做进一步说明。
[0090] 实验中共采集到15个患者的乳腺组织切片图像，其中有6个患者发现癌变，9个未 发现癌变，共22幅图像。为了表明本方法的有效性，下面通过与文献2和文献3提出的两 种算法进行对比。
[0091]文献 2:YasmeenMG，BassantM.Bagoury，etal.?，Automatedcellnuclei segmentationforbreastfineneedleaspirationcytology[J].SignalProcessi ng，2013, 93 (10): 2804-2816
[0092]文献 3:FilipczukP，FevensT，KrzyzakA，etal.?，Computer-AidedBreast CancerDiagnosisBasedontheAnalysisofCytologicalImagesofFineNeedle Biopsies[J]，MedicalImaging,IEEETransactionson，2013,32 (12):2169:2178
[0093] 为了更为客观的定量评估分割效果，我们通过与人工分割金标准比较，计算出正 确分割细胞个数（truenumber，TN)、错误分割细胞个数（falsenumber，FN)和实际细胞个 数（realnumber，RN)，分割准确率可由如下两个统计量表示：灵敏度（sensitivity，SS)和 特异度（specificity，SC)来评估，分别定义为：SS=TN/RN和SC= 1-FN/RN，通过与三种 方法的分割效果评估如表1所示。
[0094] 表1分割精度对比
[0095]
[0096]从表中可以看到，本方法有较高的分割准确率，灵敏度和特异度都较为满意。
[0097]接下来利用本发明提出的方法对22幅图像进行了自动分割，并统计各种分割情 况及分割准确率，如表2所示
[0098] 表2分割准确率
[0100] 处理后，共分割得到1201个细胞，实际细胞数目有1205个，其中正确分割1138 个，错误分割76个，分割灵敏度为0. 944±0. 235,特异度为0. 937±0. 376。由此可见，本文 方法分割精度较好，且比较稳定，普适性好。
[0101] 综上所述，乳腺细胞组织切片显微图像的分割是实现其辅助病例分析的重要环 节。本发明提出的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，改进了 分割性能。实验结果表明，本方法可以对乳腺细胞进行自动分割处理，与较新的其他乳腺细 胞显微图像分割算法相比，具有较高的分割视觉效果和较高的定量分割精度，尤其是对粘 连严重、灰度不均匀的情况，本文方法效果更明显。其优势主要表现在：1)边界定位更加准 确，得到的边缘与原始细胞轮廓吻合较好；2)能有效克服复杂背景的影响；3)对粘连细胞 有较好的分离效果；4)能有效抑制过分割和欠分割错误，有较高的分割准确率。
【主权项】
1. 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，其特征在于按照以 下步骤进行： 步骤1:输入乳腺组织图像并将其转换为灰度图像； 步骤2 :增强步骤1所得灰度图像的对比度； 步骤3 :利用小波分解进行细胞定位； 步骤4 :对步骤3所得的细胞定位进行多尺度区域生长； 步骤5 :通过投票选择实现细胞区域的初步分割； 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； 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； 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。2. 根据权利要求1所述的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， 其特征在于：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： TB(x,y)=g(x,y)+(g(x,y)-(g(x,y) 〇b)-) -((g(x,y)?b)-g(x,y))； 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。3. 根据权利要求1所述的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， 其特征在于，在步骤3的具体步骤如下： 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； 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； 步骤33:按照Wlj(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。4. 根据权利要求1或2或3所述的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，其特征在于，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： 尺度a:腐蚀半径3,灰度阈值5 ; 尺度b:腐蚀半径5,灰度阈值30 ; 尺度c:腐蚀半径7,灰度阈值10。5. 根据权利要求4所述的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， 其特征在于，步骤5中的投票选择按照以下步骤进行： 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),f^x,y); 步骤52 :计算fa(x,y),fb(x,y),f^x,y)每个区域的圆形度和面积； 步骤53 :判定fa(x,y),fb(x,y),f^x,y)相同坐标是否存在多个区域中；如果存在，贝Ij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。6. 根据权利要求1所述的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， 其特征在于：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。7. 根据权利要求1所述的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， 其特征在于，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： 步骤71 :设定初始半径r= 2,最大腐蚀尺度为k; 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； 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 ; 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； 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。8. 根据权利要求1或7所述的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，其特征在于，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。
【专利摘要】本发明公开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，先输入乳腺组织图像并将其转换为灰度图像；然后增强对比度；接着利用小波分解进行细胞定位；然后进行多尺度区域生长；接着通过投票选择实现细胞区域的初步分割；然后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，进行粘连细胞分割；然后利用形态学腐蚀-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，直至所有细胞分割结束。上述方法有效抑制了乳腺组织切片图像的复杂背景对乳腺细胞分割的影响，提高了对粘连细胞分割线的识别精度，进而提高粘连细胞的分割精度。
【IPC分类】G06T7/00
【公开号】CN104933701
【申请号】CN201510253573
【发明人】王品, 胡先玲, 李勇明, 刘倩倩, 朱雪茹
【申请人】重庆大学
【公开日】2015年9月23日
【申请日】2015年5月18日