CN107808381A - 一种单细胞图像分割方法 - Google Patents
一种单细胞图像分割方法 Download PDFInfo
- Publication number
- CN107808381A CN107808381A CN201710871540.0A CN201710871540A CN107808381A CN 107808381 A CN107808381 A CN 107808381A CN 201710871540 A CN201710871540 A CN 201710871540A CN 107808381 A CN107808381 A CN 107808381A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- image
- mrow
- threshold
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种单细胞图像分割方法,该方法包括如下步骤:1)图像预处理,转换成灰度图像,去除噪声并进行对比度增强;2)进行分块阈值分割把图像分割成A*A份小块,每块利用OSTU计算最佳阈值,分割出前景与背景;3)判断由上步分割得到的细胞核状态特征是否符合正常,若正常则证明该分割结果是比较良好,输出结果;4)若分割结果不符合细胞核状态特征,则该结果分割不精准,进行下一步图像处理;5)进行自适应阈值分割,并与其他正常分割图像一起输出结果,本发明所述的一种单细胞分割算法,解决了细胞核分割不精确,分割速度慢的难题,结合了分块阈值分割速度快和自适应阈值分割精度高、工作量少的特点,两者形成优势互补,提高了输出图像的质量。
Description
技术领域
本发明涉及细胞图像分割与识别技术领域,具体为一种单细胞图像分割方法。
背景技术
利用图像处理技术与病理学专家的临床经验,可以对宫颈癌细胞图像进行快速的筛查和统计,进而实现对宫颈细胞图像的自动诊断,这样就能大大提高医生的效率,减少人工阅片的失误和误判,目前对宫颈细胞图像主要以实现自动分割和分类为主,根据细胞种类采用了多种细胞图像分割算法,其中阈值分割是在图像分割当中应用最广泛也是最简单的一种分割方法。
但是,由于制片的主观因素影响,大部分宫颈细胞图像都比较复杂,并不是理想细胞图像那样背景单一并且没有杂质,每个细胞都独立存在且容易辨别出来的,这使得后续的图像分割和细胞分类带来许多困难。主要难点有:1)细胞间重叠;2)细胞边缘界限模糊;3)细胞图像参入杂质;4)细胞核大小形状纹理不一致。
细胞分割主要有分块阈值分割和自适应阈值分割,由于其算法运算速度快且分割准确等特点,使其在图像分割领域得到研究人员的青睐。当前在细胞图像分割方法中,根据细胞形态采用多种算法相结合的方式已被广泛应用。
发明内容
本发明的目的在于提供一种单细胞图像分割方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种单细胞图像分割方法,包括以下步骤:
首先介绍一下本发明所述的分割算法总体框架,先利用改进的分块门限阈值分割算法得到比较粗糙的分割结果,而后利用细胞核特征形态测试方法,对分块门限阈值分割后得到的结果进行筛选,不完整的细胞核送入自适应分割进行二次分割,完整的细胞核图像直接输出,然后把利用自适应分割的结果和分块阈值分割的结果合并成最终的理想输出图像。
接着,再介绍一下本发明所述的改进阈值分割算法步骤,本发明所述改进阈值分割算法包含分块阈值分割和自适应阈值分割两部分,分块阈值分割算法的基本思想是把细胞图像分割成若干相等的小块,对每个小分块利用全局门限分割方法确定阈值,分割出每一个小块的背景和前景,最后把若干小分块的分割图像合并到一起就是整个细胞图像的分割结果,而自适应分割算法的基本思想是对图像里的所有像素点都设置阈值分割,每个像素点的阈值都以该像素点为中心,邻域窗口为大小计算该窗口的分割阈值,具体公式如下:
T(x,y)=Mean=∑(x,y)∈wI(x,y)|w (2)
附图说明
图1为分割方法总体框架流程图;
图2为改进的阈值分割算法流程图;
具体实施方式
下面将开始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完整、清楚地表述。显然,所表述的实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做出具有创造性劳动的前提下所获得的全部其他实例,都属于本发明的保护范围。
请参阅图1,本发明提供一种技术方案:一种单细胞图像分割方法,包括总体分割方法和改进细胞阈值分割算法,主要流程为输入一幅宫颈TCT图像,对图像进行灰度转换、中值滤波去噪以及对比度增强等预处理,然后对所有图像进行分块阈值分割处理,采用OTSU方法进行阈值分割,分割出前景与背景,然后进行图像形状测试,前后背景图像鲜明的直接放入待检测结果输出集合,未通过检测的再次进行自适应阈值分割,然后把两次分割的结果进行合并,就得到最终的理想分割图像集合,本发明由于采用了两种分割方法,根据细胞形态局部特征使用不同的分割算法,可以使分割后的细胞核形态更加清晰,准确,减少了细胞处理的数量,提高了算法的速度,为后续进行细胞病理分析和分类提供了便利,其中分块阈值分割的主要步骤是:参考图2,将图像分割成一个个小块,对每一块分别进行灰度化、计算方差V和均值Mean,利用大律算法获得整幅图像的最佳阈值T1和T2,如果方差V大于T1,则利用OTSU做全局阈值分割,如果方差V小于T1,且均值Mean大于T2,则可判断该小块属于背景区域,否则的话就属于前景区域,而自适应分割的主要步骤为:首先对图像进行灰度处理,然后遍历每一个像素点I(x,y),对每一个像素点设置分割阈值T,以该像素点为核心,设置邻域窗口,求出该窗口的灰度均值Mean,然后根据对比就可以求出该图像的背景和前景。具体公式如下:
T(x,y)=Mean=∑(x,y)∈wI(x,y)|w (2)
对于本领域技术人员,显然本发明不限于上述示范性实施例的细节,并且在不脱离本发明的精神或基本特征的前提下,可以以其他的具体方式实现本发明的所有改变包括在本发明内,不该将权利要求中的任何附图标记看作为限制所相关的权利要求发明,因此,无论从哪方面来说,都应该把实施例当作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的范围和含义中。
