本發(fā)明涉及圖像處理，尤其涉及一種宮頸熒光圖像處理分析方法、系統(tǒng)及存儲介質。

背景技術：

1、宮頸癌是發(fā)生在女性子宮頸最常見的生殖道惡性腫瘤之一，主要以鱗狀上皮細胞癌為主，其余為宮頸腺癌、小細胞癌等。目前已證實人乳頭狀瘤病毒hpv的長期或反復感染是導致宮頸癌病變的主要原因，hpv感染后發(fā)展為宮頸癌，需經過癌前病變階段。根據who女性生殖系統(tǒng)腫瘤分類，將鱗狀上皮細胞癌的癌前病變命名為宮頸鱗狀上皮內病變(squamous?intraepithelial?lesion，sil)，并采用低級別sil(lsil)和高級別sil(hsil)兩級分類。lsill包括cin1、p16染色陰性的cin2級病變、hpv感染所致的濕疣病變等；hsil包括p16染色陽性的cin2、cin3級病變等。

2、癌前病變的準確有效檢查是宮頸癌篩查的重要手段，能夠顯著降低宮頸癌的病變率。通常常規(guī)使用的檢查方法包括肉眼觀察、冰醋酸涂覆觀察、常規(guī)陰道鏡聯(lián)合醋酸和魯戈氏碘試驗、巴氏涂片、液基細胞學檢查等。但該類方法都存在很高的假陰性率，靈敏度較差，不能準確確定病變的性狀；并且，需要對患者宮頸進行接觸涂覆，在引起患者不適的同時，接觸過程可能會引入其他病原體。

3、目前，隨著醫(yī)學影像技術、圖像處理技術的發(fā)展與革新，通過拍攝宮頸圖像并進行處理分析，已經逐漸成為宮頸癌的主流篩查方式之一。但當前對宮頸圖像的處理分析往往相對簡略，例如，分析圖像是否清晰，在不清晰的情況下進行清晰度處理，進而由醫(yī)生診斷進行進一步的檢查。對醫(yī)生的經驗要求高，且增加了患者的診斷時間。因此，如何對宮頸圖像進行精準高效的分析處理，是當前亟待解決的技術問題。

技術實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種宮頸熒光圖像處理分析方法、系統(tǒng)及存儲介質，旨在解決現(xiàn)有技術中如何對宮頸圖像進行精準高效的分析處理的技術問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種宮頸熒光圖像處理分析方法，所述宮頸熒光圖像處理分析包括：

3、在基于預設激發(fā)光獲取到宮頸熒光圖像后，提取所述宮頸熒光圖像中各像素點的三原色值，并基于各所述像素點的三原色值生成所述宮頸熒光圖像的多個顏色占比矩陣；

4、根據各所述顏色占比矩陣，對所述宮頸熒光圖像進行初步分析，判斷所述宮頸熒光圖像中是否存在異常區(qū)域；

5、若所述宮頸熒光圖像中存在異常區(qū)域，則從所述宮頸熒光圖像中提取出異常區(qū)域圖像，并基于所述異常區(qū)域圖像中各像素點的三原色值將所述異常區(qū)域圖像轉換為宮頸灰度圖；

6、基于預設識別模型對所述宮頸灰度圖進行識別，獲得最終識別結果。

7、優(yōu)選地，所述基于預設識別模型對所述宮頸灰度圖進行識別，獲得最終識別結果的步驟包括：

8、基于預設識別模型中的特征提取模塊對所述宮頸灰度圖進行特征提取，獲得所述宮頸灰度圖的特征向量；

9、基于所述預設識別模型中的分類器對所述特征向量進行分類計算，獲得計算結果，計算公式為：

10、

11、其中，n表示異常的類別數(shù)，ai和bi為分類器中第i類異常的權重值和偏置值，h為特征向量，pi表示第i類異常概率值的計算結果，j表示前j次計算，wi表示第i類異常計算結果在前j次計算中的分類器誤差總和；

12、根據所述計算結果，確定所述宮頸熒光圖像中異常區(qū)域對應的異常類型，并識別所述異常區(qū)域的區(qū)域大小，將所述異常類型和所述區(qū)域大小生成為所述最終識別結果。

