[发明专利]一种基于内外应力的低分化腺体分割方法

说明书

本发明公开了一种基于内外应力的低分化腺体分割方法，包括以下步骤：1)、基于ResUnet架构对病理组织染色图像进行染色分离，得到苏木精通道与背景通道图像；2)、基于改进符号压力函数的变分水平集图像分割算法从背景通道图像中分割腺体流明区域；3)、将苏木精通道图作为SC‑CNN输入特征，得到上皮细胞区域边界，即上皮细胞核构成的腺边界；4)、基于最小惯性轴及链码的图形形状描述方法根据流明形状特征对腺体轮廓进行绘制。本发明使得HE染色图像中包含信息更加独立且易于识别，以处理染色强度不均匀以及染色差异不明显的情况，开发并组合了一组新的分割腺体轮廓的特征，明确提出了一种流明和腺体外轮阔形状特征的表示方法。

技术领域

本发明涉及图像信息处理技术领域，具体为一种基于内外应力的低分化腺体分割方法。

背景技术

腺癌是一种由上皮组织中的腺结构形成的恶性肿瘤。它影响细胞的分布，也改变腺体的结构。活检是一种以微创方式从可疑器官中取出的组织，病理学家通过显微镜对活检组织进行判别，病理学家需要精确，并且有能力检测大量数据，从而检测出活检中的微小异常。以消化系统为例，结肠组织病理学染色图像为主要检测病变的依据。典型的结肠腺组织病理学图像包含四种组织成分：管腔，细胞质，上皮细胞和基质(结缔组织，血管，神经组织等)。管腔区域被卵圆形结构包围，称为上皮细胞，整体结构以粗线为界，称为上皮细胞核。

传统方法主要研究腺体外观特征和轮廓特征。外观特征主要基于腺体由细胞核，细胞质和官腔组成。Sirinukunwattana,Jacobs等人通过低级特征：颜色、纹理等信息用于识别腺体对象。轮廓特征是基于腺体结构被一圈上皮细胞包围，很多研究方法通过识别上皮细胞来分割腺体。Sirinukunwattana提出的随机多边形模型，Fu等人提出了空间随机场模型能够很好的分割良性腺体轮廓，但不适于分割恶性和病变的腺体。

近期随着深度学习在计算机视觉领域的发展，使将其应用于组织病理学研究成为可能。Ronneberger等人提出了U-net在医学图像分割领域取得了很好的效果。这种深度学习框架基于原始图像以及人工标记的分割掩模对模型进行训练，以使损失函数最小为目标反向传播误差，逐层更新参数从而达到使模型自动分割图像的目的。Chen等人提出的深度轮廓感知网络说明了轮廓在腺体分割中起着重要作用，Wang等人提出的双平行分支深度神经网络结合了轮廓与目标的融合特征对腺体进行了准确分割。以上方法都需要大量的人工标注图像，然而标注大量医学图像是非常困难的。

发明内容

本发明的目的是为了解决现有技术中的不足，提供一种基于内外应力的低分化腺体分割方法。首先运用改进的U-net对HE图像进行染色分离，分别得到苏木精通道(苏木精通道图像中包含细胞核信息)、伊红通道、以及背景通道(考虑到流明与背景相似，流明信息包含在背景通道中)；之后将苏木精通道作为SC-CNN框架的输入，得到上皮细胞区域边界，即上皮细胞核构成的腺边界，同时基于改进的SPF方法对空腔进行分割，然后运用最小惯性轴与链码表示的图形特征方法来依据流明与腺边界的相似性，对发生黏连的腺体以及腺体与基质融合的情况对腺体进行分割。

为实现上述目的，本发明提供如下技术方案：一种基于内外应力的低分化腺体分割方法，包括以下步骤：

1)、基于ResUnet架构对病理组织染色图像进行染色分离，得到苏木精通道与背景通道图像；

2)、基于改进符号压力函数的变分水平集图像分割算法从背景通道图像中分割腺体流明区域；

3)、将苏木精通道图作为空间受限SC-CNN输入特征，得到上皮细胞区域边界，即上皮细胞核构成的腺边界；

4)、基于最小惯性轴及链码的图形形状描述方法根据流明形状特征对腺体轮廓进行绘制；

所述步骤3)中使用核检测的空间受限SC-CNN和用于核分类的softmax CNN方法，将染色分离得到的苏木精强度作为CNN的输入特征，得到表示上皮细胞核的像素集V以及上皮细胞核所在区域的外轮廓L；