[发明专利]基于k-means聚类的病理图像扫描焦点分类方法

权利要求书

1.基于k-means聚类的病理图像扫描焦点分类方法，其特征在于，提供一病理切片，包括下述步骤：

S1.从所述病理切片中获取K个焦点；

S2.将K个所述焦点采用迭代自组织数据分析法逐个获取N个质心点；

S3.根据获取的N个所述质心点对K个所述焦点进行分类，以划分每个所述焦点所属的类，每个所述质心点对应一类；

S4.根据划分后的每类对应的所述焦点调整每类的所述质心点的位置，结束；

所述步骤S2的具体过程为：

S21.选取一所述焦点作为第i＝1个所述质心点，分别获取K-1个所述焦点与所述第i个所述质心点的距离D_i(j)，并将K-1个所述距离D_i(j)累加以获取总距离sum(D_i)，

其中，i、j均为正整数，D_i(j)表示第j个所述焦点与所述第i个质心点之间的距离,1≤i≤K,1≤j≤K,i≠j；

S22.根据公式(1)获取第i+1个质心点：

Random-D_i(j)<0 (1)，

其中，Random为小于或等于sum(D_i)的整数，当Random满足公式(1)时，所述距离D_i(j)对应的第j个所述焦点即为第i＝i+1个质心点；

S23.判断i是否等于N，若是，执行步骤S24；若否，执行步骤S3；

S24.分别获取K-1个所述焦点与所述第i个所述质心点的所述距离D_i(j)，并将K-1个所述距离D_i(j)累加以获取所述总距离sum(D_i)，返回，执行步骤S22。

2.如权利要求1所述的基于k-means聚类的病理图像扫描焦点分类方法，其特征在于，在所述步骤S3中逐个获取每个所述焦点分别到每个所述质心点的距离，将所述焦点归为相应的距离中最短的距离对应的所述质心点对应的类。

3.如权利要求2所述的基于k-means聚类的病理图像扫描焦点分类方法，其特征在于，在所述步骤S3中根据公式(2)获取每个所述焦点分别到每个所述质心点的距离：

C_j＝argmin||X_j-Y_i||² (2)，

其中，X_j表示第j个所述焦点的位置坐标，Y_i表示第i个所述质心点的位置坐标，C_j表示所述第j个所述焦点到第i个所述质心点的距离。

4.如权利要求3所述的基于k-means聚类的病理图像扫描焦点分类方法，其特征在于，在所述步骤S4中逐个获取归属于每类的所有所述焦点的位置坐标的平均坐标，将所述平均坐标作为与所述类对应的所述质心点的位置坐标。

5.如权利要求4所述的基于k-means聚类的病理图像扫描焦点分类方法，其特征在于，在所述步骤S4中根据公式(3)获取归属于每类的所有所述焦点的位置坐标的平均坐标：

其中，M表示归属于第i个所述质心点对应的类中的所有所述焦点，Q_i表示第i个所述质心点对应的类的所述质心点的平均坐标，C_j表示所述第j个所述焦点到第i个所述质心点的距离。