一种宫颈涂片图像中簇型细胞核分割的方法技术

本发明专利技术提供了一种宫颈涂片图像中簇型细胞核的分割方法，包括下述步骤：(1)分割数据集准备；(2)数据集挑选，分成测试集和训练集；(3)定义DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组；DeepHLF采用高低耦并行融合模块对每组的特征融合，生成三类特征；对三类特征交叉循环结合，生成多个特征图，最后每个特征图均生成分割结果图；(4)提出解决核与背景类别纠正的数学方法和权重损失函数。本发明专利技术的方法不仅能分割出簇型细胞核，而且分割过程中不会遗漏浅的细胞核、也不会遗漏细胞核与细胞质灰度相近的细胞核。

【技术实现步骤摘要】
一种宫颈涂片图像中簇型细胞核分割的方法
本专利技术属于图像处理的
，尤其涉及一种宫颈涂片图像中细胞分割的方法。
技术介绍
宫颈癌的早期发现对降低宫颈癌的死亡率具有重大意义，现在一般采用宫颈涂片筛查技术进行检查。当今的涂片筛查主要以人工阅片为主，但是这种方式效率十分低下；随着宫颈细胞诊断技术的成熟和以及国内细胞自动制片技术的发展，开发与之相适应的的计算机辅助诊断系统也成为必然，它对宫颈癌的普查有巨大的意义。目前，有许多细胞图像分割方法，这里统计了这些算法所用到的信息或者理论可以抽象分为使用区域信息的细胞分割算法、使用细胞的边缘信息的分割算法、结合相关理论产生的细胞分割方法三大类别。使用区域信息的细胞分割算法的大致步骤是根据图像中每个像素点的信息，然后按照给定的评判准则把像素归到不同类别，主要方法包括阀值分割方法、区域生长法、聚类法和分水岭变换分割；使用细胞的边缘信息的分割算法是根据细胞图像中，通常边界部分的灰度与非边界部分的灰度在数值上存在很大差异，即一般灰度不连续处即为边界，根据此特性，提取边界的方法多使用梯度法。常用于细胞分割的相关理论或者算法包括：小波分析、遗传算法、数学形本文档来自技高网...

【技术保护点】
1.一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，包括下述步骤：(1)对分割数据集做预处理，所述分割数据集包括簇型细胞图、与簇型细胞图对应的分割好的GroundTruth；(2)数据集挑选，并分成测试集和训练集，保证测试集和训练集的分布一致；(3)组成DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组，所述DeepHLF网络是一个端到端网络，该网络由递进留存特征模块、高低耦并行融合模块和交叉循环模块组成；所述递进留存特征模块，把原图片输入网络、网络递进提取特征并保留每一个层次特征，接着对保留的特征进行分组；所述高低耦并行融合模块，用于采用高耦合方法与...

【技术特征摘要】
1.一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，包括下述步骤：(1)对分割数据集做预处理，所述分割数据集包括簇型细胞图、与簇型细胞图对应的分割好的GroundTruth；(2)数据集挑选，并分成测试集和训练集，保证测试集和训练集的分布一致；(3)组成DeepHLF网络，把原图片输入网络、网络递进提取特征并保留每一个层次特征后进行特征分组，所述DeepHLF网络是一个端到端网络，该网络由递进留存特征模块、高低耦并行融合模块和交叉循环模块组成；所述递进留存特征模块，把原图片输入网络、网络递进提取特征并保留每一个层次特征，接着对保留的特征进行分组；所述高低耦并行融合模块，用于采用高耦合方法与低耦合方法分别处理特征，如此对每组的组内特征融合，生成高级语义特征High、中级综合特征Middle、低级细节特征Low三类特征；所述交叉循环模块，用于对High、Middle、Low三类特征进行交叉循环结合生成多个特征图，每个特征图用softmax函数分类生成分割图，多个特征图就生成了多个分割图。(4)提出核与背景类别纠正的数学方法纠正核与背景类别不平衡的问题和权重损失函数，从而优化细胞核边界优化分割结。2.根据权利要求1所述一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，所述步骤(1)具体为：(1-1)先征集图片，再把包含簇型细胞核的图片挑选出来进行整理，接着切割成设定大小的图片，最后做数据增广；(1-2)根据病理医生的指导，用PS对图片进行抠图，框出细胞核区域，细胞核区域为黑色，其它为背景白色。3.根据权利要求1所述一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，所述步骤(2)具体为：(2-1)把数据集通过聚类的方法分成多类；(2-2)对聚类出来的图片，每一类挑选三成作为测试集，其它作为训练集。4.根据权利要求1所述一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，所述步骤(3)中，所述递进留存特征模块由五个残差块组成，具体实现包括下述步骤：用DeepHLF网络中的递进留存特征模块对图像特征进行递进提取，并保留网络加深过程中的五个层次特征，第一层和第二层特征作为低层细节特征的组成部分，第三层和第四层特征作为中级综合特征的组成部分，递进留存特征模块的第五个残差块也就是最深的那个块作为高级语义特征的组成部分；即将五个层次的特征分成三组特征组成，分别是高级语义特征High组成、中级综合特征Middle组成和低级细节特征Low组成。5.根据权利要求1所述一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，所述步骤(3)中，所述递进留存特征模块，具体实现包括下述步骤：所述递进留存特征模块的第一个提取特征块表示为：Layer1＝F1(x)其中x是输入的图片，F1(x)是第一个卷积网络块函数，Layer1是第一个被保存下来的浅层特征；所述递进留存特征模块的第二个到第五个提取特征块表示为：Layeri＝Fi(Layeri-1)其中Layeri-1是上一个卷积块处理后留存的特征，Fi(x)是第i个卷积网络块函数，Layeri是第i个被保存下来的特征；接下来对特征进行分组：High组成：Layer5；Middle组成：Layer4Layer3；Low组成：Layer1Layer2。6.根据权利要求1所述一种宫颈涂片图像中簇型细胞核的分割方法，其特征在于，所述步骤(3)中，所述高低耦并行融合模块具体包括下述处理步骤：高耦合特征处理，设Hj是某一组特征高耦合处理的结果，Wi是特征组里面的Layeri所占权重；那Hj中j为1、2、3时分别代表Low、Middle、High中对组成其特征的高耦合处理结果，特征组里对特征依据权重比例相加以后再经过卷积块组成高耦合特征，具体如下：低级细节特征组成高耦合处理结果：H1＝fconv1(W1×Layer1+W2×Layer2)；中级综合特...

【专利技术属性】
技术研发人员：张见威，刘珍梅，黎官钊，何君婷，陈丹妮，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44