宮頸液基細(xì)胞圖像分割方法技術(shù)

本發(fā)明專利技術(shù)公開了一種宮頸液基細(xì)胞圖像分割方法。該方法包括：步驟1.細(xì)胞分割，首先對(duì)圖像進(jìn)行光照矯正，然后濾除噪聲并增強(qiáng)細(xì)胞邊界，再將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景三類以排除背景類區(qū)域；步驟2.細(xì)胞核分割，在細(xì)胞區(qū)域內(nèi)檢測(cè)各細(xì)胞核的中心，在中心附近估計(jì)細(xì)胞核大致形狀，并修正得到精確邊界。本發(fā)明專利技術(shù)提出的方法面向更大視野范圍內(nèi)的宮頸細(xì)胞及細(xì)胞群，能克服一定程度的光照變化、染色不均勻及噪聲影響,能可靠而精確地同時(shí)實(shí)現(xiàn)對(duì)細(xì)胞質(zhì)、單個(gè)細(xì)胞核及粘連核的分割。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及細(xì)胞病理學(xué)、計(jì)算機(jī)視覺及圖像處理方法，特別涉及一種宮頸液基細(xì)胞圖像自動(dòng)分割方法。
技術(shù)介紹
宮頸癌是對(duì)婦女威脅最大的惡性腫瘤疾病之一，全世界毎年有近250，000人死于宮頸癌。其實(shí)，宮頸癌是ー種可以治愈的癌癥，只要能早期發(fā)現(xiàn)癌變或HPV (人類乳頭瘤病毒)感染。目前臨床上檢測(cè)早期宮頸癌最成熟、有效的方法是液基細(xì)胞學(xué)制片技術(shù)結(jié)合巴氏染色法。該制片技術(shù)能使大多數(shù)細(xì)胞均勻地平鋪在玻片上，從而方便了對(duì)細(xì)胞核和細(xì)胞質(zhì)的觀察；該染色方法能使不同層的細(xì)胞顯示不同的顔色，從而能對(duì)不同層的細(xì)胞進(jìn)行有區(qū)別地識(shí)別。文獻(xiàn)報(bào)道這樣的方式診斷宮頸細(xì)胞病理學(xué)改變具有高度敏感性，可檢出92.9%的高度病變和100%的瘤癌。然而，人眼觀測(cè)宮頸細(xì)胞圖像對(duì)醫(yī)生來說是ー個(gè)沉重的負(fù)擔(dān)，而且人工解讀存在用戶內(nèi)和用戶間差異。因此，傳統(tǒng)人工方式篩查宮頸癌的假陰性率較高。假陰性患者如不能及時(shí)治療，輕者引起法律訴訟，重者危及生命。計(jì)算機(jī)輔助判讀宮頸癌已被證明是降低假陰性率的有效技術(shù)，如2005年美國FDA發(fā)布報(bào)告顯示，對(duì)于宮頸細(xì)胞學(xué)高度病變，使用ThinPrep Imaging System輔助判讀能提高5. 8%的敏感性；2009年美國FDA發(fā)布報(bào)告顯示，對(duì)于癌變和高度細(xì)胞學(xué)病變，使用BDFocalPoint GS Imaging System輔助判讀能分別提高24. 5%和19. 6%的敏感性。盡管如此，2011年，國際權(quán)威醫(yī)學(xué)雜志《柳葉刀》上發(fā)表了對(duì)自動(dòng)判讀和人工判讀宮頸癌的對(duì)比臨床測(cè)試報(bào)告，認(rèn)為對(duì)于CIN2和CIN3級(jí)病變，自動(dòng)判讀的敏感性還不如人工。因此，為進(jìn)ー步推動(dòng)宮頸細(xì)胞學(xué)計(jì)算機(jī)輔助判讀技術(shù)在臨床上的應(yīng)用，需要對(duì)計(jì)算機(jī)輔助判讀技術(shù)進(jìn)行更深入的研究。計(jì)算機(jī)輔助判讀技術(shù)包括兩個(gè)主要任務(wù)分割，識(shí)別。其中，精確分割是關(guān)鍵前提。