微血管的弯曲程度量化方法、装置及计算机可读存储介质与流程

1.本技术涉及图像处理技术领域，具体涉及一种微血管的弯曲程度量化方法、装置及计算机可读存储介质。


背景技术：

2.胃癌是世界第五大最常见的癌症，其占癌症死亡原因的第三位。进展期胃癌术后五年生存率仅有30%，而胃早期癌症的五年生存率则高达90%。色素内镜的问世，使早癌期胃癌的内镜诊断方法确立。放大胃镜与电子染色内镜联合应用，能够观察到普通胃镜无法观察的微小血管结构及黏膜表面微细结构，为内镜下诊断早期胃癌提供了条件。血管异形是染色放大内镜下诊断早期胃癌的重要条件。
3.现有的胃部早癌病灶区域内微血管较病灶区域外微血管扭曲程度更严重，然而，只是基于经验的归纳总结，并未给出微血管扭曲程度具体量化结果及扭曲程度判断方法。
4.因此，如何准确对微血管的弯曲程度进行量化，是当前图像处理技术领域亟需解决的技术问题。


技术实现要素：

5.本技术提供一种微血管的弯曲程度量化方法、装置及计算机可读存储介质，旨在解决如何准确对微血管的弯曲程度进行量化。
6.一方面，本技术提供微血管的弯曲程度量化方法，所述方法包括：获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对所述微血管的轮廓信息进行第一预处理，得到所述微血管的多个第一中心线；统计所述多个第一中心线的数目，得到所述多个第一中心线的数量参数；对所述多个第一中心线进行第二预处理，得到多条近似直线；计算所述多条近似直线中每条近似直线的倾斜角度参数和斜率参数；基于所述数量参数、所述倾斜角度参数以及所述斜率参数，对所述微血管的弯曲程度进行量化。
7.在本技术一种可能的实现方式中，所述基于所述数量参数、所述倾斜角度参数以及所述斜率参数，对所述微血管的弯曲程度进行量化，包括：对所述多个目标中心线对应的近似直线中的每个目标近似直线的倾斜角度参数进行求和，得到第一目标中心线参数；对所述多个目标中心线对应的近似直线中的每个目标近似直线的斜率参数进行数值区间范围划分，得到第二目标中心线参数；基于所述第一目标中心线参数、所述第二目标中心线参数以及所述多个目标中心线对应的近似直线的数量参数，对所述微血管的弯曲程度进行量化。
8.在本技术一种可能的实现方式中，所述基于所述第一目标中心线参数、所述第二目标中心线参数以及所述多个目标中心线对应的近似直线的数量参数，对所述微血管的弯
曲程度进行量化，包括：对所述第一目标中心线参数、所述第二目标中心线参数以及所述多个目标中心线对应的近似直线的数量参数进行加权求和，得到所述微血管的弯曲程度系数；基于所述微血管的弯曲程度系数和预设的弯曲程度判断阈值，对所述微血管的弯曲程度进行量化。
9.在本技术一种可能的实现方式中，所述获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息，包括：从所述胃黏膜染色放大图像中提取清晰区域图像；从所述清晰区域图像中提取微血管整图；获取所述微血管整图的连通域的面积和与所述连通域对应的最小外接水平矩形；基于所述连通域的面积和所述最小外接水平矩形，确定所述微血管的轮廓信息。
10.在本技术一种可能的实现方式中，在获取所述微血管整图的连通域的面积和与所述连通域对应的最小外接水平矩形之前，所述方法还包括：对所述微血管整图进行去噪处理，得到去噪后的微血管整图。
11.在本技术一种可能的实现方式中，所述对所述微血管的轮廓信息进行第一预处理，得到所述微血管的多个第一中心线，包括：提取所述微血管的轮廓信息对应的第二中心线；检测所述第二中心线中的角点；删除所述第二中心线中的角点，得到所述微血管的多个第一中心线。
12.在本技术一种可能的实现方式中，所述对所述多个第一中心线进行第二预处理，得到多条近似直线，包括：从所述多个第一中心线中，筛选符合预设要求的多个第三中心线；确定所述多个第三中心线中每个第三中心线对应的近似直线。
13.另一方面，本技术提供一种微血管的弯曲程度量化装置，所述装置包括：第一获取单元，用于获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；第一预处理单元，用于对所述微血管的轮廓信息进行第一预处理，得到所述微血管的多个第一中心线；第一统计单元，用于统计所述多个第一中心线的数目，得到所述多个第一中心线的数量参数；第二预处理单元，用于对所述多个第一中心线进行第二预处理，得到多条近似直线；第一计算单元，用于计算所述多条近似直线中每条近似直线的倾斜角度参数、斜率参数；第一量化单元，用于基于所述数量参数、所述倾斜角度参数以及所述斜率参数，对所述微血管的弯曲程度进行量化。
14.在本技术一种可能的实现方式中，所述第一量化单元，包括：第一求和单元，用于对所述多个目标中心线对应的近似直线中的每个目标近似直线的倾斜角度参数进行求和，得到第一目标中心线参数；第一划分单元，用于对所述多个目标中心线对应的近似直线中的每个目标近似直
线的斜率参数进行数值区间范围划分，得到第二目标中心线参数；第二量化单元，用于基于所述第一目标中心线参数、所述第二目标中心线参数以及所述多个目标中心线对应的近似直线的数量参数，对所述微血管的弯曲程度进行量化。
