基于多尺度生长与双策略去粘连模型的乳腺细胞分割方法
【技术领域】
[0001] 本发明涉及图像处理技术，尤其涉及一种基于多尺度生长与双策略去粘连模型的 乳腺细胞分割方法。
【背景技术】
[0002] 根据国际癌症研宄机构（InternationalAgencyforResearchonCancer,Iarc) 的数据显示，乳腺癌已经成为女性最常见的恶性肿瘤，其发病率和死亡率在女性疾病中均 占首位。乳腺癌治愈非常困难，实现其早期诊断，是提高疗效的关键手段。目前，对乳腺癌 确诊的唯一方式是对其组织切片显微图像进行病理分析。传统采用人工进行病理分析的方 式具有较强的主观性。为了提高诊断的客观性，采用计算机辅助分析乳腺组织切片显微图 像，是目前发展的趋势。
[0003] 在计算机辅助分析乳腺组织切片显微图像方法中，精确分割是重要的环节。乳腺 组织切片细胞图像具有细胞重叠、粘连频繁严重、细胞大小不一、细胞边界不清晰、内部灰 度不一致性等特点，直接给精确分割带来了难度。尤其是如何从复杂背景中提取细胞区域 以及对粘连细胞分割，一直是近年来研宄的重点和难点。目前国内已经有些关于乳腺超声、 X线、MRI图像的分割的研宄，但针对乳腺组织切片图像分割的研宄较少，且所处理的图片 过于简单，方法实用性较低。国外相关研宄中，使用最广泛的分割方法是基于形态学分水岭 的算法，对乳腺细胞中粘连细胞的分割取得一定效果，但是这些算法研宄通常存在着较多 的错误定位而且也不能有效分离粘连细胞。研宄发现，现有算法的分割准确率不高的主要 原因是提取细胞区域时没有完全抑制复杂背景的影响，以及分离粘连重叠细胞时分割线获 取不准确。
【发明内容】
[0004] 针对上述问题，本发明的目的在于提出一种基于多尺度生长与双策略去粘连模型 的乳腺细胞分割方法，该方法采用小波分解初步定位细胞区域来抑制复杂背景对细胞分割 结果的影响，然后结合多尺度区域生长法进一步精确定位细胞区域，最后采用双策略去粘 连模型有效识别粘连细胞分割线，实现对粘连细胞的精确分割。具体技术方案如下：
[0005] 一种基于多尺度生长与双策略去粘连模型的乳腺细胞分割方法，其关键在于按照 以下步骤进行：
[0006] 步骤1:输入乳腺组织图像并将其转换为灰度图像；
[0007] 步骤2 :增强步骤1所得灰度图像的对比度；
[0008] 步骤3 :利用小波分解进行细胞定位；
[0009] 步骤4 :对步骤3所得的细胞定位进行多尺度区域生长；
[0010] 步骤5 :通过投票选择实现细胞区域的初步分割；
[0011] 步骤6 :判断分割出的区域是否存在细胞粘连；如果不存在细胞粘连，则为单个细 胞区域，输出分割结果；如果存在细胞粘连，则为粘连细胞区域，进入步骤7进行粘连细胞 分割；
[0012] 步骤7 :利用形态学腐蚀-膨胀运算和角点检测分割算法构建的双策略去粘连模 型进行粘连细胞分割；
[0013] 步骤8 :返回步骤6重新判断分割出的区域是否存在细胞粘连，直至所有细胞分割 结束。
[0014] 本发明利用基于多尺度区域生长细胞定位和基于双策略去粘连模型的粘连细胞 分割方法对乳腺细胞显微图像进行细胞分割处理，在细胞定位过程中，首先利用小波分解 算法初步定位细胞区域，然后利用多尺度区域生长法修正定位不准确的细胞区域，并通过 最优投票机制选取细胞区域作为初步分割结果。在双策略去粘连模型的粘连细胞分割过程 中，可以结合细胞区域面积参数计算细胞面积阈值，用来判断细胞区域是否为粘连区域；对 于细胞粘连区域，首先使用改进的形态学进行第一次细分割，对于该算法无法分割的部分 粘连较严重的细胞，保留其原始区域，使用基于角点检测分割算法进行第二次细分割，最终 提取出图像中原本的单细胞区域和粘连细胞分割来的单细胞区域。
[0015] 作为进一步描述，在步骤2中，采用顶帽-底帽变换实现图像对比度增强，具体过 程为：
[0016] TB(x,y) =g(x,y) +(g(x,y) -(g(x,y) 〇b) -) -((g(x,y) ?b)-g(x,y))；
