宮頸癌細(xì)胞分割方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種宮頸癌細(xì)胞分割方法，包括如下步驟：去除宮頸圖像的噪聲；對(duì)上述去除噪聲的圖像構(gòu)造細(xì)胞質(zhì)模板進(jìn)行粗分割，以分割出細(xì)胞質(zhì)區(qū)域；對(duì)分割出的細(xì)胞質(zhì)區(qū)域計(jì)算超像素；對(duì)上述計(jì)算超像素的細(xì)胞質(zhì)區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類；根據(jù)上述去除噪聲的圖像構(gòu)造細(xì)胞核模板，并對(duì)細(xì)胞核進(jìn)行粗分割；對(duì)粗分割后的細(xì)胞核進(jìn)行修正，并完成宮頸癌細(xì)胞的分割。本發(fā)明還涉及一種宮頸癌細(xì)胞分割系統(tǒng)。本發(fā)明一方面保證了處理的速度，另一方面又獲得了精確的分割效果。
【專利說明】宮頸癌細(xì)胞分割方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種宮頸癌細(xì)胞分割方法及系統(tǒng)。
【背景技術(shù)】
[0002]宮頸癌在女性的惡性腫瘤中致死率居于第4位，而患宮頸癌的婦女中，85%來自發(fā)展中國家。已有數(shù)據(jù)證明，宮頸癌篩查成功地減少了發(fā)病率和死亡率。臨床上篩查的方法主要是細(xì)胞學(xué)、陰道鏡和組織病理學(xué)，其中細(xì)胞學(xué)篩查是最簡單也是最重要的手段。
[0003]計(jì)算機(jī)輔助細(xì)胞檢測技術(shù)是目前認(rèn)為能在細(xì)胞學(xué)篩查中起到重要作用的技術(shù)，其不但能夠準(zhǔn)確篩查、降低勞動(dòng)強(qiáng)度及工作量，還可以消除由人工檢測的心理適應(yīng)性和疲勞等引起的誤診和漏診。計(jì)算機(jī)輔助系統(tǒng)的性能主要取決于精確的圖像分割，所以只有確保了分割的精度，才能保證所獲取的細(xì)胞特征的準(zhǔn)確性。
[0004]早期的宮頸癌細(xì)胞分割方法中，Bamford和Lovell在1996年用分水嶺的方法實(shí)現(xiàn)了細(xì)胞核和細(xì)胞質(zhì)的分離，在1998年又使用活動(dòng)輪廓模型完成了細(xì)胞核的精確分割。2002年，Lezoray和Cardot將彩色信息融入到分水嶺分割中，得到了宮頸細(xì)胞圖像的較準(zhǔn)確分害I]。2008年，Tsai等用濾波器平滑圖像和強(qiáng)化邊界后用K均值從背景中提取細(xì)胞，又通過彩色差異最大化分割細(xì)胞核。
[0005]雖然這些方法都取得了一定的成功，但是這些方法和實(shí)際的輔助系統(tǒng)有非常大的距離:一是這些方法只完成了對(duì)細(xì)胞核的分割，而忽略了細(xì)胞質(zhì)的分割，細(xì)胞質(zhì)的信息對(duì)鑒別異常細(xì)胞同樣非常關(guān)鍵的；二是這些許多方法，都假定了輸入圖像只含有單個(gè)細(xì)胞，所以認(rèn)為圖像中只有細(xì)胞核的邊界或細(xì)胞核和細(xì)胞質(zhì)的邊界，但是，實(shí)際情況中，多個(gè)細(xì)胞的不規(guī)則重疊、交叉、排列，白細(xì)胞的介入，灰塵和雜質(zhì)的影響，光照不均等都加大了實(shí)際分割的難度。

【發(fā)明內(nèi)容】

[0006]有鑒于此，有必要提供一種宮頸癌細(xì)胞分割方法及系統(tǒng)。
[0007]本發(fā)明提供一種宮頸癌細(xì)胞分割方法，該方法包括如下步驟:a.去除宮頸圖像的噪聲；b.對(duì)上述去除噪聲的圖像構(gòu)造細(xì)胞質(zhì)模板進(jìn)行粗分割，以分割出細(xì)胞質(zhì)區(qū)域；c.對(duì)分割出的細(xì)胞質(zhì)區(qū)域計(jì)算超像素；d.對(duì)上述計(jì)算超像素的細(xì)胞質(zhì)區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類；e.根據(jù)上述去除噪聲的圖像構(gòu)造細(xì)胞核模板，并對(duì)細(xì)胞核進(jìn)行粗分割；f.對(duì)粗分割后的細(xì)胞核進(jìn)行修正，并完成宮頸癌細(xì)胞的分割。
