[发明专利]胸腺切片多尺度图像分割方法

说明书

技术领域

本发明涉及的是一种图像处理技术在医学领域中的应用方法，具体是一种胸腺切片多尺度图像分割方法。

背景技术

胸腺(thymus)为机体的重要淋巴器官。其功能与免疫紧密相关，分泌胸腺激素及激素类物质，具内分泌机能的器官。胸腺被认为对重症肌无力(MG)的发病中起重要作用。

经对现有技术文献的检索发现，Wekerle，H.和Müller-Hermelink，H.(The thymus inmyasthenia gravis.Current topics in pathology，1986，75：179)，以及Palace，J.，Vincent，A.等(Myasthenia gravis：diagnostic and management dilemmas.Current Opinion inNeurology，2001，14(5)：583)针对胸腺的病理检查对重症肌无力(myasthenia gravis，MG)的发病、诊断和治疗有重要意义。对于胸腺切片主要依靠经验丰富的病理专家在一个个的显微视野中对异常细胞的数量和位置进行识别，人工分析的强度大，操作人员易疲劳，人为误差不可避免。此外，大量文档式的胸腺切片数据，对于数据的存储与利用也相当不便。

同时，经对现有技术文献的检索发现，马春梅，刘贵如和王陆林(图像分割技术在医学图像处理中的应用研究.太原科技，2007，28(3)：64-67)以及Ma，Z.，Tavares，J.和Jorge R.(Segmentation of structures in medical images：review and a new computationalframework.In Proceedings of the CMBBE 2008-8th International Symposium on ComputerMethods in Biomechanics and Biomedical Engineering，2008.)随着图像处理技术飞速发展，各种图像分割及分类技术在医学领域中的应用也极为广泛。故利用数字图像处理技术，对胸腺切片图像进行多尺度分割。自动获得胸腺组织图像，减轻了人员工作强度。同时减少了进一步细分切片图像组织的计算量。

发明内容

本发明针对现有技术存在的上述不足，提供一种胸腺切片多尺度图像分割方法，解决原始识别所带来的人员疲劳及误差问题，既解决了人工分析造成的强度大的问题，也提高了组织分割的精度，可以用于胸腺组织的识别，为诊断提供依据。获得胸腺切片组织图像的同时，由于去除了背景噪声，从而也减少了进一步精细分割的计算量。

本发明是通过以下技术方案实现的，本发明包括如下步骤：

第一步，将原始图像线性划分成若干个子图像块并构建多尺度图像数据关系；

所述的若干个子图像块的面积相等。

所述的多尺度图像数据关系是指：将原始图像的左上角顶端的子图像块记为(1，1)，按照欧式坐标对所有子图像块进行二维坐标标记为(x，y)，其中x为子图像块所在的行的位置，y为子图像块所在的列的位置。

第二步，获取相邻子图像块信息，即每个子图像块依次获取其周围相邻的其他子图像块的坐标信息，并将其坐标信息记录到该中心子图像块中；

第三步，图像向下采样处理生成聚类等级图像：对每个子图像块降低分辨率采样后得到聚类等级图像。

第四步，图像聚类处理生成聚类等级子图像：将聚类等级图像按照原先建立的多尺度图像数据关系重新合成，然后通过聚类处理对图像进行前后景分类后，按照线性划分成若干个聚类等级子图像。

所述的聚类处理是指：采用非监督K平均算法聚类，即K平均算法接受输入量k；然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。K平均算法的工作过程：首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度(距离)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类；然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数.k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。

所述的若干个聚类等级子图像的面积相等。