[发明专利]宫颈癌细胞分割方法及系统

说明书

技术领域

本发明涉及一种宫颈癌细胞分割方法及系统。

背景技术

宫颈癌在女性的恶性肿瘤中致死率居于第4位，而患宫颈癌的妇女中，85％来自发展中国家。已有数据证明，宫颈癌筛查成功地减少了发病率和死亡率。临床上筛查的方法主要是细胞学、阴道镜和组织病理学，其中细胞学筛查是最简单也是最重要的手段。

计算机辅助细胞检测技术是目前认为能在细胞学筛查中起到重要作用的技术，其不但能够准确筛查、降低劳动强度及工作量，还可以消除由人工检测的心理适应性和疲劳等引起的误诊和漏诊。计算机辅助系统的性能主要取决于精确的图像分割，所以只有确保了分割的精度，才能保证所获取的细胞特征的准确性。

早期的宫颈癌细胞分割方法中，Bamford和Lovell在1996年用分水岭的方法实现了细胞核和细胞质的分离，在1998年又使用活动轮廓模型完成了细胞核的精确分割。2002年，Lezoray和Cardot将彩色信息融入到分水岭分割中，得到了宫颈细胞图像的较准确分割。2008年，Tsai等用滤波器平滑图像和强化边界后用K均值从背景中提取细胞，又通过彩色差异最大化分割细胞核。

虽然这些方法都取得了一定的成功，但是这些方法和实际的辅助系统有非常大的距离：一是这些方法只完成了对细胞核的分割，而忽略了细胞质的分割，细胞质的信息对鉴别异常细胞同样非常关键的；二是这些许多方法，都假定了输入图像只含有单个细胞，所以认为图像中只有细胞核的边界或细胞核和细胞质的边界，但是，实际情况中，多个细胞的不规则重叠、交叉、排列，白细胞的介入，灰尘和杂质的影响，光照不均等都加大了实际分割的难度。

发明内容

有鉴于此，有必要提供一种宫颈癌细胞分割方法及系统。

本发明提供一种宫颈癌细胞分割方法，该方法包括如下步骤：a.去除宫颈图像的噪声；b.对上述去除噪声的图像构造细胞质模板进行粗分割，以分割出细胞质区域；c.对分割出的细胞质区域计算超像素；d.对上述计算超像素的细胞质区域采用卷积神经网络进行分类；e.根据上述去除噪声的图像构造细胞核模板，并对细胞核进行粗分割；f.对粗分割后的细胞核进行修正，并完成宫颈癌细胞的分割。

其中，所述的噪声包括脉冲噪声和高斯噪声。

所述的步骤c采用简单线性迭代聚类方法计算超像素。

所述的步骤d包括：对采用简单线性迭代聚类方法得到的每个区域，抽取R、G、B、H、S、V六个通道的最大值、均值、最小值共18个颜色特征。

所述的步骤e包括：提高V通道细胞和背景对比度；对V通道的图像进行形态学顶帽变换；及构造细胞核模板。

本发明还提供一种宫颈癌细胞分割系统，包括相互电性连接的去噪模块、粗分割模块、计算模块、分类模块及修正模块，其中：所述去噪模块用于去除宫颈图像的噪声；所述粗分割模块用于对上述去除噪声的图像构造细胞质模板进行粗分割，以分割出细胞质区域；所述计算模块用于对分割出的细胞质区域计算超像素；所述分类模块用于对上述计算超像素的细胞质区域采用卷积神经网络进行分类；所述粗分割模块还用于根据上述去除噪声的图像构造细胞核模板，并对细胞核进行粗分割；所述修正模块用于对粗分割后的细胞核进行修正，并完成宫颈癌细胞的分割。

其中，所述的噪声包括脉冲噪声和高斯噪声。

所述的计算模块采用简单线性迭代聚类方法计算超像素。

所述的分类模块用于：对采用简单线性迭代聚类方法得到的每个区域，抽取R、G、B、H、S、V六个通道的最大值、均值、最小值共18个颜色特征。

所述的粗分割模块具体用于：提高V通道细胞和背景对比度；对V通道的图像进行形态学顶帽变换；及构造细胞核模板。

本发明宫颈癌细胞分割方法及系统，使用超像素保证细胞质边界的准确分割，然后对每个超像素区域提取颜色特征，采用卷积神经网络完成对细胞质和背景的分类；对细胞核的分割，同样采取从粗到精的分割新思想，对得到的粗分割细胞核图像，用BP神经网络进行进一步修复。本发明从粗到精的分割方法，一方面保证了处理的速度，另一方面又获得了精确的分割效果。

附图说明

图1为本发明宫颈癌细胞分割方法的流程图；

图2为本发明较佳实施例每个超像素区域所提取的特征示意图；

图3为本发明宫颈癌细胞分割系统的硬件架构图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

参阅图1所示，是本发明宫颈癌细胞分割方法较佳实施例的作业流程图。