[发明专利]一种组织病理图像分类方法

说明书

本发明公开了一种组织病理图像分类方法，结合了灰度与RGB特征，同时考虑了RGB三通道特征之间的共性与差异。首先，分别提取组织病理图像灰度通道和RGB三通道的DSIFT特征，相应的得到每个通道的子字典，实现了共有分量和独有分量的联合稀疏编码。然后，结合图像的空间信息，利用SPM模型，对不同层次的图像特征进行多通道联合稀疏编码。最后利用编码系数进行分类。本发明提出的模型具有更好的特征表示能力，编码系数具有更好的分类性能，可以有效辅助医生的临床诊断。

技术领域

本发明涉及图像处理领域，特别是一种组织病理图像分类方法。

背景技术

组织病理图像在疾病诊断中已经成为国际卫生组织公认的“金标准”^[1],对于辅助疾病诊断发挥着极其重要的作用。然而，病理学家对组织病理图像的分析一直停留在基于经验的定性水平。因此，如何通过计算机辅助诊断(Computer aided diagnosis,CAD)技术自动地实现组织病理图像定量分析，已成为医学图像分析领域研究热点之一^[2-4]。

传统的计算机辅助疾病诊断系统一般利用组织病理图像的灰度或者纹理特征进行疾病诊断^[5-6]，取得了一定的效果，并具有较好的实时性。但是，往往忽视了组织病理图像的颜色信息。Srinivas等^[7]基于稀疏表示分类方法^[8](Sparse representation basedclassification，SRC)提出一种同步稀疏模型，该模型利用组织病理图像RGB三通道的像素值作为字典，通过稀疏表示的重构误差实现组织病理图像分类。Vu等^[9]利用颜色信息，将图像块的RGB三通道值串联成列向量作为样本，提出了一种新的字典学习模型，该模型能够自动提取判别性特征，实现了有病和无病样本的分类。上述组织病理图像分类方法虽然取得了一定的效果，却没有考虑组织病理图像RGB三通道间的共性与差异性。

近年来，Duarte等^[10]提出了联合稀疏模型(Joint sparsity models,JSM)，并且被迅速应用于图像融合^[11]、去噪^[12]、恢复^[13]和模式识别^[14-15]等领域。联合稀疏模型分为三类：JSM-1、JSM-2与JSM-3。JSM-1^[10]将信号分为两部分：共有分量和独有分量，联合同一个字典可以得到两个分量的稀疏编码。同时，Yang等^[16]利用图像的空间位置信息，将金字塔匹配模型^[17](Spatial Pyramid Matching,SPM)引入到图像特征的稀疏编码来提高分类性能。因此，Shi等^[18]结合JSM-1和SPM模型，提出了基于联合稀疏编码的空间金字塔匹配模型(Joint sparse coding based spatial pyramid matching，JScSPM)模型。首先，利用K-means将RGB三通道的所有DSIFT特征^[19]一起聚类，以聚类的特征作为共有分量与独有分量的字典，建立联合稀疏编码模型，结合SPM模型得到稀疏编码系数，并应用于组织病理图像分类，取得了较好的分类性能。但是存在以下问题：1)JScSPM模型虽然利用联合稀疏模型将每个通道分为共有分量与独有分量，但两部分采用相同的字典进行编码，不仅导致两个分量的编码系数间相似度较高，而且无法有效区分通道间 的独有分量之间的差异性，编码系数判别性弱；2)JScSPM模型忽视了图像的灰度信息，而且对所有彩色通道的DSIFT特征一起聚类得到字典，忽略了RGB三个通道之间的关联，其模型无法真正表示出三通道特征的共有分量与独有分量。

Duarte等[10]提出的JSM大致可分为三种类型：JSM-1、JSM-2和JSM-3。其中，JSM-1将信号分为两部分：共有分量和独有分量，并且两部分采用相同的字典进行稀疏编码，目标函数定义如下：