细胞样本图片提取分析对比检测方法技术

本发明专利技术提供一种细胞样本图片提取分析对比检测方法，获得多张细胞样本图片，对细胞样本图片进行灰度处理，区域最大的像素设为白色或者黑色，其他位置颜色亮度同步增加；对细胞样本图片其他颜色进行进行熵处理，再用最大类差法二值化分割得到细胞样本粗略图像，确定目标的粗略位置；目标的粗略位置进行分割值聚类算法，对图片进行锐化处理，得到需要的细胞样本图片；对细胞样本图片进行分析得出基本病例，再对得出基本病例进行不确定的决策调节下，进行CBR/RBR检索分析，对基本病例与病例库中的现有的病例进行相似度评价分析。识别率高、识别速度快的优点，不做后续处理，可以大幅度节省处理时间。度节省处理时间。度节省处理时间。

【技术实现步骤摘要】
细胞样本图片提取分析对比检测方法


[0001]本专利技术涉及细胞样本图片提取分析领域，尤其是涉及一种细胞样本图片提取分析对比检测方法。

技术介绍

[0002]随着人工智能的快速发展，各行各业的智能化越来越明显。在涉及细胞样本照片观察前的准备工作在智能化程度上存在着不足。在医院、生物或医疗研究所等一些需要大量观察分析细胞样本照片的场所，单个宫颈细胞样本中，包含许多张图像，其中扫描得到的三分之一图像是无用的，也就是信息量比较少或者就是空白图像，采用电脑自动缩放无法正确的看出宫颈细胞样本具体照片，且部分宫颈细胞病例难以确定，导致后期无法简单的更加宫颈细胞样本照片确定病例，在进行决策时，需要与病例库中的在案病例进行比对，确定最接近的比例后再做出更好的决策，但是目前的检索方式并不能得到最准确的数据，导致无法决策病例。

