[发明专利]一种新型的基于Feulgen染色方法的异常宫颈细胞自动识别方法

权利要求书

1.一种新型的基于Feulgen染色方法的异常宫颈细胞自动识别方法，其特征在于，该方法通过提取宫颈细胞的特征、训练宫颈细胞分类器从而识别出异常宫颈细胞，其中产生宫颈细胞分类器的过程分为四个步骤：

步骤一：使用Feulgen染色方法对宫颈细胞玻片进行染色，并使用显微镜自动扫描玻片产生数字化视野图，结果记为SliceImages；

步骤二：依次处理SliceImages中包含的所有视野图，分割出视野图中的宫颈细胞核，得到所有宫颈细胞核的轮廓，记为NucleusContours；

步骤三：依次处理NucleusContours中每一个宫颈细胞核的轮廓，结合该细胞核所在视野图中的局部像素信息，计算该细胞的特征向量，记为FeatureVector，用来表征该宫颈细胞的异常病变程度。

步骤四：对FeatureVector进行最大值归一化及PCA降维预处理。

步骤五：基于步骤四中所处理的FeatureVector构建并训练神经网络分类模型，得到宫颈细胞分类器。

2.根据权利要求1步骤一中所述的视野图，其特征在于视野图采用固定大小为1280×1280×3，该图像是在显微镜下采图所得，显微镜目镜放大倍数为10，物镜放大倍数为20，视野图总的放大倍数为200。

3.根据权利要求1步骤二中所述的分割视野图中的宫颈细胞核，其特征在于，包括如下三个步骤：

步骤一：使用Surf算法定位视野图中的所有宫颈细胞核质心坐标，结果记为NucleusPositions；

步骤二：将NucleusPositions中所有的坐标点作为RegionGrowing算法的种子点，使用区域生长算法得到宫颈细胞核的粗分割区域，结果记为NucleusRoughRegions；

步骤三：依次处理NucleusRoughRegions中每个细胞核的粗分割区域，使用孔洞填充算法填充细胞核粗分割区域中可能存在的孔洞，从而得到细胞核的细分割区域，最后提取所有细分割区域的轮廓，即得到细胞核的精确轮廓，记为NucleusContours。

4.根据权利要求1步骤三中所述的宫颈细胞特征向量，其特征在于主要包括三个部分，分别是细胞核的DNA含量特征、细胞核的形态特征、宫颈细胞的纹理特征，其中DNA含量特征的维度数为1，细胞核形态特征的维度数为12，宫颈细胞纹理特征的维度数为126，即宫颈细胞特征向量的总维度为139。

5.根据权利要求3步骤二中所述的区域增长算法，其特征在于，将相邻像素点包含进生长结果中的准则如下所示：

其中Ω表示以待生长像素点为中心，以L为边长的正方形区域；SeedGray表示种子像素点灰度值大小，ThreshGray表示设置的灰度值阈值。

6.根据权利要求4中所述的细胞核DNA含量，其特征在于它使用积分光密度(IOD值)来表示，IOD的计算公式如下所示：

OD_i＝log(LuminousE/LuminousO)

IOD本质上是对一定区域内所有像素点光密度求和，其中OD_i表示第i个像素点的光密度，其定义为通过像素点之前与之后光通量比值的对数，其中LuminousE表示通过像素点之前的光通量，LuminousO表示通过像素点之后的光通量。