基于计算机视觉的细胞计数方法技术

本发明专利技术涉及基于计算机视觉的细胞计数方法，包括以下步骤：S1、采集经过染色的切片样本的RGB原图E0，并分别处理成灰度图E1、蓝色通道图E18；S2、对原图E0进行图像处理获取染色细胞图E6，对染色细胞进行计数；S3、对灰度图E1进行图像处理获取包含染色和非染色的全部细胞图E16，对全部细胞进行计数；S4、对蓝色通道图E18进行图像处理获取图像E21，按照给定的不同划界区域对染色细胞进行计数，计算像素面积数，精确标画该区域外围轮廓；S5、可视化展示以上各图像和计数，用于直观展示和细胞计数。用于直观展示和细胞计数。用于直观展示和细胞计数。

【技术实现步骤摘要】
基于计算机视觉的细胞计数方法


[0001]本专利技术涉及计算机机器视觉，具体说是一种基于计算机视觉的医学图像的细胞计数方法。

技术介绍

[0002]机器学习系统中的所谓有控制学习系统其目的就是对大量数据进行高效地分类,以便于对大量的数据资料进行挖掘和应用。模式识别(Pattern Recognition)就是让机器自动识别物体。作为一个学科，计算机视觉，主要是能够从图像中获取
‘
信息
’
，从而建立人工智能系统。其中在医学图像处理中有着极为广泛的应用前景，尤其是在细胞检测与计数等方面，受到全球各个国家的研究工作者的高度重视。
[0003]现阶段，在临床实践诊断中，主要还是靠人眼进行主观判断各种不同种类的异常细胞个数和比例，不仅具有很大的误差和主观随意性，而且耗时耗力，对临床医学人员负担较重，人工成本很高。随着深度学习的广泛研究，医学细胞检测和计数，也逐渐成为一个研究热点问题，但由于深度学习需要大量的标签，成本昂贵，并且面对大量样本，模型难以搭建，所以急需一种成本较小、真正促进临床诊断的异常细胞检测与计数方法。

