本發(fā)明涉及卵巢細(xì)胞的電子影像識別領(lǐng)域，尤其涉及一種腫瘤細(xì)胞篩查檢測處理方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)：

1、研究發(fā)現(xiàn)，卵巢癌在檢查彩超或稱超聲時會發(fā)現(xiàn)卵巢上有不規(guī)則的腫塊存在，而且該不規(guī)則的腫塊的邊界不清楚，向四周波及；同時繼續(xù)觀察電子影像可以看到腫塊內(nèi)有不規(guī)則的液性暗區(qū)，暗區(qū)內(nèi)還有雜亂的光團(tuán)以及光點(diǎn)，電子影像顯示腫塊內(nèi)有明顯豐富的血流信號；如果繼續(xù)輔助檢測，利用檢查腫瘤標(biāo)志物對該腫塊進(jìn)行檢測加以佐證該腫塊，會發(fā)現(xiàn)ca125等腫瘤標(biāo)志物會明顯升高。因此說卵巢的惡性腫瘤細(xì)胞篩查很重要，但是同樣卵巢細(xì)胞中的良性腫瘤篩查也不容忽視；

2、其中，卵巢囊腫屬于卵巢細(xì)胞中的良性腫瘤，卵巢囊腫是否嚴(yán)重需結(jié)合卵巢囊腫的體積進(jìn)行判斷。如果卵巢囊腫的體積比較小，直徑?jīng)]有超過5厘米，沒有引起明顯的不適癥狀，一般不嚴(yán)重；但是如果卵巢囊腫的體積較大，直徑超過5厘米，或者出現(xiàn)卵巢囊腫破裂及蒂扭轉(zhuǎn)，可能會引起劇烈疼痛、出血等癥狀。這種情況下，如果治療不及時，還可能會危及生命，一般比較嚴(yán)重。

3、卵巢囊腫作為良性腫瘤細(xì)胞，但是其篩查同樣重要；經(jīng)過研究發(fā)現(xiàn)，因為對卵巢的檢測識別不準(zhǔn)確，從而錯誤的判斷卵巢細(xì)胞屬于什么樣的狀態(tài)變化，如：屬于正常的卵巢細(xì)胞狀態(tài)，還是出現(xiàn)病變產(chǎn)生輕微的囊腫的細(xì)胞，還是嚴(yán)重的囊腫細(xì)胞；這些卵巢細(xì)胞的變化都無法進(jìn)行有效的檢測出來，從而延誤后續(xù)的不能針對真實的卵巢囊腫狀態(tài)進(jìn)行治療。

4、因此說，由于卵巢囊腫的復(fù)雜性和多樣性，存在識別不準(zhǔn)確的問題。這可能導(dǎo)致誤診，即將正常卵巢細(xì)胞錯誤地識別為囊腫細(xì)胞，或?qū)⒛夷[細(xì)胞錯誤地分類為其他狀態(tài)。再例如，無法準(zhǔn)確判斷卵巢細(xì)胞是正常狀態(tài)、輕微囊腫狀態(tài)還是嚴(yán)重囊腫狀態(tài)，這可能導(dǎo)致延誤治療或錯誤的治療決策。

5、隨著技術(shù)的進(jìn)步，現(xiàn)有技術(shù)中也使用更優(yōu)化的圖像處理算法；例如，結(jié)合深度學(xué)習(xí)和訓(xùn)練模型以自動識別和分類卵巢圖像中的不同細(xì)胞，但是研究人員進(jìn)一步認(rèn)為僅僅分類識別到是正常卵巢細(xì)胞，還是囊腫的卵巢圖像，這樣的粗糙檢測是不夠的，仍然需要進(jìn)一步精確分析得到卵巢圖像的具體生存狀態(tài)信息這個對于后續(xù)診斷治療更具意義。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種腫瘤細(xì)胞篩查檢測處理方法、系統(tǒng)及存儲介質(zhì)，解決了現(xiàn)有技術(shù)中指出的上述技術(shù)問題。

