[发明专利]基于视觉注意机制和模型拟合的白细胞分割方法

说明书

本发明涉及一种基于视觉注意机制和模型拟合的白细胞分割方法。本发明首先提出了一个基于视觉注意机制的颜色空间体积，以突出显示细胞核区域，然后使用自适应阈值方法分割细胞核。然后，提出了一个基于边界先验知识并移除背景区域，将得到的中心区域作为初始白细胞区域，进一步通过边缘检测获取白细胞轮廓，将得到的白细胞轮廓减去细胞核得到细胞质分割结果。最后，本发明提出了一个基于模型拟合策略的方法来解决白细胞粘连的问题，有效地将白细胞（包括细胞核、细胞质）从外周血涂片图像中分割出来，并对分割得到的白细胞进行计数和分类，有效地降低人为误差的影响。

技术领域

本发明涉及一种基于视觉注意机制和模型拟合的白细胞分割方法。

背景技术

白细胞是人体最主要的免疫细胞，对维持人体的免疫功能非常重要。白细胞包括五种细胞，中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞和单核细胞。人体外周血液中白细胞总数、各类白细胞的比例和形态是诊断白血病等人类血液疾病的重要指标。白细胞分类计数是医院血常规检查的重要组成部分，即计算外周血白细胞总数和各类白细胞的百分比。这种计数可以通过白细胞计数的分类和异常形态学分析来诊断是否有血液疾病，如白血病、传染病、炎症、艾滋病。

早期医院主要是通过人工镜检实现白细胞分类计数的，一般由专业的病理医师在高倍显微镜下观测染色后的血细胞图片中的白细胞的颜色和形态，并对其分类计数。通常人工镜检的准确率较高，但需要耗费很多的时间，效率较低，且观测者的专业知识技能和从业经验决定于检测结果的准确性，因此不适合大量人群的血常规检测。血细胞自动分析仪不仅省时效率高，而且可以有效地降低人为误差的影响。血细胞自动分析仪通常采用物理、物理和化学相结合等方法对白细胞进行五分类计数，但未对白细胞的异常形态进行分析。临床应用中通过人工复检的方式对异常的白细胞形态进行分析检查。

根据以上所提出的一些问题，近些年已经有一些学者提出了相关的白细胞分割算法。对与传统算法，有阈值分割、基于主动轮廓的分割方法和基于显著性的分割方法。其中阈值分割方法中包括大津法，区域增长法，分水岭法以及它们的组合算法。Cseke等人提出了种基于自动选择阈值快速分割细胞核的方法，该算法首先基于Otsu算法自适应得到最佳的分割阈值。Dorini等人提出了一种基于分水岭方法分割白细胞的算法，该算法分为两个阶段实现整个白细胞分割：首先采用基于图像森林变换的分水岭算法提取细胞核，然后基于阈值法和形态学运算等基本操作实现细胞质的分割。基于机器学习的分割方法包括有监督的方法和无监督的方法。其中有监督的方法包括卷积神经网络的方法和SVM的方法，无监督的方法包含K-means、模糊C均值法和最大期望算法等方法。Zheng等人通过K-means聚类得到粗分割结果，然后对每个图像像素进行分类，在粗分割结果上训练SVM得到更准确的分割结果。Osowski等人提出了一种基于遗传算法和支持向量机的血细胞识别算法，该算法首先使用遗传算法提取特征，然后使用SVM实现细胞识别和分类。

然而，现有的白细胞分割方法均存在一定的局限性.主要存在以下三个方面的问题：(1)现有算法得到的分割精度不高，有待进一步提升.(2)现有算法存在过分割以及欠分割现象。(3)现有算法得到的白细胞分割尚未很好的解决粘连性的问题。

发明内容

本发明的目的在于针对现有的技术不足,提供一种基于视觉注意机制和模型拟合的白细胞分割方法，解决了需要人工肉眼通过专业知识技能和从业经验决定于检测结果的准确性去繁琐过程以及现有技术中白细胞分割精度不高和粘连白细胞的分离问题，提升了血液白细胞分割精度。

为实现上述目的，本发明的技术方案是：一种基于视觉注意机制和模型拟合的白细胞分割方法，包括如下步骤：

S1、基于颜色空间体积的细胞核分割；

S2、基于边界先验知识的背景移除及细胞质分割；

S3、基于断点检测及模型拟合的粘连白细胞分离。

在本发明一实施例中，所述步骤S1具体实现如下：