[发明专利]组织切片显微图像中的细胞核自动分割及分类识别方法

说明书

本发明公开一种组织切片显微图像中的细胞核自动分割及分类识别方法，分割阶段采用了全自动分割，通过小波分解和均值漂移的联合算法来确定感兴趣区域，再通过改进的形态学方法分离粘连细胞进行精准分割。在分类识别阶段，提取细胞核区域的形状特征、颜色特征和纹理特征，再通过增强相差性(ERSD)特征选择算法得到最佳特征子集，最后再由SVM分类器进行分类识别。其效果是：能够实现细胞核区域的精准自动分割，避免了灰尘、光照以及细胞粘连等原因对其分割准确率造成的影响，在分类识别时，通过选择最佳特征子集，在确保分类准确率的前提下，缩短了运行时间，满足了临床应用实时性的要求。

技术领域

本发明涉及医学图像处理技术，具体涉及到一种组织切片显微图像中的细胞核自动分割及分类识别方法。

背景技术

目前，癌症的病因尚未完全了解。癌症的预防，早期诊断和治疗吸引了越来越多的关注和讨论。病理检查仍然是癌症监测的黄金标准，这是一种将组织切片图像的细胞形态变化作为风险预测指标的方法。但事实上很难通过跟踪细胞变化来确认早期癌变，并且它在很大程度上依赖于医生的经验，这不仅是非常耗时的，而且容易出现人为错误。随着计算机技术的发展，基于特征分析的细胞核自动分割识别方法成为了病理学家检测早期癌变的重要工具。

基于特征分析的计算机辅助诊断方法主要分为分割和分类识别两个步骤。在分割阶段，主要的困难在于实现细胞核的精准分割。目前主流的分割方法包括主动轮廓模型，带标记的分水岭方法等。但是由于灰尘、光照和细胞粘连等原因，用单一的分割方法很难实现细胞核的精确分割。在分类识别阶段，首先需要基于分割的细胞核区域提取出各种类型的特征，比如形状特征、纹理特征等。但如果直接将获得的所有特征输入分类器，不仅费时，还可能由于特征之间的冗余性降低分类的准确率。所以，主要的困难在于选出在癌变过程中描述细胞核的结构变化的最佳特征子集。根据在特征选择过程中是否使用分类器，可以将它分为封装式和过滤式。封装式方法通常比较耗时，但分类准确率高。过滤式方式运行时间较短，但分类准确率低。

发明内容

为了解决上述问题，本发明首先提供一种组织切片显微图像中的细胞核自动分割方法，该方法在对图像进行预处理后，通过联合小波分解和均值漂移算法来确定感兴趣区域，再通过改进的形态学方法分离粘连细胞实现自动精准分割，具体的技术方案如下：

一种组织切片显微图像中的细胞核自动分割方法，其关键在于包括以下步骤：

S11：利用顶帽-底帽变换对输入的组织切片显微图像进行图像增强处理；

S12：分别利用小波变换和均值漂移算法标记细胞所在区域；

S13：利用投票机制选择圆形度满足预设要求的细胞区域；

S14：根据细胞面积阈值实现粘连细胞的判断，如果区域内不存在粘连细胞，则作为单个细胞直接得到分割结果；如果区域内存在细胞粘连，则进入S15；

S15：通过形态学方法对粘连细胞区域进行细分隔；

S16：返回步骤S14循环判断，直至所选区域粘连细胞全部分开。

可选地，当单个细胞区域提取出来后，通过计算单个细胞的平均面积作为细胞面积阈值。

可选地，步骤S14中将面积大于1.5倍细胞面积阈值的区域视为存在粘连细胞的区域。

可选地，步骤S15中通过形态学方法对粘连细胞区域进行细分隔的具体步骤包括：

S151：设定初始腐蚀半径为2；

S152：对粘连区域进行形态学腐蚀；

S153：判断腐蚀后的区域个数是否大于1，如果大于1，则将这些区域重新膨胀作为分割结果；否则，进入S154；

S154：将结构元半径增加2，返回步骤S152重新进行腐蚀。