[發(fā)明專利]基于細(xì)胞團(tuán)的宮頸細(xì)胞病理切片病變細(xì)胞識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810717459.1
• 申請日: 2018-07-03
• 公開（公告）號: CN109087283B
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 程勝華;劉越;曾紹群;余江勝;劉秀麗;呂曉華
• 申請（專利權(quán)）人: 懷光智能科技（武漢）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/181;G06T7/12;G06T7/11;G06T7/136;G06T7/194
• 代理公司: 武漢東喻專利代理事務(wù)所(普通合伙) 42224
• 代理人: 方可

本發(fā)明公開了一種基于細(xì)胞團(tuán)的宮頸細(xì)胞病理切片圖像病變細(xì)胞識別方法及系統(tǒng)，包括如下步驟：在宮頸病理切片圖像上提取單個的細(xì)胞團(tuán)區(qū)域；統(tǒng)計細(xì)胞團(tuán)區(qū)域的尺寸，將尺寸超過預(yù)定閾值的細(xì)胞團(tuán)視作超大細(xì)胞團(tuán)；將超大細(xì)胞團(tuán)拆分為子細(xì)胞團(tuán)；將超大細(xì)胞團(tuán)以外的細(xì)胞團(tuán)區(qū)域和拆分得到的子細(xì)胞團(tuán)作邊界填充處理，得到待識別區(qū)域；在待識別區(qū)域中識別出病變細(xì)胞。本發(fā)明針對海量像素的全切片圖像，以細(xì)胞團(tuán)為處理和識別單位，而不是常規(guī)的圖像分塊融合框架，更加適合宮頸細(xì)胞病理切片圖像的特點，同時提高了效率和精準(zhǔn)度。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)細(xì)胞病理圖像處理領(lǐng)域，更具體地，涉及一種基于細(xì)胞團(tuán)的宮頸細(xì)胞病理切片病變細(xì)胞識別方法及系統(tǒng)。

背景技術(shù)

宮頸癌是女性群體中高發(fā)的一種惡性腫瘤。宮頸液基細(xì)胞病理學(xué)是當(dāng)前預(yù)防和篩查宮頸癌的最重要手段。對細(xì)胞病理切片圖像中病變細(xì)胞進(jìn)行精確判讀是醫(yī)生確定病人病情和制定治療方案的重要依據(jù)。當(dāng)前，基于人工的細(xì)胞病理圖像判讀不僅耗時，而且判讀結(jié)果非常依賴于醫(yī)生的經(jīng)驗。因此，自動地判讀病理切片中的病變細(xì)胞不僅能提高診斷的效率而且能給醫(yī)生更加統(tǒng)一客觀的診斷依據(jù)。自動閱片技術(shù)的這些優(yōu)點對于在我國普及宮頸篩查具有重大的意義。

病理圖像判讀的主要依據(jù)是細(xì)胞核和細(xì)胞質(zhì)的精細(xì)形態(tài)。這要求數(shù)字化的病理切片達(dá)到亞微米的分辨率。而單張切片尺寸一般在厘米尺度，因此一張數(shù)字化的切片圖像通常含有10⁴x 10⁴–10⁵x 10⁵的像素。自動算法通常難以直接處理包含如此海量像素的數(shù)字切片，所以會采用大體積圖像分塊處理融合子塊結(jié)果的計算方案。如美國Hologic公司將數(shù)字切片按視野分塊，然后在每個視野塊內(nèi)計算圖像特征，最終挑選22個最可疑的視野塊供人工進(jìn)一步判讀。但是這種分塊融合的方案有如下不足：子塊的邊界處細(xì)胞被人為切開，降低識別精度；字塊太大依然難以直接處理，字塊太小帶來更多邊界問題并增加處理開銷；子塊邊界處鄰近塊處理結(jié)果的不一致性。常規(guī)的分塊融合是一種規(guī)則的劃分策略，對于細(xì)胞病理切片圖像，由于制片原理，細(xì)胞大部分是成團(tuán)聚集或者孤立存在。因此，如果能利用細(xì)胞病理切片圖像的這一圖像特點，對全切片進(jìn)行非規(guī)則劃分，這種處理方案將更有效：避免邊界問題，減少冗余計算。

綜上所述，全切片病理圖像的圖像分析和理解的一個關(guān)鍵環(huán)節(jié)是如何高效處理海量像素。常規(guī)的圖像分塊融合策略雖然能處理全切片圖像，但是同時引入了冗余計算和子塊邊界問題。結(jié)合細(xì)胞病理圖像特點進(jìn)行非規(guī)則劃分的處理方式更加合理。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于細(xì)胞團(tuán)的宮頸細(xì)胞病理切片病變細(xì)胞識別方法，該方法以細(xì)胞團(tuán)為處理和識別單位，同時提高了識別精度和識別效率。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于細(xì)胞團(tuán)的宮頸細(xì)胞病理切片圖像病變細(xì)胞識別方法，包括如下步驟：

在宮頸病理切片圖像上提取單個的細(xì)胞團(tuán)區(qū)域；

統(tǒng)計細(xì)胞團(tuán)區(qū)域的尺寸，將尺寸超過預(yù)定閾值的細(xì)胞團(tuán)視作超大細(xì)胞團(tuán)；

將超大細(xì)胞團(tuán)拆分為子細(xì)胞團(tuán)；

將超大細(xì)胞團(tuán)以外的細(xì)胞團(tuán)區(qū)域和拆分得到的子細(xì)胞團(tuán)作邊界填充處理，得到待識別細(xì)胞團(tuán)；

在待識別細(xì)胞團(tuán)中識別出病變細(xì)胞。

進(jìn)一步地，所述將超大細(xì)胞團(tuán)拆分為子細(xì)胞團(tuán)的具體實施方式為：如果細(xì)胞團(tuán)區(qū)域的長度超過預(yù)定閾值，則沿水平方向?qū)⒃摷?xì)胞團(tuán)分為多個子細(xì)胞團(tuán)，且子細(xì)胞團(tuán)間在水平方向存在冗余，每個子細(xì)胞團(tuán)的長設(shè)定為固定的值；子細(xì)胞團(tuán)長度、相鄰子細(xì)胞團(tuán)重合寬度、子細(xì)胞個數(shù)和原始超大父細(xì)胞團(tuán)長度存在如下關(guān)系：

d·n-(n-1)·s＝L+x

x＝d·n-(n-1)·s-L；