2、本發(fā)明提供了一種腫瘤細(xì)胞篩查檢測處理方法，包括如下操作步驟：

3、獲取待檢測卵巢圖像，獲取歷史卵巢圖像集；

4、所述歷史卵巢圖像集包括：歷史卵巢正常圖像、歷史卵巢疑似囊腫圖像、歷史卵巢確定囊腫圖像、歷史卵巢輕微囊腫圖像、歷史卵巢嚴(yán)重囊腫卵巢；

5、對所述歷史卵巢圖像集與所述待檢測卵巢圖像分別進(jìn)行框選特征圖像，得到歷史目標(biāo)圖像與待檢測目標(biāo)框圖像，并進(jìn)行對比得到第一匹配度值；對所述待檢測卵巢圖像進(jìn)行提取輪廓，得到待檢測卵巢輪廓圖像；將所述歷史目標(biāo)圖像與所述檢測卵巢輪廓圖像進(jìn)行對比匹配，得到第二匹配度值；所述第一匹配度值與第二匹配度值進(jìn)行對比，得到所述待檢測卵巢圖像的卵巢狀態(tài)。

6、較佳地，對所述歷史卵巢圖像集與所述待檢測卵巢圖像分別進(jìn)行框選特征圖像，得到歷史目標(biāo)圖像與待檢測目標(biāo)框圖像，并進(jìn)行對比得到第一匹配度值，具體操作步驟如下：

7、獲取預(yù)先設(shè)置的yolo模型；根據(jù)yolo模型對所述待檢測卵巢圖像進(jìn)行候選框框選，得到多個待檢測候選框，每個待檢測候選框包含不同的類別標(biāo)簽；對所述多個待檢測候選框進(jìn)行標(biāo)注置信分?jǐn)?shù)，對每個待檢測候選框的置信分?jǐn)?shù)進(jìn)行劃分不同的分?jǐn)?shù)區(qū)間；

8、根據(jù)所述不同的類別標(biāo)簽與所述不同的分?jǐn)?shù)區(qū)間進(jìn)行劃分區(qū)間等級；

9、根據(jù)每個區(qū)間分?jǐn)?shù)內(nèi)部的所有待檢測候選框的置信分?jǐn)?shù)進(jìn)行計算平均值；

10、所述每個區(qū)間分?jǐn)?shù)內(nèi)部的所有待檢測候選框的置信分?jǐn)?shù)的平均值與所述區(qū)間等級相互對應(yīng)；

11、選取各個區(qū)間分?jǐn)?shù)內(nèi)部接近置信分?jǐn)?shù)的平均值的待檢測候選框，確定為各個區(qū)間分?jǐn)?shù)內(nèi)部的待檢測目標(biāo)框，對所述待檢測目標(biāo)框進(jìn)行裁剪，得到待檢測目標(biāo)圖像；

12、通過所述yolo模型對所述歷史卵巢圖像集的每一張歷史卵巢圖像進(jìn)行候選框框選，所述每一張歷史卵巢圖像得到多個歷史卵巢候選框，對所述歷史卵巢候選框進(jìn)行標(biāo)注置信分?jǐn)?shù)；選取最高歷史卵巢候選框的置信分?jǐn)?shù)，作為歷史目標(biāo)圖像；

13、所述歷史目標(biāo)圖像包括：歷史正常卵巢目標(biāo)圖像、歷史疑似囊腫卵巢圖像、歷史確定囊腫卵巢圖像、歷史輕微囊腫卵巢圖像、歷史嚴(yán)重囊腫卵巢圖像；

14、對所述歷史目標(biāo)圖像中的每個歷史圖像與所述各個區(qū)間分?jǐn)?shù)內(nèi)部的待檢測目標(biāo)框圖像進(jìn)行對比，得到第一匹配度值。

15、較佳地，所述區(qū)間等級分為正常卵巢區(qū)間等級、疑似囊腫卵巢區(qū)間等級、確定囊腫卵巢區(qū)間等級、輕微囊腫卵巢區(qū)間等級、嚴(yán)重囊腫卵巢區(qū)間等級。

16、較佳地，對所述待檢測卵巢圖像進(jìn)行提取輪廓，得到待檢測卵巢輪廓圖像；將所述歷史目標(biāo)圖像與所述檢測卵巢輪廓圖像進(jìn)行對比匹配，得到第二匹配度值，具體操作步驟如下：

17、通過邊緣檢測算法對所述待檢測卵巢圖像進(jìn)行提取輪廓特征，得到待檢測卵巢輪廓；對所述待檢測卵巢輪廓進(jìn)行膨脹填充，得到待檢測輪廓圖像；

18、所述待檢測輪廓圖像與所述歷史目標(biāo)圖像每個歷史圖像進(jìn)行對比，得到第二匹配度值。

19、較佳地，所述第一匹配度值與第二匹配度值進(jìn)行對比，得到所述待檢測卵巢圖像的卵巢狀態(tài)，具體包括：對所述第一匹配度值與所述第二匹配度值進(jìn)行加權(quán)評估計算，得到綜合匹配度值；根據(jù)所述綜合匹配度值進(jìn)行確定待檢測卵巢圖像的卵巢狀態(tài)。

