形成区域重叠损失和边界连续损失,并利用所述区域重叠损失和所述边界连续损失更新网络参数,在应用状态下由满足收敛条件的网络输出稳定概率热力图;
8、从所述稳定概率热力图中提取径向梯度极值边界点,利用所述反光可信掩膜和所述宫颈外轮廓有效区域筛选所述径向梯度极值边界点,驱动受曲率和闭合约束的轮廓演化,输出连续闭合的病灶边界坐标集。
9、作为本发明的一个优选技术方案,获取所述宫颈多光谱全景图像,包括:
10、采集至少两个光谱通道下的宫颈表面图像,并记录各光谱通道的相机位姿标定数据和像素坐标映射数据;
11、根据所述相机位姿标定数据、所述像素坐标映射数据、宫颈外轮廓、宫颈口中心和稳定血管分叉位置,将不同光谱通道的宫颈表面图像配准至统一图像坐标系,使同一宫颈组织位置在不同光谱通道中对应相同的像素索引。
12、作为本发明的一个优选技术方案,所述局部灰阶截断重组和所述跨光谱反光一致性校正,包括:
13、将所述宫颈多光谱全景图像分解为亮度分量和色度分量,按照所述宫颈外轮廓有效区域划分局部网格;
14、统计各局部网格内所述亮度分量的灰阶频率,将超过局部截断限值的灰阶频率重新分配至未饱和灰阶区间;
15、根据同一像素位置在不同光谱通道中的饱和状态、亮度突变状态和色度偏离状态形成反光可信度,并根据所述反光可信度生成所述反光可信掩膜;
16、利用低可信位置周围位于同一宫颈外轮廓有效区域内的高可信像素,对所述低可信位置的光谱响应进行方向约束重建,得到所述去反光多光谱基底图像。
17、作为本发明的一个优选技术方案,提取所述局部细尺度病理纹理特征,包括:
18、在所述去反光多光谱基底图像中确定宫颈口中心、鳞柱交界候选带和异常醋白纹理边缘,以所述宫颈口中心建立包含径向方向和切向方向的局部极坐标参考方向;
19、根据所述局部极坐标参考方向、所述反光可信掩膜和源自所述去反光多光谱基底图像的浅层梯度响应,确定可变形采样偏移量;
20、按照所述可变形采样偏移量调整卷积采样节点,使所述卷积采样节点沿所述鳞柱交界候选带和异常醋白纹理边缘分布;
21、汇聚调整后的采样响应,得到所述局部细尺度病理纹理特征。
22、作为本发明的一个优选技术方案,提取所述大尺度血管形态特征,包括:
23、在所述去反光多光谱基底图像中构建多个观测域尺度的空间汇聚支路;
24、利用各空间汇聚支路提取相应观测域尺度下的血管走向响应、血管粗细响应和异常镶嵌响应;
25、按照所述宫颈外轮廓有效区域内的空间坐标,将不同观测域尺度下的血管走向响应、血管粗细响应和异常镶嵌响应重新对齐,并沿特征通道整合,得到所述大尺度血管形态特征。
26、作为本发明的一个优选技术方案,得到所述高维融合特征矩阵,包括:
27、对所述局部细尺度病理纹理特征和所述大尺度血管形态特征分别进行通道归一化;
28、根据所述局部细尺度病理纹理特征的通道协方差确定所述主响应方向;
29、去除所述大尺度血管形态特征在所述主响应方向上的投影分量,得到位于所述正交特征子空间的大尺度门控特征;
30、利用所述大尺度门控特征增强所述局部细尺度病理纹理特征中与异常血管形态位置一致的响应,并利用所述反光可信掩膜抑制与低可信位置一致的响应,形成所述高维融合特征矩阵。
31、作为本发明的一个优选技术方案,在形成所述高维融合特征矩阵前执行特征提纯处理,所述特征提纯处理包括:
32、沿通道方向分别计算所述局部细尺度病理纹理特征的全局平均响应和全局最大响应,将所述全局平均响应和所述全局最大响应输入共享权重的通道激励网络,得到通道激励权重,并利用所述通道激励权重缩放所述局部细尺度病理纹理特征;
33、沿二维空间方向计算所述大尺度血管形态特征的空间极值响应图,并利用所述空间极值响应图缩放所述大尺度血管形态特征,使所述局部细尺度病理纹理特征和所述大尺度血管形态特征分别受到通道有效性约束和空间有效性约束。
