[发明专利]一种液基细胞玻片扫描区域识别方法

说明书

本发明公开一种液基细胞玻片扫描区域识别方法，包括以下步骤：S1：读取液基细胞玻片预览图；S2：基于局部多尺度暗点检测，获取暗点特征图；S3：基于暗点特征图，确定待扫描区域；S4：基于边缘检测和霍夫变换提取圆弧信息；S5：基于圆弧信息和暗点特征图，确定最终扫描区域。本发明有效提取了暗点信息，保证了较高的识别准确度；有效提取样本区的圆弧信息，实现较高的识别交并比；适用于不同光照强度下拍摄的玻片预览图，具有较强的抗干扰能力，有效解决了玻片预览图的样本区域识别问题。

技术领域

本发明涉及图像处理方法与应用技术领域，特别涉及一种液基细胞玻片扫描区域识别方法，适用于区域识别的理论方法和应用技术研究。

背景技术

近年来，随着医疗行业的发展和科技的进步，病理图像的采集和分析在病理诊断中发挥越来越大的作用。其中，病理玻片自动化扫描技术大大提高了图像的采集效率，而正确地识别玻片的样本区域是实现自动化扫描必不可少的环节。目前，识别玻片的样本区域主要通过相机拍摄整张玻片从而获取玻片的预览图。但是，光照强度、样本区质量、玻片整洁度、制片技术、玻片存放时间等极大影响了玻片预览图的质量，从而影响样本区域的识别。此外，玻片预览图的拍摄条件和应用场景的不同，也对该技术的发展提出了一些挑战。

目前针对区域识别问题，主要包括非监督学习方式和监督学习方式。以深度学习方式为代表的监督学习方式，是当下最为火热的技术。基于深度学习的图像分割技术和目标检测技术可以在一定程度上解决玻片样本区域识别问题。图像分割技术是对图像所有像素进行预测。目前基于深度学习的图像分割中主要包括U-Net、FCN等。另外基于深度学习的目标检测方法主要包括 RCNN、fast-RCNN、faster-RCNN、yolo-net、Center-net等。但是，不管基于深度学习的图像分割，还是基于深度学习的目标检测技术都需要耗费大量的人力和物力完成数据的标注，所需成本较高。另外，基于非监督学习的区域识别方法在人脸识别、指纹识别等领域具有相关的应用，但是由于本身方法和应用背景的限制，不能很好的适用于玻片预览图样本区域识别的问题。

发明内容

针对现有技术存在的问题，本发明提供一种液基细胞玻片扫描区域识别方法，基于局部多尺度暗点信息实现扫描区域的初步确定，然后基于圆弧信息和暗点信息确定扫描区域，该方法在没有标签的情况下实现了液基细胞玻片扫描区域检测。具体方案如下：

一种液基细胞玻片扫描区域识别方法，其特征在于，包括以下步骤：

S1：读取液基细胞玻片预览图；

S2：基于局部多尺度暗点检测，获取暗点特征图；

S3：基于暗点特征图，确定待扫描区域；

S4：基于边缘检测和霍夫变换提取圆弧信息；

S5：基于圆弧信息和暗点特征图，确定最终扫描区域。

优选地，所述步骤S1中，读取液基细胞玻片预览图的方法是，将读取液基细胞玻片后获得的RGB预览图转化为灰度图。

优选地，所述步骤S2中，基于局部多尺度暗点检测获取暗点特征图的方法包括如下步骤：

S21：建立以坐标位置(h，w)为中心、大小为N*N的局部区域，其坐标集合为U，并获取该局部区域的灰度阈值I_threshold；

S22：建立坐标集合为A的中心区域，并获取该中心区域的灰度值I_pq；

S23：建立坐标集合为C_UA的非中心区域，并计算该非中心区域的灰度平均值I_mn；

S24：统计该局部区域中满足I_pq-I_mnI_threshold的像素点个数P；