一种基于半监督k-means算法的乳腺癌病理组织图像分割方法技术

本发明专利技术涉及一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法，所述方法包括：所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色；105、将获取的多类图像矩阵数据以图片的格式进行展示；本发明专利技术提供的图像分割方法，能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。

【技术实现步骤摘要】
一种基于半监督k-means算法的乳腺癌病理组织图像分割方法
本专利技术属于乳腺癌病理组织图像分割
，具体涉及一种基于半监督k-means算法的乳腺癌病理组织图像分割方法。
技术介绍
1、现有技术的方案简述：1.11、阈值分割现有技术使用阈值分割算法对乳腺癌显微病理组织图像(以H&E染色切片为例)进行图像分割。H&E染色(Hematoxylin-EosinStaining，苏木精-伊红染色法，常简写为H&E、HE、he、H-E、h-e等形式)。如图1所示，该方法共包含三个步骤：步骤一：将乳腺癌显微病理组织图像的彩色图像转换为灰度图像，即将三维图像降为一维图像；步骤二：根据乳腺癌显微病理组织图像的灰度图像画出相应的灰度分布直方图，找出其直方图的峰值，将其峰值作为分割的阈值；步骤三：将此阈值作为判断条件，对于乳腺癌显微病理组织图像的灰度图像的灰度值，若其灰度值大于等于给出的阈值，则将其亮度置为最亮，即将灰度值置为255；若其灰度值小于给出的阈值，则将其亮度置为最暗，即将灰度值置为0，进而得到阈值分割后的图像，输出结果。1.12、传统k-means分割如图2所示该方法共包含三个步骤：步骤一：提取乳腺癌显微病理组织图像的R、G、B值，并将其放入一个三维矩阵中，然后将此三维矩阵降为一维矩阵；步骤二：将得到的一维矩阵作为输入，利用k-means聚类进行分割；步骤三：将k-means分割后的结果按照其得到的编号进行染色，输出结果图并保存。1.2、现有技术的客观缺点(通过本专利能够解决或改善的一个或多个缺点)：(1)现有技术，由于乳腺癌显微病理组织图像本身灰度分布以及噪声干扰等因素的影响，仅利用灰度直方图得到的阈值并不能使图像分割得到满意的结果。(2)现有技术，由于乳腺癌显微病理组织图像往往为扫描显微镜所获取的JPEG格式的图片数据比较大(每张图片大于250M)，导致分析过程中计算机系统内存的不足，不能直接处理一张完整的乳腺癌显微病理组织图像。(3)现有技术，由于乳腺癌显微病理组织图像的灰度分布不均，不同的乳腺癌显微病理组织图像有不同的灰度分布直方图，因此每张乳腺癌显微病理组织图像均需确定阈值，会大大的增加计算开销。(4)现有技术，图像分割为几部分需设几个阈值，增加计算负担。(5)现有技术，由于k-means是无监督学习，每次分割都会使乳腺癌显微病理组织图像染成不同的颜色，增加统计负担。
技术实现思路
(一)要解决的技术问题为了解决现有技术的上述问题，本专利技术提供一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，不仅能够使普通计算机完成对JPEG格式的乳腺癌显微病理组织图像的分割，而且还能够对不同类别的分割图像区域分割成不同的颜色，方便用户的审阅。(二)技术方案为了达到上述目的，本专利技术采用的主要技术方案包括以下步骤：一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k-means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色，获得染色后的多类图像矩阵数据；105、将获取的多类图像矩阵数据以图片的格式进行展示；其中，步骤101中获取的所述乳腺癌显微病理组织图片的原有染色模式为H&E。优选地，当所述步骤101中获取的乳腺癌病理组织图片为JPEG格式的图片时，所述方法步骤101还包括：A1、将获取的乳腺癌病理组织图片切割为多张小尺寸病理组织图片；A2、将经过切割获取的多张小尺寸病理组织图片从一进行依次编号。优选地，所述步骤102还包括如下步骤：B1、将所有获取的病理组织图片转化为灰度图片；B2、将转化后的每一灰度图片按照预设规则进行遍历，以获取每一灰度图片中每一像素点的灰度值；B3、若遍历的像素点的灰度值大于预设值S，则将该像素点的灰度值重置为255，若遍历的像素点的灰度值小于等于预设值S，则对该像素点的灰度值不做处理；B4、将经过步骤B3判断处理后的像素点按照图像矩阵的形式输出灰度图片，并将输出的灰度图片作为经过预处理后获取的乳腺癌显微病理组织图片。优选地，当所述步骤101中获取的乳腺癌病理组织图片为JPEG格式的图片时，所述方法步骤103还包括：C1、将预处理后得到的所有灰度图片，分为第一部分和第二部分，其中所述第一部分和所述第二部分均包括多张带有编号的灰度图片；C2、将步骤C1中的第一部分作为训练集，第二部分作为测试集，然后利用k-means算法进行分割迭代，获得聚类中心。优选地，当所述步骤101中获取的乳腺癌病理组织图片为多张图时，所述方法步骤103还包括：将预处理后获取的乳腺癌显微病理组织图片中的第一张灰度图片利用k-means算法分割，获得聚类中心。优选地，所述预设值S的取值范围为200-220。优选地，当所述步骤101中获取的乳腺癌病理组织图片为JPEG格式的图片时，所述方法步骤104中获取多个获得染色后的多类图像矩阵数据；将得到的多个获得染色后的多类图像矩阵数据按照步骤A1中切割时的顺序进行拼接，获得一个对应未切割时乳腺癌病理组织图片的多类图像矩阵数据，用以步骤105以图片的格式进行展示。优选地，所述步骤103中用于得到聚类中心的分割算法为k-means算法、Ward的层次聚类算法、MaxMin算法和Kaufmanapproach算法中的任一种。(三)有益效果本专利技术的有益效果是：本专利技术提供一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，不仅能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割，而且还能够对不同类别的分割图像区域分割成不同的颜色，方便用户的审阅。此外，还具有成本低，图像清晰，分割速度快的优点。附图说明图1为本专利技术
技术介绍
中现有技术中阈值分割方法的的流程示意图；图2为本专利技术
技术介绍
中现有技术中传统k-means分割的的流程示意图；图3为本专利技术实施例中一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法的分割方法流程示意图；图4为本专利技术实施例中一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法的分割方法流程示意图；图5为本专利技术实施例中一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法的分割方法流程示意图；图6为本专利技术实施例中一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法的分割方法流程示意图；图7为本专利技术实施例中一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法的流程示意图；图8为本专利技术一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法实施例中的图像切割示意图；图9为本专利技术一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法实施例中一张乳腺癌显微病理组织图像的原始图；图10为本专利技术一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法实施例中一本文档来自技高网...