因?yàn)橹挥休^好的分割了細(xì)胞，才有可能可靠地獲取與病理相關(guān)的細(xì)胞的形態(tài)學(xué)改變。迄今為止，對(duì)于宮頸細(xì)胞的分割已有較多文獻(xiàn)報(bào)道，各種分割技術(shù)的應(yīng)用層出不窮，但大部分都 只能實(shí)現(xiàn)對(duì)細(xì)胞核的分割，或?qū)τ趩蝹€(gè)細(xì)胞的細(xì)胞質(zhì)和細(xì)胞核的分割，另外，所有方法都未處理細(xì)胞核粘連的情況。伊斯法罕理工大學(xué)的Harandi等人于2010年提出的方法能同時(shí)分割多個(gè)細(xì)胞的細(xì)胞質(zhì)和細(xì)胞核。但Harandi等人采用的活動(dòng)輪廓模型提取細(xì)胞質(zhì)邊界的方法對(duì)噪聲敏感，當(dāng)背景中存在雜質(zhì)、氣泡、炎癥細(xì)胞等物體時(shí)，活動(dòng)輪廓將停止收斂而得不到細(xì)胞質(zhì)的邊界。傳統(tǒng)分割細(xì)胞核的方式通常是直接在細(xì)胞質(zhì)區(qū)域內(nèi)對(duì)圖像進(jìn)行ニ值化，這類基于區(qū)域的分割方式會(huì)造成許多假陽性目標(biāo)的產(chǎn)生(如細(xì)胞質(zhì)重疊部位)，且當(dāng)細(xì)胞核染色不均勻時(shí)難以提取準(zhǔn)確的細(xì)胞核邊界，此外也不能分割出粘連細(xì)胞核。粘連細(xì)胞核的分割已有較多技木，然而這些技術(shù)都存在ー些不足，如基于曲率的分割技術(shù)依賴于凹點(diǎn)對(duì)的定位，當(dāng)凹點(diǎn)檢測(cè)不準(zhǔn)確時(shí)，分割性能難以保障；基于分水嶺的分割技術(shù)常常導(dǎo)致過分割結(jié)果；基于距離圖的分割技術(shù)不能分割重疊嚴(yán)重的細(xì)胞和細(xì)胞群；基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)對(duì)于結(jié)構(gòu)元和閾值的選擇非常敏感。有鑒于此，有必要研發(fā)ー種能分割單個(gè)細(xì)胞及細(xì)胞群的細(xì)胞質(zhì)和細(xì)胞核、且能分離粘連細(xì)胞核的方法。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于提供一種，該方法能準(zhǔn)確分割出單個(gè)細(xì)胞及細(xì)胞群的細(xì)胞質(zhì)和細(xì)胞核，且能分離粘連細(xì)胞核。為實(shí)現(xiàn)上述目的，本專利技術(shù)提供的包括下列步驟步驟I.細(xì)胞分割。首先對(duì)圖像進(jìn)行光照矯正，然后濾除噪聲并增強(qiáng)細(xì)胞邊界，再將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景等三類以排除背景類區(qū)域；步驟2.細(xì)胞核分割。在細(xì)胞區(qū)域內(nèi)檢測(cè)各細(xì)胞核的中心，在中心附近估計(jì)細(xì)胞核 大致形狀，并修正得到精確邊界。所述步驟I中，光照矯正的步驟為首先將原始彩色圖像從RGB彩色空間轉(zhuǎn)換到Lab彩色空間，提取其中的L通道圖像，對(duì)該圖像進(jìn)行頂帽變換得到光照均勻的圖像。所述步驟I中，濾除噪聲并增強(qiáng)細(xì)胞邊界的步驟為采用均值移位(mean shift)濾波和中值濾波處理光照矯正后的圖像。所述步驟I中，將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景等三類的步驟為將濾波后的圖像用K均值聚類算法分為三類，從而引導(dǎo)圖割(graph cuts)算法得到分割結(jié)果，最后排除背景類區(qū)域，剩下區(qū)域即為細(xì)胞區(qū)域。