System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医学图像处理领域,具体地指基于ascus宫颈样本病理结果的分析方法。
技术介绍
1、随着科技的不断进步,计算机视觉和机器学习在医学领域的应用越来越广泛。其中,细胞分析是医学诊断和研究中的重要任务之一。通过对细胞的形态特征和颜色差异进行分析,可以对细胞进行分类和诊断,为疾病的早期预测和治疗提供重要依据。
2、ascus是细胞学领域中的缩写,全称为"atypical squamous cells ofundetermined significance",即"不确定意义的非典型鳞状细胞"。ascus是一种细胞学检查结果,通常用于描述在细胞学样本中发现的一些非典型的鳞状细胞,但无法明确确定是否存在潜在的病变。它是一种较为常见的结果,需要进一步的评估和诊断来确定是否存在潜在的病变。通过针对ascus类型细胞进行阴阳分类,可以更准确地确定是否存在潜在的病变,避免误诊或漏诊,可以指导治疗决策,提高疾病预测能力,并优化资源分配,从而为患者提供更好的医疗服务。
3、细胞核面积参数、颜色差异参数和边缘浸润评估参数是细胞分析中常用的特征参数。细胞核面积参数可用于评估细胞的大小和形态特征,颜色差异参数可用于评估细胞核与细胞质之间的颜色差异,边缘浸润评估参数可用于评估细胞核的边缘浸润情况。
4、然而,单独使用这些参数进行细胞分类可能存在一定的局限性。因此,将这些参数与分类模型相结合,可以提高分类模型的性能和准确性。具体而言,可以采用特征融合的方法,将这些参数作为辅助分类标准,与其他特征参数相结合,提高分类
技术实现思路
1、本专利技术的目的就是解决上述背景中的技术问题,提出基于ascus宫颈样本病理结果的分析方法,包括以下步骤:
2、s1、扫描全玻片得到宫颈细胞数字图像;
3、s2、将特定大小的图像输入目标检测模型检测可疑的阳性细胞,输出细胞在图像中的位置,并记录;
4、s3、将可疑阳性细胞图片裁剪成固定大小的图像块,然后输入阴阳细胞分类模型,对细胞进行阴阳性分类;
5、s4、提取步骤s3中阳性细胞的特征向量,输入阳性样本定性模型,判断宫颈样本的阳性类别;
6、s5、通过步骤s4中得到的定性结果和特征向量,进一步判断ascus样本的对应病理结果。
7、优选的方案中,步骤s2中,采用三个分类步骤,包括:s21、分离并删除杂质图像;
8、s22、分离阴性细胞图像;
9、与s22并列的,s23分离阳性细胞图像;
10、由以上步骤得到可疑阳性细胞图像。
11、技术效果为:采用三步骤分离的方案,能够大幅提高各个步骤的精确度,而且对于阴性细胞图像和阳性细胞图像的分割而言,能够采用更为严格的阈值条件,从而确保分离效果的准确性,进而提高后续检测结果的准确性。
12、优选的方案中,步骤s4中还包括以下步骤:
13、s41、对于每个可疑阳性细胞图像,提取细胞核面积占比参数,颜色差异参数和边缘浸润评估参数;
14、s42、阳性细胞的特征向量输入阳性样本定性模型之前,根据细胞核面积占比参数,颜色差异参数和边缘浸润评估参数,计算得到样本的ascus概率参数。
15、优选的方案中,步骤s41中,将可疑阳性细胞图像分为多份备份,分别对每个备份进行强化边缘、区域颜色均化和颜色亮度综合范围扩展处理。
16、优选的方案中,强化边缘是指包括先初步提取边缘,对边缘附近的像素进行综合比较,对数值较大的像素增加预设数值n1,对数值较小的像素减去预设数值n2,对新生成的图像再次提取边缘,以获得更加精确的边缘轮廓;
17、综合比较是指将图像的色彩值和亮度值根据不同的权重求和,然后进行比较;
18、综合比较具有不同的方案,但是核心思路是将颜色值和亮度值根据图像的颜色、色调、亮度等参数设置不同的权重然后求和,从而使边缘的差异更为明显,这有利于更加准确的识别出边缘轮廓,颜色值和亮度值的取值可能需要在不同的颜色模式下取值,例如在rgb模式下取颜色值,根据颜色的色调设置权重,优选的是对与色调相反的颜色取更大的权重,例如色调偏黄,则对蓝色的颜色值赋予更大的权重,这有助于使边缘轮廓更为突出。然后再在lab空间中取亮度值。
19、区域颜色均化是指将一定像素数量范围内,在一定阈值区间范围内将颜色由一种颜色进行填充的操作,填充颜色的数值由像素数量范围内像素数量最多的颜色的数值确定,以获得更加精确的颜色区域。
20、优选的,区域颜色均化前,先在一定像素数量范围内去除杂点,即去除像素数量小于阈值的非主流颜色,例如在黄色色调范围内,去除像素值小于等于3的黄色色调范围之外的青色、蓝色、红色和绿色像素,去掉的像素成为待填充颜色的像素。
21、优选的方案中,颜色亮度综合范围扩展处理是指,从lab空间中提取亮度图像,对亮度图像空间进行扩展,即将当前亮度图像的最大亮度值设为当前空间的最大值,将最小亮度值设为当前空间的最小值,其余颜色做等比扩展(例如255,0,括号内容放入说明书实施例中,等比扩展采用微分法,即取当前亮度图像的中间值对应拓展后图像的中间值,然后再分别对各个部分计算中间值对应,如此多次处理后,将剩余的数值分别归于各个区域中,均匀分布);
