[发明专利]基于密度纹理的分类系统和方法

说明书

发明领域

本发明一般涉及有效地计算表面分形维度的系统(fractal dimension)和方法，特别是涉及使用数字信号处理器有效地确定密度图像分形维数的系统和方法，更进一步的是涉及根据细胞核的密度纹理进行细胞分类的系统和方法。

背景技术

在医药工业界内，经常需要有经验的实验技术人员检查生物标本中某些细胞的类型。例如需要检查Pap(柔软组织)涂抹灯片上是否有恶性或者准恶性细胞。Pap涂抹通常包含多达100,000-200,000以上的细胞和其他物体，技术人员必须检查每一个细胞，以确定可能存在的极其少量的恶性或者准恶性细胞。因此，由于技术人员的  厌烦和疲劳，往往造成Pap涂抹测试以及其它同样使人精疲力尽的目视检查技术有较高的出错率。

仅在美国，每年都有数在以千计的妇女死于宫颈癌；这种癌如果是在未扩散的早期发现的话，从理论上讲生存的机率就大。但是如果发现得较晚，则生存的机会就会减少。如果错过了在Pap涂抹中发现恶性细胞的机会，那么当这位妇女下次作Pap涂抹时癌症可能已经处于生存机会更小的扩散阶段。因此从数以10万计的细胞中检查出仅仅几个恶性或准恶性细胞的重要性怎么说都不过份。遗憾的是现有的人工筛选方法都不大精确。实际上，有些实验室最近发现，将包含恶性或准恶性细胞的标本分类为良性的比例高达30％。而且许多试图自动对细胞进行检查或分类的现有技术都没有取得成功。

在美国专利Nos.5,287,272、5,257,182和4,965,725以及美国专利申请Nos.07/425,665、07/502,611、07/944,819、08/196,714和08/196,982中揭示了一种成功地改进了细胞分类精度的系统，它们作为参考全部包含在这里。坐落在纽约Suffern的神经医药系统股份公司生产了一种商标为PAPNE^TM的商用自动Pap涂抹筛选仪，它采用与基于次级分类器的神经元计算机相连的初级分类器。

发明内容

本发明提供一种通过采用表面纹理分析来改进标本分类的系统和方法。该系统采用定点算术逻辑、硬件排序器和若干查寻表，它通过Hurst算法来充分估计图像区域的分形维数。

按照本发明的一个方面，用于将标本内物体分类为恶性或准恶性细胞的方法包含以下步骤：形成标本的密度图像；计算和存储密度图像内一个像素在几种距离上的最大和最小灰度值；寻找该像素可能距离上最大和最小灰度值之间的差值；将差值的对数斜率确定为距离对数的函数；存储最终图像内像素位置上的斜率；以及根据斜率值将密度图像内的物体识别为恶性或准恶性细胞。

按照本发明的另一个方面，根据表面纹理对物体进行分类的方法包括以下步骤：形成物体表面密度图像；利用硬件排序器寻找密度图像内每个像素在几种距离上的最大和最小灰度值；从每个像素可能距离上的最大灰度值中减去最小灰度值；在每个像素的查寻表中查寻差值对数斜率作为距离对数的函数；以及根据斜率值将密度图像内的物体识别为具有某种特性的物体。

按照本发明进一步的方面，用于根据表面纹理对物体进行分类的系统包括：获取物体表面密度图像的摄像机；寻找密度图像内每个像素在几种距离上的最大和最小灰度值的排序器；从每个像素可能距离上的最大灰度值中减去最小灰度值的算术逻辑单元；以及包含作为距离对数的函数的差值对数斜率的查寻表。

通过以下的描述将会进一步理解本发明的诸多目标、优点、特征和方面。

以下虽然对本发明作了详尽的描述，但是本发明的范围仍由后面所附权利要求限定。

附图的简要说明

图1为按照本发明的分类系统各部件及其结构的示意图；

图2为筛选系统完成扫描步骤的示意图；

图3为图1分类系统特别是处理系统的示意图；

图4a-4c为表示本发明初级分类功能的流程图。

实施发明的较佳方式

附图中相同的部分用源于图1的同一标号表示，它示出按本发明的自动细胞分类装置10。简单而言，装置10包括自动光学显微镜12，它包含使载波片16相对显微镜观察部分18的区域移动的机动平台14；从光学显微镜中获取电子图像的摄像机20；按照预先确定的细胞类型对图像内物体进行分类的处理系统22；以及存储器24和高分辨率彩色监视器26，分别用于存储和显示被处理系统识别为预先确定的细胞类型的物体。