所述的引導(dǎo)圖割算法的步驟為根據(jù)聚類中心構(gòu)造三終端圖網(wǎng)絡(luò)，將網(wǎng)絡(luò)中各像素值與各終端的差異賦給圖割法能量函數(shù)中的數(shù)據(jù)項(xiàng)，將由Potts模型參數(shù)定義的相鄰像素間的連接能量賦給圖割法能量函數(shù)中的像素連續(xù)性項(xiàng)，進(jìn)而用a擴(kuò)展算法和最大流最小割算法優(yōu)化能量函數(shù)，得到全局最優(yōu)的像素類別標(biāo)簽。所述步驟2中，檢測(cè)各細(xì)胞核的中心的步驟為求細(xì)胞區(qū)域內(nèi)各像素的滑動(dòng)帶濾波(sliding band filter, SBF)響應(yīng)，以大于給定閾值的局部極大響應(yīng)的位置為細(xì)胞核中心。所述步驟2中，估計(jì)細(xì)胞核大致形狀的步驟為對(duì)每ー個(gè)細(xì)胞核，在其SBF滑動(dòng)帶中捜索各方向上最大響應(yīng)的位置，連接這些位置即得到細(xì)胞核大致形狀。所述步驟2中，修正得到精確邊界的步驟為以細(xì)胞核大致形狀為初始輪廓進(jìn)行水平集(level set)演化，得到更精確的細(xì)胞核邊界/區(qū)域。所述的水平集演化的步驟為將水平集能量函數(shù)外能項(xiàng)中的邊緣指示函數(shù)定義為梯度收斂形式，并將細(xì)胞核大致形狀向外擴(kuò)張一定大小作為水平集演化的初始輪廓，水平集演化過程在濾波增強(qiáng)后的圖像上進(jìn)行。與現(xiàn)有技術(shù)相比，本專利技術(shù)面向更大視野范圍內(nèi)的細(xì)胞及細(xì)胞群，能克服一定程度的光照變化、染色不均勻及噪聲影響。對(duì)細(xì)胞質(zhì)的分割聯(lián)合了圖像全局信息和局部信息；對(duì)細(xì)胞核的分割綜合利用了圖像底層信息——梯度收斂，細(xì)胞核先驗(yàn)信息——尺寸、形狀等，高級(jí)模型——水平集活動(dòng)輪廓模型。從而能可靠而精確地同時(shí)實(shí)現(xiàn)對(duì)細(xì)胞質(zhì)、單個(gè)細(xì)胞核及粘連核的分割。本專利技術(shù)的技術(shù)能為全自動(dòng)宮頸癌篩查系統(tǒng)提供更全面、可靠而精確的全自動(dòng)分#I]結(jié)果。附圖說明圖I為本專利技術(shù)的原理圖。具體實(shí)施例方式本專利技術(shù)的關(guān)鍵技術(shù)在于對(duì)宮頸液基細(xì)胞圖像中的細(xì)胞質(zhì)和細(xì)胞核進(jìn)行分割。本專利技術(shù)的技術(shù)原理包括計(jì)算機(jī)視覺和圖像處理技木。圖I是本專利技術(shù)用于宮頸液基細(xì)胞圖像分割的一個(gè)較佳實(shí)施方案的原理圖。該方案包括一個(gè)細(xì)胞分割模塊11及一個(gè)細(xì)胞核分割模塊12。細(xì)胞分割模塊11用于實(shí)現(xiàn)自動(dòng)排除背景區(qū)域，得到單個(gè)細(xì)胞和細(xì)胞群的細(xì)胞質(zhì)，細(xì)胞核分割模塊12用于實(shí)現(xiàn)自動(dòng)提取細(xì)胞質(zhì)區(qū)域內(nèi)的所有細(xì)胞核區(qū)域，包括粘連細(xì)胞核。本專利技術(shù)提供的包括下列步驟 步驟I.細(xì)胞分割。首先對(duì)圖像進(jìn)行光照矯正，然后濾除噪聲并增強(qiáng)細(xì)胞邊界，再將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景等三類以排除背景類區(qū)域；步驟2.細(xì)胞核分割。