15.在本技术一种可能的实现方式中，所述第二量化单元，具体用于：对所述第一目标中心线参数、所述第二目标中心线参数以及所述多个目标中心线对应的近似直线的数量参数进行加权求和，得到所述微血管的弯曲程度系数；基于所述微血管的弯曲程度系数和预设的弯曲程度判断阈值，对所述微血管的弯曲程度进行量化。
16.在本技术一种可能的实现方式中，所述第一获取单元，具体包括：第一提取单元，用于从所述胃黏膜染色放大图像中提取清晰区域图像；第二提取单元，用于从所述清晰区域图像中提取微血管整图；第二获取单元，用于获取所述微血管整图的连通域的面积和与所述连通域对应的最小外接水平矩形；第一确定单元，用于基于所述连通域的面积和所述最小外接水平矩形，确定所述微血管的轮廓信息。
17.在本技术一种可能的实现方式中，在获取所述微血管整图的连通域的面积和与所述连通域对应的最小外接水平矩形之前，所述装置还用于：对所述微血管整图进行去噪处理，得到去噪后的微血管整图。
18.在本技术一种可能的实现方式中，所述第一预处理单元，具体用于：提取所述微血管的轮廓信息对应的第二中心线；检测所述第二中心线中的角点；删除所述第二中心线中的角点，得到所述微血管的多个第一中心线。
19.在本技术一种可能的实现方式中，所述第二预处理单元，具体用于：从所述多个第一中心线中，筛选符合预设要求的多个第三中心线；确定所述多个第三中心线中每个第三中心线对应的近似直线。
20.另一方面，本技术还提供一种计算机设备，所述计算机设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的微血管的弯曲程度量化方法。
21.另一方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的微血管的弯曲程度量化方法中的步骤。
22.本技术提出的微血管的弯曲程度进行量化方法，通过开发通用的且可重复的程序，提供半自动和自动图像分析，对微血管扭曲程度进行量化，可协助内镜医师提高胃早癌分析和诊断的可靠性和准确率。本技术先获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数、斜率参数；最终基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。考虑了微血管中
的多个中心线的相关参数，从而综合地对微血管地弯曲程度进行确定，提高了对微血管的弯曲程度进行量化的准确度，降低了内镜医师的误判率。
附图说明
23.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是本技术实施例提供的微血管的弯曲程度量化系统的场景示意图；图2是本技术实施例中提供的微血管的弯曲程度量化方法的一个实施例流程示意图；图3是本技术实施例中提供的步骤201的一个实施例流程示意图；图4是本技术实施例中提供的步骤202的一个实施例流程示意图；图5是本技术实施例中提供的步骤204的一个实施例流程示意图；图6是本技术实施例中提供的步骤206的一个实施例流程示意图；图7是本技术实施例中提供的步骤603的一个实施例流程示意图；图8是本技术实施例中提供的微血管的弯曲程度量化装置的一个实施例结构示意图；图9是本技术实施例中提供的计算机设备的一个实施例结构示意图；图10是本技术实施例中提供的胃黏膜染色放大图像的一个实施例结构示意图；图11是本技术实施例中提供的微血管整图分割的一个实施例结构示意图；图12是本技术实施例中提供的微血管的连通域的一个实施例结构示意图；图13是本技术实施例中提供的提取单根微血管轮廓的一个实施例结构示意图；图14是本技术实施例中提供的微血管中心线提取及中心线去角点的一个实施例示意图；图15是本技术实施例中提供的微血管中心线斜率法示意图；图16本技术实施例中提供的面积和判别法坐标图。
具体实施方式
25.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、
“
第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
27.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
28.本技术实施例提供一种微血管的弯曲程度量化方法、装置及计算机可读存储介质，以下分别进行详细说明。
29.如图1所示，图1是本技术实施例提供的微血管的弯曲程度量化系统的场景示意图，该微血管的弯曲程度量化系统可以包括多个终端100和服务器200，终端100和服务器200网络连接，服务器200中集成有微血管的弯曲程度量化装置，如图1中的服务器，终端100可以访问服务器200。
30.本技术实施例中服务器200主要用于获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数和斜率参数；基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
