[发明专利]一种宫颈脱落细胞核图像识别方法

说明书

本发明涉及一种宫颈脱落细胞核图像识别方法，步骤：1输入宫颈脱落细胞核的训练及测试样本图像；2对宫颈脱落细胞核样本图像进行预处理；3对宫颈脱落细胞核进行特征提取并对该样本图像进行归一化和标识；4利用加权求和的方法构建混合核函数SVM分类器；5利用大网格结合QPSO算法在搜索区域进行寻优，寻找最优的区域；6利用中网格结合QPSO算法在最优的区域进行寻优，缩小最优区域；7利用小网格结合QPSO算法在寻优后的区域进行寻优，寻找最优的混合核函数参数，建立最优的SVM分类器；8、利用优化后的新的SVM分类器完成对测试集宫颈脱落细胞核的识别分类。其识别不同细胞核图像中的细胞种类，达到细胞核快速识别的效果。

技术领域

本发明属于医学细胞图像处理领域，具体涉及一种宫颈脱落细胞核图像识别方法。

背景技术

在当前医学研究领域，癌症的问题是难以避免的方向，癌症作为当前世界难以克服的绝症，还没有很好的治愈方法，医学界大多是通过早期对患者进行医学检测。通过早期对癌变进行治疗和抑制，避免癌变在后期慢慢恶化，达到无法遏制的地步。宫颈癌是最常见的妇科恶性肿瘤。原位癌高发年龄为30~50岁，浸润癌为45~55岁，近年来其发病有年轻化的趋势。宫颈细胞的癌变是一个连续发展的过程，从宫颈细胞的病变发展到严重的浸润癌一般时间比较漫长，如能初期诊断出来并进行治疗，相对难度较小，费用较低，而一旦发展成为浸润癌，治疗就非常痛苦且费用高。在我国，宫颈细胞学检查已逐步成为女性常规的体检项目。“精准医疗”的提出更贴合当前时代和医学发展的需求，宫颈癌诊断病理分析作为当前替代癌症治疗的有效手段，对医学的发展和人体健康需求起着至关重要的作用，符合早期对癌病的诊断和检测，实现提前预防和治疗的效果。

在宫颈脱落细胞核识别研究中，由于细胞实际制片的操作过程中存在各种因素，获得的涂片细胞核大多数情况下都会存在粘连重叠，背景有杂质，细胞核不能准确有效地分割，癌变细胞核和正常细胞核的自动分割和识别是当前计算机图像处理和模式识别在医学领域应用的一个重要的研究课题。细胞核图像的自动分类大大提高了医学诊断的效率，当直接在图像上进行操作时，传统的分类方法由于数据的高维特性表现差，很难取得较好的效果，但是支持向量机（SVM）可以克服高维表示的缺陷，被广泛运用到图像分类中去。因此，本发明着重研究了SVM模型参数优化的方法，选择合适的参数并进行参数优化，得到学习能力和泛化能力良好的SVM分类器，提升SVM的分类能力，利用优化后的SVM分类器对细胞核进行训练，构建分类后的细胞核模型，利用建立的不同的细胞核模型，识别不同细胞核图像中的细胞种类，达到细胞核快速识别的效果。

发明内容

为克服传统分类方法的不足，本发明提供了一种基于混合网格搜索的QPSO算法对混合核函数SVM参数优化的宫颈脱落细胞核图像识别方法。

本发明的技术方案是这样实现的：

一种宫颈脱落细胞核图像识别方法，包括以下步骤：

步骤1：采集图像，利用显微镜和相机采集宫颈脱落细胞核图像，将细胞样本放在显微镜载物台上，利用相机聚焦拍照，采集清晰的样本细胞核图像；

将获取的宫颈脱落细胞核分成两类：一类宫颈脱落细胞核作为训练SVM分类器的训练细胞核，一类宫颈脱落细胞核作为测试SVM分类器性能的测试细胞核，将80%（400个）的宫颈脱落细胞核选作训练集，20%（100个）的宫颈脱落细胞核选作测试集；

步骤2：对宫颈脱落细胞核图像进行预处理，包括如下步骤：

对宫颈脱落细胞核图像进行降噪处理，采用面积为3*3的模板进行高斯滤波实现，如：

；

对整幅细胞核图像进行加权平均处理，用面积3*3的模板扫描每一个像素，用模板确定的邻域内像素的加权平均灰度值替代模板中心像素点的值，公式如下：

;

其中为点坐标，在图像处理中可认为是整数；是标准差；