重叠细胞分割后的异常像素点重构制造技术
【技术实现步骤摘要】
重叠细胞分割后的异常像素点重构
本专利技术设计重叠细胞分割后的异常像素点重构。
技术介绍
近年来宫颈癌高发，已经成为威胁妇女生命的社会问题。在全世界女性中，每年新诊断子宫颈癌约52.76万人，近26.50万人死于该病，其中90%死者位于不发达地区。中国每年新发现子宫颈癌例数约7.5万，占全球宫颈癌新发总人数的1/7，3.5万人死于此病。目前有效的宫颈癌筛查方法是宫颈脱落细胞涂片病理检查。该方法需要经验丰富的病理医生在镜下观察病变细胞后再做出诊断，这将耗费大量的人力物力，难以适应现实的需求。计算机辅助阅片技术能有效解决这一问题，典型的有DNA倍体分析。该技术首先用Feulgen对细胞核染色，然后识别图像上的各类细胞及垃圾杂质并将上皮细胞挑选出来，最后采用图像测量的方法测定细胞核内DNA含量作为判断异常细胞的依据。细胞分割的目的在于将图像分割为单个的细胞，并以细胞为单位进行分析，这是DNA倍体分析的前提。细胞图片中不可避免的会出现一些重叠细胞，而重叠细胞的分割分后会出现像素点异常问题。这将导致细胞的纹理、灰度以及最重要的光密度等特征出现偏差，降低细胞DNA测量精度和诊...
【技术保护点】
重叠细胞分割后的异常像素点重构，其特征在于，包含模型训练和细胞重构：所述模型训练包含步骤：S1、随机选取同一标本的1000个单细胞数据，做训练数据；S2、利用EM算法训练通用的高斯混合模型UBM；S3、选取分割后细胞正常部分信息，利用MAP算法自适应高斯混合模型GMM；所述细胞重构包含步骤：S4、利用重叠细胞分割方法分割重叠细胞；S5、利用GMM模型随机生成符合约束条件的灰度值来修改异常部分；S6、利用中值滤波平滑新生成部分；S7、利用FMM算法修复新生成部分与正常部分的衔接边缘。
【技术特征摘要】
1.重叠细胞分割后的异常像素点重构，其特征在于，包含模型训练和细胞重构：所述模型训练包含步骤：S1、随机选取同一标本的1000个单细胞数据，做训练数据；S2、利用EM算法训练通用的高斯混合模型UBM；S3、选取分割后细胞正常部分信息，利用MAP算法自适应高斯混合模型GMM；所述细胞重构包含步骤：S4、利用重叠细胞分割方法分割重叠细胞；S5、利用GMM模型随机生成符合约束条件的灰度值来修改异常部分；S6、利用中值滤波平滑新生成部分；S7、利用FMM算法修复新生成部分与正常部分的衔接边缘。2.如权利要求1所述的检测方法，其特征在于，步骤S2中所述的高斯混合模型的原理和EM算法的计算公式如下：混合高斯模型的概率密度公式如下：(1)式中m为混合度通常根据实验结果指定，本文中m=3，πk表示第k个单高斯模型的权重，N(x,μk,C)为第k个单高斯模型的概率密度，其中；单高斯的概率密度公式如下，其中μk为数学期望、C为协方差矩阵：(2)EM算法是一种从存在隐含变量的数据集中求解概率模型参数的最大似然估计方法；高斯混合模型的训练就是EM算法实现的，其中的隐含变量为πk；通过式1、2可知GMM模型需要确定的参数有πk、μk、C；EM算法估计高斯混合模型有两个步骤；E步骤，通过初始化或者上一步的结果已知各个高斯分量的参数，去估计每个高斯分量的权值，权值如下式所示；M步骤，基于估计的权值，再去确定高斯分量的参数，第k个高斯分量的期望μk和协方差矩阵Ck如下式所示；重复这两个步骤，直到波动很小，近似达到极值；(3)式中为第i个样本在第k个单高斯模型中的概率；(4)(5)(6)式中Nk表示属于第K个高斯分量的样本个数。3.如权利要求1所述的检测方法，其特征在于，步骤S3中所述的MAP算法的计算方法如下：最大后验（Maximumaposteriori，MAP）估计方法根据经验数据获得对难以观察量的点估计，将被估计量的先验分布融合到其中，所以它可以看作是规则化的最大似然估计；首先选取分割后细胞的所有正常部分灰度值，训练数据集为X={x1,x2,…,xt}；然后利用MAP算法计算GMM的参数；...
【专利技术属性】
技术研发人员：谢怡宁，赵晶，余莲，何勇军，孙广路，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23
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。