病理切片细胞的类型识别方法、装置和计算机设备与流程

本发明涉及细胞类型识别技术领域，尤其涉及一种病理切片细胞的类型识别方法、装置和计算机设备。

背景技术：

细胞病理学检查是常见癌症临床筛查的重要医学检查技术。例如，女性宫颈癌筛查，一般利用阴道窥器从宫颈的鳞状上皮和柱状上皮交界处刮取细胞，然后再将刮取的细胞放置在显微镜下进行细胞学检查。

由于医生通过显微镜观察细胞具有很大的主观性，不同医生的水平也不同，所以即使对同一细胞进行检查，不同的医生可能会给出不同的判断结果，很多医生甚至会得出错误的判断结果，即使是同一医生在不同时间段也可能给出不同的判断结果，由此可见，现有的识别结果细胞病理识别结果很难得到统一且因为医生水平不同导致准确率低，同时，医生判断的结果的可重复性低，特别是很多医疗水平不够的医院，错误的识别结果将耽误病人的治疗，产生很严重的后果。

技术实现要素：

基于此，有必要针对上述问题，提出一种统一性高、可重复性高且准确率高的病理切片细胞的类型识别方法、装置和计算机设备。

一种病理切片细胞的类型识别方法，所述方法包括：

获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

在一个实施例中，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，包括：将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

在一个实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

在一个实施例中，所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果，包括：获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数；当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型；当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型；当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

在一个实施例中，在所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果之后，还包括：统计病理切片中类型识别结果为正常类型的细胞个数；根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例；获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

在一个实施例中，所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果，包括：获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数；根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围；根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述获取标准细胞参数信息，包括：获取多个中层鳞状上皮细胞的细胞参数信息；根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

在一个实施例中，提供了一种病理切片细胞的类型识别装置，包括：

第一获取模块，用于获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

第二获取模块，用于获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

类型识别模块，用于将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

在一个实施例中，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；所述类型识别模块，包括：分别识别模块，用于将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

在一个实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

在一个实施例中，所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；所述类型识别模块，包括：个数确定模块，用于获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数；第一识别模块，用于当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型；第二识别模块，用于当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型；第三识别模块，用于当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

在一个实施例中，所述装置，还包括：统计模块，用于统计病理切片中类型识别结果为正常类型的细胞个数；第一比例确定模块，用于根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例；病变类型确定模块，获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

在一个实施例中，所述分别识别模块，包括：调整系数获取模块，用于获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数；参数范围确定模块，用于根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围；范围比对模块，用于根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述第二获取模块，包括：中层细胞获取模块，用于获取多个中层鳞状上皮细胞的细胞参数信息；中层细胞确定模块，用于根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

实施本发明实施例，将具有如下有益效果：

本发明提出了一种病理切片细胞的类型识别方法、装置和计算机设备，首先获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；然后获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；最后将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。上述方式，将待辨识细胞与正常细胞的细胞参数信息进行了比对，从而根据比对结果得到待辨识细胞的类型识别结果，可见，由于病理切片中细胞类型的确定不再依赖于医生通过显微镜观察，而是依赖于统一的判断标准，即将待辨识的细胞与公认的正常细胞进行比对，使得最终对各个待辨识细胞的判断得到了统一，同时，由于是进行客观的参数比对，使得最后得到的类型识别结果的可重复性得到提高，最后，由于是与公认的正常细胞进行的比对判断，解决了不同水平的医生因为具有不同的判断标准导致的准确率低的问题，使得最终的类型识别结果的准确率在一定程度上得到提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中病理切片细胞的类型识别方法的实现流程示意图；

图2为一个实施例中不同细胞的示意图；

图3为一个实施例中挖空细胞的示意图；

图4为一个实施例中步骤106的实现流程示意图；

图5为一个实施例中病理切片细胞的类型识别装置的结构框图；

图6为一个实施例中计算机设备的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，在一个实施例中，提供了一种病理切片细胞的类型识别方法，本发明实施例所述的病理切片细胞的类型识别方法的执行主体为能够实现本发明实施例所述的病理切片细胞的类型识别方法的设备，该设备可以包括但不限于服务器或终端设备，其中，服务器包括高性能计算机或高性能计算机集群，终端设备包括台式终端设备，例如，台式电脑，终端设备还可以包括移动终端设备，例如，笔记本电脑、平板电脑。该病理切片细胞的类型识别方法，具体包括如下步骤：