在細(xì)胞區(qū)域內(nèi)檢測(cè)各細(xì)胞核的中心，在中心附近估計(jì)細(xì)胞核大致形狀，并修正得到精確邊界。細(xì)胞分割步驟包括光照矯正，濾波增強(qiáng)和排除背景。步驟111.光照矯正。該步驟的目的是提高細(xì)胞與背景之間的對(duì)比度，并消除圖像在獲取過程中可能產(chǎn)生的光照不均勻現(xiàn)象。宮頸液基涂片經(jīng)過巴氏染色后，細(xì)胞被染成藍(lán)色或紅色，而背景不會(huì)被染色進(jìn)而在圖像中呈現(xiàn)白色。經(jīng)觀察發(fā)現(xiàn)，細(xì)胞和背景之間的亮度差別較明顯，因此，本專利技術(shù)基于亮度差異來提高細(xì)胞與背景之間的對(duì)比度。最直接的提取亮度信息的方式是將圖像從RGB(紅綠藍(lán))彩色空間轉(zhuǎn)換到Lab (顔色-對(duì)立)彩色空間，提取亮度(L)通道圖像。實(shí)驗(yàn)發(fā)現(xiàn)，L通道圖像的直方圖分布具有較好的雙峰特征，利于細(xì)胞核背景的區(qū)分。為消除光照不均勻現(xiàn)象，本發(fā)本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種宮頸液基細(xì)胞圖像分割方法，其特征在于包括下列步驟：步驟1.？細(xì)胞分割，首先對(duì)圖像進(jìn)行光照矯正，然后濾除噪聲并增強(qiáng)細(xì)胞邊界，再將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景三類以排除背景類區(qū)域；步驟2.？細(xì)胞核分割，在細(xì)胞區(qū)域內(nèi)檢測(cè)各細(xì)胞核的中心，在中心附近估計(jì)細(xì)胞核大致形狀，并修正得到精確邊界。

【技術(shù)特征摘要】
1.一種宮頸液基細(xì)胞圖像分割方法，其特征在于包括下列步驟 步驟I.細(xì)胞分割，首先對(duì)圖像進(jìn)行光照矯正，然后濾除噪聲并增強(qiáng)細(xì)胞邊界，再將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景三類以排除背景類區(qū)域； 步驟2.細(xì)胞核分割，在細(xì)胞區(qū)域內(nèi)檢測(cè)各細(xì)胞核的中心，在中心附近估計(jì)細(xì)胞核大致形狀，并修正得到精確邊界。2.如權(quán)利要求I所述的方法，其特征在于，步驟I中，所述光照矯正的步驟為首先將原始彩色圖像從RGB彩色空間轉(zhuǎn)換到Lab彩色空間，提取其中的L通道圖像，對(duì)該圖像進(jìn)行頂帽變換得到光照均勻的圖像。3.如權(quán)利要求I所述的方法，其特征在于，步驟I中，所述濾除噪聲并增強(qiáng)細(xì)胞邊界的步驟為采用均值移位(mean shift)濾波和中值濾波處理光照矯正后的圖像。4.如權(quán)利要求I所述的方法，其特征在于，步驟I中，將圖像分為細(xì)胞質(zhì)、細(xì)胞核、背景三類的步驟為將濾波后的圖像用K均值聚類算法分為三類，從而引導(dǎo)圖割(graph cuts)算法得到分割結(jié)果，最后排除背景類區(qū)域，剩下區(qū)域即為細(xì)胞區(qū)域。5.如權(quán)利要求4所述的方法，其特征在于，所述引導(dǎo)圖割算法的步驟為根據(jù)聚類中心構(gòu)造三終端圖網(wǎng)絡(luò)，將網(wǎng)絡(luò)中各像素值與...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：唐盛，張靈，尹立東，
申請(qǐng)(專利權(quán))人：深圳市邁科龍生物技術(shù)有限公司，
類型：發(fā)明
國別省市：