显微图像中细胞堆叠的检测方法、系统、设备及介质技术方案

本发明专利技术提供一种显微图像中细胞堆叠的检测方法、系统、设备及介质，所述方法包括：获取显微病理图像；计算显微病理图像的至少一个图像清晰度特征值，并根据图像清晰度特征值判断显微病理图像是否存在部分模糊：若否，则判断显微病理图像中不存在细胞堆叠；若是，则对显微病理图像进行分割得到细胞区域，检测细胞区域的边缘清晰度并判断细胞区域的边缘清晰度是否低于清晰度阈值：若是，则判断显微病理图像中存在细胞堆叠；若否，则判断显微病理图像中不存在细胞堆叠。本发明专利技术通过先判断显微病理图像中是否存在部分模糊，再继续寻找细胞区域并判断细胞内部区域清晰度，可以有效检测显微图像中由于组织涂抹不均匀造成细胞堆叠的问题。

Detection method, system, equipment and medium of cell stack in microscopic image

【技术实现步骤摘要】
显微图像中细胞堆叠的检测方法、系统、设备及介质
本专利技术属于图像处理
，特别是涉及医学病理图像处理
，具体为一种显微图像中细胞堆叠的检测方法、系统、设备及介质。
技术介绍
图像质量评估(ImageQualityAssessment，IQA)，IQA从方法上可分为主观评估和客观评估。主观评估就是从人的主观感知来评价图像的质量，首先给出原始参考图像和失真图像，让标注者给失真图像评分，一般采用平均主观得分(MeanOpinionScore，MOS)或平均主观得分差异(DifferentialMeanOpinionScore，DMOS)表示。客观评估使用数学模型给出量化值，可以使用图像处理技术生成一批失真图像，操作简单，已经成为IQA研究的重点。图像质量评估算法的目标是自动评估与人的主观质量判断相一致的客观图像质量。然而，主观评估费时费力，在实际应用中不可行，并且主观实验受观看距离、显示设备、照明条件、观测者的视觉能力、情绪等诸多因素影响。因此，有必要设计出能够自动精确的预测主观质量的数学模型。IQA按照原始参考图像提供信息的多少本文档来自技高网...

【技术保护点】
1.一种显微图像中细胞堆叠的检测方法，其特征在于：所述显微图像中细胞堆叠的检测方法包括：/n获取显微病理图像；/n计算所述显微病理图像的至少一个图像清晰度特征值，并根据所述图像清晰度特征值判断所述显微病理图像是否存在部分模糊：/n若否，则判断所述显微病理图像中不存在细胞堆叠；/n若是，则对所述显微病理图像进行分割得到细胞区域，检测所述细胞区域的边缘清晰度并判断所述细胞区域的边缘清晰度是否低于清晰度阈值：/n若是，则判断所述显微病理图像中存在细胞堆叠并进行提示；/n若否，则判断所述显微病理图像中不存在细胞堆叠。/n

【技术特征摘要】
1.一种显微图像中细胞堆叠的检测方法，其特征在于：所述显微图像中细胞堆叠的检测方法包括：
获取显微病理图像；
计算所述显微病理图像的至少一个图像清晰度特征值，并根据所述图像清晰度特征值判断所述显微病理图像是否存在部分模糊：
若否，则判断所述显微病理图像中不存在细胞堆叠；
若是，则对所述显微病理图像进行分割得到细胞区域，检测所述细胞区域的边缘清晰度并判断所述细胞区域的边缘清晰度是否低于清晰度阈值：
若是，则判断所述显微病理图像中存在细胞堆叠并进行提示；
若否，则判断所述显微病理图像中不存在细胞堆叠。


2.根据权利要求1所述的显微图像中细胞堆叠的检测方法，其特征在于：所述图像清晰度特征值包括：Brenner梯度值、Tenengrad梯度值、Laplacian梯度值、灰度方差值、灰度方差乘积值、方差值、能量梯度值、Vollath值、熵值、EVA点锐度值、二次模糊与原图差值、NRSS梯度结构相似度中的一个或多个组合。


3.根据权利要求1或2所述的显微图像中细胞堆叠的检测方法，其特征在于：根据所述图像清晰度特征值判断所述显微病理图像是否存在部分模糊的一种实现方式包括：
将所述图像清晰度特征值输入到预先训练的清晰度分类器中；
所述清晰度分类器根据输入的所述图像清晰度特征值输出分类结果为：图像清晰、图像全部模糊或图像部分模糊；
若所述清晰度分类器的输出分类结果为图像部分模糊则判断所述显微病理图像存在部分模糊；若所述清晰度分类器的输出分类结果为图像清晰或图像全部模糊，则判断所述显微病理图像不存在部分模糊。


4.根据权利要求3所述的显微图像中细胞堆叠的检测方法，其特征在于：所述清晰度分类器采用xgboost分类器；将所述图像清晰度特征值作为训练数据输入xgboost分类器进行训练，得到可输出分类结果为图像清晰、图像全部模糊和图像部分模糊的三分类器。


5.根据权利要求1所述的显微图像中细胞堆叠的检测方法，其特征在于：检测所述细胞区域的边缘清晰度并判断所述细胞区域的边缘清晰度是否低于清晰度阈值的一种实现方式包括：
采用分割卷积神经网络算法检测得到所述细胞区域；
统计所述细胞区域内的边缘总数，该边缘总数即为细胞区域的边缘清晰度；<...

【专利技术属性】
技术研发人员：叶德贤，房劬，姜辰希，
申请(专利权)人：上海杏脉信息科技有限公司，
类型：发明
国别省市：上海;31