步骤102，获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值。

其中，病理切片包括真实的病理切片和数字病理切片，数字病理切片为真实的病理切片的图像。在本发明实施例中，获取病理切片中一个待辨识细胞的细胞参数信息，从而判断该待辨识细胞的类型。

其中，待辨识细胞，为需要确认细胞类型的细胞，细胞类型可以是正常类型，也可以是异常类型。

其中，细胞参数，为评价细胞的指标，例如某一细胞参数为细胞核面积参数。

其中，细胞参数对应的参数值，为某一个细胞参数对应的具体值，例如，某一待辨识细胞的细胞核面积参数对应的参数值为5mm²。

将细胞参数和细胞参数对应的参数值确定为一组参数信息，待辨识细胞的细胞参数信息可以包括一组参数信息或多组参数信息，其中，多组是指两组及两组以上。

步骤104，获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的。

其中，标准细胞参数信息，用于作为待辨识细胞的细胞参数信息的参考。标准细胞参数信息可以是没有疾病风险、能够正常工作的正常细胞的细胞参数信息。例如，正常细胞是经过多个医生确认或者是经过严格的标准确认的没有疾病风险、能够正常工作的正常细胞。

在本发明实施例中，统计学习可以是机器学习的方式，例如，通过机器学习的方式得到多个正常细胞的细胞参数的参数值，从而得到标准细胞参数信息，统计学习也可以是其他统计学习的方式，在此不做具体的限定。

在本发明实施例中，步骤104所述获取标准细胞参数信息，包括：

步骤104a，获取多个中层鳞状上皮细胞的细胞参数信息。

其中，中层鳞状上皮细胞，为鳞状上皮细胞的中层细胞，鳞状上皮细胞包括基底层细胞、基底旁层细胞、中层细胞和表层细胞。

其中，基底层细胞，正常不脱落，在宫颈涂片中通常不见，只有在绝经后上皮明显萎缩、创伤、增生时才在涂片中见到，细胞核圆形或椭圆形，细胞浆少，嗜碱性，核浆比高。

其中，基底旁层细胞，涂片中常成群出现，胞浆厚，嗜碱性，细胞核圆形或椭圆形。

其中，中层细胞，胞浆薄而透明，多边形且边缘褶皱，核圆形，中层细胞由于处于中层，故中层细胞通常是正常的细胞或者是细胞参数处于正常范围内的细胞。

其中，表层细胞，细胞大，细胞呈多边形，胞浆红染，常见卷边或褶皱，细胞核小，染色质致密固缩状，有时细胞核周围见小的空晕，完全角化之后细胞核一般消失，胞浆红色或橘黄色。

综合鳞状上皮细胞的各层细胞的特性，选用中层鳞状上皮细胞确定标准细胞参数信息。

步骤104b，根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

其中，多个，包括两个及两个以上。

作为本发明的一种实施方式，步骤104b所述根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息，包括：

步骤104b1，根据所述多个中层鳞状上皮细胞的细胞参数信息，计算细胞参数信息中的每个细胞参数的平均参数值；

步骤104b2，将所述每个细胞参数的平均参数值进行组合得到标准细胞参数信息。

例如，细胞参数信息包括细胞核面积参数和核质比参数，现有3个中层鳞状上皮细胞，三个中层鳞状上皮细胞的细胞核面积参数分别为s1、s2和s3，核质比参数分别为a1、a2和a3，于是，将(s1+s2+s3)/3作为标准细胞参数信息中的细胞核面积参数的参数值，将(a1+a2+a3)/3作为标准细胞参数信息中的核质比参数的参数值。

进一步的，在步骤104b2之前，还包括：

步骤104b3，将每个细胞参数的平均参数值和该细胞参数对应的各个参数值进行比对，删除与所述细胞参数的平均参数值差别较大的参数值。

步骤104b4，根据该细胞参数剩余的参数值更新对应的细胞参数的平均参数值。

继续如上例子，将核质比参数的三个参数值a1、a2和a3分别与(a1+a2+a3)/3进行比对，若通过比对发现，a3与(a1+a2+a3)/3差别较大，则删除参数值a3，然后根据该细胞参数剩余的参数值a1和a2计算平均参数值，为(a1+a2)/2，进入步骤104b2。