技术实现思路

[0003]本专利技术的主要目的在于提供一种细胞样本图片提取分析对比检测方法，解决分宫颈细胞病例难以确定，导致后期无法简单的更加宫颈细胞样本照片确定病例，在进行决策时，需要与病例库中的在案病例进行比对，确定最接近的比例后再做出更好的决策，但是目前的检索方式并不能得到最准确的数据，导致无法决策病例的问题。
[0004]为解决上述技术问题，本专利技术所采用的技术方案是：一种细胞样本图片提取分析对比检测方法，检测方法包括：
[0005]S1、获得多张细胞样本图片，对细胞样本图片进行灰度处理，区域最大的像素设为白色或者黑色，其他位置颜色亮度同步增加；
[0006]S2、对细胞样本图片其他颜色进行进行熵处理，再用最大类差法二值化分割得到细胞样本粗略图像，确定目标的粗略位置；
[0007]S3、目标的粗略位置进行分割值聚类算法，对图片进行锐化处理，得到需要的细胞样本图片；
[0008]S4、对细胞样本图片进行分析得出基本病例，再对得出基本病例进行不确定的决策调节下，进行CBR/RBR检索分析，对基本病例与病例库中的现有的病例进行相似度评价分析。
[0009]优选方案中，步骤S2的具体实施方法为：
[0010]细胞样本图片大小为x
×
y，根据熵处理公式得出细胞样本图的熵值大小，根据熵处理公式得到灰度图像，熵处理公式为；
[0011][0012]式中，f(i,j)表示坐标为(i,j)处点的灰度值；
[0013]再采用最大类间方差法对图像进行二值分割；
[0014]分割方法为：细胞样本图片为D，图像中像素的灰度值小于阈值E的像素个数记作Q0，像素灰度大于阈值T的像素个数记作Q1，将目标像素点数占整幅图像的比例记为则：
[0015]记其灰度平均值为γ0，背景像素点数占整幅图像的比例为：
[0016]图像的总平均灰度为γ，类间方差记为O
s
，则：
[0017][0018]让E在灰度级内遍历，使得O
s
最大时，则E取得最佳分割阈值T
s
，即：
[0019][0020]此时得到一幅二值图像，标明目标的粗略位置。
[0021]优选方案中，步骤S3的分割值聚类算法方法为：根据局部熵检测分割的二值图像所确定的目标的位置，得到二值图为D2，分割的二值图像D2通过分割值聚类算法方法得到图像D3，被分为k个聚类，最终得到的图像结果记为D4；
[0022]A1、搜索D2，将其中值为1的像素的坐标存入一个数组，记为Tarray(i)；
[0023]A2、遍历数组Tarray(i)，从D3中找出以数组内数据为坐标的点，其所在聚类为k1；
[0024]A3、将聚类为k1的像素点的灰度值设为255，其余点灰度值设为0，得到需要的细胞样本图片结果D4。
[0025]优选方案中，步骤S4的病例进行相似度评价分析方法为：根据细胞样本图片得出基本病理，再对基本病理进行CBR/RBR检索分析，CBR/RBR检索分析是通过对比案例库中的案例与目标案例间的属性差异来实现的，采用的相似度函数是分析两个案例T属性间的欧式距离；
[0026]则CBR/RBR相似度评价函数定义为：
[0027][0028][0029][0030]式中,表示病例库中案例和目标案例的属性a
j
的特征值均确定；表示目标案例的属性a
j
的特征值均不确定；表示病例库中案例的属性
a
j
的特征值均不确定；和为推理模型贝叶斯网络中的条件概率；
[0031]式中,(U，T，A，V)为相对应维数的信息矩阵，θ为一个数学期望为0的弱平衡随机变量，其表示模型误差，参数测量误差，外部干扰不确定性量。
[0032]优选方案中，U为细胞类型例集、A为细胞类型案例属性集、V为属性特征集、紧急决策的目标案例为T,T可以起到决策效果；
[0033]其中案例集U＝{u
i
|i＝1，2，3...n}，u
i
为第i个细胞类型病理；
[0034]其中案例集A＝{a
j
|j＝1，2，3...m}，a
j
为第j个细胞类型病理属性；
[0035]其中案例集为u
i
的属性特征值向量，
[0036]V
ij
,u
i
的第j个属性特征值。
[0037]本专利技术提供了一种细胞样本图片提取分析对比检测方法，对细胞样本图片先进行局部灰度处理，得到的灰度图然后将其中有用位置进行二值化分割得到细胞样本粗略图像，确定目标的粗略位置，较少了息量比较少或者就是空白图像的区域，识别率高、识别速度快的优点，不做后续处理，可以大幅度节省处理时间，得到的细胞样本图片进行分析，写成基本的病例，然后检索病例库中的数据，将最接近的数据病例与基本的病例进行比对提供决策性的参考，提高病例的决策性。
附图说明
[0038]下面结合附图和实施例对本专利技术作进一步说明：
[0039]图1是本专利技术信息量过少的图片；
[0040]图2是本专利技术熵处理灰度处理照片
[0041]图3是本专利技术二值化分割得到粗略图像；
[0042]图4是本专利技术分割值聚类算法后得到需要的细胞样本图片。
具体实施方式
[0043]如图1～4所示，一种细胞样本图片提取分析对比检测方法，检测方法包括：
[0044]S1、获得多张细胞样本图片，对细胞样本图片进行灰度处理，区域最大的像素设为白色或者黑色，其他位置颜色亮度同步增加；
[0045]S2、对细胞样本图片其他颜色进行进行熵处理，再用最大类差法二值化分割得到细胞样本粗略图像，确定目标的粗略位置；
[0046]S3、目标的粗略位置进行分割值聚类算法，对图片进行锐化处理，得到需要的细胞样本图片；
[0047]S4、对细胞样本图片进行分析得出基本病例，再对得出基本病例进行不确定的决策调节下，进行CBR/RBR检索分析，对基本病例与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细胞样本图片提取分析对比检测方法，其特征是：检测方法包括：S1、获得多张细胞样本图片，对细胞样本图片进行灰度处理，区域最大的像素设为白色或者黑色，其他位置颜色亮度同步增加；S2、对细胞样本图片其他颜色进行进行熵处理，再用最大类差法二值化分割得到细胞样本粗略图像，确定目标的粗略位置；S3、目标的粗略位置进行分割值聚类算法，对图片进行锐化处理，得到需要的细胞样本图片；S4、对细胞样本图片进行分析得出基本病例，再对得出基本病例进行不确定的决策调节下，进行CBR/RBR检索分析，对基本病例与病例库中的现有的病例进行相似度评价分析。2.根据权利要求1所述一种细胞样本图片提取分析对比检测方法，其特征是：步骤S2的具体实施方法为：细胞样本图片大小为x
×
y，根据熵处理公式得出细胞样本图的熵值大小，根据熵处理公式得到灰度图像，熵处理公式为；式中，f(i,j)表示坐标为(i,j)处点的灰度值；再采用最大类间方差法对图像进行二值分割；分割方法为：细胞样本图片为D，图像中像素的灰度值小于阈值E的像素个数记作Q0，像素灰度大于阈值T的像素个数记作Q1，将目标像素点数占整幅图像的比例记为则：记其灰度平均值为γ0，背景像素点数占整幅图像的比例为：图像的总平均灰度为γ，类间方差记为O
s
，则：让E在灰度级内遍历，使得O
s
最大时，则E取得最佳分割阈值T
s
，即：此时得到一幅二值图像，标明目标的粗略位置。3.根据权利要求1所述一种细胞样本图片提取分析对比检测方法，其特征是：步骤S3的分割值聚类算法方法为：根据局部熵检测分割的二值图像所确定的目标的位置，得到二值图为D2，分割的二值图像D2通过分割值聚类算法方法得到图像D3，被分为k个聚类，最终得到的图像结果记为D4；A1、搜索D2，将其中值为1的像素的坐标存入一个数组，记为Tarra...

【专利技术属性】
技术研发人员：李诚，沈涛，李晋贤，田志超，曹得华，董腾蛟，严姗，冯嘉伟，张飞龙，
申请(专利权)人：武汉兰丁智能医学股份有限公司，
类型：发明
国别省市：