[發(fā)明專利]一種癌細(xì)胞識別診斷系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010561274.3
• 申請日: 2020-06-18
• 公開（公告）號: CN111882561A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計）人: 車?yán)?/a>;韓夢玲
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 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(chǎn)權(quán)代理有限公司 51308
• 代理人: 代述波

本發(fā)明公開了一種癌細(xì)胞識別診斷系統(tǒng)，包括：細(xì)胞圖像預(yù)處理模塊：采用改進(jìn)的數(shù)學(xué)形態(tài)學(xué)開閉濾波算法，選擇適當(dāng)?shù)慕Y(jié)構(gòu)元素，去除了細(xì)胞圖像的背景雜質(zhì)和小的正常離散細(xì)胞；細(xì)胞圖像分割模塊：提取細(xì)胞核區(qū)域采用了改進(jìn)的區(qū)域生長算法，提取不疊層細(xì)胞體輪廓采用了基于標(biāo)價符控制的分水嶺算法，提取疊層的細(xì)胞輪廓采用基于snake模型的分割算法；癌細(xì)胞圖像特征提取模塊：計算分割后每個區(qū)域的核質(zhì)比，細(xì)胞核大小是否均勻，核染色異常以及核間距是否均勻。細(xì)胞圖像分類識別模塊：通過神經(jīng)網(wǎng)絡(luò)識別技術(shù)識別癌細(xì)胞。這種系統(tǒng)可高效，準(zhǔn)確地對細(xì)胞圖像進(jìn)行定量分析和檢測識別。

技術(shù)領(lǐng)域

本發(fā)明涉及細(xì)胞圖像識別技術(shù)領(lǐng)域，具體為一種癌細(xì)胞識別診斷系統(tǒng)。

背景技術(shù)

癌癥是危害人類身體健康的常見疾病，癌癥的早期診斷是治療的關(guān)鍵。采用細(xì)胞學(xué)計算機輔助診斷技術(shù)，可以有效地降低醫(yī)生的工作強度以及提高診斷的準(zhǔn)確性。由于細(xì)胞圖像背景復(fù)雜、細(xì)胞形態(tài)多樣及重疊等問題，使得計算機檢測識別難度較大。本發(fā)明對典型醫(yī)學(xué)圖像分割算法做出了新的技術(shù)改良，針對不重疊細(xì)胞圖像及重疊細(xì)胞圖像分別給出了改進(jìn)算法。

發(fā)明內(nèi)容

本發(fā)明的目的是針對現(xiàn)有技術(shù)中存在的不足，而提供一種癌細(xì)胞識別診斷系統(tǒng)。這種診斷系統(tǒng)，可實現(xiàn)目標(biāo)區(qū)域更精準(zhǔn)地提取，對細(xì)胞圖像進(jìn)行更高效、準(zhǔn)確地定量分析和檢測識別。

實現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種癌細(xì)胞識別診斷系統(tǒng)，包括，

細(xì)胞圖像預(yù)處理模塊：首先將細(xì)胞圖片轉(zhuǎn)化為數(shù)字圖像并對其進(jìn)行灰度化處理。為了更加準(zhǔn)確的提取圖像中有用細(xì)胞特征，需要將圖像中小，離散正常細(xì)胞以及加性噪聲一起去除。針對這一情況采用改進(jìn)開閉濾波算法進(jìn)行圖像去噪，選取結(jié)構(gòu)元素B為正常淋巴細(xì)胞的兩倍。針對小于結(jié)構(gòu)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(jié)構(gòu)元素B的噪聲，首先將濾波的圖像二值化，并對原圖像進(jìn)行疊加提取。圖像二值化是將原圖像轉(zhuǎn)化為二值圖像，“0”代表目標(biāo)圖像，“1”代表背景，用該二值圖像對原圖像的內(nèi)容進(jìn)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(xì)胞圖像分割模塊：

第一步：提取細(xì)胞核區(qū)域采取自動種子點的區(qū)域生長算法，將閾值分割和區(qū)域生長算法聯(lián)合。首先設(shè)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(zhuǎn)化為輸出圖像g(x,y),當(dāng)f(x,y)T,g(x,y)＝1；當(dāng)f(x,y)≤T，g(x,y)＝0。此法實現(xiàn)了“粗輪廓”提取細(xì)胞核的大部分區(qū)域。設(shè)置種子的生長規(guī)則為相鄰像素點灰度值與種子區(qū)域平均灰度值的差的絕對值小于閾值0.15.以粗輪廓的質(zhì)心作為種子的生長點，每個種子按生長規(guī)則迭代生長，差值小于閾值的加入種子，直到找不到滿足規(guī)則的點就結(jié)束生長。此法實現(xiàn)了“細(xì)輪廓”提取細(xì)胞核。最后采用Sobel算子做邊緣檢測，Sobel算子的模板及對應(yīng)公式如下：

最后輸出圖像。

第二步：提取單個細(xì)胞體區(qū)域采取標(biāo)記符控制的分水嶺算法。為了方便確定內(nèi)外標(biāo)記，結(jié)合細(xì)胞顯微鏡圖像背景量，目標(biāo)暗的特點，先對細(xì)胞灰度圖像做反相處理，得到目標(biāo)物體較亮、背景區(qū)域較暗的圖像。將圖像進(jìn)行二值化處理，將二值圖像進(jìn)行距離變化，使得分界線能保住目標(biāo)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(biāo)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(biāo)內(nèi)部細(xì)節(jié)并對局部極大值區(qū)域作為內(nèi)部標(biāo)記。結(jié)合內(nèi)外標(biāo)記，將反處理后的圖像計算梯度幅值，在改進(jìn)后的梯度圖像上進(jìn)行分水嶺變換，在細(xì)胞灰度圖像上顯示細(xì)胞體分割輪廓。