步骤106，将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

其中，参数比对结果，是指细胞参数信息中的某一细胞参数的比对结果，若细胞参数信息中只有一个细胞参数，则参数比对结果为该细胞参数的比对结果；若细胞参数信息中有两个及以上的细胞参数，则对于每个细胞参数，将得到一个参数比对结果。

例如，若细胞参数信息只包括细胞核面积参数，则将待辨识细胞的细胞核面积参数和标准细胞参数信息中的细胞核面积参数进行比对，得到的参数比对结果可能是细胞异常，也可能是细胞正常，当是细胞异常的时候，意味着该待辨识细胞可能是有疾病的异常细胞，当是细胞正常的时候，意味着该待辨识细胞可能是没有疾病的正常细胞。

其中，类型识别结果，为综合各个参数比对结果得到的待辨识细胞的分类结果，例如，分类结果为正常类型或者为异常类型。

作为本发明的一种实施方式，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；步骤106所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，包括：将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

待辨识细胞的细胞参数信息中含有的细胞参数和标准细胞参数信息中含有的细胞参数相同，例如，若待辨识细胞的细胞参数信息中有细胞参数a、b和c，则标准细胞参数信息中的细胞参数也有a、b和c，只是待辨识细胞的细胞参数信息中的细胞参数a、b和c对应的参数值和标准细胞参数信息中的细胞参数a、b和c对应的参数值不同。

将待辨识细胞的细胞参数信息中的细胞参数a对应的参数值a1与标准细胞参数信息中的细胞参数a对应的参数值a2进行比较，得到细胞参数a的参数比对结果；将待辨识细胞的细胞参数信息中的细胞参数b对应的参数值b1与标准细胞参数信息中的细胞参数b对应的参数值b2进行比较，得到细胞参数b的参数比对结果；将待辨识细胞的细胞参数信息中的细胞参数c对应的参数值c1与标准细胞参数信息中的细胞参数c对应的参数值c2进行比较，得到细胞参数c的参数比对结果。

在本发明实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

其中，细胞核面积参数，指示细胞核的面积的大小，如图2所示有5个细胞，每个细胞的细胞核的形状不同，可能是圆形，也可能不是圆形，细胞核的不规则边缘围成的面积为细胞核面积，如图2所示，细胞b的细胞核面积参数对应的参数值大于细胞a的细胞核面积参数对应的参数值。

其中，细胞核质比参数，指示细胞核面积与细胞面积的比值，具体的，将细胞核面积与细胞面积的比值确定为细胞核质比参数对应的参数值。例如图2所示，每个细胞的细胞边缘也不规则，细胞的不规则边缘围成的面积为细胞面积，细胞b的核质比参数对应的参数值大于细胞a的核质比参数对应的参数值。

其中，细胞核着色参数，指示细胞核的着色程度，可以用灰度值进行计算，细胞核着色通常是蓝色的，但是颜色深浅不同，因此，将其转换为灰度值之后对应的灰度值也将不同，如图2所示，细胞c的细胞核的着色明显比其他三个细胞的细胞核的着色深。具体的，细胞核着色参数包括细胞核的总灰度值和细胞的平均灰度值，将细胞核的每个像素对应的灰度值相加，得到细胞核的总灰度值，将细胞的每个像素对应的灰度值相加之后求平均，得到细胞的平均灰度值。

其中，染色质分布参数，指示细胞核内染色质的分布情况，若细胞核内染色质均匀分布，那么染色质分布参数的参数值可以设置为0，细胞核内染色质分布越不均匀，染色质分布参数对应的参数值越大，例如图2所示，细胞d的染色质分布参数对应的参数值大于细胞a的染色质分布参数对应的参数值。