【技术保护点】
1.一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法，其特征在于，所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色，获得染色后的多类图像矩阵数据；105、将获取的多类图像矩阵数据以图片的格式进行展示；其中，步骤101中获取的所述乳腺癌显微病理组织图片的原有染色模式为H&E。

【技术特征摘要】
1.一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，其特征在于，所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k-means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色，获得染色后的多类图像矩阵数据；105、将获取的多类图像矩阵数据以图片的格式进行展示；其中，步骤101中获取的所述乳腺癌显微病理组织图片的原有染色模式为H&E。2.根据权利要求1所述的图像分割方法，其特征在于，当所述步骤101中获取的乳腺癌病理组织图片为JPEG格式的图片时，所述方法步骤101还包括：A1、将获取的乳腺癌病理组织图片切割为多张小尺寸病理组织图片；A2、将经过切割获取的多张小尺寸病理组织图片从一进行依次编号。3.根据权利要求1所述的图像分割方法，其特征在于，所述步骤102还包括如下步骤：B1、将所有获取的病理组织图片转化为灰度图片；B2、将转化后的每一灰度图片按照预设规则进行遍历，以获取每一灰度图像中每一像素点的灰度值；B3、若遍历的像素点的灰度值大于预设值S，则将该像素点的灰度值重置为255，若遍历的像素点的灰度值小于等于预设值S，则对该像素点的灰度值不做处理；B4、将经过步骤B3判断处理后的像素点按...

【专利技术属性】
技术研发人员：李晨，薛丹，张勇，李墨，汪茜，许宁，齐守良，姚育东，陈昊，胡志杰，张昊，孔繁捷，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21