34、作为本发明的一个优选技术方案,所述尺度恢复包括:
35、读取所述高维融合特征矩阵在编码压缩过程中的各层空间尺寸,形成空间分辨率向量;
36、依据所述空间分辨率向量,在所述高维融合特征矩阵的相邻元素之间插入零值占位,利用可训练转置卷积核对插入零值占位后的特征执行重叠累加;
37、从所述去反光多光谱基底图像中提取浅层边缘信息,根据所述反光可信掩膜形成与当前尺度恢复层对应的反光可信掩膜尺度结果,并根据所述宫颈外轮廓有效区域形成宫颈外轮廓距离图;
38、将所述浅层边缘信息、所述反光可信掩膜尺度结果和所述宫颈外轮廓距离图沿通道方向拼接至尺度恢复特征,经卷积整合和概率映射得到所述原始概率热力图。
39、作为本发明的一个优选技术方案,所述区域重叠损失根据所述原始概率热力图中的预测阳性区域与所述基准病理掩膜中的基准阳性区域之间的交叠关系形成;
40、所述边界连续损失根据所述预测阳性区域的边界断裂位置、边界孔洞、曲率突变位置和宫颈外轮廓越界位置形成;
41、所述区域重叠损失和所述边界连续损失共同构成网络参数更新的误差反馈量,所述误差反馈量用于更新特征提取、特征融合和尺度恢复过程中的可训练参数。
42、作为本发明的一个优选技术方案,所述收敛条件包括:
43、所述区域重叠损失在连续验证周期内的波动幅度低于损失波动阈值;
44、所述边界连续损失在连续验证周期内未出现上升;
45、所述原始概率热力图中阳性响应区域的连通域数量不超过连通域数量阈值,并且所述阳性响应区域未越出所述宫颈外轮廓有效区域;
46、满足所述收敛条件时保存网络参数,并利用保存后的网络参数在应用状态下生成所述稳定概率热力图。
47、作为本发明的一个优选技术方案,提取所述径向梯度极值边界点,包括:
48、在所述稳定概率热力图中确定阳性响应中心,从所述阳性响应中心向所述宫颈外轮廓有效区域内的多个角度方向发射径向探测线;
49、沿各径向探测线计算概率响应下降梯度,选择所述概率响应下降梯度满足极值条件且所述反光可信掩膜满足可信条件的坐标作为候选边界点;
50、按照角度顺序排列所述候选边界点,利用相邻角度方向的候选边界点和所述稳定概率热力图的局部等值线插补缺失角度,剔除相邻点距离或曲率变化不满足连续性条件的异常跳点,形成所述径向梯度极值边界点。
51、作为本发明的一个优选技术方案,所述轮廓演化包括:
52、利用所述径向梯度极值边界点构造初始闭合轮廓,根据所述稳定概率热力图的概率下降梯度形成外部吸引场,根据所述初始闭合轮廓的相邻点距离形成弹性约束,根据所述初始闭合轮廓的局部曲率变化形成弯曲约束,根据所述宫颈外轮廓有效区域和所述反光可信掩膜形成越界惩罚约束;
53、在所述外部吸引场、所述弹性约束、所述弯曲约束和所述越界惩罚约束共同作用下更新所述初始闭合轮廓;
54、最大轮廓位移量低于位移收敛阈值且连续迭代过程中未出现轮廓断裂和越界时停止更新,输出连续闭合的病灶边界坐标集以及各边界坐标对应的边界可信度。
55、本发明还公开了宫颈病灶边缘动态分割系统,用于执行如上所述的宫颈病灶边缘动态分割方法,包括处理器、存储器、图像预处理模块、特征提取与融合模块、概率重构模块、训练寻优模块和边界生成模块;
56、所述处理器与所述存储器通信连接,所述存储器存储程序指令,所述图像预处理模块、所述特征提取与融合模块、所述概率重构模块、所述训练寻优模块和所述边界生成模块由所述处理器执行所述程序指令形成;