31.本技术实施例中，该服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如本技术实施例中所描述的服务器200，其包括但不限于计算机、网络终端、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。本技术的实施例中，服务器与终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划（3rd generation partnership project，3gpp）、长期演进（long term evolution，lte)、全球互通微波访问（worldwide interoperability for microwave access，wimax）的移动通信，或基于tcp/ip协议族（tcp/ip protocol suite，tcp/ip）、用户数据报协议（user datagram protocol，udp）的计算机网络通信等。
32.可以理解的是，本技术实施例中所使用的终端100可以是既包括接收和发射硬件的设备，既具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。
33.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案的一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的终端，或者服务器网络连接关系，例如图1中仅示出1个服务器和2个终端。可以理解的，该微血管的弯曲程度量化系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。
34.另外，如图1所示，该微血管的弯曲程度量化系统还可以包括存储器300，用于存储数据，如存储胃粘膜染色放大图像和微血管的弯曲程度量化数据，例如微血管的弯曲程度量化系统运行时的微血管的弯曲程度量化数据。
35.需要说明的是，图1所示的微血管的弯曲程度量化系统的场景示意图仅仅是一个示例，本技术实施例描述的微血管的弯曲程度量化系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着微血管的弯曲程度量化系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
36.接下来，介绍本技术实施例提供的微血管的弯曲程度量化方法。
37.本申实施例微血管的弯曲程度量化方法的实施例中以微血管的弯曲程度量化装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该微血管的弯曲程度量化装置应用于计算机设备，该方法包括：获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数和斜率参数；基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
38.请参阅图2至图16，图2为本技术实施例中提供的微血管的弯曲程度量化方法的一个实施例流程示意图，该微血管的弯曲程度量化方法包括：201、获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息。
39.胃黏膜，即胃腔内面的黏膜为胃黏膜，是胃壁的最内层。新鲜胃黏膜呈淡粉色。胃在空虚时或半充盈时，胃黏膜形成许多皱壁。胃小弯处约有4～5条纵行皱壁；胃大弯处多为横行或斜行皱壁；其他部分的皱壁形状不规则。胃黏膜由上皮、固有层及粘膜肌层3层组成。
40.放大胃镜与电子染色内镜联合应用，能够观察到普通胃镜无法观察的微小血管结构及黏膜表面微细结构，即可获取胃粘膜染色放大图像，如图10所示。
41.其中，由于胃部属于消化功能的主要部位，其胃部以及其表面可能会存在食物或其他物质，为了确保获取的信息无噪音，因此可以选取清晰区域为目标区域。
42.具体的，如何获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息，在下述实施例中有详细介绍，在此不做赘述。
43.202、对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线。
44.其中，微血管中心线可以定义为到两端边界距离相等的点的连线，即过中心线上任意点做垂线，该点沿垂线方向到达两端血管壁的距离相等。
45.具体的，如何对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线在下述实施例中有详细介绍，在此不做赘述。
46.203、统计多个第一中心线的数目，得到多个第一中心线的数量参数。
47.由于一根血管，其弯折次数越多，通过角点检测后，它就被分成的段数越多，因此，通过统计多个第一中心线的数目，得到多个第一中心线的数量参数可以更加充分的反映血管的弯曲程度。
48.具体的，统计多个第一中心线的数目：。
49.204、对多个第一中心线进行第二预处理，得到多条近似直线。
50.205、计算多条近似直线中每条近似直线的倾斜角度参数和斜率参数。
51.具体的，在连通域基础上遍历步骤204中多条近似直线中每条近似直线，取首尾两点坐标求该线段斜率，第段线段的倾斜角度为：；其中，为第i段线段的起点坐标，为第i段线段的终点坐标。
52.在连通域基础上遍历步骤204中多条近似直线中每条近似直线，取首尾两点坐标求该线段斜率，第段线段的斜率为：。
53.206、基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
