[发明专利]基于k-means聚类的病理图像扫描焦点分类方法

摘要

本发明公开了基于k‑means聚类的病理图像扫描焦点分类方法，该方法提供一病理切片，包括下述步骤：S1.从所述病理切片中获取K个焦点；S2.将K个所述焦点采用迭代自组织数据分析法逐个获取N个质心点；S3.根据获取的N个所述质心点对K个所述焦点进行分类，以划分每个所述焦点所属的类，每个所述质心点对应一类；S4.根据划分后的每类对应的所述焦点调整每类的所述质心点的位置，结束。本发明采用迭代自组织数据分析法对待计算焦点分类排序，有效的加快了对焦速度，提高对焦精度，提升了焦平面的适用性。

主权项

1.基于k‑means聚类的病理图像扫描焦点分类方法，其特征在于，提供一病理切片，包括下述步骤：S1.从所述病理切片中获取K个焦点；S2.将K个所述焦点采用迭代自组织数据分析法逐个获取N个质心点；S3.根据获取的N个所述质心点对K个所述焦点进行分类，以划分每个所述焦点所属的类，每个所述质心点对应一类；S4.根据划分后的每类对应的所述焦点调整每类的所述质心点的位置，结束；所述步骤S2的具体过程为：S21.选取一所述焦点作为第i＝1个所述质心点，分别获取K‑1个所述焦点与所述第i个所述质心点的距离Di(j)，并将K‑1个所述距离Di(j)累加以获取总距离sum(Di)，其中，i、j均为正整数，Di(j)表示第j个所述焦点与所述第i个质心点之间的距离,1≤i≤K,1≤j≤K,i≠j；S22.根据公式(1)获取第i+1个质心点：Random‑Di(j)<0      (1)，其中，Random为小于或等于sum(Di)的整数，当Random满足公式(1)时，所述距离Di(j)对应的第j个所述焦点即为第i＝i+1个质心点；S23.判断i是否等于N，若是，执行步骤S24；若否，执行步骤S3；S24.分别获取K‑1个所述焦点与所述第i个所述质心点的所述距离Di(j)，并将K‑1个所述距离Di(j)累加以获取所述总距离sum(Di)，返回，执行步骤S22。