[发明专利]一种基于Unet和分水岭算法的细胞实例分割方法

权利要求书

1.一种基于Unet和分水岭算法的细胞实例分割方法，其特征在于，该方法具体包括以下步骤：

第一步，训练两个Unet网络，一个网络用于预测细胞形态，另一个网络用于预测细胞核，原图输入两个网络后分别生成细胞形态和细胞核两个掩码图像，此时的细胞形态掩码已经是做了语义分割操作，但是细胞形态掩码会有很多粘连的细胞；

第二步，通过原图，细胞形态，细胞核掩码，能生成一个有基于标记的分水岭分割结果，即得到分水岭掩码；

第三步，通过细胞形态掩码、细胞核掩码和分水岭掩码，结合膨胀算法分离粘连的细胞，生成最终的实例分割结果；

针对第三步的具体操作是：

1)找出粘连的细胞区域，未知区域掩码＝细胞形态掩码-细胞核掩码，根据未知区域掩码的轮廓参数，生成一个字典dic_，key是一个数字代表父轮廓，value是一个数组，代表子轮廓；其中value的长度共有两种情况，第一种value长度为1，这代表父轮廓的细胞区域只有一个细胞核，说明此细胞区域没有粘连情况，不作处理；第二种情况value长度大于1，这代表父轮廓的细胞区域有两个及以上细胞核，说明此细胞区域有粘连情况，需要做进一步的处理；

2)处理粘连的细胞区域，处理1)中确定的粘连区域，以两个细胞粘连情况举例，首先确定两个膨胀起始区域，然后在确定对应的禁止膨胀区，即一个膨胀区域膨胀后不可覆盖到其他细胞区域，不可超出当前细胞区域；然后两个膨胀区域交替膨胀，每次膨胀完之后要考虑对应的禁止区域，膨胀到禁止区域的要回退，在之后更新其他膨胀区域的禁止区域，直到两个膨胀区域填充满整个粘连区域，最后把这两个区域分别用不同的像素表示，就完成了两细胞粘连区域分离的操作，两个以上的粘连区域也是类似的操作。

2.根据权利要求1所述的一种基于Unet和分水岭算法的细胞实例分割方法，其特征在于：第二步中生成一个有基于标记的分水岭分割结果具体操作是：基于标记的分水岭算法需要：未知区域，注水点，梯度图；其中未知区域＝细胞区域-细胞核区域，注水点＝细胞核区域，梯度图＝原图经过sobel算子梯度化；未知区域用像素0标注，不同注水点用3、4、5…表示，背景用2表示，以上要素生成一个标记图，然后送入opencv分水岭函数中，即可生成分水岭掩码。