一种癌细胞识别诊断系统技术方案

本发明专利技术公开了一种癌细胞识别诊断系统，包括：细胞图像预处理模块：采用改进的数学形态学开闭滤波算法，选择适当的结构元素，去除了细胞图像的背景杂质和小的正常离散细胞；细胞图像分割模块：提取细胞核区域采用了改进的区域生长算法，提取不叠层细胞体轮廓采用了基于标价符控制的分水岭算法，提取叠层的细胞轮廓采用基于snake模型的分割算法；癌细胞图像特征提取模块：计算分割后每个区域的核质比，细胞核大小是否均匀，核染色异常以及核间距是否均匀。细胞图像分类识别模块：通过神经网络识别技术识别癌细胞。这种系统可高效，准确地对细胞图像进行定量分析和检测识别。

【技术实现步骤摘要】
一种癌细胞识别诊断系统
本专利技术涉及细胞图像识别
，具体为一种癌细胞识别诊断系统。
技术介绍
癌症是危害人类身体健康的常见疾病，癌症的早期诊断是治疗的关键。采用细胞学计算机辅助诊断技术，可以有效地降低医生的工作强度以及提高诊断的准确性。由于细胞图像背景复杂、细胞形态多样及重叠等问题，使得计算机检测识别难度较大。本专利技术对典型医学图像分割算法做出了新的技术改良，针对不重叠细胞图像及重叠细胞图像分别给出了改进算法。
技术实现思路
本专利技术的目的是针对现有技术中存在的不足，而提供一种癌细胞识别诊断系统。这种诊断系统，可实现目标区域更精准地提取，对细胞图像进行更高效、准确地定量分析和检测识别。实现本专利技术目的的技术方案是：一种癌细胞识别诊断系统，包括，细胞图像预处理模块：首先将细胞图片转化为数字图像并对其进行灰度化处理。为了更加准确的提取图像中有用细胞特征，需要将图像中小，离散正常细胞以及加性噪声一起去除。针对这一情况采用改进开闭滤波算法进行图像去噪，选取结构元素B为正常淋巴细胞的两倍。针对小于本文档来自技高网...

【技术保护点】
1.一种癌细胞识别诊断系统，其特征在于，包括，/n细胞图像预处理模块：首先将细胞图片转化为数字图像并对其进行灰度化处理。为了更加准确的提取图像中有用细胞特征，需要将图像中小，离散正常细胞以及加性噪声一起去除。针对这一情况采用改进开闭滤波算法进行图像去噪，选取结构元素B为正常淋巴细胞的两倍。针对小于结构元素B的噪声，运用开运算消除背景中胡椒状噪声，然后利用闭运算消除砂眼噪声。针对大于结构元素B的噪声，首先将滤波的图像二值化，并对原图像进行叠加提取。图像二值化是将原图像转化为二值图像，“0”代表目标图像，“1”代表背景，用该二值图像对原图像的内容进行选择，二值图像中值为“0”的像素位置均保留原灰度...

【技术特征摘要】
1.一种癌细胞识别诊断系统，其特征在于，包括，
细胞图像预处理模块：首先将细胞图片转化为数字图像并对其进行灰度化处理。为了更加准确的提取图像中有用细胞特征，需要将图像中小，离散正常细胞以及加性噪声一起去除。针对这一情况采用改进开闭滤波算法进行图像去噪，选取结构元素B为正常淋巴细胞的两倍。针对小于结构元素B的噪声，运用开运算消除背景中胡椒状噪声，然后利用闭运算消除砂眼噪声。针对大于结构元素B的噪声，首先将滤波的图像二值化，并对原图像进行叠加提取。图像二值化是将原图像转化为二值图像，“0”代表目标图像，“1”代表背景，用该二值图像对原图像的内容进行选择，二值图像中值为“0”的像素位置均保留原灰度值，值为“1”的像素位置灰度值为“255”。
细胞图像分割模块：
第一步：提取细胞核区域采取自动种子点的区域生长算法，将阈值分割和区域生长算法联合。首先设定阈值T＝115，将图像分割成大于阈值T的对象点和小于阈值T的背景点两部分。原图像f(x,y)转化为输出图像g(x,y),当f(x,y)>T,g(x,y)＝1；当f(x,y)≤T，g(x,y)＝0。此法实现了“粗轮廓”提取细胞核的大部分区域。设置种子的生长规则为相邻像素点灰度值与种子区域平均灰度值的差的绝对值小于阈值0.15.以粗轮廓的质心作为种子的生长点，每个种子按生长规则迭代生长，差值小于阈值的加入种子，直到找不到满足规则的点就结束生长。此法实现了“细轮廓”提取细胞核。最后采用Sobel算子做边缘检测，Sobel算子的模板及对应公式如下：



最后输出图像。
第二步：提取单个细胞体区域采取标记符控制的分水岭算法。为了方便确定内外标记，结合细胞显微镜图像背景量，目标暗的特点，先对细胞灰度图像做反相处理，得到目标物体较亮、背景区域较暗的图像。将图像进行二值化处理，将二值图像进行距离变化，使得分界线能保住目标物体而又不会过于接近物体边缘。最后采用分水岭变换，得到的分界线作为外部标记。将反处理的图...

【专利技术属性】
技术研发人员：车俐，韩梦玲，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45