[发明专利]一种HE染色病理图像颜色归一化方法

说明书

本发明公开了一种HE染色病理图像颜色归一化方法，先对病理切片图像进行通道分解，得到病理图像，通过建立优化模型，计算最优反卷积矩阵，并利用最优反卷积矩阵对病理图像进行颜色归一化，归一化后不同染色条件下的病理图像的颜色趋于一致，且计算速度快。

技术领域

本发明涉及图像处理技术领域，更具体的说是涉及一种HE染色病理图像颜色归一化方法。

背景技术

数字病理全切片是通过专用的扫描成像系统将病理切片转换为可供计算机显示、传输及处理的高倍率大规模数字图像。随着数字病理图像成像技术不断成熟，基于数字病理图像的计算机辅助诊断方法发展迅速。随着研究的深入，辅助诊断方法已向适应多染色平台、扫描平台的病理全切片(Whole Slide Image，WSI)方向发展。然而，受染色剂配比、染色平台、成像平台的影响，来自不同平台的WSI在颜色上的差异很大。这一差异极大的影响了计算机辅助诊断方法的准确度。为了减少这一差异带来的影响，国内外学者在近年提出了多种病理图像颜色归一化方法。其中，苏木精-伊红(HE)染色剂作为病理图像最常用的颜色方法。

目前，有学者直接采用自然场景图像颜色增强的方法来对数字病理图像进行归一化，如直方图均衡，直方图标准化，Retinex增强等。这些方法没有考虑病理图像颜色的本质特点，固不能取得满意的病理图像归一化效果。大多数有效的病理图像归一化方法以基于颜色反卷积的染色分离方法作为基础，颜色反卷积算法利用“病理图像的颜色是由有限种染色剂混合而成的”这一先验知识，在光密度空间对病理图像进行线性变换，以分离出独立的颜色成分。然而，颜色反卷积算法需要通过实验的手段测得反卷积参数，且同一组参数无法适应来自不同平台的病理图像。近年，有学者利用细胞核检测算法，在病理图像中检测出细胞核，从而将病理图像中细胞核与细胞质区域进行分类，并以此作为先验，计算得到自适应的颜色反卷积参数。这种方法使颜色反卷积方算法不再依赖实验获得反卷积参数，极大的提高该算法的适应性，从而得到了更好的病理图像归一化效果。但是，该类方法的效果依赖于细胞核检测与分割算法，一旦细胞核检测算法失效，则无法得到合理的归一化效果，且细胞核检测与分割算法的计算量较大，拖慢了整个归一化过程。

因此，如何提供一种快速HE染色病理图像颜色归一化方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种HE染色病理图像颜色归一化方法，通过优化算法得到最优反卷积矩阵，并利用最优反卷积矩阵对图像进行归一化，归一化后，不同染色条件下的病理图像的颜色趋于一致，且计算速度快。

为了实现上述目的，本发明采用如下技术方案：

一种HE染色病理图像颜色归一化方法，包括：

S1：对预先存储好的数字病理切片图像进行通道分解，得到病理图像I(x,y)；

其中，I_R(x,y)、I_G(x,y)、I_B(x,y)分别表示病理图像在RGB三个颜色通道内的像素值；

S2：建立优化模型，计算最优反卷积矩阵，其具体步骤如下：

S21：定义优化变量

吸光率矩阵中的每个吸光率向量m_s均为一个单位向量，用两个独立的角度变量(α_c,β_c)表示吸光率向量：

则反卷积矩阵由6个独立的角度变量决定，由此定义待优化变量：

S22：定义目标函数

将待优化变量决定的吸光率矩阵表示为通过计算得到反卷积矩阵