其中，细胞核形状参数，指示细胞核的形状是否规则，若细胞核的形状为圆形，则细胞核形状参数对应的参数值可以设置为0，细胞核形状越不规则，则细胞核形状参数对应的参数值越大，例如图2所示，细胞e的细胞核形状参数对应的参数值大于细胞a的细胞核形状参数对应的参数值。

结合上述5个细胞参数：细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数，可以实现对一些病变细胞(异常细胞)的类型的识别，例如，对胸水、腹水、脑脊液和尿液等的细胞的识别。

在本发明实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

其中，细胞浆角化参数，指示细胞浆的成熟程度，细胞浆的不同颜色，对应的细胞浆角化参数的参数值不同。例如，当细胞浆颜色为蓝绿色时，认为是正常细胞，细胞浆角化参数对应的参数值可以设置为0；当细胞浆颜色为橙红色时，认为是异常细胞，细胞浆角化参数对应的参数值可以设置为1；当细胞浆颜色为介于蓝绿色和橙红色之间的颜色时，细胞浆角化参数对应的参数值可以设置为(0,1)之间的一个小数。

其中，挖空样参数，指示一种异常细胞的形态，该形态具体可以描述为在细胞核周围的细胞浆的颜色几乎接近透明色，在视觉上的呈现效果为细胞核似乎并没有处于细胞浆的包围中，如图3所示。

细胞参数除了上面5个参数，还包括细胞浆角化参数和挖空样参数，通过设置7个细胞参数，可以对宫颈类细胞中的病变细胞(异常细胞)进行识别，例如，asc-us(不能肯定形态特征及病变性质的形态异常的鳞状上皮细胞)、agc-n。

在本发明实施例中，综合细胞参数信息中的多个细胞参数，对待辨识细胞是否是异常细胞进行确认。所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；如图4所示，步骤106所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果，包括：

步骤106a，获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数。

其中，细胞异常，指示待辨识细胞可能为有异常的细胞，例如，待辨识细胞可能为病变的细胞；细胞正常，指示待辨识细胞可能为正常的细胞，例如，待辨识细胞为各个功能正常的细胞。

其中，异常类型，指示通过综合多个细胞参数的参数比对结果，确定待辨识细胞的类型为异常类型；正常类型，指示通过综合多个细胞参数的参数比对结果，确定待辨识细胞的类型为正常细胞；可疑类型，指示通过综合多个细胞参数的参数比对结果，无法明确判断待辨识细胞的类型。

在本发明实施例中，获取待辨识细胞的各个细胞参数对应的参数比对结果，然后统计参数比对结果为细胞异常的参数个数。

步骤106b，当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型。

当统计得到的参数个数大于第一预设个数时，待辨识细胞为异常细胞的可能性很大，于是，待辨识细胞的类型识别结果确定为异常类型。例如，细胞参数信息总共包括7个细胞参数，第一预设个数为4，当有5个细胞参数的参数比对结果为细胞异常时，待辨识细胞的类型识别结果确定为异常类型。

步骤106c，当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型。

当统计得到的参数个数小于第二预设个数时，待辨识细胞为异常细胞的可能性很小，于是，待辨识细胞的类型识别结果为正常类型。例如，细胞参数信息总共包括7个细胞参数，第二预设个数为1，当只有1个细胞参数的比对结果为细胞异常时，待辨识细胞的类型识别结果为正常类型。

步骤106d，当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

当统计得到的参数个数介于第二预设个数和第一预设个数之间时，无法明确该待辨识细胞的类型是否是异常类型，于是，待辨识细胞的类型识别结果为可疑类型。例如，细胞参数信息总共包括7个细胞参数，第一预设个数为4，第二预设个数为1，当有3个细胞参数的参数比对结果为异常结果时，待辨识细胞的类型识别结果为可疑类型。

进一步的，在步骤106所述根据所述参数比对结果得到所述待辨识细胞的识别结果之后，还包括：

步骤108，统计病理切片中类型识别结果为正常类型的细胞个数。

病理切片中通常包含有多个待辨识细胞。

步骤110，根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例。

第二比例，为一个比例值，反映病理切片中异常类型的细胞的比例。

例如，正常类型的细胞个数为5，病理切片的细胞总数为100，则第一比例为0.05。

步骤112，获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

其中，预设比例，为预先设置的比例值，用于作为病变类型的病理切片的参考。

其中，病变类型，指示病理切片的类型。具体的，若病理切片中异常类型的细胞的比例超过预设比例，则病理切片的切片类型为病变类型；若病理切片中异常类型的细胞的比例没有超过预设比例，则病理切片的切片类型为正常类型。