20、較佳地，對所述第一匹配度值與所述第二匹配度值進(jìn)行加權(quán)評估計算，得到綜合匹配度值，具體操作步驟如下：

21、對所述第一匹配度值與所述第二匹配度值進(jìn)行歸一化；對歸一化后的所述第一匹配度值與所述第二匹配度值進(jìn)行加權(quán)，設(shè)置所述第一匹配度值權(quán)重為w1、所述第二匹配度值權(quán)重為w2，計算綜合匹配度值c，計算公式為：

22、c＝w1×第一匹配度值+w2×第二匹配度值；

23、所述綜合匹配度值包括：正常卵巢綜合匹配度值、疑似綜合匹配度值、確定綜合匹配度值、輕微綜合匹配度值、嚴(yán)重綜合匹配度值。

24、較佳地，根據(jù)所述綜合匹配度值進(jìn)行確定待檢測卵巢圖像的卵巢狀態(tài)，具體操作步驟如下：

25、預(yù)設(shè)正常卵巢閾值q，疑似囊腫卵巢閾值w，確定囊腫卵巢閾值e、輕微囊腫卵巢閾值r；

26、判斷所述正常卵巢綜合匹配度值是否小于所述正常卵巢閾值q；

27、若是，則判定所述待檢測卵巢圖像為正常卵巢；

28、若否，則判斷所述疑似綜合匹配度值是否小于所述疑似囊腫卵巢閾值w；

29、若是，則判定所述待檢測卵巢圖像為疑似囊腫卵巢；

30、若否，則判斷所述確定綜合匹配度值是否小于所述確定囊腫卵巢閾值e；

31、若是，則判定所述待檢測卵巢圖像為確定囊腫卵巢；

32、若否，則判斷所述輕微綜合匹配度值是否小于所述輕微囊腫卵巢閾值r；

33、若是，則判定所述待檢測卵巢圖像為輕微囊腫卵巢；

34、若否，則判斷所述待檢測卵巢圖像為嚴(yán)重囊腫卵巢。

35、較佳地，在對所述待檢測卵巢輪廓進(jìn)行膨脹填充，得到待檢測輪廓圖像，具體包括如下操作：

36、首先預(yù)設(shè)初始的膨脹填充的參數(shù)；所述膨脹填充的參數(shù)包括結(jié)構(gòu)元素的大小和結(jié)構(gòu)元素形狀；

37、直接調(diào)用初始的膨脹填充的參數(shù)；對利用當(dāng)前初始的膨脹填充的參數(shù)直接對當(dāng)前待檢測卵巢輪廓的膨脹填充得到初始的待檢測輪廓圖像；檢測初始的待檢測輪廓圖像是否存在過度膨脹填充，若是，則執(zhí)行調(diào)整膨脹填充的參數(shù)，繼續(xù)采用多次迭代法逐步對當(dāng)前待檢測卵巢輪廓的膨脹填充，最終輸出待檢測輪廓圖像。

38、較佳地，調(diào)整膨脹填充的參數(shù)，繼續(xù)采用多次迭代法逐步對當(dāng)前待檢測卵巢輪廓的膨脹填充，最終輸出待檢測輪廓圖像，具體包括如下步驟：

39、對當(dāng)前初始的膨脹填充的參數(shù)中的結(jié)構(gòu)元素的大小進(jìn)行t次等比例縮小得到每次迭代所需的結(jié)構(gòu)元素的目標(biāo)值；

40、首先調(diào)用若干結(jié)構(gòu)元素的目標(biāo)值中的最大值，將其作為首次迭代的膨脹填充的參數(shù)；然后對當(dāng)前待檢測卵巢輪廓進(jìn)行首次膨脹填充得到第一次迭代的待檢測輪廓圖像；判斷當(dāng)前第一次迭代的待檢測輪廓圖像是否存在過度膨脹填充，若仍然存在過度膨脹填充；繼續(xù)選擇若干結(jié)構(gòu)元素的目標(biāo)值中的第二大的數(shù)值，繼續(xù)進(jìn)行第二次膨脹填充得到第二次迭代的待檢測輪廓圖像；同時不斷迭代檢測當(dāng)前迭代得到待檢測輪廓圖像是否存在過度膨脹填充，直至當(dāng)前待檢測輪廓圖像判定為不存在過度膨脹填充為止，將最后一次迭代填充得到的待檢測輪廓圖像判定為最終的待檢測輪廓圖像。

