一种用于口腔黏膜癌预测的图像处理方法及系统

本发明涉及图像分割，尤其涉及一种用于口腔黏膜癌预测的图像处理方法及系统。

背景技术：

1、口腔黏膜癌是一种常见的恶性肿瘤，在全身所有恶性肿瘤中居第六位。虽然，近几年来口腔黏膜癌的发病率在全球范围内有所下降，但其主要局部刺激发病因素烟酒、槟榔在我国的接触普及率仍呈上升趋势，所以在我国口腔黏膜癌仍是一个不容忽视的影响健康的疾病。

2、传统的口腔黏膜癌病理分析主要通过病理医生使用显微镜来观察病理玻璃切片，观察过程中需要医生手动调节显微镜的载物台来完成聚焦和移动浏览等操作，受倍率放大的限制影响，会导致可观察视野有限，由此阅片者使用传统的显微镜阅片方式需要花费比较多的时间才能掌握切片图像的信息。除此之外，医生之间针对某病例中切片图像特征特点等进行交流、学习、诊断等的实现较为困难。同时，由于病理切片的组成为细胞组织和玻璃载体，存在病理切片中切片组织会随时间增加而产生变质、褪色等情况的问题，且玻璃材质的切片属易碎品会给存储和运输带来不便。数字化病理切片图像的出现很好的解决了上述问题，数字病理切片机能够对整个包含细胞组织的载玻片进行全信息、全方位快速扫描，能够使病理医师脱离显微镜，随时随地经过网络处理病理确诊。

3、现有技术中，存在通过深度学习对图像进行处理从而对口腔疾病识别的技术方案，例如，中国发明专利（cn114494106a）公开了基于深度学习多特征融合的口腔粘膜性疾病识别方法。能够用于对口腔白斑、口腔扁平苔藓、口腔癌和复发性口腔溃疡进行诊断识别，提高了诊断的效率，提升了识别的准确率。具体方案为(1)在白光下通过相机采集口腔黏膜性疾病图像；(2)对采集的图像进行预处理，(3)使用灰度共生矩阵glcm算法提取四种口腔疾病的纹理特征，对hog、hsv图像利用神经网络模型提取出形状和颜色的底层特征；(4)使用efficientnet网络模型做rgb图像的高层特征的提取；(5)利用皮尔逊系数结合随机森林算法进行特征选择，选取与目标值关系更大的特征；(6)进行分类识别对训练集进行训练。

4、然而，上述方案在对图像处理时，没有采用数字化切片图像进行预测，且没有考虑气泡的影响，导致处理后的图像输入至预测模型中，预测准确度不高。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种用于口腔黏膜癌预测的图像处理方法，包括如下步骤：

