[发明专利]一种新型的基于Feulgen染色方法的异常宫颈细胞自动识别方法

摘要

本发明公开了一种新型的基于Feulgen染色方法的异常宫颈细胞自动识别方法。本发明所述自动识别方法通过提取宫颈细胞的特征、训练宫颈细胞分类器从而实现异常宫颈细胞的识别，其中产生宫颈细胞分类器的过程主要分为四个步骤，步骤一：使用Feulgen染色方法对宫颈细胞玻片进行染色，并使用显微镜自动扫描玻片产生数字化视野图；步骤二：使用Surf算法结合RegionGrowing算法分割视野图中的宫颈细胞核；步骤三：提取细胞核的DNA含量信息及细胞核形态特征、宫颈细胞图片纹理特征等，并构建特征向量用于表征每个宫颈细胞的异常程度；步骤四：基于特征向量构建并训练神经网络分类模型，得到宫颈细胞分类器。最后，使用训练好的宫颈细胞分类器预测新的宫颈细胞特征向量，从而实现识别异常宫颈细胞的目的。实验表明，本发明基于Feulgen染色方法的异常宫颈细胞自动识别方法能够以较高的精度和效率完成对异常宫颈细胞的识别任务，并且本发明所述自动识别方法已经应用于现实的产品之中，具有较高的实用价值。

主权项

1.一种新型的基于Feulgen染色方法的异常宫颈细胞自动识别方法，其特征在于，该方法通过提取宫颈细胞的特征、训练宫颈细胞分类器从而识别出异常宫颈细胞，其中产生宫颈细胞分类器的过程分为四个步骤：步骤一：使用Feulgen染色方法对宫颈细胞玻片进行染色，并使用显微镜自动扫描玻片产生数字化视野图，结果记为SliceImages；步骤二：依次处理SliceImages中包含的所有视野图，分割出视野图中的宫颈细胞核，得到所有宫颈细胞核的轮廓，记为NucleusContours；步骤三：依次处理NucleusContours中每一个宫颈细胞核的轮廓，结合该细胞核所在视野图中的局部像素信息，计算该细胞的特征向量，记为FeatureVector，用来表征该宫颈细胞的异常病变程度。步骤四：对FeatureVector进行最大值归一化及PCA降维预处理。步骤五：基于步骤四中所处理的FeatureVector构建并训练神经网络分类模型，得到宫颈细胞分类器。