41、相應(yīng)地，本發(fā)明還提出了一種腫瘤細(xì)胞篩查檢測處理系統(tǒng)，包括：獲取圖像模塊、匹配度模塊、最終結(jié)果模塊；

42、獲取圖像模塊用于獲取待檢測卵巢圖像，獲取歷史卵巢圖像集；

43、所述歷史卵巢圖像集包括：歷史卵巢正常圖像、歷史卵巢疑似囊腫圖像、歷史卵巢確定囊腫圖像、歷史卵巢輕微囊腫圖像、歷史卵巢嚴(yán)重囊腫卵巢；

44、匹配度模塊用于對所述歷史卵巢圖像集與所述待檢測卵巢圖像分別進(jìn)行框選特征圖像，得到歷史目標(biāo)圖像與待檢測目標(biāo)框圖像，并進(jìn)行對比得到第一匹配度值；對所述待檢測卵巢圖像進(jìn)行提取輪廓，得到待檢測卵巢輪廓圖像；將所述歷史目標(biāo)圖像與所述檢測卵巢輪廓圖像進(jìn)行對比匹配，得到第二匹配度值；

45、最終結(jié)果模塊用于所述第一匹配度值與第二匹配度值進(jìn)行對比，得到所述待檢測卵巢圖像的卵巢狀態(tài)。

46、相應(yīng)的，本技術(shù)還涉及一種存儲介質(zhì)，其包括：

47、存儲器，用于存儲計算機(jī)程序；

48、通信接口，用于實現(xiàn)將存儲器與處理器進(jìn)行連接；

49、處理器，用于執(zhí)行計算機(jī)程序，實現(xiàn)上述腫瘤細(xì)胞篩查檢測處理方法的步驟。

50、與現(xiàn)有技術(shù)相比，本發(fā)明實施例至少存在如下方面的技術(shù)優(yōu)勢：

51、分析本發(fā)明提供的上述一種腫瘤細(xì)胞篩查檢測處理方法可知，在具體應(yīng)用時通過yolo模型對待檢測卵巢圖像進(jìn)行候選框框選，每個候選框都會存在以置信分?jǐn)?shù)，通過置信分?jǐn)?shù)進(jìn)行劃分區(qū)間分?jǐn)?shù)，通過區(qū)間分?jǐn)?shù)進(jìn)行設(shè)置區(qū)間等級，因為，待檢測卵巢圖像中，置信分?jǐn)?shù)的候選框會在待檢測卵巢圖像中的各個角落，所以會出現(xiàn)不同置信分?jǐn)?shù)，通過不同的置信分?jǐn)?shù)可以判斷出待檢測卵巢圖像中各個位置的卵巢細(xì)胞狀態(tài)，從而通過區(qū)間等級對置信分?jǐn)?shù)的候選框進(jìn)行劃分，選出平均的置信分?jǐn)?shù)的候選框作為分?jǐn)?shù)區(qū)間的代表性的候選框，同時作為每個分?jǐn)?shù)區(qū)間的細(xì)胞狀態(tài)；并對歷史卵巢圖像集進(jìn)行框選候選框，得到歷史目標(biāo)圖像，并最后進(jìn)行匹配，得到第一匹配度值；

52、進(jìn)一步的，通過邊緣檢測算法對待檢測卵巢圖像進(jìn)行提取輪廓，并對輪廓進(jìn)行膨脹操作的填充像素，得到待檢測輪廓圖像，通過對輪廓填充像素，可以對待檢測輪廓圖像與歷史目標(biāo)圖像進(jìn)行匹配，這樣可以避免輪廓與圖像匹配時，發(fā)生不適應(yīng)的情況，可以順利的進(jìn)行匹配，得到第二匹配度值；

53、進(jìn)一步的，對第一匹配度值與第二匹配度值在求取時，過程不相同，所以第一匹配度值與第二匹配度值不能夠直接進(jìn)行匹配，因此，需要通過加權(quán)的方法進(jìn)行計算綜合匹配度值，通過綜合匹配度值與預(yù)設(shè)的卵巢囊腫閾值進(jìn)行判斷卵巢是正常卵巢、疑似囊腫卵巢、確定囊腫卵巢、輕微囊腫卵巢、嚴(yán)重囊腫卵巢中的哪一種，從而針對不同的卵巢狀態(tài)進(jìn)行醫(yī)學(xué)性的治療。