[发明专利]基于狭长型条件随机场的宫颈癌组织病理图像诊断方法

说明书

本发明属于疾病识别技术领域，尤其涉及一种基于狭长型条件随机场的宫颈癌组织病理图像诊断方法。该方法包括如下步骤：A1、对待处理的宫颈癌组织病理学显微图像，进行预处理；A2、对预处理的宫颈癌组织病理学显微图像进行分割处理；A3、选取分割处理后的图像进行特征提取，获取提取的全局特征；A4、采用条件随机场的方式对全局特征、分割处理后的图像进行处理，获取特征向量；A5、将所述特征向量输入预先训练的分类模型中，获取宫颈癌组织病理学显微图像的分类结果。本发明的方法全新设计了狭长型中心对称布局，用以结合使用宫颈癌组织病理学显微图像的局部特征与全局特征，使系统的诊断结果更加高效可靠。

技术领域

本发明属于疾病识别技术领域，尤其涉及一种基于狭长型条件随机场的宫颈癌组织病理图像诊断方法。

背景技术

宫颈癌是导致女性患者死亡的第二位最常见的恶性肿瘤，其发病率仅次于乳腺癌。宫颈癌是世界上唯一病因明确的恶性肿瘤，高危型HPV持续感染是引起宫颈癌的主要因素。

目前，宫颈癌的筛查流程中将组织病理学图像作为一个基础事实，使用条件随机场对宫颈阴道镜图像进行分类，包括如下步骤：(1)、对图像进行预处理，包括图像校准、图像配准和解剖特征提取三部分；(2)、基于K均值聚类方法将图像分段，识别颜色和强度上是同质的各组织类型中的子区域；(3)、诊断包括但不限于醋酸变白、镶嵌、点状和非典型血管的相关特征；(4)、基于按照概率方式结合相邻区域的分类结果的CRF模型的分类器：利用n个不同特征f1、f2、f3、…fn的特征函数(Y1、Y2、Y3和Y4)的具有鳞状上皮、柱状上皮、转化区和宫颈口的四种不同组织类型的四种聚类情况(W1、W2、W3和W4)，从K最近邻(KNN)分类器和线性差别分析(LDA)分类器的全体结果来确定(假定只有诊断特征)条件概率分布，应用最大后验(MAP)估计以确定后验概率分布的参数；(5)利用新的基于窗口的方式确定检测和诊断算法的灵敏度和特异性，得到诊断结果。

然而，这种筛查流程中，宫颈癌组织病理学图像只是作为基础事实，仍需要经验丰富的病理学家对图像做出判断，但是不同病理学家或者不同时间的同一病理学家对同一病理图像的判断也有差异，这可能产生较大的误差；同时，病理学家的数量有限，而且欠发达地区医疗资源缺乏，病理学家同样稀缺；经验不够丰富的医学生或病理学家，对组织病理学图像不能做出可靠的判断。

这种筛查流程中，仅能使用一个基于条件随机场的分类器判断局部区域是否异常，并不能给出宫颈癌的分级结果，比如恶性肿瘤(高中低分化三级)。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种基于狭长型条件随机场的宫颈癌组织病理图像诊断方法，该方法全新设计了狭长型中心对称布局，用以结合使用宫颈癌组织病理学显微图像的局部特征与全局特征，使系统的诊断结果更加高效可靠。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于狭长型条件随机场的宫颈癌组织病理图像诊断方法，包括如下步骤：

A1、对待处理的宫颈癌组织病理学显微图像，进行预处理；

A2、对预处理的宫颈癌组织病理学显微图像进行分割处理；

A3、选取分割处理后的图像进行特征提取，获取提取的全局特征；

A4、采用条件随机场的方式对全局特征、分割处理后的图像进行处理，获取特征向量；

A5、将所述特征向量输入预先训练的分类模型中，获取宫颈癌组织病理学显微图像的分类结果；

其中，所述分类模型是基于预先建立有分类结果的训练图像数据库中采用条件随机场的方式训练的模型；