【技术实现步骤摘要】
一种细粒度宫颈细胞图像三阶段识别方法
本专利技术属于计算机视觉的医学图像处理分析领域，具体涉及一种细粒度宫颈细胞图像三阶段识别方法。
技术介绍
目前，随着现代科技的进步与发展，生物医学领域的实验手段和研究方向都发生了巨大变革，实验数据呈现出“大数据”趋势，涉及到海量的临床医学数据、基因组学数据、文献数据等。随着医疗信息系统等医疗基础设施逐步完善，许多医院收集和采集到待检测患者的医疗图像越来越多，宫颈细胞图像也是如此。准确的宫颈细胞图像诊断技术能够降低医师过长时间读片疲劳而产生误判概率、改变医疗资源分布不均匀、缓解医患关系紧张等问题。宫颈癌是全世界女性第二大癌症杀手，严重威胁妇女身心健康。在2012年，据世界卫生组织统计，全世界共有53万余新增宫颈癌患者；且在同年，有近27万例女性死于宫颈癌。医疗人员由大量临床治疗经验得出结论，女性宫颈癌早期确诊，那么其可以治愈且活过5年以上的机率为90%以上。预防宫颈疾病关键是能够及早发现异常、癌变倾向或已恶性癌变细胞。发展到今，宫颈细胞病理图像筛查是最简单、有效的宫颈癌筛查手段。<...
【技术保护点】
1.一种细粒度宫颈细胞图像三阶段识别方法，其特征在于，包括如下步骤：/n（1）对整幅显微成像的宫颈细胞图像，采用三维块匹配滤波BM3D算法进行去噪，并基于并行编程技术实现BM3D提升图像预处理的速度；/n（2）在滤波后的图像上，先建立基于图割模型将图像分为前景和背景，再用MSER算法分割出细胞核；/n（3）根据细胞簇团中细胞核的数目断定是否需进行重叠宫颈细胞图像分割，获得对图像中所有细胞质的分割结果；/n（4）提取细胞图像的颜色、形态、纹理特征，基于CNN和ResNet模型提取细胞抽象特征；/n（5）基于多核学习算法，对宫颈细胞颜色、形态、纹理、抽象特征进行优化，细胞不同类...
【技术特征摘要】
1.一种细粒度宫颈细胞图像三阶段识别方法，其特征在于，包括如下步骤：
（1）对整幅显微成像的宫颈细胞图像，采用三维块匹配滤波BM3D算法进行去噪，并基于并行编程技术实现BM3D提升图像预处理的速度；
（2）在滤波后的图像上，先建立基于图割模型将图像分为前景和背景，再用MSER算法分割出细胞核；
（3）根据细胞簇团中细胞核的数目断定是否需进行重叠宫颈细胞图像分割，获得对图像中所有细胞质的分割结果；
（4）提取细胞图像的颜色、形态、纹理特征，基于CNN和ResNet模型提取细胞抽象特征；
（5）基于多核学习算法，对宫颈细胞颜色、形态、纹理、抽象特征进行优化，细胞不同类别的特征分别表示为样本的不同通道，从不同侧面刻画宫颈细胞；
（6）先基于代价敏感学习方法去除图像中非细胞杂质，再基于主动学习方法对宫颈细胞图像进行多分类。
2.根据权利要求1所述的细粒度宫颈细胞图像三阶段识别方法，其特征在于，步骤（2）的具体步骤为：
（2-1）去除背景：在去噪后图像基础上，使用图割GC算法去除图像背景，确定前景细胞与细胞簇团区；
（2-2）细胞核分割：采用MSER算法分割出图像前景细胞与细胞簇团区的细胞核。
3.根据权利要求1所述的细粒度宫颈细胞图像三阶段识别方法，其特征在于，步骤（3）的具体步骤为：
（3-1）对整幅图像中的细胞簇团逐个判断；
（3-2）若细胞簇团仅包含一个细胞核，则通过步骤（2-1）和步骤（2-2）已完成细胞质分割；
（3-3）若细胞簇团中包含不止一个细胞核，则该细胞簇团包含重叠细胞；
（3-4）采用先粗略分割再精细分割方法进行重叠宫颈细胞图像分割：
①粗分割使用Voronoi基于细胞核中心点对细胞簇团进行粗略划分，得到细胞簇团中每个细胞的候选区域；
②采用MRF模型，根据细胞形状先验、细胞边缘纹路走向、局部像素密度和梯度信息，针对宫颈细胞簇团中重叠区域细胞边缘线条求精，得到整...
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。