[發明專利]一種癌細胞識別診斷系統

在審

• 申請號: 202010561274.3
• 申請日: 2020-06-18
• 公開（公告）號: CN111882561A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 車俐;韓夢玲
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06T7/136;G06T7/187;G06T7/00;G06T5/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 代述波

1.一種癌細胞識別診斷系統，其特征在于，包括，

細胞圖像預處理模塊：首先將細胞圖片轉化為數字圖像并對其進行灰度化處理。為了更加準確的提取圖像中有用細胞特征，需要將圖像中小，離散正常細胞以及加性噪聲一起去除。針對這一情況采用改進開閉濾波算法進行圖像去噪，選取結構元素B為正常淋巴細胞的兩倍。針對小于結構元素B的噪聲，運用開運算消除背景中胡椒狀噪聲，然后利用閉運算消除砂眼噪聲。針對大于結構元素B的噪聲，首先將濾波的圖像二值化，并對原圖像進行疊加提取。圖像二值化是將原圖像轉化為二值圖像，“0”代表目標圖像，“1”代表背景，用該二值圖像對原圖像的內容進行選擇，二值圖像中值為“0”的像素位置均保留原灰度值，值為“1”的像素位置灰度值為“255”。

細胞圖像分割模塊：

第一步：提取細胞核區域采取自動種子點的區域生長算法，將閾值分割和區域生長算法聯合。首先設定閾值T＝115，將圖像分割成大于閾值T的對象點和小于閾值T的背景點兩部分。原圖像f(x,y)轉化為輸出圖像g(x,y),當f(x,y)T,g(x,y)＝1；當f(x,y)≤T，g(x,y)＝0。此法實現了“粗輪廓”提取細胞核的大部分區域。設置種子的生長規則為相鄰像素點灰度值與種子區域平均灰度值的差的絕對值小于閾值0.15.以粗輪廓的質心作為種子的生長點，每個種子按生長規則迭代生長，差值小于閾值的加入種子，直到找不到滿足規則的點就結束生長。此法實現了“細輪廓”提取細胞核。最后采用Sobel算子做邊緣檢測，Sobel算子的模板及對應公式如下：

最后輸出圖像。

第二步：提取單個細胞體區域采取標記符控制的分水嶺算法。為了方便確定內外標記，結合細胞顯微鏡圖像背景量，目標暗的特點，先對細胞灰度圖像做反相處理，得到目標物體較亮、背景區域較暗的圖像。將圖像進行二值化處理，將二值圖像進行距離變化，使得分界線能保住目標物體而又不會過于接近物體邊緣。最后采用分水嶺變換，得到的分界線作為外部標記。將反處理的圖像做基于重建的開操作和閉操作，去除目標內部細節并對局部極大值區域作為內部標記。結合內外標記，將反處理后的圖像計算梯度幅值，在改進后的梯度圖像上進行分水嶺變換，在細胞灰度圖像上顯示細胞體分割輪廓。

第三步：提取疊層的細胞圖像中的細胞輪廓采用了基于snake模型的分割算法。針對snake模型對初始位置敏感的特點，采用細胞的稀疏輪廓點模型，利用環形動態輪廓搜索算法，自動定位出主體細胞的輪廓點，之后利用snake模型方法進行分割，經過曲線對細胞體邊緣的擬合，最終獲得細胞體輪廓。其分割精度約為94％，過分割率約為2.5％，欠分割率約3.5％。

癌細胞圖像特征提取模塊：計算分割后每個區域的核質比，細胞核大小是否均勻，核染色異常以及核間距是否均勻。

核質比：對于不疊層的細胞圖像，通過segment子程序將圖像分為一個分塊一個單細胞，調用ncratio子程序計算出每個細胞的核質比。當該細胞的核質比遠超于正常細胞核質比0.5:1時，判定疑似癌細胞。對于疊層的細胞圖像，調用segment子程序，將圖像分區，計算整個區域的核質比，當其比值遠超于正常細胞核質比0.5:1時，可判定疑似癌細胞。

細胞核大小：將分割后得到的圖像通過segment分塊處理，將得到的單個細胞核大小。若細胞核大小分布比較分散，則符合癌細胞特征。

核染色體異常：通過計算核深染面積與細胞核面積的比值，若占比大于31.91％，可以判定疑似癌細胞。

成團細胞相鄰核間距：通過調用distant計算成團細胞相鄰核間距，若成團細胞細胞核分布不均勻，可以判定疑似癌細胞。

細胞圖像分類識別模塊：采用BP神經網絡識別技術識別癌細胞。首先初始化網絡的權值和閾值。網絡權值的初始值即為網絡從誤差曲面的哪一點開始訓練，該點影響網絡的訓練時間。開始向前計算，求出所有神經元的所有輸出。計算輸出層誤差梯度。然后向后計算各隱層誤差梯度，計算并保存各權值修正量，修正權值。判斷是否達到訓練目標。如達到，訓練結束，達不到則轉入向前計算。