[發明專利]基于極坐標表示的組織病理圖像細胞核分割方法及系統

在審

• 申請號: 202011351415.5
• 申請日: 2020-11-26
• 公開（公告）號: CN112330701A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 鄭元杰;馬帥;姜巖蕓;肖偉;姚志剛;周小明
• 申請（專利權）人: 山東師范大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G16H30/20;G06N3/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本公開提供了基于極坐標表示的組織病理圖像細胞核分割方法及系統，采用提取待分割圖像塊的圖像特征，并基于極坐標系建模得到圖像特征的分類數據、中心點坐標和射線長度；根據分類數據、中心點坐標和射線長度進行待分割圖像塊的細胞核分割，得到包含每個細胞核的中心位置坐標和邊緣的圖像塊，在處理效果上，本公開首次提出基于極坐標表示的組織病理圖像的細胞核自動分割方法，基于極坐標的方法非常適用于圓形物體的分割；能夠自動完成對病理圖像細胞核自動分割，得到細胞核中心以及以核中心為起點的指向目標邊緣的射線長度，實現細胞核的定位與精細分割。

技術領域

本公開涉及圖像處理領域，尤其涉及基于極坐標表示的組織病理圖像的細胞核自動分割方法及系統。

背景技術

細胞核的精確定位和分割是病理圖像分析的重要步驟，用于定量分析數字病理圖像中組織的特征，從而實現計算機輔助診斷。近年來，基于人工智能的方法在病理圖像分析任務中顯示出巨大的潛力。

針對組織病理圖像細胞和細胞核分割已經提出了很多方法，如基于閾值的圖像分割方法、基于邊緣的圖像分割方法、區域增長圖像分割方法，此外還提出了基于特定理論的細胞核分割方法，如：基于小波變換的方法、基于水平集的方法、基于模糊均值理論的方法。然而，此類技術用于病理圖像細胞核自動分割通常存在效率低、結果差等局限，并且很難實現病理圖像細胞核的快速實例分割。基于人工智能的圖像目標實例分割方法，如Mask-RCNN，能夠較好的解決病理圖像細胞核分割問題，卻存在模型結構復雜、訓練時間長、硬件設備要求高等局限性。

綜上所述，現有技術用于組織病理圖像細胞核自動檢測的問題，尚缺乏行之有效的解決方案。

發明內容

為了解決上述技術問題，本公開提供了基于極坐標表示的組織病理圖像細胞核分割方法及系統。

第一方面，本公開提供了基于極坐標表示的組織病理圖像細胞核分割方法，包括:

獲取待分割圖像；

對待分割圖像進行預處理，獲得若干個待分割圖像塊；

提取待分割圖像塊的圖像特征，并基于極坐標系建模得到圖像特征的分類數據、中心點坐標和射線長度；根據分類數據、中心點坐標和射線長度進行待分割圖像塊的細胞核分割，得到包含每個細胞核的中心位置坐標和邊緣的圖像塊。

第二方面，本公開提供了基于極坐標表示的組織病理圖像細胞核分割系統，包括:

數據采集模塊：獲取待分割圖像；

圖像預處理模塊：對待分割圖像進行預處理，獲得若干個待分割圖像塊；

數據處理模塊：提取待分割圖像塊的圖像特征，并基于極坐標系建模得到圖像特征的分類數據、中心點坐標和射線長度；根據分類數據、中心點坐標和射線長度進行待分割圖像塊的細胞核分割，得到包含每個細胞核的中心位置坐標和邊緣的圖像塊。

第三方面，本公開提供了一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成如第一方面所述的基于極坐標表示的組織病理圖像細胞核分割方法。

第四方面，本公開提供了一種電子設備，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成如第一方面所述的基于極坐標表示的組織病理圖像細胞核分割方法。

與現有技術對比，本公開具備以下有益效果：