[0008]其中，所述的噪聲包括脈沖噪聲和高斯噪聲。
[0009]所述的步驟c采用簡單線性迭代聚類方法計(jì)算超像素。
[0010]所述的步驟d包括:對(duì)采用簡單線性迭代聚類方法得到的每個(gè)區(qū)域，抽取R、G、B、
H、S、V六個(gè)通道的最大值、均值、最小值共18個(gè)顏色特征。
[0011]所述的步驟e包括:提高V通道細(xì)胞和背景對(duì)比度；對(duì)乂通道的圖像進(jìn)行形態(tài)學(xué)頂帽變換；及構(gòu)造細(xì)胞核模板。[0012]本發(fā)明還提供一種宮頸癌細(xì)胞分割系統(tǒng)，包括相互電性連接的去噪模塊、粗分割模塊、計(jì)算模塊、分類模塊及修正模塊，其中:所述去噪模塊用于去除宮頸圖像的噪聲；所述粗分割模塊用于對(duì)上述去除噪聲的圖像構(gòu)造細(xì)胞質(zhì)模板進(jìn)行粗分割，以分割出細(xì)胞質(zhì)區(qū)域；所述計(jì)算模塊用于對(duì)分割出的細(xì)胞質(zhì)區(qū)域計(jì)算超像素；所述分類模塊用于對(duì)上述計(jì)算超像素的細(xì)胞質(zhì)區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類；所述粗分割模塊還用于根據(jù)上述去除噪聲的圖像構(gòu)造細(xì)胞核模板，并對(duì)細(xì)胞核進(jìn)行粗分割；所述修正模塊用于對(duì)粗分割后的細(xì)胞核進(jìn)行修正，并完成宮頸癌細(xì)胞的分割。
[0013]其中，所述的噪聲包括脈沖噪聲和高斯噪聲。
[0014]所述的計(jì)算模塊采用簡單線性迭代聚類方法計(jì)算超像素。
[0015]所述的分類模塊用于:對(duì)采用簡單線性迭代聚類方法得到的每個(gè)區(qū)域，抽取R、G、B、H、S、V六個(gè)通道的最大值、均值、最小值共18個(gè)顏色特征。
[0016]所述的粗分割模塊具體用于:提高V通道細(xì)胞和背景對(duì)比度；對(duì)V通道的圖像進(jìn)行形態(tài)學(xué)頂帽變換；及構(gòu)造細(xì)胞核模板。
[0017]本發(fā)明宮頸癌細(xì)胞分割方法及系統(tǒng)，使用超像素保證細(xì)胞質(zhì)邊界的準(zhǔn)確分割，然后對(duì)每個(gè)超像素區(qū)域提取顏色特征，采用卷積神經(jīng)網(wǎng)絡(luò)完成對(duì)細(xì)胞質(zhì)和背景的分類；對(duì)細(xì)胞核的分割，同樣采取從粗到精的分割新思想，對(duì)得到的粗分割細(xì)胞核圖像，用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行進(jìn)一步修復(fù)。本發(fā)明從粗到精的分割方法，一方面保證了處理的速度，另一方面又獲得了精確的分割效果。
【專利附圖】

【附圖說明】 [0018]圖1為本發(fā)明宮頸癌細(xì)胞分割方法的流程圖；
[0019]圖2為本發(fā)明較佳實(shí)施例每個(gè)超像素區(qū)域所提取的特征示意圖；
[0020]圖3為本發(fā)明宮頸癌細(xì)胞分割系統(tǒng)的硬件架構(gòu)圖。
【具體實(shí)施方式】
[0021 ] 下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。
[0022]參閱圖1所示，是本發(fā)明宮頸癌細(xì)胞分割方法較佳實(shí)施例的作業(yè)流程圖。
[0023]步驟S401，接收待分割的宮頸圖像，去除所述圖像的噪聲。具體而言:
[0024]由于所采集的宮頸圖像受到不同程度的噪聲污染，所述噪聲包括脈沖噪聲和高斯噪聲，主要產(chǎn)生于圖像獲取的過程中。在常用的濾波器中，中值濾波能在一定程度上同時(shí)去除脈沖噪聲和高斯噪聲。由于Trim-Meaning方法去除脈沖噪聲和高斯噪聲的效果優(yōu)于中值濾波，本實(shí)施例采用Trim-meaning方法把mXm窗口區(qū)域的像素值按灰度值從小到大排序?yàn)?Cu = (C11C2,-,Cm21