54.本技术提出的微血管的弯曲程度进行量化方法，通过开发通用的且可重复的程序，提供半自动和自动图像分析，对微血管扭曲程度进行量化，可协助内镜医师提高胃早癌分析和诊断的可靠性和准确率。本技术先获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数、斜率参数；最终基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。考虑了微血管中的多个中心线的相关参数，从而综合地对微血管地弯曲程度进行确定，提高了对微血管的弯曲程度进行量化的准确度，降低了内镜医师的误判率。
55.本技术实施例中，如图3所示，步骤201、获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息，包括步骤301至步骤304：301、从胃黏膜染色放大图像中提取清晰区域图像。
56.具体的，可以采用u
‑
net分割模型从胃黏膜染色放大图像中提取清晰区域。
57.302、从清晰区域图像中提取微血管整图。
58.请参阅图11，进一步的，可以采用u
‑
net分割模型从清晰区域图像中提取微血管整图。
59.303、获取微血管整图的连通域的面积和与连通域对应的最小外接水平矩形。
60.请参阅图12至图13，具体的，本技术实施例可以通过opencv获取微血管整图的连通域的面积和与连通域对应的最小外接水平矩形。其中，图像的连通域是指图像中具有相同像素值并且位置相邻的像素组成的区域，连通域分析是指在图像中寻找出彼此互相独立的连通域并将其标记出来。
61.本技术实施例中，在获取微血管整图的连通域的面积和与连通域对应的最小外接水平矩形之前，方法还包括：对微血管整图进行去噪处理，得到去噪后的微血管整图。
62.304、基于连通域的面积和最小外接水平矩形，确定微血管的轮廓信息。
63.具体的，找出步骤303中连通域的面积为最大的连通域即为目标的微血管；然后遍历目标的微血管的最小外接水平矩形中的所有像素点，采用面积和判断法判断每个像素点是否在目标的微血管对应的连通域内，由此选取所有在目标的微血管对应的连通域内的目标像素点，即可确定微血管的轮廓信息。
64.请参阅图16，其中，假设微血管连通域的顶点坐标为，微血管最小外接水平矩形内某一像素点坐标为，如果该像素点在目标微血管连通域内部，则其与连通域所有相邻顶点组成的三角形面积和为多边形面积，满足如下等式：；对于微血管最小外接水平矩形内部不满足该等式的像素点将其像素值设置为背景像素。
65.本技术实施例中，如图4所示，步骤202、对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线，包括步骤401至步骤403：401、提取微血管的轮廓信息对应的第二中心线。
66.请参阅图14，从图14中的v1到v2，具体的，可以采用zhang
‑
suen细化算法处理微血管的轮廓信息，提取微血管的轮廓信息对应的中心线。
67.402、检测第二中心线中的角点。
68.具体的，从图14中的v2到v3，可以采用角点检测算法检测中心线上的角点。
69.403、删除第二中心线中的角点，得到微血管的多个第一中心线。
70.其中的多个第一中心线如图14中v3中的i、j以及k。
71.本技术实施例中，如图5所示，步骤204、对多个第一中心线进行第二预处理，得到多条近似直线，包括步骤501和步骤502：501、从多个第一中心线中，筛选符合预设要求的多个第三中心线。
72.具体的，在连通域的基础上遍历多个第一中心线中的每个第一中心线，过滤掉面积小于预设阈值的中心线，筛选符合预设要求的多个第三中心线。本技术中的预设阈值可以设置为3。即预设要求为面积要不小于预设阈值。
73.502、确定多个第三中心线中每个第三中心线对应的近似直线。
74.具体的，在连通域的基础上遍历多个第三中心线中每个第三中心线，通过道格拉斯
‑
普克算法求每各第三中心线对应的近似直线。
75.本技术实施例中，如图6所示，步骤206、基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化，包括步骤601至步骤602：601、对多个目标中心线对应的近似直线中的每个目标近似直线的倾斜角度参数
进行求和，得到第一目标中心线参数。
76.根据步骤205可知，在连通域基础上遍历步骤204中多条近似直线中每条近似直线，取首尾两点坐标求该线段斜率，第段线段的倾斜角度为：；进一步的，其中，为第i段线段的起点坐标，为第i段线段的终点坐标，而后对整根血管中心线所有段的倾斜角度进行求和：。
77.602、对多个目标中心线对应的近似直线中的每个目标近似直线的斜率参数进行数值区间范围划分，得到第二目标中心线参数。
78.请参阅图15，根据步骤205可知，在连通域基础上遍历步骤204中多条近似直线中每条近似直线（如图15中的n1、n2、n
n
），取首尾两点坐标求该线段斜率，第段线段的斜率为：。
79.进一步的，其中，为第i段线段的起点坐标，为第i段线段的终点坐标，对斜率k进行数值区间范围划分；而后对整根血管中心线所有段的斜率数值区间等效值进行求和：。
80.603、基于第一目标中心线参数、第二目标中心线参数以及多个目标中心线对应的近似直线的数量参数，对微血管的弯曲程度进行量化。