22、选择主色调的颜色,提取主色调的颜色图像,对颜色图像空间进行扩展,扩展方法与亮度扩展相同;
23、将扩展后的颜色图像与亮度图像叠加,以获得更为清晰的边缘浸润图像。
24、优选的方案中,细胞核面积参数的计算过程如下:
25、s4201、从细胞的边缘提取出边缘点集;
26、s4202、使用椭圆拟合算法对边缘点集进行拟合,具体通过最小化边缘点到椭圆轮廓的距离来找到最佳的椭圆参数;
27、s4203、拟合完成后,得到细胞所对应的椭圆参数和细胞核所对应的椭圆参数,分别包括:长轴、短轴、中心坐标和旋转角度;
28、s4204、计算细胞核所对应椭圆的长轴和短轴乘积与细胞所对应的椭圆的长轴和短轴乘积之比,计算结果为细胞核在细胞中的面积占比作为细胞核面积参数;
29、s4205、对细胞核面积参数进行归一化处理。
30、优选的方案中,颜色差异参数的计算过程如下:
31、s4211、将细胞图像的rgb值转换为lab色彩空间;
32、s4212、计算两个像素之间的颜色差异,使用欧氏距离计算两个像素在lab空间中的距离,欧氏距离通过以下公式计算:
33、
34、其中,l1、a1、b1是第一个像素的lab值,l2、a2、b2是第二个像本文档来自技高网...
【技术保护点】
1.一种基于ASCUS宫颈样本病理结果的分析方法,其特征是包括以下步骤:
2.根据权利要求1所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:步骤s2中,采用三个分类步骤,包括:S21、分离并删除杂质图像;
3.根据权利要求1所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:步骤S4中还包括以下步骤:
4.根据权利要求1所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:步骤S41中,将可疑阳性细胞图像分为多份备份,分别对每个备份进行强化边缘、区域颜色均化和颜色亮度综合范围扩展处理。
5.根据权利要求4所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:强化边缘是指包括先初步提取边缘,对边缘附近的像素进行综合比较,对数值较大的像素增加预设数值n1,对数值较小的像素减去预设数值n2,对新生成的图像再次提取边缘,以获得更加精确的边缘轮廓;
6.根据权利要求4所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:颜色亮度综合范围扩展处理是指,从LAB空间中提取亮度图像,对亮度图像空间进行扩展,即将当前亮度
7.根据权利要求2所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:细胞核面积参数的计算过程如下:
8.根据权利要求2所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:颜色差异参数的计算过程如下:
9.根据权利要求2所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:边缘浸润评估参数的计算过程如下:
10.根据权利要求2所述基于ASCUS宫颈样本病理结果的分析方法,其特征是:步骤S42具体以下步骤:分别对每个样本的边缘浸润程度、颜色差异和细胞核面积赋予相应的权重,将边缘浸润程度评估参数、颜色差异参数和细胞核面积参数分别乘以对应的权重得到对应参考值w1、w2和w3,最后将w1、w2和w3相加得到每个样本对应的ASCUS概率参数,最后根据ASCUS概率参数对样本进行标记后,将样本输入到阳性样本定性模型中。
...【技术特征摘要】
1.一种基于ascus宫颈样本病理结果的分析方法,其特征是包括以下步骤:
2.根据权利要求1所述基于ascus宫颈样本病理结果的分析方法,其特征是:步骤s2中,采用三个分类步骤,包括:s21、分离并删除杂质图像;
3.根据权利要求1所述基于ascus宫颈样本病理结果的分析方法,其特征是:步骤s4中还包括以下步骤:
4.根据权利要求1所述基于ascus宫颈样本病理结果的分析方法,其特征是:步骤s41中,将可疑阳性细胞图像分为多份备份,分别对每个备份进行强化边缘、区域颜色均化和颜色亮度综合范围扩展处理。
5.根据权利要求4所述基于ascus宫颈样本病理结果的分析方法,其特征是:强化边缘是指包括先初步提取边缘,对边缘附近的像素进行综合比较,对数值较大的像素增加预设数值n1,对数值较小的像素减去预设数值n2,对新生成的图像再次提取边缘,以获得更加精确的边缘轮廓;
6.根据权利要求4所述基于ascus宫颈样本病理结果的分析方法,其特征是:颜色亮度综合范围扩展处理是指,从...
【专利技术属性】
技术研发人员:李诚,郝宗杰,曹得华,严姗,庞宝川,
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:
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。