57、所述图像预处理模块接收宫颈多光谱全景图像,确定宫颈外轮廓有效区域,对所述宫颈多光谱全景图像进行局部灰阶截断重组和跨光谱反光一致性校正,生成去反光多光谱基底图像和反光可信掩膜,将所述去反光多光谱基底图像、所述反光可信掩膜和所述宫颈外轮廓有效区域传输至所述特征提取与融合模块,并将所述反光可信掩膜和所述宫颈外轮廓有效区域传输至所述概率重构模块和所述边界生成模块;
58、所述特征提取与融合模块基于所述反光可信掩膜,从所述去反光多光谱基底图像中提取局部细尺度病理纹理特征和大尺度血管形态特征,将所述大尺度血管形态特征投影到与所述局部细尺度病理纹理特征的主响应方向正交的特征子空间,并利用投影结果和所述反光可信掩膜调制所述局部细尺度病理纹理特征,生成高维融合特征矩阵,并将所述高维融合特征矩阵传输至所述概率重构模块;
59、所述概率重构模块读取所述高维融合特征矩阵、源自所述去反光多光谱基底图像的浅层边缘信息、反光可信掩膜尺度结果和宫颈外轮廓距离图,执行尺度恢复和通道拼接,生成原始概率热力图,并将所述原始概率热力图传输至所述训练寻优模块;
60、所述训练寻优模块接收基准病理掩膜,根据所述原始概率热力图和所述基准病理掩膜形成区域重叠损失和边界连续损失,将所述区域重叠损失和所述边界连续损失反馈至所述特征提取与融合模块和所述概率重构模块,以更新所述特征提取与融合模块和所述概率重构模块中的可训练参数,在满足收敛条件时保存网络参数,并在应用状态下利用保存后的网络参数生成稳定概率热力图并传输至所述边界生成模块;
61、所述边界生成模块接收所述稳定概率热力图、所述反光可信掩膜和所述宫颈外轮廓有效区域,从所述稳定概率热力图中提取径向梯度极值边界点,利用所述反光可信掩膜和所述宫颈外轮廓有效区域筛选所述径向梯度极值边界点,驱动受曲率和闭合约束的轮廓演化,输出连续闭合的病灶边界坐标集。
62、与现有技术相比,本发明具有以下有益效果:
63、本发明对配准后的宫颈多光谱全景图像执行局部灰阶截断重组和跨光谱反光一致性校正,生成去反光多光谱基底图像和反光可信掩膜,反光可信掩膜贯穿低可信位置方向约束重建、局部细尺度病理纹理特征提取、大尺度血管形态特征提取、正交门控融合、概率热力图重构、径向梯度极值边界点筛选和受约束轮廓演化全过程。通过使反光可信掩膜持续参与后续计算,低可信位置在图像重建阶段受到周围高可信像素的方向约束,在特征提取和融合阶段降低响应贡献,在边界生成阶段不直接形成高可信边界点,并在轮廓演化阶段形成越界惩罚,从而减少反光重建误差向深层特征和病灶边界坐标传播,降低反光遮挡、像素失衡和边界断裂对边界坐标输出的影响。
64、本发明根据局部细尺度病理纹理特征确定主响应方向,将大尺度血管形态特征投影至与主响应方向正交的特征子空间,去除两类特征中的重复方向分量,并利用正交投影结果和反光可信掩膜对局部细尺度病理纹理特征进行门控调制,形成高维融合特征矩阵。正交门控融合方式使血管走向、血管粗细和异常镶嵌信息对醋白颗粒、细碎边缘和微小血点形成空间约束,减少大范围炎症颜色变化或局部高亮产生的非病灶响应,增强特征融合的抗干扰能力。在训练阶段,区域重叠损失和边界连续损失共同更新特征提取、正交门控融合和尺度恢复过程中的可训练参数,使原始概率热力图同时受到病灶区域交叠关系以及边界断裂、孔洞、曲率突变和宫颈外轮廓越界状态约束,提升小面积病灶边界的连续性。稳定概率热力图经过径向梯度极值边界点提取和受约束轮廓演化后,转换为连续闭合的病灶边界坐标集,并为各边界坐标形成边界可信度,提高病灶边界坐标输出的稳定性和可复核性。进一步地,特征提纯处理使局部细尺度病理纹理特征受到通道有效性约束,大尺度血管形态特征受到空间有效性约束,降低反光低可信位置和无关血管形态对后续门控融合的干扰。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com