基于细胞图像识别的宫颈癌病灶分析方法技术

本发明专利技术提出了一种基于细胞图像识别的宫颈癌病灶分析方法，通过将特征表达丰富的像素级特征和具有一定语义特征的超像素级特征相结合，得到层次级特征，然后，将层次级特征用于训练随机森林来进行细胞的分割，较好的描述了局部错综复杂的微观结构，提高了识别性能；从细胞层级对图像进行自动分析，可以更加准确地找准宫颈癌病灶，从而进行针对性的治疗，自动化程度高。

Cervical cancer lesion analysis based on cell image recognition

This paper presents a method of cervical cancer lesion analysis based on cell image recognition. By combining the pixel-level features with the super-pixel-level features with some meaningful features, the hierarchical features are obtained. Then, the hierarchical features are used to train random forests for cell segmentation, which is better. Describes the local intricate microstructure, improves the recognition performance; automatic image analysis from the cell level can more accurately locate the focus of cervical cancer, so as to carry out targeted treatment, with a high degree of automation.

【技术实现步骤摘要】
基于细胞图像识别的宫颈癌病灶分析方法
本专利技术涉及图像识别领域，尤其涉及一种基于细胞图像识别的宫颈癌病灶分析方法。
技术介绍
中国3亿妇女需定期做宫颈癌检查，目前20％的人群覆盖率尚未达到，与宫颈癌防治要求达到80％的人群覆盖率的目标差距尚远。目前，中国缺乏细胞病理医生，自动化、云诊断可解决中国缺少病理专家的难题，为宫颈癌检查提供精准、客观的诊断报告。近年来，基于监督学习的机器学习方法越来越多的被用于宫颈癌病灶的分析中，并取得了较好的识别效果。这一方法主要分两大步骤：特征提取和模式识别，其中特征提取的好坏，将最终影响模式识别系统的识别性能。现有技术基于监督学习方法识别宫颈癌病灶时，在特征提取阶段往往只考虑单个像素点信息，或者在考虑上下文信息时，只是简单采用一个固定大小和形状的方形窗，不能充分描述局部复杂多变的微观结构，大大降低了识别率。
技术实现思路
有鉴于此，本专利技术提出了一种精准的基于细胞图像识别的宫颈癌病灶分析方法。本专利技术的技术方案是这样实现的：本专利技术提供了一种基于细胞图像识别的宫颈癌病灶分析方法，其包括以下步骤，S1，对宫颈癌病灶细胞图像进行图像增强；S2，基于超像素的典型样本点选择；S3，提取像素级特征、超像素级特征和层次级特征；S4，基于步骤S3中提取的特征进行分类，并输出分析结果。在以上技术方案的基础上，优选的，步骤S1中，运用直方图均衡化和高斯滤波技术进行图像增强；通过综合局部邻近像素点的颜色信息和位置信息，将整幅图像分成一个个形状、大小相对均一的超像素；通过输入预期超像素的个数将整幅图像过分割为指定分割粒度的超像素。在以上技术方案的基础上，优选的，所述步骤S2中，在每一超像素内随机选择三个样本点来代表该超像素内的全部样本点。在以上技术方案的基础上，优选的，步骤S3中，针对每一个样本点，提取56维特征，其中包括28维的像素级特征，28维的超像素级特征。进一步优选的，步骤S3中提取的28维的像素级特征包括：5维的邻域信息都是3×3滤波特征；Sigma值分别为2.0,3.5,4.0的Gaussian滤波，核函数为3×3的Sobelfilter，核函数为5×5的卷积滤波，赫森矩阵最大、最小特征值，拉普拉斯算子，水平方向二阶导数，垂直方向二阶导数，以上特征共10维；12维的形状描述子Rays特征；1维综合了纹理和几何形状的复合特征。进一步优选的，步骤S3中首先定义和提取一个超像素中所有像素点的各种像素级特征，将该超像素内所有像素点的统计特征，作为该超像素的特征，用于后继处理；通过求取超像素内所有像素点像素级特征的均值作为超像素级的特征。进一步优选的，步骤S3中将所有像素级特征和超像素级特征的特征向量拼接为一个特征向量，形成一个56维的特征向量，进而将两种级别的特征结合起来，作为一种层次级别的特征。在以上技术方案的基础上，优选的，步骤S4中，采用随机森林分类器，在随机森林返回概率值的基础上，执行IsoData阈值分割方法。本专利技术的基于细胞图像识别的宫颈癌病灶分析方法相对于现有技术具有以下有益效果：(1)通过将特征表达丰富的像素级特征和具有一定语义特征的超像素级特征相结合，得到层次级特征，然后，将层次级特征用于训练随机森林来进行细胞的分割，较好的描述了局部错综复杂的微观结构，提高了识别性能；(2)从细胞层级对图像进行自动分析，可以更加准确地找准宫颈癌病灶，从而进行针对性的治疗，自动化程度高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的基于细胞图像识别的宫颈癌病灶分析方法的流程图。具体实施方式下面将结合本专利技术实施方式，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。如图1所示，本专利技术的基于细胞图像识别的宫颈癌病灶分析方法，其包括以下步骤，S1，对宫颈癌病灶细胞图像进行图像增强。具体的，运用直方图均衡化和高斯滤波技术进行图像增强；通过综合局部邻近像素点的颜色信息和位置信息，将整幅图像分成一个个形状、大小相对均一的超像素；通过输入预期超像素的个数将整幅图像过分割为指定分割粒度的超像素。通过综合局部颜色信息和位置信息将图像分成一个个形状、大小相对均一的小簇，简单易用，执行效率高。具体使用该方法时，只需输入预期超像素的个数便能产生指定分割粒度的超像素。S2，基于超像素的典型样本点选择。为了精简样本空间，本专利技术基于超像素来进行样本点的选择，具体的，在每一超像素内随机选择三个样本点来代表该超像素内的全部样本点。S3，提取像素级特征、超像素级特征和层次级特征。其中，针对每一个样本点，提取56维特征，其中包括28维的像素级特征，28维的超像素级特征。提取的28维的像素级特征包括：5维的邻域信息都是3×3滤波特征；Sigma值分别为2.0,3.5,4.0的Gaussian滤波，核函数为3×3的Sobelfilter，核函数为5×5的卷积滤波，赫森矩阵最大、最小特征值，拉普拉斯算子，水平方向二阶导数，垂直方向二阶导数，以上特征共10维；12维的形状描述子Rays特征；1维综合了纹理和几何形状的复合特征。其中，提取超像素级特征的过程如下：首先定义和提取一个超像素中所有像素点的各种像素级特征，将该超像素内所有像素点的统计特征，作为该超像素的特征，用于后继处理；通过求取超像素内所有像素点像素级特征的均值作为超像素级的特征。其中，提取层次级特征的过程如下：将所有像素级特征和超像素级特征的特征向量拼接为一个特征向量，形成一个56维的特征向量，进而将两种级别的特征结合起来，作为一种层次级别的特征。S4，基于步骤S3中提取的特征进行分类，并输出分析结果。具体的，采用随机森林分类器，在随机森林返回概率值的基础上，执行IsoData阈值分割方法。以上所述仅为本专利技术的较佳实施方式而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：其包括以下步骤，S1，对宫颈癌病灶细胞图像进行图像增强；S2，基于超像素的典型样本点选择；S3，提取像素级特征、超像素级特征和层次级特征；S4，基于步骤S3中提取的特征进行分类，并输出分析结果。