81.本技术实施例中，如图7所示，步骤603、基于第一目标中心线参数、第二目标中心线参数以及多个目标中心线对应的近似直线的数量参数，对微血管的弯曲程度进行量化，包括步骤701和步骤702：701、对第一目标中心线参数、第二目标中心线参数以及多个目标中心线对应的近似直线的数量参数进行加权求和，得到微血管的弯曲程度系数。
82.具体的，对于上述实施例中获取的、、进行加权，以获得微血管弯曲程度系数：；其中，在本技术的一个具体实施例中，可选取，，。
83.702、基于微血管的弯曲程度系数和预设的弯曲程度判断阈值，对微血管的弯曲程度进行量化。
84.具体的，将微血管的弯曲程度系数和预设的弯曲程度判断阈值进行比较，当微血管弯曲程度系数时，微血管为正常；当微血管弯曲程度系数时，微血管呈一般弯曲；当微血管弯曲程度系数时，微血管严重弯曲。
85.需要说明的是，本技术中预设的弯曲程度判断阈值可根据实际需求进行调整。
86.为了更好实施本技术实施例中微血管的弯曲程度量化方法，在微血管的弯曲程度量化方法基础之上，本技术实施例中还提供一种微血管的弯曲程度量化装置，如图8所示，微血管的弯曲程度量化装置800包括第一获取单元801、第一预处理单元802、第一统计单元803、第二预处理单元804、第一计算单元805以及第一量化单元806：第一获取单元801，用于获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；第一预处理单元802，用于对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；第一统计单元803，用于统计多个第一中心线的数目，得到多个第一中心线的数量参数；第二预处理单元804，用于对多个第一中心线进行第二预处理，得到多条近似直线；第一计算单元805，用于计算多条近似直线中每条近似直线的倾斜角度参数、斜率参数；第一量化单元806，用于基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
87.本技术实施例中，第一量化单元806，包括：第一求和单元，用于对多个目标中心线对应的近似直线中的每个目标近似直线的倾斜角度参数进行求和，得到第一目标中心线参数；第一划分单元，用于对多个目标中心线对应的近似直线中的每个目标近似直线的斜率参数进行数值区间范围划分，得到第二目标中心线参数；第二量化单元，用于基于第一目标中心线参数、第二目标中心线参数以及多个目标中心线对应的近似直线的数量参数，对微血管的弯曲程度进行量化。
88.本技术实施例中，第二量化单元，具体用于：对第一目标中心线参数、第二目标中心线参数以及多个目标中心线对应的近似直
线的数量参数进行加权求和，得到微血管的弯曲程度系数；基于微血管的弯曲程度系数和预设的弯曲程度判断阈值，对微血管的弯曲程度进行量化。
89.本技术实施例中，第一获取单元801，具体包括：第一提取单元，用于从胃黏膜染色放大图像中提取清晰区域图像；第二提取单元，用于从清晰区域图像中提取微血管整图；第二获取单元，用于获取微血管整图的连通域的面积和与连通域对应的最小外接水平矩形；第一确定单元，用于基于连通域的面积和最小外接水平矩形，确定微血管的轮廓信息。
90.本技术实施例中，在获取微血管整图的连通域的面积和与连通域对应的最小外接水平矩形之前，装置还用于：对微血管整图进行去噪处理，得到去噪后的微血管整图。
91.本技术实施例中，第一预处理单元802，具体用于：提取微血管的轮廓信息对应的第二中心线；检测第二中心线中的角点；删除第二中心线中的角点，得到微血管的多个第一中心线。
92.本技术实施例中，第二预处理单元804，具体用于：从多个第一中心线中，筛选符合预设要求的多个第三中心线；确定多个第三中心线中每个第三中心线对应的近似直线。
93.本技术提出的微血管的弯曲程度进行量化装置，通过开发通用的且可重复的程序，提供半自动和自动图像分析，对微血管扭曲程度进行量化，可协助内镜医师提高胃早癌分析和诊断的可靠性和准确率。本技术先第一获取单元801，获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；第一预处理单元802，对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；第一统计单元803，统计多个第一中心线的数目，得到多个第一中心线的数量参数；第二预处理单元804，对多个第一中心线进行第二预处理，得到多条近似直线；第一计算单元805，计算多条近似直线中每条近似直线的倾斜角度参数、斜率参数；最终第一量化单元806，基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。考虑了微血管中的多个中心线的相关参数，从而综合地对微血管地弯曲程度进行确定，提高了对微血管的弯曲程度进行量化的准确度，降低了内镜医师的误判率。
94.除了上述介绍用于微血管的弯曲程度量化方法与装置之外，本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种微血管的弯曲程度量化装置，计算机设备包括：一个或多个处理器；存储器；以及一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行上述微血管的弯曲程度量化方法实施例中任一实施例中的任一方法的操作。