[0017] 其中TB(x,y)为对比度增强后图像像素点（x,y)的灰度值；g(x,y)为对比度增 强前图像像素点（X，y)的灰度值；b为形态学中的圆形结构元，g(x，y) 〇b表示结构元b对 g(x,y)的开运算，g(x,y) ?b表示结构元b对g(x,y)的闭运算。
[0018] 再进一步的，在步骤3的具体步骤如下：
[0019] 步骤31 :通过二维离散小波分解对增强后的图像进行处理得到一个近似分量和 三组细节系数，所述三组细节系数为水平细节、垂直细节和对角线细节；
[0020] 步骤32 :将步骤31得到的一个近似分量和三组细节系数进行伪彩色编码；
[0021] 步骤 33 :按照I(x，y) =WH (x，y) +WV (x，y) +WD (x，y)-W(x，y)进行小波重构得到 小波分解后的图像信息Wjx，y);其中WH(x，y)表示水平细节系数经过伪彩色编码后的值， Wv(x，y)表示垂直细节系数经过伪彩色编码后的值，WD(x，y)表示对角线细节系数经过伪彩 色编码后的值，W(x，y)表示近似分量经过伪彩色编码后的值。
[0022] 作为优选，在步骤4中所述的多尺度区域生长采用了三种尺度，具体为：
[0023] 尺度a:腐蚀半径3,灰度阈值5;
[0024] 尺度b:腐蚀半径5,灰度阈值30 ;
[0025] 尺度c:腐蚀半径7,灰度阈值10。
[0026] 更具体地，步骤5中的投票选择按照以下步骤进行：
[0027] 步骤51 :将a、b、c三种尺度生成的细胞区域分别定义为 fa(x,y),fb(x,y),fc (x,y)；
[0028] 步骤52:计算fa(x,y),fb(x,y),fe(x,y)每个区域的圆形度和面积；
[0029] 步骤53:判定fa(x,y),fb(x,y),fe(x,y)相同坐标是否存在多个区域中；如果存 在，则选择其中圆形度最大的细胞区域作为初步分割结果f°ut;如果不存在，则选取圆形度 和面积达到基本要求的细胞区域作为初步分割结果f°ut。
[0030] 为了方便实施，步骤6中通过细胞区域面积是否超过预设阈值来判断初步分割结 果是否存在细胞粘连。
[0031] 为了缩短该算法的处理时间，步骤7中利用形态学腐蚀-膨胀运算和角点检测分 割算法构建的双策略去粘连模型进行粘连细胞分割的步骤如下：
[0032] 步骤71:设定初始半径r= 2,最大腐蚀尺度为k;
[0033] 步骤72 :选用半径为r的圆形结构元对步骤6所判断出的粘连细胞区域进行形态 学腐蚀运算；
[0034] 步骤73:判断连通区域个数是否增加，如果增加，则停止腐蚀，并对腐蚀得到的连 通区域分别进行形态学膨胀运算，恢复细胞原始尺寸作为输出结果；否则，进入步骤74 ;
[0035] 步骤74:判断腐蚀尺度是否达到最大腐蚀尺度，如果达到，则进入步骤75;否则， 设置半径r=r+2,返回步骤72循环进行；
[0036] 步骤75 :利用角点检测分割算法对步骤6所判断出的粘连细胞区域进行分割处 理。
[0037] 具体实施是，所述角点检测分割算法为曲率尺度空间角点检测分割算法。
[0038] 本发明的显著效果是：
[0039] (1)本发明有效抑制乳腺组织切片图像的复杂背景对乳腺细胞分割的影响；
[0040] (2)有效提尚了对粘连细胞分割线的识别精度，进而提尚粘连细胞的分割精度。
【附图说明】
[0041] 图1是本发明的方法步骤流程图；
[0042] 图2为双策略去粘连模型的方法步骤流程图。
【具体实施方式】
[0043] 下面结合具体实施例和说明书附图对本发明作进一步说明。此处所描述的具体实 施例仅用以解释本发明，并不用于限定本发明。
[0044]如图1所示，一种基于多尺度生长与双策略去粘连模型的乳腺细胞分割方法，按 照以下步骤进行：
[0045] 步骤1:输入乳腺组织图像并将其转换为灰度图像；
[0046] 步骤2 :增强步骤1所得灰度图像的对比度；
[0047] 由于染色及光照等原因，采集到的乳腺细胞切片图像存在着对比度不均匀、背景 比较复杂等问