[发明专利]基于Mask-RCNN的子宫颈细胞涂片的图像分割方法和系统

说明书

本发明涉及一种基于Mask‑RCNN的子宫颈细胞涂片的图像分割方法和系统，包括步骤：a、数据集构建步骤，包括训练数据集、验证数据集和测试数据集的准备与标注，以及数据集的归一化及预处理；b、模型的构建和训练步骤，构建基于Mask‑RCNN的图像分割模型并利用所述训练数据集训练该模型，以及利用所述验证数据集验证该模型的图像分割结果；c、模型的验证步骤，利用所述测试数据集测试该模型，同时利用相似性系数评价分割结果。本发明利用大量数据训练的深度神经网络模型可以通过对大量数据所包含的信息进行建模和抽象，从而可以实现通过单个模型对子宫颈细胞学涂片图像中的细胞、细胞核进行定位、检测及实例分割。

技术领域

本发明涉及计算机视觉和图像处理技术领域，特别涉及一种基于 Mask-RCNN的子宫颈细胞涂片的图像分割方法和系统

背景技术

在世界范围内，子宫颈癌是女性第四大常见癌症死因。在病症早期及时发现，及时治疗可以很大程度上提高治愈率。因此，子宫颈癌的早期诊断对女性健康有重要的意义。现代最常用的诊断方式是巴氏涂片检查。

巴氏涂片检查(Pap Test)是一种子宫颈细胞学诊断方法，常用于检查子宫颈癌等疾病。随着医疗数字化的发展，现代医院逐渐摒弃了在显微镜下直接对巴氏涂片进行观察和诊断的传统方法，取而代之的是在计算机上通过检查巴氏涂片图像进行诊断。检查步骤是：

首先，取得少量子宫颈细胞样品，制作细胞涂片；

然后，通过高分辨率扫描仪扫描细胞涂片，生成子宫颈细胞涂片图像；

最后，医生及病理专家通过计算机阅图工具观察细胞有无异常并做出诊断。

数字化的图像具有易于存储管理，易于传输会诊，易于追溯回访且使用成本相对较低的优点。

在诊断过程中，子宫颈涂片图像中各类组织细胞及其细胞核的形态，大小对判别诊断病变细胞会起到非常重要的作用。因此，细胞图像自动分割技术对于计算机辅助筛查，辅助诊断将会有很大的帮助。

现有子宫颈细胞学图像分割技术主要有以下几种：

中国专利CN102831607B，其通过图像处理算法对子宫颈细胞学图像进行光照矫正，滤除噪声及像素聚类方法进行细胞分割；然后基于细胞分割的结果推测细胞核的位置和形状。

中国专利CN103984958A，其通过图像处理算法对子宫颈细胞学图像进行去噪，粗分割，色彩空间特征提取及聚类对图像区域进行粗分割，利用卷积神经网络分类器对粗分割的区域做分类。基于细胞分割的结果推测细胞核的大致位置，利用Sobel算子构造细胞核模板和细胞核细分割的结果。

中国专利CN104992435A提出了一种宫颈单细胞的分割方法，基于单个细胞的图像利用灰度梯度及灰度梯度补偿算法对单个子宫颈细胞进行图像分割。

中国专利CN104732229A提出了一种针对子宫颈细胞涂片图像中堆叠细胞的分割方法，该方法基于图像处理的方法，利用分水岭算法进行重叠区域粗分割，将每个粗分割子块进行组合，构建范函来得到最优化组合，从而实现重叠区域分割的结果。

上述现有的方法中，针对该问题的解决尚不完善。子宫颈细胞学涂片图像中细胞形态十分复杂，有单个细胞，有重叠细胞，有易混淆为子宫颈细胞的白细胞，微生物还有预示着癌变的核增细胞，核质比很高的细胞及裸核。因此，基于像素聚类的方法很难分割重叠在一起的细胞；基于细胞分割的结果定位细胞核的方法很难准确分割单个裸核；临床中又很少存在只有单个细胞或只有成团细胞的图片。现有的方案中，尚无单一模型或流程方案可以同时解决子宫颈细胞图片图像中细胞及细胞核的定位，分类及分割的方案。此外，上述基于图像处理的方式的细胞分割方法和模型，更依赖设计者对子宫颈细胞学涂片图像中细胞特征的提取，很难通过对细胞，细胞核的语义信息进行建模和抽象表达。

发明内容