[发明专利]重叠细胞分割后的异常像素点重构方法

说明书

重叠细胞分割后的异常像素点重构，本发明涉及DNA倍体分析技术中，重叠细胞分割后出现的像素点异常的问题。DNA倍体分析技术通过图像处理技术测量细胞DNA的相对含量，在癌症诊断方面有着广泛的应用。然而重叠细胞的分割后的像素点异常，导致细胞的纹理、灰度以及最重要的光密度等特征出现异常，在诊断中极易出现误诊。为改善这一问题，本发明提出了一种基于GMM‑UBM模型的细胞重叠区域像素重构方法。实验表明，该方法能有效地调整细胞的纹理、灰度、光密度等特征值，减少DNA含量测量的误差，降低异常像素点对分类器识别率的影响。本发明应用于重叠细胞分割后的异常像素点重构。

技术领域

本发明设计重叠细胞分割后的异常像素点重构方法

背景技术

近年来宫颈癌高发，已经成为威胁妇女生命的社会问题。在全世界女性中，每年新诊断子宫颈癌约52.76万人，近26.50万人死于该病，其中90％死者位于不发达地区。中国每年新发现子宫颈癌例数约7.5万，占全球宫颈癌新发总人数的1/7，3.5万人死于此病。目前有效的宫颈癌筛查方法是宫颈脱落细胞涂片病理检查。该方法需要经验丰富的病理医生在镜下观察病变细胞后再做出诊断，这将耗费大量的人力物力，难以适应现实的需求。计算机辅助阅片技术能有效解决这一问题，典型的有DNA倍体分析。该技术首先用Feulgen对细胞核染色，然后识别图像上的各类细胞及垃圾杂质并将上皮细胞挑选出来，最后采用图像测量的方法测定细胞核内DNA含量作为判断异常细胞的依据。

细胞分割的目的在于将图像分割为单个的细胞，并以细胞为单位进行分析，这是DNA倍体分析的前提。细胞图片中不可避免的会出现一些重叠细胞，而重叠细胞的分割分后会出现像素点异常问题。这将导致细胞的纹理、灰度以及最重要的光密度等特征出现偏差，降低细胞DNA测量精度和诊断的准确率。无论哪种图像修复方法，其基本立足点在于利用现有样本的先验知识去修复受损区域的像素。因此先验知识是否重要，以及是否能被很好利用，这直接影响着修复的质量。然而在细胞重构中，一个细胞有效的像素非常有限，导致训练数据不充分，这使得目前的方法都难以取得理想的效果。我们提出一种基于GMM-UBM(Gaussian Mixture Models，GMM Universal Background Model，UBM)模型的重叠区域重构方法，以有效解决这一问题。GMM用于对每个细胞像素点分布建模，含有大量参数需要训练。较小的数据量无法满足这一要求。GMM-UBM用大量数据训练一个通用的UBM模型，再利用每个细胞特有的信息自适应一个特异性的GMM模型。该模型在说话人识别领域得到了广泛的应用，在少量数据方面适应能力较强。

发明内容

本发明的目的是解决重叠细胞的分割分后会出现像素点异常问题，提出的一种基于GMM-UBM模型的重叠区域重构方法。

上述发明目的主要是通过以下技术方案实现的：

S1、随机选取同一标本的1000个单细胞数据，做训练数据；

S2、利用EM算法训练通用的高斯混合模型UBM；

混合高斯模型的概率密度公式如下：

式中m为混合度通常根据实验结果指定，m＝3，π_k表示第k个单高斯模型的权重，N(x,μ_k,C)为第k个单高斯模型的概率密度，其中单高斯的概率密度公式如下，其中μ_k为数学期望、C为协方差矩阵。