[发明专利]基于k-means聚类的病理图像扫描焦点分类方法

说明书

本发明公开了基于k‑means聚类的病理图像扫描焦点分类方法，该方法提供一病理切片，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。本发明采用迭代自组织数据分析法对待计算焦点分类排序，有效的加快了对焦速度，提高对焦精度，提升了焦平面的适用性。

技术领域

本发明涉及显微技术领域，尤其涉及一种基于k-means聚类的病理图像扫描焦点分类方法。

背景技术

数字切片扫描仪是近年来发展迅速的医疗设备，数字切片扫描系统能将载玻片全信息、全方位快速扫描，使传统物质化的载玻片变成新一代数字化病理切片，数字切片扫描仪是对病理诊断技术实现划时代的变革。数字切片扫描仪在扫描过程中必不可少的一个环节就是对焦，即通过Z轴的上下移动与相机抓图配合，找到切片不同位置一定数量的焦点后，计算出切片的焦平面，用于为切片扫描做准备。现有的对焦方法主要有两种，一种是一次性对完所有焦点，但是采用这种方法对焦的误差大，扫描图像模糊；另一种方法是对完一部分焦点扫描一部分，即动态对焦，这种方法会产生一个问题：当切片较大或组织为岛型时，第一次计算的焦平面对较远的焦点可能不适用，导致较远的焦点对焦困难。

发明内容

针对现有的数字切片扫描仪的对焦方法存在的上述问题，现提供一种旨在实现可使动态对焦的第一次焦平面计算适用于所有待计算焦点，加快对焦速度，提高对焦精度的基于k-means聚类的病理图像扫描焦点分类方法。

具体技术方案如下：

基于k-means聚类的病理图像扫描焦点分类方法，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。

优选的，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。