13、優(yōu)選地，所述基于預設識別模型對所述宮頸灰度圖進行識別，獲得最終識別結果的步驟之前包括：

14、獲取宮頸圖像樣本，并將所述宮頸圖像樣本劃分為訓練圖像樣本和測試圖像樣本；

15、將所述訓練圖像樣本傳輸?shù)筋A設初始模型，對所述預設初始模型進行訓練，并在訓練次數(shù)到達預設次數(shù)時，計算所述預設初始模型的損失函數(shù)值，計算公式為：

16、

17、其中，l表示損失函數(shù)值，m表示訓練圖像樣本中經訓練識別出存在異常的樣本數(shù)量，n表示訓練圖像樣本中經訓練識別不存在異常的樣本數(shù)量，pk1表示第k1個訓練圖像樣本經訓練識別的異常類別，sk1表示第k1個訓練圖像樣本經訓練識別的異常類別，sk1表示第k1個訓練圖像樣本對應的參考異常區(qū)域，sk1’表示第k1個訓練圖像樣本經訓練識別的異常區(qū)域，pk2表示第k2個訓練圖像樣本對應的參考類別，pk2′表示第k2個訓練圖像樣本經訓練識別的類別，sk2表示第k2個訓練圖像樣本的pk2’與pk2相反時，第k2個訓練圖像樣本對應的參考異常區(qū)域；

18、判斷所述損失函數(shù)值是否小于或等于預設閾值，若小于或等于預設閾值，則基于所述測試樣本圖像對所述預設初始模型進行測試，獲得測試結果；

19、根據所述測試結果生成測試誤差，并根據所述測試誤差與預設閾值之間的大小關系，生成所述預設識別模型。

20、優(yōu)選地，所述根據所述測試誤差與預設閾值之間的大小關系，生成所述預設識別模型的步驟包括：

21、若所述大小關系為所述測試誤差小于預設閾值，則將所述預設初始模型生成為預設識別模型；

22、若所述測試誤差大于或等于預設閾值，則對所述損失函數(shù)值的計算公式進行更新，并基于更新的計算公式對所述預設初始模型進行迭代訓練，直到所述測試誤差小于預設閾值，其中，對所述計算公式進行更新的公式為：

23、

24、其中，l′表示更新后的計算公式，l表示更新前的計算公式，μ1、μ2表示預設更新參數(shù)，wt表示預設初始模型中輸入層與卷積層之間的權重矩陣，m表示權重矩陣中含有的元素數(shù)量，用于計算權重矩陣中的各元素取絕對值后的累加值，表示權重矩陣的轉置。

25、優(yōu)選地，所述根據各所述顏色占比矩陣，對所述宮頸熒光圖像進行初步分析，判斷所述宮頸熒光圖像中是否存在異常區(qū)域的步驟包括：

26、基于預設比對公式，將各所述顏色占比矩陣中的像素顏色占比值與預設占比閾值比對，生成多個占比轉換矩陣，其中預設比對公式為：

27、

28、k＝1、2、3,x＝1、2、3……x，y＝1、2、3……y；

29、其中，k表示三原色中的紅色、綠色和藍色，x表示顏色占比矩陣的行數(shù)，y表示顏色占比矩陣的列數(shù)，f表示預設占比閾值，f’k(x，y)表示占比轉換矩陣，fk(x，y)表示顏色占比矩陣；

30、將各所述占比轉換矩陣進行加和運算，獲得加和矩陣，并對所述加和矩陣中的各元素數(shù)值進行加和運算，獲得所述加和矩陣的矩陣值；

31、判斷所述矩陣值是否大于預設矩陣閾值，若大于預設矩陣閾值，則判定所述宮頸熒光圖像存在異常區(qū)域。

32、優(yōu)選地，所述若所述宮頸熒光圖像中存在異常區(qū)域，則從所述宮頸熒光圖像中提取出異常區(qū)域圖像的步驟包括：

33、若所述宮頸熒光圖像中存在異常區(qū)域，則查找所述加和矩陣中所有元素數(shù)值為零的目標元素；

34、查找所述宮頸熒光圖像中與各所述目標元素分別對應的目標像素點，并將所述目標像素點從所述熒光圖像中剔除，形成所述異常區(qū)域圖像。

35、優(yōu)選地，所述提取所述宮頸熒光圖像中各像素點的三原色值的步驟之前包括：

36、判斷所述宮頸熒光圖像是否包含完整的子宮頸表面，以及所述宮頸熒光圖像的清晰度是否達到預設清晰度閾值；

37、若所述宮頸熒光圖像包含完整的子宮頸表面，且所述清晰度達到預設清晰度閾值，則判定所述宮頸熒光圖像為有效圖像，執(zhí)行提取所述宮頸熒光圖像中各像素點的三原色值的步驟；

