[发明专利]一种基于多层结构的细胞分割方法、装置及电子设备

说明书

本申请提供一种基于多层结构的细胞分割方法、装置及电子设备，该方法包括：获取待分割的细胞图像；预处理所述细胞图像，得到预处理后图像；采用分水岭算法和改进的GVF Snake模型对所述预处理后图像进行粗分割，得到所述细胞粗轮廓；采用凸包检测、角点检测与椭圆拟合相结合对所述细胞粗轮廓进行细胞精细分割，得到细胞轮廓。该方案通过预处理、粗分割、精细分割，完成了多层结构的细胞分割，细胞分割精度高、效率高。

技术领域

本发明属于细胞分割技术领域，特别涉及一种基于多层结构的细胞分割方法、装置及电子设备。

背景技术

微成像和大数据的发展让人们开始关注计算机辅助诊断疾病，如乳腺癌、宫颈癌、结肠癌、前列腺癌等。此外，细胞的细胞核中含有大量的病理信息，在自动诊断中具有重要作用，其分割结果直接影响细胞生理状态。生物学家收集并标记包含各种细胞核的数据集，人工诊断严重依赖于临床医生的经验，且非常耗时。

现有的细胞分割方法大体采用传统分割方法和深度学习分割方法。传统分割方法过度分割特别严重，且传统分割方法在总体框架中缺乏对重叠细胞的检测和分割。而深度学习分割方法根据不同的分割目标和背景设计损失函数，再进行深度分割，或利用学习模型对细胞边界进行优化搜索。然而，这种损失函数作用于特定的场景，降低了模型的泛化能力。另外，深度学习分割方法严重依赖于充分且校准良好的数据集。

发明内容

本说明书实施例的目的是提供一种基于多层结构的细胞分割方法、装置及电子设备。

为解决上述技术问题，本申请实施例通过以下方式实现的：

第一方面，本申请提供一种基于多层结构的细胞分割方法，该方法包括：

获取待分割的细胞图像；

预处理细胞图像，得到预处理后图像；

采用分水岭算法和改进的GVF Snake模型对预处理后图像进行粗分割，得到细胞粗轮廓；

采用凸包检测、角点检测与椭圆拟合相结合对细胞粗轮廓进行细胞精细分割，得到细胞轮廓。

在其中一个实施例中：预处理细胞图像，得到预处理后图像，包括：

根据小波变换的去噪算法，对细胞图像进行去噪处理，得到去噪图像；

基于去噪图像提取细胞核特征；

基于决策树方法，根据细胞核特征，得到预处理后图像。

在其中一个实施例中：分水岭算法包括：

对预处理后图像进行二值化操作，得到二值化图像；

中值滤波器对二值化图像滤除噪声，得到去噪二值化图像；

腐蚀、膨胀算法对去噪二值化图像进行前景、背景标注，得到腐蚀膨胀图像；

获取腐蚀膨胀图像的所有像素点的灰度值；

从所有像素点的灰度值中找出最小灰度值；

从最小灰度值和预设阈值中选取较小的作为初始阈值；

将初始阈值与相邻像素点中的灰度值进行比较，将相邻像素点中灰度值大于或等于预设阈值的像素点标记为边界点；

初始阈值按照预设步长进行增长，得到增长阈值，增长阈值分别与相邻像素点中灰度值进行比较，将相邻像素点中灰度值大于或等于增长阈值的像素点标记为边界点；

增长阈值直至增长至灰度值中的最大值，结束增长，所有边界点构成细胞第一轮廓。

在其中一个实施例中：改进的GVF Snake模型包括：

泛函定义为：