[發明專利]識別顯微圖像中的細胞的方法、裝置、設備及存儲介質

有效

• 申請號: 201910784865.4
• 申請日: 2019-08-23
• 公開（公告）號: CN110490159B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 沈昊成
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06T7/11;G06T7/12;G06T7/187;G06T7/66
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請是關于一種識別顯微圖像中的細胞的方法、裝置、設備及存儲介質，涉及圖像處理技術領域。該方法包括：對彩色顯微圖像中的各個細胞進行邊緣分割，獲得細胞邊緣圖像；根據所述細胞邊緣圖像獲取所述各個細胞的中心點在所述彩色顯微圖像中的位置；根據所述各個細胞的中心點在所述彩色顯微圖像中的位置，獲取所述各個細胞的中心點的灰度值；根據所述各個細胞的中心點的灰度值，識別所述各個細胞的細胞類型。本方案不需要通過復雜的機器學習算法進行圖像識別，從而減少了細胞識別的計算資源和處理時間，能夠顯著的提高從顯微圖像中識別出陽性細胞和陰性細胞的效率。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種識別顯微圖像中的細胞的方法、裝置、設備及存儲介質。

背景技術

免疫組織化學是一種輔助病理診斷的方法，其通過化學呈色反應的對細胞樣本群中的細胞進行染色，以在顯微鏡下突出細胞樣本群中的陽性細胞。

在基于免疫組織化學的病理診斷中，細胞樣本群中的陽性細胞的數量或比例是病理診斷的重要依據。在相關技術中，可以通過預先訓練的機器學習模型來識別細胞樣本群中的陽性細胞。比如，將經過染色的細胞樣本群的顯微圖像經過高斯濾波和邊緣分割后，輸入至預先訓練好的機器學習模型，通過機器學習模型識別顯微圖像中的陽性細胞和陰性細胞。

然而，相關技術總要達到較為準確的識別效果，需要設計復雜的機器學習模型，而通過復雜的機器學習模型對分割圖像進行處理需要耗費較多的計算資源和計算時間，從而影響細胞識別的效率。

發明內容

本申請實施例提供了一種識別顯微圖像中的細胞的方法、裝置、計算機設備及存儲介質，可以提高對分割圖像中的細胞進行識別的效率，該技術方案如下：

一方面，提供了一種識別顯微圖像中的細胞的方法，所述方法由計算機設備執行，所述方法包括：

對彩色顯微圖像中的各個細胞進行邊緣分割，獲得細胞邊緣圖像，所述細胞邊緣圖像指示所述各個細胞的邊緣；所述彩色顯微圖像是對細胞樣本群中的細胞進行顯色標記后，在顯微鏡視野下對所述細胞樣本群采集獲得的圖像；

根據所述細胞邊緣圖像獲取所述各個細胞的中心點在所述彩色顯微圖像中的位置；

根據所述各個細胞的中心點在所述彩色顯微圖像中的位置，獲取所述各個細胞的中心點的灰度值；

根據所述各個細胞的中心點的灰度值，識別所述各個細胞的細胞類型，所述細胞類型為陽性細胞或者陰性細胞。

一方面，提供了一種識別顯微圖像中的細胞的裝置，用于計算機設備中，該裝置包括：

邊緣分割模塊，用于對彩色顯微圖像中的各個細胞進行邊緣分割，獲得細胞邊緣圖像，所述細胞邊緣圖像指示所述各個細胞的邊緣；所述彩色顯微圖像是對細胞樣本群中的細胞進行顯色標記后，在顯微鏡視野下對所述細胞樣本群采集獲得的圖像；

中心位置獲取模塊，用于根據所述細胞邊緣圖像獲取所述各個細胞的中心點在所述彩色顯微圖像中的位置；

灰度值獲取模塊，用于根據所述各個細胞的中心點在所述彩色顯微圖像中的位置，獲取所述各個細胞的中心點的灰度值；

細胞識別模塊，用于根據所述各個細胞的中心點的灰度值，識別所述各個細胞的細胞類型，所述細胞類型為陽性細胞或者陰性細胞。

在一種可能的實現方式中，所述中心位置獲取模塊，包括：

連通區域確定單元，用于根據所述細胞邊緣圖像指示的所述各個細胞的邊緣，確定所述各個細胞的連通區域；

中心點獲取單元，用于將所述各個細胞的連通區域的中心點，獲取為所述各個細胞的中心點；