[发明专利]一种乳腺癌病理学图像有丝分裂核自动分割方法

说明书

本发明公开了一种乳腺癌病理学图像有丝分裂核自动分割方法，该方法首先根据BR图的不同尺度LoG滤波的最大响应初略估计出前景像素和背景像素。在此基础上对当前的前景像素和背景像素分别训练一个高斯混合模型GMM以描述前景像素和背景像素的颜色分布；并建立s‑t图G＝{V,E}，通过计算图G的最大流实现了对前景和背景的新的估计，然后重复GMM训练和Graph‑Cut分割，直到收敛或满足规定的迭代次数。最后对分割的结果进行形态学的开操作，完成最终的分割。该方法在分割时不仅考虑了单个像素颜色特征属于前景或背景的概率，还考虑了相邻像素间的关系，保证了分割结果的平滑性，提高了精度。

技术领域

本发明属于图像处理技术领域，特别涉及一种乳腺癌病理学图像有丝分裂核自动分割方法。

背景技术

据国家卫生部统计，乳腺癌在我国女性患癌中占据了很大的比例，成为了危害女性的生命安全的最大杀手之一，其发病年龄下从20岁到70、80岁，且发病率随着年龄的增长而呈上升势态。目前我国大多数乳腺癌患者集中在45～55这个年龄段，发病率占全身各种恶性肿瘤的7-10％，在女性中仅次于子宫癌的发病率。而目前关于乳腺癌的病因尚未完全清楚，其早期发现和早期诊断则显得至关重要。

在乳腺癌严重程度评估中，有丝分裂计数是一个很重要的指标。但是，现有的有丝分裂计数全靠人工进行，主要是依靠经验丰富的专家在显微镜下进行人工观察，非常繁琐，效率低，而且不同的专家往往有不同的结果，可重复性低。因此，采用图像处理技术设计合适的算法，利用计算机对显微镜图像进行分析，自动完成有丝分裂核的分割与识别，实现有丝分裂的自动检测与计数，对当前乳腺癌的诊断和筛查均具有极其重要的意义。

经过标准H&E染色后的切片，发生了有丝分裂的细胞核和未发生有丝分裂的细胞核在外观上看起来相差不大，且都拥有不规则的外表，有丝分裂核表现出来的多样性使得对其进行自动检测与计数的研究极具有挑战性，已成为当前的研究热点。

现有方法的标准流程是首先采用图像分割方法提取大量的候选区域，然后提取候选区域的各种形状、纹理等特征并训练分类器完成有丝分裂的自动识别。大量的诸如阈值分割、分水岭分割、形态学方法、基于LoG的blob检测等图像分割方法被用来分割细胞核，然而这些算法过于简单，在分割出有丝分裂核(正样本)的同时往往会分割出大量的非有丝分裂部分(负样本)，其平均正负样本的比例达到1：100，而正负样本分布不平衡给后续的分类器训练带来了很大的困难。

发明内容

本发明提供了一种乳腺癌病理学图像有丝分裂核自动分割方法，其目的在于克服上述现有技术中的不足，通过构建前景和背景的颜色概率模型，同时考虑像素之间的空间关系，采用Graph Cuts的方法完成前景、背景的分割的迭代方法，获得准确的分割结果，且大大减少了后续分类器训练的难度。

一种乳腺癌病理学图像有丝分裂核自动分割方法，包括以下步骤：

步骤1：对待分割的原始图像进行高斯平滑处理，获得平滑图像；

步骤2：从平滑图像中提取r(x,y),g(x,y),b(x,y)通道，按以下公式计算获得BR图像；

步骤3：利用不同尺度的LoG滤波器对BR图像进行卷积滤波，以每个像素点的最大响应作为滤波图像；

步骤4：采用Otsu算法计算滤波图像的二值化阈值T，利用二值化阈值T对滤波图像进行前景和背景分割，获得标记图M(x,y)；

所述标记图用于区分背景区域和前景区域；

步骤5：以标记图中像素值为0的像素对应在待分割的原始图中的像素作为背景像素，待分割的原始图中的其余像素为前景像素，利用背景像素集与前景像素集分别训练前景颜色模型p(z；θ_f)和背景颜色模型p(z；θ_b)；