例如，预设比例为0.03，第一比例为0.05，则确定该病理切片的切片类型为病变类型。

对病理切片中的各个待辨识的细胞进行类型识别，得到病理切片中各个待辨识的细胞的类型识别结果，若病理切片中各个待辨识细胞的类型识别结果为正常类型的第一比例小于预设比例，则认为所述病理切片为病变切片，需要着重对待。

在本发明实施例中，具体的，如图4所示，所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果，包括：

步骤1，获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数。

其中，调整系数，用于对对应的细胞参数的参数值的大小进行调整。调整系数可以是0到1之间的小数，也可以是大于1的数。调整系数可以通过机器学习的方式获取得到。

步骤2，根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围。

其中，正常范围，指示正常细胞的细胞参数对应的参数值的范围。

例如，标准细胞参数信息中的细胞核面积参数的参数值大小为a，细胞核面积参数对应的调整系数为x，于是，得到正常细胞的细胞核面积参数的正常范围为[a×(1-x),a×(1+x)]。

再如，标准细胞参数信息中的细胞核面积参数的参数大小为a，细胞核面积参数对应的调整系数为x，于是，得到正常细胞的细胞核面积参数的正常范围为[a×(1+x),∞]。

需要说明的是，这里的正常范围只是举例，并不构成对本发明的限制。

步骤3，根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

继续如上例子，当某一待辨识细胞的细胞核面积参数的参数值介于a(1-x)和a(1+x)之间时，该细胞核面积参数的参数比对结果为细胞正常；当某一待辨识细胞的细胞核面积参数的参数值没有介于a×(1-x)和a×(1+x)之间时，该细胞核面积参数的参数比对结果为细胞异常。

在本发明实施例中，具体的：

对于细胞核面积参数，设某一个待辨识细胞的细胞核面积参数对应的参数值为n，标准细胞参数信息中的细胞核面积参数对应的参数值为n1，细胞核面积参数的参数值对应的调整系数为x1，当n介于n1×(1-x1),和n1×(1+x1)之间时，确定细胞核面积参数的参数比对结果为细胞正常，否则参数比对结果为细胞异常。

对于细胞核质比参数，设某一个待辨识细胞的细胞核质比参数对应的参数值为m，标准细胞参数信息中的细胞核质比参数对应的参数值为m1，细胞核质比参数的参数值对应的调整系数为x2，当m>m1×(1+x2)时，确定细胞核质比参数的参数比对结果为细胞异常，否则参数比对结果为细胞正常。

对于细胞核着色参数，设某一个待辨识细胞的细胞核着色参数对应的参数值为d，标准细胞参数信息中的细胞核着色参数对应的参数值为d1，细胞核着色参数的参数值对应的调整系数为x3，当d>d1×(1+x3)时，确定细胞核着色参数的参数比对结果为细胞异常，否则参数比对结果为细胞正常。

对于染色质分布参数，设某一个待辨识细胞的染色质分布参数对应的参数值为t，标准细胞参数信息中的染色质分布参数对应的参数值为t1，染色质分布参数的参数值对应的调整系数为x4，当t>t1×(1+x4)时，确定染色质分布参数的参数比对结果为细胞正常，否则参数比对结果为细胞异常。

对于细胞核形状参数，设某一个待辨识细胞的细胞核形状参数对应的参数值为u，标准细胞参数信息中的细胞核形状参数对应的参数值为u1，细胞核形状参数的参数值对应的调整系数为x5，当u>u1×(1+x5)时，确定细胞核形状参数的参数比对结果为细胞异常，否则参数比对结果为细胞正常。

对于细胞浆角化参数，设某一个待辨识细胞的细胞浆角化参数对应的参数值为o，标准细胞参数信息中的细胞浆角化参数对应的参数值为o1，细胞浆角化参数的参数值对应的调整系数为x6，当o>o1×(1+x6)时，确定细胞浆角化参数的参数比对结果为细胞异常，否则参数比对结果为细胞正常。