95.本技术实施例还提供一种计算机设备，其集成了本技术实施例所提供的任一种微血管的弯曲程度量化装置。参阅图9，图9是本技术实施例提供的计算机设备一个实施例结
构示意图。
96.如图9所示，其示出了本技术实施例所设计的微血管的弯曲程度量化装置的结构示意图，具体来讲：该微血管的弯曲程度量化装置可以包括一个或者一个以上处理核心的处理器901、一个或一个以上计算机可读存储介质的存储单元902、电源903和输入单元904等部件。本领域技术人员可以理解，图9中示出的微血管的弯曲程度量化装置结构并不构成对微血管的弯曲程度量化装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：处理器901是该微血管的弯曲程度量化装置的控制中心，利用各种接口和线路连接整个微血管的弯曲程度量化装置的各个部分，通过运行或执行存储在存储单元902内的软件程序和/或模块，以及调用存储在存储单元902的数据，执行微血管的弯曲程度量化装置的各种功能和处理数据，从而对微血管的弯曲程度量化装置进行整体监控。可选的，处理器901可包括一个或多个处理核心；优选的，处理器901可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器901中。
97.存储单元902可用于存储软件程序以及模块，处理器901通过运行存储在存储单元902的软件程序以及模块，从而执行各种功能应用以及数据处理。存储单元902可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据微血管的弯曲程度量化装置的使用所创建的数据等。此外，存储单元902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储单元902还可以包括存储器控制器，以提供处理器901对存储单元902的访问。
98.微血管的弯曲程度量化装置还包括给各个部件供电的电源903，优选的，电源903可以通过电源管理系统与处理器901逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源903还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
99.该微血管的弯曲程度量化装置还可包括输入单元904，该输入单元904可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
100.尽管未示出，微血管的弯曲程度量化装置还可以包括显示单元等，在此不再赘述。具体在本技术实施例中，微血管的弯曲程度量化装置中的处理器901会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元902中，并由处理器901来运行存储在存储单元902中的应用程序，从而实现各种功能，如下：获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数和斜率参数；基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
101.本技术提出的微血管的弯曲程度进行量化方法，通过开发通用的且可重复的程序，提供半自动和自动图像分析，对微血管扭曲程度进行量化，可协助内镜医师提高胃早癌分析和诊断的可靠性和准确率。本技术先获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数、斜率参数；最终基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。考虑了微血管中的多个中心线的相关参数，从而综合地对微血管地弯曲程度进行确定，提高了对微血管的弯曲程度进行量化的准确度，降低了内镜医师的误判率。
102.为此，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器（rom，read only memory）、随机存取记忆体（ram，random access memory）、磁盘或光盘等。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种微血管的弯曲程度量化方法中的步骤。例如，该指令可以执行如下步骤：获取胃黏膜染色放大图像中目标区域的微血管的轮廓信息；对微血管的轮廓信息进行第一预处理，得到微血管的多个第一中心线；统计多个第一中心线的数目，得到多个第一中心线的数量参数；对多个第一中心线进行第二预处理，得到多条近似直线；计算多条近似直线中每条近似直线的倾斜角度参数和斜率参数；基于数量参数、倾斜角度参数以及斜率参数，对微血管的弯曲程度进行量化。
103.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
104.以上对本技术实施例所提供的一种微血管的弯曲程度量化方法、装置及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。