[发明专利]基于神经网络的CB微核显微图像的识别及分析方法与系统

权利要求书

1.一种基于卷积神经网络的CB法微核显微图像的自动识别方法，包括：

获取CB法微核显微图像；

从所述CB法微核显微图像中提取出细胞图像；

将提取出的所述细胞图像划分为第一单个独立细胞图像和粘连细胞团图像；

将所述粘连细胞团图像分离成多个第二单个独立细胞图像；

将所有所述第一单个独立细胞图像以及所有所述第二单个独立细胞图像输入至卷积神经网络模型中，以识别含有微核的双核细胞图像。

2.根据权利要求1所述的自动识别方法，其中，所述从所述CB法微核显微图像中提取出细胞图像的步骤，包括：

对所述CB法微核显微图像进行RGB通道拆分，以获得所述CB法微核显微图像的通道分量图；

对所述通道分量图进行双阈值迭代算法，以确定所述通道分量图对应的细胞质的灰度阈值以及细胞核的灰度阈值；

根据所述细胞质的灰度阈值对所述通道分量图进行阈值化处理；

将阈值化处理后的图像与所述CB法微核显微图像进行合并；

通过查找轮廓从合并后的图像中提取出所述细胞图像，从而从所述CB法微核显微图像中提取出所述细胞图像。

3.根据权利要求2所述的自动识别方法，其中，

所述将阈值化处理后的图像与所述CB法微核显微图像进行合并的步骤前，还包括：对阈值化处理后的图像进行中值滤波处理；

所述将阈值化处理后的图像与所述CB法微核显微图像进行合并的步骤，包括：将阈值化处理后且经过所述中值滤波处理后的图像与所述CB法微核显微图像进行合并。

4.根据权利要求2所述的自动识别方法，其中，所述对所述通道分量图进行双阈值迭代算法的步骤，包括：

按以下迭代公式对所述通道分量图进行双阈值迭代算法：

；

；

式中，h_k表示所述通道分量图中灰度为k的像素点的个数，T_i+1，1表示第i次迭代后的细胞质的灰度阈值，T_i+1，2表示第i次迭代后的细胞核的灰度阈值；当T_i+1，1=T_i，1时，T_i+1，1或T_i，1为确定的所述通道分量图对应的细胞质的灰度阈值；当T_i+1，2=T_i，2时，T_i+1，2或T_i，2为确定的所述通道分量图对应的细胞质的灰度阈值。

5.根据权利要求2所述的自动识别方法，其中，

所述CB法微核显微图像为由Giemsa染料进行染色后的细胞形成的图像，且所述通道分量图为G通道分量图。

6.根据权利要求1所述的自动识别方法，其中，所述将提取出的所述细胞图像划分为第一单个独立细胞图像和粘连细胞团图像的步骤，包括：

判断提取出的每个所述细胞图像的形态学特征是否满足预设条件；

若满足所述预设条件，则将对应的所述细胞图像划分为所述第一单个独立细胞图像；

若不满足所述预设条件，则将对应的所述细胞图像划分为所述粘连细胞团图像。

7.根据权利要求6所述的自动识别方法，其中，所述形态学特征包括延展率以及缺陷率，所述延展率以及缺陷率由以下公式确定：

EI=min（d，w）/max（d，w）；

DR=（circle-area）/area；

式中，EI为延展率，d为对应的所述细胞图像的最小外接矩形的宽度，w表示对应的所述细胞图像的最小外接矩形的长度，DR为缺陷率，area为对应的所述细胞图像的面积，circle为对应的所述细胞图像的最小外接圆的面积。

8.根据权利要求7所述的自动识别方法，其中，所述预设条件包括：

所述延展率大于0.5且小于1.0，且，所述缺陷率大于0且小于0.5。