38、若所述宮頸熒光圖像不包含完整的子宮頸表面和/或所述清晰度未達到預設清晰度閾值，則判定所述宮頸熒光圖像為無效圖像，輸出重新采集宮頸熒光圖像的提示信息。

39、優(yōu)選地，所述提取所述宮頸熒光圖像中各像素點的三原色值的步驟之后包括：

40、根據各所述像素點的三原色值，生成各所述像素點的灰度值，并確定各所述灰度值中的最大值和最小值，以及將所述最大值和所述最小值進行均值運算，獲得運算結果作為初始閾值；

41、將各所述像素點的灰度值與所述初始閾值比對，確定各所述灰度值中大于初始閾值的第一灰度值集合，以及各所述灰度值中小于初始閾值的第二灰度值集合；

42、基于所述第一灰度值集合和所述第二灰度值集合，分別生成第一平均灰度值和第二平均灰度值；

43、根據所述第一平均灰度值和第二平均灰度值，對所述初始閾值進行更新，并判斷更新后的初始閾值與更新前的初始閾值是否相同；

44、若相同則將與所述第二灰度值集合對應的各像素點從所述宮頸熒光圖像中剔除，形成新的宮頸熒光圖像；

45、若不相同，則基于更新后的初始閾值，執(zhí)行將各所述像素點的灰度值與所述初始閾值比對的步驟，直到更新后的初始閾值與更新前的初始閾值相同。

46、進一步地，為實現(xiàn)上述目的，本發(fā)明還提供一種宮頸熒光圖像處理分析系統(tǒng)，所述宮頸熒光圖像處理分析系統(tǒng)包括儲存器、處理器、通信總線以及儲存在所述儲存器上的控制程序：

47、所述通信總線用于實現(xiàn)處理器和儲存器之間的連接通信；

48、所述處理器用于執(zhí)行所述控制程序，以實現(xiàn)如上所述宮頸熒光圖像處理分析方法的步驟。

49、進一步地，為實現(xiàn)上述目的，本發(fā)明還提供一種存儲介質，所述存儲介質上儲存有控制程序，所述控制程序被處理器執(zhí)行時實現(xiàn)如上所述宮頸熒光圖像處理分析方法的步驟。

50、本發(fā)明宮頸熒光圖像處理分析方法、系統(tǒng)及存儲介質，在通過預設激發(fā)光獲取到宮頸熒光圖像后，對該宮頸熒光圖像中各像素點的三原色值進行提取，并依據各像素點的三原色值生成宮頸熒光圖像的多個顏色占比矩陣；進而依據各顏色占比矩陣，對宮頸熒光圖像進行初步分析，判斷宮頸熒光圖像中是否存在異常區(qū)域；若存在異常區(qū)域，則從宮頸熒光圖像中分割出異常區(qū)域圖像，并基于該異常區(qū)域圖像中各像素點的三原色值將該異常區(qū)域圖像轉換為宮頸灰度圖；進而通過預設識別模型對轉換的宮頸灰度圖進行識別，獲得最終識別結果。以此，通過設置前后兩級檢測識別機制，前級為依據正常宮頸熒光圖像和異常宮頸熒光圖像之間像素點的三原色值差異，將獲取的宮頸熒光圖像生成為顏色占比矩陣進行的初步檢測，后級則是針對經前級檢測為異常的宮頸熒光圖像，依據預先通過大量異常圖像樣本訓練形成的預設識別模型進行的再次檢測。并且，前級檢測中對正常的判斷標準較為嚴格，只有完全符合正常的標準，才能判定宮頸熒光圖像正常，除此之外，只要存在疑似異常的區(qū)域，即判定存在異常，進而進行后級檢驗。一方面，可快速篩查出正常宮頸熒光圖像，另一方面針對初步異常的宮頸熒光圖像由卷積神經網絡訓練形成的預設識別模型進行更細致全面的圖像辨別，識別的準確性更高，實現(xiàn)了對宮頸熒光圖像進行精準高效的分析處理。