对于挖空样参数，设某一个待辨识细胞的挖空样参数对应的参数值为l，标准细胞参数信息中的挖空样参数对应的参数值为l1，挖空样参数的参数值对应的调整系数为x，当l7>l1×(1+x7)时，确定挖空样参数的参数比对结果为细胞异常，否则参数比对结果为细胞正常。

上述病理切片细胞的类型识别方法，首先获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；然后获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；最后将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。上述方式，将待辨识细胞与正常细胞的细胞参数信息进行了比对，从而根据比对结果得到待辨识细胞的类型识别结果，可见，由于病理切片中细胞类型的确定不再依赖于医生通过显微镜观察，而是依赖于统一的判断标准，即将待辨识的细胞与公认的正常细胞进行比对，使得最终对各个待辨识细胞的判断得到了统一，同时，由于是进行客观的参数比对，使得最后得到的类型识别结果的可重复性得到提高，最后，由于是与公认的正常细胞进行的比对判断，解决了不同水平的医生因为具有不同的判断标准导致的准确率低的问题，使得最终的类型识别结果的准确率在一定程度上得到提高。

如图5所示，提供了一种病理切片细胞的类型识别装置500，具体包括：

第一获取模块502，用于获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

第二获取模块504，用于获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

类型识别模块506，用于将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

上述病理切片细胞的类型识别装置，首先获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；然后获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；最后将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。上述方式，将待辨识细胞与正常细胞的细胞参数信息进行了比对，从而根据比对结果得到待辨识细胞的类型识别结果，可见，由于病理切片中细胞类型的确定不再依赖于医生通过显微镜观察，而是依赖于统一的判断标准，即将待辨识的细胞与公认的正常细胞进行比对，使得最终对各个待辨识细胞的判断得到了统一，同时，由于是进行客观的参数比对，使得最后得到的类型识别结果的可重复性得到提高，最后，由于是与公认的正常细胞进行的比对判断，解决了不同水平的医生因为具有不同的判断标准导致的准确率低的问题，使得最终的类型识别结果的准确率在一定程度上得到提高。

在一个实施例中，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；所述类型识别模块506，包括：分别识别模块，用于将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

在一个实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

在一个实施例中，所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；所述类型识别模块506，包括：个数确定模块，用于获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数；第一识别模块，用于当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型；第二识别模块，用于当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型；第三识别模块，用于当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

在一个实施例中，所述装置500，还包括：统计模块，用于统计病理切片中类型识别结果为正常类型的细胞个数；第一比例确定模块，用于根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例；病变类型确定模块，获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

在一个实施例中，所述分别识别模块，包括：调整系数获取模块，用于获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数；参数范围确定模块，用于根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围；范围比对模块，用于根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述第二获取模块504，包括：中层细胞获取模块，用于获取多个中层鳞状上皮细胞的细胞参数信息；中层细胞确定模块，用于根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器或终端设备，其中，服务器包括高性能计算机或高性能计算机集群，终端设备包括台式终端设备，例如，台式电脑，终端设备还可以包括移动终端设备，例如，笔记本电脑、平板电脑。如图6所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现病理切片细胞的类型识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行病理切片细胞的类型识别方法的步骤。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的病理切片细胞的类型识别方法可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成病理切片细胞的类型识别装置的各个程序模板。比如，第一获取模块502、第二获取模块504和类型识别模块506。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

上述计算机设备，首先获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；然后获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；最后将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。上述方式，将待辨识细胞与正常细胞的细胞参数信息进行了比对，从而根据比对结果得到待辨识细胞的类型识别结果，可见，由于病理切片中细胞类型的确定不再依赖于医生通过显微镜观察，而是依赖于统一的判断标准，即将待辨识的细胞与公认的正常细胞进行比对，使得最终对各个待辨识细胞的判断得到了统一，同时，由于是进行客观的参数比对，使得最后得到的类型识别结果的可重复性得到提高，最后，由于是与公认的正常细胞进行的比对判断，解决了不同水平的医生因为具有不同的判断标准导致的准确率低的问题，使得最终的类型识别结果的准确率在一定程度上得到提高。

