[发明专利]一种宫颈单细胞图像分割算法

说明书

技术领域

本发明涉及医学细胞图像处理领域，具体涉及一种自适应阈值和射线灰度梯度活动轮廓模型的宫颈单细胞图像分割算法。

背景技术

宫颈癌已经成为病发率最高的恶性肿瘤之一，严重危害女性的健康。由于宫颈癌早期没有显著的症状，晚期症状明显但是治愈非常困难。因此，对宫颈癌实现早期诊断，是医师诊断和治疗的关键。在现代医学中，通过治疗细胞实现癌症治疗是一个新的发展方向。在以宫颈单细胞图像处理系统为代表的一类计算机辅助自动诊断系统中，精确地从细胞图像中分割出细胞核和细胞质，是后续定量分析及分类辨识的基础，很大程度上影响着最终诊断的正确率。

在宫颈单细胞图像分割的研究中，标本图像容易受到炎症细胞、血细胞及癌变组织的污染，以至于细胞的细胞质和细胞核轮廓模糊，如果对附属在宫颈单细胞中的干扰因素不能滤掉，就会产生错误的轮廓信息，导致后期分割精度低，不利于实现对宫颈单细胞的最终诊断。传统的方法虽然分割出正常的宫颈单细胞，但是对于癌变和轻微癌变的宫颈单细胞分割不准确、分割效率低。

发明内容

本发明的目的在于针对现有技术的不足而提供一种宫颈单细胞图像分割算法，这种自适应阈值和射线灰度梯度活动轮廓模型的宫颈单细胞图像分割算法可以避免传统分割方法中细胞重叠粘连、染色颜色不一致以及背景中含有杂质的问题、能够提高正常宫颈单细胞和癌变宫颈单细胞的分割准确度和分割效率。

实现本发明目的的技术方案是：

一种宫颈单细胞图像分割算法，包括如下步骤：

1)对宫颈单细胞图像预处理增强细胞边界；

2)将步骤1)得到的宫颈细胞图像，去除宫颈细胞图像的背景；

3)对步骤2)的宫颈单细胞图像中的细胞核，使用灰度加权中心定位方法，对宫颈单细胞核中心精确定位，求出细胞核和细胞质沿射线方向的灰度梯度；

4)应用栈灰度差补偿算法对步骤3)中的射线灰度梯度优化，对去除噪声后的宫颈单细胞图像求出宫颈单细胞的细胞质和细胞核的边缘图AREM；

5)对步骤4)求出的宫颈单细胞的边缘图AREM，应用梯度向量场GVF Snake模型演化精确定位宫颈细胞的细胞质和细胞核的轮廓。

在步骤1)中所使用的CIELAB L维凸显，是一种颜色空间转换方法，宫颈单细胞图像是由RGB颜色空间转化到CIELAB颜色空间，再提取L维，转化为L维的灰度图像。将宫颈单细胞的L维灰度图像，使用非局部均值滤波去除噪声，来增强宫颈单细胞图像的边界。

步骤2)中的粗分割算法是：对宫颈单细胞图像应用K均值聚类方法，选择三个聚类中心，分别代表三类，把宫颈单细胞图像分割成细胞核、细胞质及背景。由于宫颈单细胞图像的背景阈值与细胞质和细胞核的阈值不同，使用自适应阈值方法把步骤1的宫颈单细胞图像的背景去除。

步骤3)中的灰度加权中心定位方法是：将粗分割的宫颈单细胞图像的细胞核区域分成k个点(x₁,y₁),(x₂,y₂),…,(x_k,y_k)，细胞核的中心(x_c,y_c)通过公式(1)(2)求出。