2、s1：获取数字切片图像：切割制作好的切片，得到多个待预测切片，扫描所述多个待预测切片，获得所述数字切片图像；

3、s2：对所述数字切片图像进行预处理，得到预处理后的数字切片图像；

4、s3：从所述预处理后的数字切片图像中选定待预测数字切片图像；

5、s4：针对所述待预测数字切片图像，使用卷积神经网络模型获得所述待预测数字切片图像的感兴趣区域；

6、s5：判断所述感兴趣区域是否存在气泡：

7、若存在气泡，则返回s3，重新处理；

8、若不存在气泡，则进入s6；

9、s6：根据所述待预测数字切片图像的感兴趣区域，对口腔黏膜癌进行预测。

10、进一步地，所述s2中，对所述数字切片图像进行预处理，得到预处理后的数字切片图像，所述预处理包括：

11、根据所述数字切片图像中气泡的面积占比，对所述数字切片图像进行筛选处理，获得筛选后的数字切片图像；

12、针对所述筛选后的数字切片图像进行图像增强处理，得到图像增强后的数字切片图像；

13、对所述图像增强后的数字切片图像进行裁剪处理，得到预处理后的数字切片图像。

14、进一步地，所述根据所述数字切片图像中气泡的面积占比，对所述数字切片图像进行筛选处理，获得筛选后的数字切片图像，包括：

15、计算每张所述数字切片图像中气泡面积与整个数字切片图像的面积比值，作为每张所述数字切片图像的气泡面积占比；

16、剔除所述气泡面积占比大于气泡面积占比阈值的数字切片图像，获得所述筛选后的数字切片图像。

17、进一步地，所述针对所述筛选后的数字切片图像进行图像增强处理，得到图像增强后的数字切片图像，所述图像增强处理包括：

18、调整所述筛选后的数字切片图像的亮度、对比度、饱和度以及色调。

19、进一步地，所述调整所述筛选后的数字切片图像的亮度、对比度、饱和度以及色调包括：

20、将所述筛选后的数字切片图像的亮度调整为[1,1.4]；

21、将所述筛选后的数字切片图像的对比度调整为[1,1.4]；

22、将所述筛选后的数字切片图像的饱和度调整为[1,1.4]；

23、将所述筛选后的数字切片图像的色调调整为[-0.5,0.5]。

24、进一步地，所述s4中，所述针对所述待预测数字切片图像，使用卷积神经网络模型获得所述待预测数字切片图像的感兴趣区域，包括：

25、获取所述卷积神经网络模型的训练样本集，所述训练样本集为已标注出感兴趣区域的数字切片图像；

26、训练所述卷积神经网络模型，将所述训练样本集输入所述卷积神经网络模型进行训练，直至满足训练结束条件，获得训练好的卷积神经网络模型；

27、将所述待预测数字切片图像输入所述训练好的卷积神经网络模型，得到所述待预测数字切片图像的感兴趣区域。

28、进一步地，所述s3中，所述从所述预处理后的数字切片图像中选定待预测数字切片图像，包括：

29、基于所述预处理后的数字切片图像，选择气泡面积占比最小的数字切片图像作为所述待预测数字切片图像。

30、进一步地，所述s5中，所述判断所述感兴趣区域是否存在气泡：若存在气泡，则返回s3，重新处理，还包括：

31、执行s3，基于所述预处理后的数字切片图像，选择气泡面积占比次小的数字切片图像作为新的待预测数字切片图像；

32、执行s4，针对新的待预测数字切片图像，使用卷积神经网络模型获得新的待预测数字切片图像的感兴趣区域；

33、执行s5，若判定所述新的待预测数字切片图像的感兴趣区域存在气泡，则重新返回s3，选择气泡面积占比倒数第三小的数字切片图像作为新的待预测数字切片图像，再执行s4和s5；

34、以此类推，直至s5中判断感兴趣区域不存在气泡，进入s6。进一步地，所述s1中，获取数字切片图像：切割制作好的切片，得到多个待预测切片，扫描所述多个待预测切片，获得所述数字切片图像，所述切割制作好的切片前，针对所述制作好的切片进行染色处理。

35、本技术还提供一种用于口腔黏膜癌预测的图像处理系统，执行上述任一项所述的一种用于口腔黏膜癌预测的图像处理方法，所述图像处理系统包括：

36、数字切片图像获取模块：切割制作好的切片，得到多个待预测切片，扫描所述多个待预测切片，获得所述数字切片图像；

37、预处理模块：与数字切片图像获取模块相连，对所述数字切片图像进行预处理，得到预处理后的数字切片图像；

38、待预测数字切片图像选择模块：与预处理模块相连，从所述预处理后的数字切片图像中选定待预测数字切片图像；

39、感兴趣区域选择模块：与待预测数字切片图像选择模块相连，针对所述待预测数字切片图像，使用卷积神经网络模型获得待预测数字切片图像的感兴趣区域；

40、感兴趣区域判断模块：与感兴趣区域选择模块相连，用于判断所述感兴趣区域是否存在气泡；

41、预测模块：与感兴趣区域判断模块相连，根据所述待预测数字切片图像的感兴趣区域，对口腔黏膜癌进行预测。

42、本发明实施例具有以下技术效果：

43、本技术中切割制作好的切片，得到多个待预测切片，扫描待预测切片，获得多张数字切片图像，从多张数字切片图像中选定待预测数字切片图像，使用卷积神经网络模型获得待预测数字切片图像的感兴趣区域，通过判断感兴趣区域是否存在气泡，选出最终的感兴趣区域，用于口腔黏膜癌预测，极大的提高了口腔黏膜癌预测的准确度。