在一个实施例中，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，包括：将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

在一个实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

在一个实施例中，所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果，包括：获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数；当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型；当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型；当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

在一个实施例中，所述计算机程序被所述处理器执行时，还用于：在所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果之后，统计病理切片中类型识别结果为正常类型的细胞个数；根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例；获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

在一个实施例中，所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果，包括：获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数；根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围；根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述获取标准细胞参数信息，包括：获取多个中层鳞状上皮细胞的细胞参数信息；根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；

获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；

将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。

上述计算机可读存储介质，首先获取病理切片中待辨识细胞的细胞参数信息，所述细胞参数信息包括：细胞参数和所述细胞参数对应的参数值；然后获取标准细胞参数信息，所述标准细胞参数信息是通过对多个正常细胞对应的细胞参数信息进行统计学习得到的；最后将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，根据所述参数比对结果得到所述待辨识细胞的类型识别结果。上述方式，将待辨识细胞与正常细胞的细胞参数信息进行了比对，从而根据比对结果得到待辨识细胞的类型识别结果，可见，由于病理切片中细胞类型的确定不再依赖于医生通过显微镜观察，而是依赖于统一的判断标准，即将待辨识的细胞与公认的正常细胞进行比对，使得最终对各个待辨识细胞的判断得到了统一，同时，由于是进行客观的参数比对，使得最后得到的类型识别结果的可重复性得到提高，最后，由于是与公认的正常细胞进行的比对判断，解决了不同水平的医生因为具有不同的判断标准导致的准确率低的问题，使得最终的类型识别结果的准确率在一定程度上得到提高。

在一个实施例中，所述细胞参数信息和所述标准细胞参数信息中包含有多个细胞参数；所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息进行比对，得到参数比对结果，包括：将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述细胞参数包括细胞核面积参数、细胞核质比参数、细胞核着色参数、染色质分布参数和细胞核形状参数。

在一个实施例中，所述细胞参数还包括细胞浆角化参数和挖空样参数。

在一个实施例中，所述参数比对结果分为细胞异常和细胞正常，所述类型识别结果分为异常类型、正常类型和可疑类型；所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果，包括：获取所述待辨识细胞的每个细胞参数对应的参数比对结果，统计所述参数比对结果为细胞异常的参数个数；当所述参数个数大于第一预设个数时，则判定所述待辨识细胞的类型识别结果为异常类型；当所述参数个数小于第二预设个数时，则判定所述待辨识细胞的类型识别结果为正常类型；当所述参数个数介于所述第二预设个数和所述第一预设个数之间时，则判定所述待辨识细胞的类型识别结果为可疑类型。

在一个实施例中，所述计算机程序被所述处理器执行时，还用于：在所述根据所述参数比对结果得到所述待辨识细胞的类型识别结果之后，统计病理切片中类型识别结果为正常类型的细胞个数；根据所述病理切片中类型识别结果为正常类型的细胞个数和所述病理切片的细胞总数计算第一比例；获取预设比例，若所述第一比例小于所述预设比例，则确定所述病理切片的切片类型为病变类型。

在一个实施例中，所述将所述待辨识细胞的细胞参数信息与所述标准细胞参数信息中相应的同一细胞参数对应的参数值进行比较，得到与每个细胞参数对应的参数比对结果，包括：获取所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数；根据所述标准细胞参数信息中每个细胞参数对应的参数值的调整系数和所述标准细胞参数信息中每个细胞参数对应的参数值，确定每个细胞参数对应的参数值的正常范围；根据所述待识别细胞的细胞参数对应的参数值和所述细胞参数对应的参数值的正常范围，得到与每个细胞参数对应的参数比对结果。

在一个实施例中，所述获取标准细胞参数信息，包括：获取多个中层鳞状上皮细胞的细胞参数信息；根据所述多个中层鳞状上皮细胞的细胞参数信息确定标准细胞参数信息。

需要说明的是，上述病理切片细胞的类型识别方法、病理切片细胞的类型识别装置、计算机设备及计算机可读存储介质属于一个总的发明构思，病理切片细胞的类型识别方法、病理切片细胞的类型识别装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。