【技术实现步骤摘要】
一种基于图像拼接的异常细胞自动识别方法
本专利技术属于图像分析领域，具体涉及一种面向细胞病理图像的异常细胞自动识别方法。
技术介绍
癌症是由恶性肿瘤发展而来，有着较长的癌前病变阶段，通常是由不典型性增生，发展为原位癌，再发展为早期浸润癌，最后发展为浸润癌。通常由癌前病变到癌有较长的过渡时期，如果能够在癌前病变时期及时发现及时治疗，就可以将癌消灭在萌芽状态，因此早期癌筛查对于癌症的预防和控制具有重大的意义。癌症筛查方法有细胞学筛查、影像学筛查等等。本专利技术主要关注细胞学癌症筛查方法，属细胞病理学范畴。以宫颈癌为例，宫颈细胞涂片检查是发现宫颈癌前病变和早期宫颈癌的主要方法，病理医生通过在显微镜下进行细胞病理学分析，得出最终的诊断结果，这种诊断方法重复劳动量大，对病理医生水平要求高且诊断结果主观性较强。目前深度学习发展的如火如荼，且越来越多的被应用到疾病的智能诊断领域。使用深度学习实现对异常细胞识别的一般思路是首先实现细胞病理图像中感兴趣区域(ROI)的提取，然后使用深度网络对ROI图像进行分类。一些研究方法为了提高算法...
【技术保护点】
1.一种基于图像拼接的异常细胞自动识别方法，其特征在于，包括以下步骤：/n步骤1：获取细胞病理图像；/n步骤2：自动定位出细胞病理图像中的所有细胞的细胞核，得到所有细胞核的质心坐标集合，记作CentroidOfNucleus；/n步骤3：对CentroidOfNucleus中每一个细胞核质心坐标Centroid_i进行处理；/n以Centroid_i为中心，以固定长度L为边长，确定一个正方形的ROI图像；每一个细胞都对应于一个ROI图像，所有细胞所对应的ROI图像的集合记作ROI_images；/n步骤4：对ROI_images，以预设的行数rows及列数column进行分...
【技术特征摘要】
1.一种基于图像拼接的异常细胞自动识别方法，其特征在于，包括以下步骤：
步骤1：获取细胞病理图像；
步骤2：自动定位出细胞病理图像中的所有细胞的细胞核，得到所有细胞核的质心坐标集合，记作CentroidOfNucleus；
步骤3：对CentroidOfNucleus中每一个细胞核质心坐标Centroid_i进行处理；
以Centroid_i为中心，以固定长度L为边长，确定一个正方形的ROI图像；每一个细胞都对应于一个ROI图像，所有细胞所对应的ROI图像的集合记作ROI_images；
步骤4：对ROI_images，以预设的行数rows及列数column进行分组拼接，从而得到若干长度为rows×L、宽度为column×L的细胞拼接图像SpliceImage；
步骤5：将SpliceImage图像集合作为训练好的深度网络模型的输入，实现对所有细胞的分类，从而识别出异常细胞。
2.根据权利要求1所述的基于图像拼接的异常细胞自动识别方法，其特征在于：步骤2中，使用多源特征融合的定位算法自动定位出细胞病理图像中的所有细胞的细胞核；具体实现包括以下子步骤：
步骤2.1：使用MSER算法自动定位出细胞病理图像中符合条件的最大稳定极值区域集合，记为msers；
步骤2.2：使用SURF算法自动定位出细胞病理图像中的关键点，即候选的细胞核质心坐标，所有的细胞核候选点集合记为CandidateNucleus；
步骤2.3：对CandidateNucleus中每一个候选细胞核，假如包含它的最大稳定极值区域mser的个数超过预定数量N，则认为它是真实的细胞核，最终所有细胞核的质心坐标记为CentroidOfNucleus。
3.根据权利要求1所述的基于图像拼接的异常细胞自动识别方法，其特征在于：步骤5中，细胞分类的类别数为3，类别名称分别为：正常细胞Normal、非癌病变细胞Abnormal，以及癌细胞Cancer。
4.根据权利要求1-3任意一项所述的基于图像拼接的异常...
【专利技术属性】
技术研发人员：刘娟，柳家胜，李卓彧，花春兵，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
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。