The invention discloses a non supervised cervical cell image segmentation method, the method includes: Step 1) of cervical cell image preprocessing; step 2) before the background of coarse segmentation of cell image after pretreatment, the extraction cell area; step 3) detection and segmentation of cell components. The cell image after the use of rapid regional convolutional neural network segmentation of different cell types; step 4) detection and segmentation of cervical cell nuclei; step 5) according to the characteristic parameters of nucleus nucleus nucleus candidate screening, the final judgment; step 6) step 3) obtained in the cell types are cells cluster, if not, then the cytoplasmic region segmentation using active contour model and prior template; otherwise, go to step 7); step 7) integrated cell nucleus and cytoplasm The segmentation results and domain knowledge are processed to complete the segmentation of the whole cervical cells.
【技术实现步骤摘要】
一种无监督式的宫颈细胞图像自动分割方法及系统
本专利技术涉及医学细胞图像处理领域,具体涉及一种无监督式的宫颈细胞图像自动分割方法及系统。
技术介绍
宫颈细胞人工智能辅助阅片本身对于减轻阅片工作者的劳动强度、提升阅片准确率和工作效率、应用于大批量的宫颈癌细胞学普查等方面将产生积极的作用,其遵循医疗市场的发展规律与需要,符合国家健康医疗大数据的研究布局。从宫颈细胞图像中精确定位每个细胞的细胞质和细胞核,并把二者从整个图像中分割出来,是实现宫颈细胞人工智能辅助阅片的重要基础。针对宫颈细胞如何进行分割是一个值得探讨的问题,细胞图像往往存在细胞重叠粘连、染色颜色不一致以及背景含有杂质的问题,多种分割技术已经应用到宫颈细胞图像的分割算法中。考虑到背景、细胞质区域、细胞核区域在色彩、灰度值、纹理等方面存在区分性,基于像素分类的分割方法应用到宫颈细胞学液基涂片图像的分割中,但此方法无法解决重叠细胞的问题;另外一种基于细胞核边界局特征和细胞核形状特征的重叠细胞核分割方法,基于物理原则的形变模型,经过迭代形变直到收敛,最终确定重叠细胞核的轮廓,但该方法没有针对细胞质区域进行处理,只完成了细胞核的检测分割;目前世界各地的医学图像分析组正在迅速进入深度学习领域,并将卷积神经网络和医学图像处理方法广泛的应用于医疗影像领域,国外研究学者针对脑肿瘤病理切片使用像素级分割的卷积神经网络得到了理想的结果,但是该方法对重叠细胞以及较小的细胞核的分割也存在一定问题。由于涂片染色不均匀、染色不一致、不均匀光照、细胞重叠、杂质干扰(包括:微生物、细胞碎片、血液、污染物等)的原因,针对宫颈细胞的分割 ...
【技术保护点】
一种无监督式的宫颈细胞图像自动分割方法,所述方法包括:步骤1)对宫颈细胞图像进行预处理;步骤2)对预处理后的细胞图像进行前背景粗分割,提取细胞所属的区域;步骤3)对粗分割后的细胞图像进行细胞成分的检测分割,使用快速区域卷积神经网络分割出不同类型的细胞;步骤4)检测并分割宫颈细胞细胞核;步骤5)根据细胞核的特征参数筛选细胞核,得到最终的候选细胞核;步骤6)判断步骤3)中得到的细胞类型是否为细胞团簇,如果不是,则使用活动轮廓模型以及先验模板进行细胞质区域的分割;否则,转入步骤7);步骤7)综合细胞核与细胞质的分割结果与领域知识进行后处理,完成整个宫颈细胞的有效分割。
【技术特征摘要】
1.一种无监督式的宫颈细胞图像自动分割方法,所述方法包括:步骤1)对宫颈细胞图像进行预处理;步骤2)对预处理后的细胞图像进行前背景粗分割,提取细胞所属的区域;步骤3)对粗分割后的细胞图像进行细胞成分的检测分割,使用快速区域卷积神经网络分割出不同类型的细胞;步骤4)检测并分割宫颈细胞细胞核;步骤5)根据细胞核的特征参数筛选细胞核,得到最终的候选细胞核;步骤6)判断步骤3)中得到的细胞类型是否为细胞团簇,如果不是,则使用活动轮廓模型以及先验模板进行细胞质区域的分割;否则,转入步骤7);步骤7)综合细胞核与细胞质的分割结果与领域知识进行后处理,完成整个宫颈细胞的有效分割。2.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法,其特征在于,所述步骤1)的预处理包括:采用双边滤波器对图像进行去噪,该滤波器是由两个函数构成:一个函数是由几何空间距离决定滤波器系数,另一个由像素差值决定滤波器系数;然后使用形态学处理对图像的边缘进行修补,填充空洞并去除细的连接,最后使用直方图均衡化来增加细胞核与细胞质的对比度。3.根据权利要求1所述的无监督式的宫颈细胞图像自动分割方法,其特征在于,所述快速区域卷积神经网络选用卷积神经网络的VGG16的网络结构,输入图像的大小为515*512,最终细胞成分的检测类别分为5类:鳞细胞、腺细胞、颈管细胞、化生细胞以及背景素质,除鳞细胞和背景素质外的细胞成分都定义为不可分的细胞团簇。4.根据权利要求1所述的无监督...
【专利技术属性】
技术研发人员:杨志明,李亚伟,
申请(专利权)人:深思考人工智能机器人科技北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。