【權(quán)利要求】
1.一種宮頸癌細(xì)胞分割方法，其特征在于，該方法包括如下步驟: a.去除宮頸圖像的噪聲； b.對(duì)上述去除噪聲的圖像構(gòu)造細(xì)胞質(zhì)模板進(jìn)行粗分割，以分割出細(xì)胞質(zhì)區(qū)域； c.對(duì)分割出的細(xì)胞質(zhì)區(qū)域計(jì)算超像素； d.對(duì)上述計(jì)算超像素的細(xì)胞質(zhì)區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類； e.根據(jù)上述去除噪聲的圖像構(gòu)造細(xì)胞核模板，并對(duì)細(xì)胞核進(jìn)行粗分割； f.對(duì)粗分割后的細(xì)胞核進(jìn)行修正，并完成宮頸癌細(xì)胞的分割。
2.如權(quán)利要求1所述的方法，其特征在于，所述的噪聲包括脈沖噪聲和高斯噪聲。
3.如權(quán)利要求1或2所述的方法，其特征在于，所述的步驟c采用簡單線性迭代聚類方法計(jì)算超像素。
4.如權(quán)利要求3所述的方法，其特征在于，所述的步驟d包括:對(duì)采用簡單線性迭代聚類方法得到的每個(gè)區(qū)域，抽取R、G、B、H、S、V六個(gè)通道的最大值、均值、最小值共18個(gè)顏色特征。
5.如權(quán)利要求1所述的方法，其特征在于，所述的步驟e包括: 提高V通道細(xì)胞和背景對(duì)比度； 對(duì)V通道的圖像進(jìn)行形態(tài)學(xué)頂帽變換 '及 構(gòu)造細(xì)胞核模板。
6.一種宮頸癌細(xì)胞分割系統(tǒng)，其特征在于，該系統(tǒng)包括相互電性連接的去噪模塊、粗分割模塊、計(jì)算模塊、分類模塊及修正模塊，其中: 所述去噪模塊用于去除宮頸圖像的噪聲； 所述粗分割模塊用于對(duì)上述去除噪聲的圖像構(gòu)造細(xì)胞質(zhì)模板進(jìn)行粗分割，以分割出細(xì)胞質(zhì)區(qū)域； 所述計(jì)算模塊用于對(duì)分割出的細(xì)胞質(zhì)區(qū)域計(jì)算超像素； 所述分類模塊用于對(duì)上述計(jì)算超像素的細(xì)胞質(zhì)區(qū)域采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類； 所述粗分割模塊還用于根據(jù)上述去除噪聲的圖像構(gòu)造細(xì)胞核模板，并對(duì)細(xì)胞核進(jìn)行粗分割； 所述修正模塊用于對(duì)粗分割后的細(xì)胞核進(jìn)行修正，并完成宮頸癌細(xì)胞的分割。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述的噪聲包括脈沖噪聲和高斯噪聲。
8.如權(quán)利要求6或7所述的系統(tǒng)，其特征在于，所述的計(jì)算模塊采用簡單線性迭代聚類方法計(jì)算超像素。
9.如權(quán)利要求8所述的系統(tǒng)，其特征在于，所述的分類模塊用于:對(duì)采用簡單線性迭代聚類方法得到的每個(gè)區(qū)域，抽取R、G、B、H、S、V六個(gè)通道的最大值、均值、最小值共18個(gè)顏色特征。
10.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述的粗分割模塊具體用于: 提高V通道細(xì)胞和背景對(duì)比度； 對(duì)V通道的圖像進(jìn)行形態(tài)學(xué)頂帽變換 '及 構(gòu)造細(xì)胞核模板。
【文檔編號(hào)】G06K9/62GK103984958SQ201410190674
【公開日】2014年8月13日 申請(qǐng)日期:2014年5月7日 優(yōu)先權(quán)日:2014年5月7日
【發(fā)明者】雷柏英, 張靈, 汪天富, 宋有義, 倪東, 陳思平 申請(qǐng)人:深圳大學(xué)