【技术特征摘要】
1.一种基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：其包括以下步骤，S1，对宫颈癌病灶细胞图像进行图像增强；S2，基于超像素的典型样本点选择；S3，提取像素级特征、超像素级特征和层次级特征；S4，基于步骤S3中提取的特征进行分类，并输出分析结果。2.如权利要求1所述的基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：步骤S1中，运用直方图均衡化和高斯滤波技术进行图像增强；通过综合局部邻近像素点的颜色信息和位置信息，将整幅图像分成一个个形状、大小相对均一的超像素；通过输入预期超像素的个数将整幅图像过分割为指定分割粒度的超像素。3.如权利要求1所述的基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：所述步骤S2中，在每一超像素内随机选择三个样本点来代表该超像素内的全部样本点。4.如权利要求1所述的基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：步骤S3中，针对每一个样本点，提取56维特征，其中包括28维的像素级特征，28维的超像素级特征。5.如权利要求4所述的基于细胞图像识别的宫颈癌病灶分析方法，其特征在于：步骤S3中提取的28维的像素级特征包括：5维的...

【专利技术属性】
技术研发人员：庞宝川，孙小蓉，汪键，曹得华，
申请(专利权)人：武汉兰丁医学高科技有限公司，
类型：发明
国别省市：湖北,42