技术实现思路

[0004]针对上述技术的不足，本专利技术的目的提供一种基于计算机视觉的医学图像细胞计数方法。
[0005]本专利技术为实现上述目的所采用的技术方案是：基于计算机视觉的细胞计数方法，包括以下步骤：
[0006]S1、采集经过染色的切片样本的RGB原图E0，并分别处理成灰度图E1、蓝色通道图E18；
[0007]S2、对原图E0进行图像处理获取染色细胞图E6，对染色细胞进行计数；
[0008]S3、对灰度图E1进行图像处理获取包含染色和非染色的全部细胞图E16，对全部细胞进行计数；
[0009]S4、对蓝色通道图E18进行图像处理获取图像E21，按照给定的不同划界区域对染色细胞进行计数，计算像素面积数，精确标画该区域外围轮廓；
[0010]S5、可视化展示以上各图像和计数，用于直观展示和细胞计数。
[0011]所述给定的不同划界区域为人为粗略框选的区域；
[0012]所述计算像素面积数为：计算该区域内染色细胞的全部像素面积，并结合面积阈值对各个划界区域进行大小等级分类；
[0013]所述精确标画该划界区域外围轮廓为：给当前划界区域内的染色细胞在图像上自动勾勒显示最小包围框。
[0014]获得第一等级区染色细胞计数图E22、第二等级区染色细胞计数图E23、第一等级区与第二等级区面积比例图E24；
[0015]所述S4还包括按照不同染色程度对染色细胞分类，对不同划界区域按照不同染色程度分类计数染色细胞。获得第一等级区和第二等级区内的强染色、中度染色和弱染色的细胞比例图E25。
[0016]所述经过染色的原图E0中包括被染色的异常细胞和未被染色的细胞，且经过染色后颜色不同。
[0017]所述对原图E0依次进行图像处理包括：中值滤波、阈值分割、二值化、形态学闭运算，获取染色细胞图E6。
[0018]还包括对染色细胞图E6进行反色、分水岭分割、反色的进一步优化处理。
[0019]所述对灰度图E1进行图像处理包括：对灰度图E1进行腐蚀和形态学底帽滤波、调节灰度对比度、二值化处理、删除干扰噪点、反色、并与步骤S3中二值化图E13做乘积处理、与步骤S2中分水岭分割处理后的图E8进行叠加处理，获得包含染色和非染色的全部细胞图E16。
[0020]所述对蓝色通道图E18进行图像处理获取E21包括：基本全局阈值分割、形态学闭操作、腐蚀和反色操作，获取图E21。
[0021]所述对染色细胞进行计数、对全部细胞进行计数均为：对图中各连通区域的质心进行计数，分别获取所有染色细胞计数图E10、全部细胞计数图E17；
[0022]所述对划界区域的染色细胞按照不同染色程度分类并进行计数为：对当前划界区域内的不同染色程度分类的各连通区域的质心进行计数，获取不同划界区域内的强染色、中度染色和弱染色细胞数量，以及数量比例图E25。
[0023]本专利技术具有以下有益效果及优点：
[0024]1.采集了临床医学的切片图像，收集了原始数据，并且解决了深度学习需要大量标签、成本昂贵、模型难以搭建等问题，提出了一种成本较小、真正促进医学图像中细胞检测与计数的方法。
[0025]2.能够解决当前人工对捕获后的细胞计数耗时长且易受人的主观判断影响等问题。
[0026]3.提高了临床医学对图像中细胞计数的效率和精度。
[0027]4.可视化显示图像和计数结果，用于更直观地展示。
附图说明
[0028]图1是本专利技术方法的流程图；
[0029]图2是本专利技术方法的关键步骤效果图；
[0030]图3是本专利技术方法的临床医学切片样本原图E0；
[0031]图4是本专利技术方法的灰度图E1；
[0032]图5是本专利技术方法的灰度调整图E2；
[0033]图6是本专利技术方法的中值滤波图E3；
[0034]图7是本专利技术方法的阈值分割图E4；
[0035]图8是本专利技术方法的二值化图E5；
[0036]图9是本专利技术方法的闭运算图E6；
[0037]图10是本专利技术方法的反色图E7；
[0038]图11是本专利技术方法的分水岭分割图E8；
[0039]图12是本专利技术方法的反色图E9；
[0040]图13是本专利技术方法的所有染色细胞计数图E10；
[0041]图14是本专利技术方法的底帽滤波图E11；
[0042]图15是本专利技术方法的灰度对比度图E12；
[0043]图16是本专利技术方法的二值化图E13；
[0044]图17是本专利技术方法的删除白色小面积图E14；
[0045]图18是本专利技术方法的白色小面积图E15；
[0046]图19是本专利技术方法的加和处理图E16；
[0047]图20是本专利技术方法的所有细胞计数图E17；
[0048]图21是本专利技术方法的蓝色通道图E18；
[0049]图22是本专利技术方法的基本全局阈值分割图E19；
[0050]图23是本专利技术方法的闭操作图E20；
[0051]图24是本专利技术方法的反色图E21；
[0052]图25是本专利技术方法的第一等级区计数图E22；
[0053]图26是本专利技术方法的第二等级区计数图E23；
[0054]图27是第一等级区与第二等级区面积比例图E24；
[0055]图28是第一等级区和第二等级区强染色、中度染色和弱染色细胞比例图E25。
具体实施方式
[0056]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但本专利技术能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背专利技术内涵的情况下做类似改进，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉的细胞计数方法，其特征在于，包括以下步骤：S1、采集经过染色的切片样本的RGB原图E0，并分别处理成灰度图E1、蓝色通道图E18；S2、对原图E0进行图像处理获取染色细胞图E6，对染色细胞进行计数；S3、对灰度图E1进行图像处理获取包含染色和非染色的全部细胞图E16，对全部细胞进行计数；S4、对蓝色通道图E18进行图像处理获取图像E21，按照给定的不同划界区域对染色细胞进行计数，计算像素面积数，精确标画该区域外围轮廓；S5、可视化展示以上各图像和计数，用于直观展示和细胞计数。2.根据权利要求1所述的基于计算机视觉的细胞计数方法，其特征在于，所述给定的不同划界区域为人为粗略框选的区域；所述计算像素面积数为：计算该区域内染色细胞的全部像素面积，并结合面积阈值对各个划界区域进行大小等级分类；所述精确标画该划界区域外围轮廓为：给当前划界区域内的染色细胞在图像上自动勾勒显示最小包围框。3.根据权利要求1所述的基于计算机视觉的细胞计数方法，其特征在于，所述S4还包括按照不同染色程度对染色细胞分类，对不同划界区域按照不同染色程度分类计数染色细胞。4.根据权利要求1所述的基于计算机视觉的细胞计数方法，其特征在于，所述经过染色的原图E0中包括被染色的异常细胞和未被染色的细胞，且经过染色后颜色不同。5.根据权利要求1所述的基于计算机视觉的细胞...

【专利技术属性】
技术研发人员：韩志，赵环宇，丁士洪，唐延东，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：