【技术实现步骤摘要】
一种基于单细胞病理图像细胞核的分割和聚类方法及系统
[0001]本专利技术涉及图像处理
，更具体的说是涉及一种基于单细胞病理图像细胞核的分割和聚类方法及系统。
技术介绍
[0002]图像的分割与分类是图像处理中基本的操作，传统的方法是通过Matlab的一系列图像分割函数对图像进行处理，从而达到分割的目的。随后对目标物体进行特征提取，利用特征的特异性对对象进行分类。虽然随着各方面研究的不断推进，图像分割和分类已经有了一个较大的进展，但是在医学方面病理图像分割的精确度依然存在很大的提升空间，且随着科技的发展，计算机辅助诊断(CAD)技术不断应用于各种领域，均得到了实质性的进展和效果。因此计算机技术与医疗诊断的结合迫在眉睫。
[0003]计算机辅助诊断可以提供高速、可重复的医学图像分析，结果更加客观、准确。细胞核检测与分割是医学图像分析中关键的第一步，然而，由于染色不均匀、细胞形态不规则、细胞核之间存在粘连以及杂质噪声等情况，准确的细胞核分割与计数仍然面临着很大的挑战性，现有细胞图像分割技术主要采用深度学习算法，需要...
【技术保护点】
【技术特征摘要】
1.一种基于单细胞病理图像细胞核的分割和聚类方法，其特征在于，包括以下步骤：读取病理组织图像；基于轮廓追踪方法计算所述病理组织图像中存在的闭合轮廓；根据输入的所述病理组织图像的梯度特征对重叠的闭合轮廓进行评估，获得局部最突出的轮廓；对所述局部最突出的轮廓的封闭区域进行轮廓优化，并基于优化后的轮廓分割所述病理组织图像得到细胞核分割图像；根据所述细胞核分割图像对应的mask图像将所述细胞核分割图像切分成单个细胞核小图像；通过所述mask图像提取对应区域的细胞核的影响特征；通过特征筛选去除影响特征中的冗余特征；使用umap特征降维方法选出经过特征筛选的影响特征中最重要的两个特征对细胞核进行聚类。2.根据权利要求1所述的一种基于单细胞病理图像细胞核的分割和聚类方法，其特征在于，所述基于轮廓追踪方法计算所述病理组织图像中存在的所有的闭合轮廓，具体为：将所述病理组织图像的原始彩色图像转换为灰度图像，计算图像RGB三通道的平均值，将所述病理组织图像转化为图像函数；逐行扫描所述灰度图像并存储所有局部最小值和局部最大值以及两者之间的相应最大梯度，并基于所述局部最小值和所述最大值以及所述最大梯度确定轮廓检测的起始像素和相应的强度范围；使用8连通邻域顺时针跟随追踪对象等值线；在现有轮廓像素的基础上，由起始像素顺时针测试傍轴邻域，若邻域中存在一个当前对象的像素，则测试逆时针方向的邻域；若轮廓也属于当前物体，那么轮廓将继续使用该像素；当轮廓跟踪回到种子位置时停止，继续跟踪的轮廓像素与第二个轮廓像素相同；当轮廓回到所述其起始像素时，为有效像素；如果超过最大轮廓长度，则轮廓描摹终止。3.根据权利要求1所述的一种基于单细胞病理图像细胞核的分割和聚类方法，其特征在于，所述根据输入的所述病理组织图像的梯度特征对重叠的闭合轮廓进行评估，获得局部最突出的轮廓，具体为：根据以下三个指标确定各轮廓的价值：(1)确定在同一局部区域内最突出、平均梯度最高的对象；(2)对比轮廓像素和最大局部渐变之间的梯度拟合；(3)使用Sobel算子及其3*3卷积核进行计算；获得局部最突出的轮廓：标记分级等值线，标记过程按排序顺序执行，从最有价值的轮廓开始，并阻止覆盖已分配的标签，获取局部最突出的轮廓。4.根据权利要求1所述的一种基于单细胞病理图像细胞核的分割和聚类方法，其特征在于，对所述局部最突出的轮廓的封闭区域进行轮廓优化，得到细胞核分割图像，具体为：依据距离值d测试对象像素的紧凑性；设置一个循环来处理具有特定距离值dt的像素，从dt＝d
‑
1到1；每一个周期都要扫描
整个距离图；如果像素pi与di＝dt的距离值没有距离值为dt+1的傍轴邻居，则像素pi与di＝dt的距离值将减少1；通过删除两...
【专利技术属性】
技术研发人员：冯宁翰，汤鸿，于观贞，柳丰萍，冯杨焜，汪洋，蒋鹏，
申请(专利权)人：无锡市第二人民医院，
类型：发明
国别省市：
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。