[发明专利]一种基于肝癌免疫组化图像的血管角度自动测量方法

说明书

技术领域

本发明属于病理学技术领域，具体涉及一种基于肝癌免疫组化图像(IHC)的血管角度自动测量方法。

背景技术

现代医学认为肝癌的发生是一个多因素、多步骤的生物学过程，肝癌细胞的增殖、侵袭需要依赖血管。而血管的生成与肝癌的生长、浸润和复发均有明显的相关性。临床上，当癌肿增大明显时，受侵袭的血管段不规则、压迹、移位，直接影响肝脏毛细血管走向，从而提出了根据血管角度的大小来判别肝癌分化程度的方法。现阶段免疫组化技术的应用提高了临床病理诊断的准确性，已经成为判断肿瘤良恶性及生长程度的重要评价标准。然而目前免疫组化自动分析方法不足以解决血管的全部形态问题，只能获得血管长度、面积，长宽比等常规统计学信息。目前尚无研究人员提出血管角度的自动测量方法，仅靠人工测量角度工作量大、易受个人主观因素的影响。

免疫组化是生物成像的核心技术，生物医学图像处理技术的提高促进了免疫组化图像自动分析工具的发展，这对辅助病理学家进行与疾病相关的生物学活性检测具有重要的意义。面对IHC存在的染色剂分布不均、成像有噪声等复杂情况，如何精确地提取血管结构以用于辅助诊断等有着关键性作用，它的处理结果将影响后续定量检测的精度。

由于IHC图像使用多种染色剂进行着色，直接采用传统的方法不能达到对象准确分割的目的。比如：有学者采用R、G、B分量上的色差来作为分割依据，但由于R、G、B这三个颜色空间存在很强的相关性，直接在RGB颜色模型下很难实现免疫组化阳性区、阴性区和背景区的颜色分离。一些学者将RGB颜色模型转换为HSI模型或者CMYK模型进行多着色的图像分割，但是这种方法依赖于阈值的设置，容易导致大量信息的丢失，影响检测的精确度。

发明内容

发明目的：针对现有技术中存在的不足，本发明的目的是提供一种基于肝癌免疫组化图像的血管角度自动测量方法，对免疫组化图像血管角度测量准确率高，对判断恶性实体肿瘤的生长、转移有很重要的意义。

技术方案：为了实现上上述发明目的，本发明采用的技术方案为：

一种基于肝癌免疫组化图像的血管角度自动测量方法，包括如下步骤：

1)采集肝癌免疫组化的血管图像；

2)对图像进行染色分离、阈值分割、平滑、填充处理，使血管清晰、完整；

3)对目标血管进行特征点提取并将所提取的特征点分为两个等量的集合；

4)根据所分的两个集合，拟合两根直线，并对这两根直线进行判断、调整，最后计算出血管角度。

步骤2)中，染色分离利用的是颜色去卷积算法(具体参考论文“Fast Boundary Artifact Reduction Algorithm for Image Deconvolution”)，颜色去卷积算法为了获取每种着色的独立信息，需对RGB信息进行正交变换，而且为了获得每种着色正确的吸收因子，需对变换进行标准化。通过临床上最常用的两种染色剂DAB与H&E的实验证明，颜色去卷积的方法可以成功地分割出不同的染色区域；

步骤2)中，阈值分割法利用的是改进的Otsu算法，本发明在分析传统的Otsu算法原理的基础上，用后验概率信息代替传统的Otsu算法均值信息对于免疫组化图像来说具有更好的自适应性,能够有效地减少图像的灰度线性变化和平移变化对传统的Otsu算法的影响，在复杂背景下仍能获得最佳的分割阈值。本发明改进的Otsu算法步骤具体包括

所获得的染色分离图像为灰度图像，其灰度直方图产生的灰度信息概率为

u(a)(0＜a＜L-1)，同时满足染色分离图像均值当阈值t选择到最佳值时，图像则会被分类成两个部分：血管和基质。血管和基质的后验概率分别为p_b(t)和p_j(t)。血管和基质的灰度均值可表示为z_b(t)和z_j(t)。则归一化的Otsu阈值分割准则函数为：

血管和基质的后验概率p_b(t)和p_j(t)对应的Rényi信息熵R_n为

其中n为信息熵参数。

将获得的信息熵R_n(p,t)作为Otsu阈值准则函数的约束条件，则获得改进的Otsu算法的正则化最佳阈值判别准则函数为：

步骤2)中，平滑利用的是中值滤波方法，中值滤波是图像平滑的一种方法，它是一种非线性平滑滤波技术，通常采用一个含奇数个点的滑动窗口，用窗口中的灰度值的中值来代替中心点的灰度值；