另外,理应明白,虽然本说明书依照实施方式加以表述,但是并不是每种实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经过适当的组合,形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.一种单细胞图像分割方法,包括总体分割方法和改进细胞阈值分割算法,主要流程:1)输入一幅宫颈TCT图像,对图像进行灰度转换、中值滤波去噪以及对比度增强等预处理;2)对所有图像进行分块阈值分割处理,采用OTSU方法进行阈值分割,分割出前景与背景;3)进行图像形状测试,前后背景图像鲜明的直接放入待检测结果输出集合,未通过检测的再次进行自适应阈值分割;4)把两次分割的结果进行合并,就得到最终理想的分割图像集合,本方案依据细胞不同形态分别进行不同方法的分割,保证了分割方法的精确性和独立性,其中分块阈值分割的主要步骤是:1)将图像分割成一个个小块,对每一块分别进行灰度化、计算方差V和均值Mean;2)利用大律算法获得整幅图像的最佳阈值T1和T2;3)如果方差V大于T1,则利用OTSU做全局阈值分割,如果方差V小于T1,且均值Mean大于T2,则可判断该小块属于背景区域,否则的话就属于前景区域,而自适应分割的主要步骤为:1)首先对图像进行灰度处理;2)遍历每一个像素点I(x,y),对每一个像素点设置分割阈值T,以该像素点为核心,设置邻域窗口,求出该窗口的灰度均值Mean;3)根据对比就可以求出该图像的背景和前景;具体公式如下:
<mrow>
<mi>G</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mo>=</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>></mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
T(x,y)=Mean=∑(x,y)∈wI(x,y)|w (2)
2.根据权利要求1所述的一种单细胞图像分割方法,其特征在于:所述细胞图像分割方法由于采用了两种分割方法,根据细胞形态局部特征使用不同的分割算法,可以使分割后的细胞核更加清晰和准确,减少了细胞处理的数量,提高了算法的速度,为后续进行细胞病理分析和分类提供了便利。
3.根据权利要求1所述的一种单细胞图像分割方法,其特征在于:所述改进的阈值分割算法充分根据细胞实际局部特征,结合了分块阈值分割速度快、分割图像清晰和自适应阈值分割精度高、工作量少的特点,两者形成优势互补,提高了输出图像的质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710871540.0A CN107808381A (zh) | 2017-09-25 | 2017-09-25 | 一种单细胞图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710871540.0A CN107808381A (zh) | 2017-09-25 | 2017-09-25 | 一种单细胞图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107808381A true CN107808381A (zh) | 2018-03-16 |
Family
ID=61584519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710871540.0A Pending CN107808381A (zh) | 2017-09-25 | 2017-09-25 | 一种单细胞图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107808381A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596932A (zh) * | 2018-04-18 | 2018-09-28 | 哈尔滨理工大学 | 一种重叠宫颈细胞图像分割方法 |
CN108921868A (zh) * | 2018-07-02 | 2018-11-30 | 中央民族大学 | 一种改进的Otsu阈值分割方法 |
CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
CN109191434A (zh) * | 2018-08-13 | 2019-01-11 | 阜阳师范学院 | 一种细胞分化中的图像检测系统及检测方法 |
CN109191470A (zh) * | 2018-08-18 | 2019-01-11 | 北京洛必达科技有限公司 | 适用于大数据图像的图像分割方法和装置 |
CN109493330A (zh) * | 2018-11-06 | 2019-03-19 | 电子科技大学 | 一种基于多任务学习的细胞核实例分割方法 |
CN109801303A (zh) * | 2018-12-18 | 2019-05-24 | 北京羽医甘蓝信息技术有限公司 | 在胸水荧光图像中分割细胞的方法和装置 |
CN110087063A (zh) * | 2019-04-24 | 2019-08-02 | 昆山丘钛微电子科技有限公司 | 一种图像处理方法、装置及电子设备 |
CN110111307A (zh) * | 2019-04-12 | 2019-08-09 | 张晓红 | 一种免疫教学用免疫系统反馈模拟系统及方法 |
CN110570445A (zh) * | 2019-09-09 | 2019-12-13 | 上海联影医疗科技有限公司 | 一种图像分割方法、装置、终端及可读介质 |
CN112270370A (zh) * | 2020-11-06 | 2021-01-26 | 北京环境特性研究所 | 一种车辆表观毁伤评估方法 |
CN117252893A (zh) * | 2023-11-17 | 2023-12-19 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682305A (zh) * | 2012-04-25 | 2012-09-19 | 深圳市迈科龙医疗设备有限公司 | 宫颈液基细胞学自动筛查方法和系统 |
CN102831607A (zh) * | 2012-08-08 | 2012-12-19 | 深圳市迈科龙生物技术有限公司 | 宫颈液基细胞图像分割方法 |
CN103489187A (zh) * | 2013-09-23 | 2014-01-01 | 华南理工大学 | 基于质量检测的宫颈lct图像中细胞核的分割方法 |
CN103984958A (zh) * | 2014-05-07 | 2014-08-13 | 深圳大学 | 宫颈癌细胞分割方法及系统 |
CN104992435A (zh) * | 2015-06-24 | 2015-10-21 | 广西师范大学 | 一种宫颈单细胞图像分割算法 |
US20170193657A1 (en) * | 2015-12-30 | 2017-07-06 | Case Western Reserve University | Prediction of recurrence of non-small cell lung cancer with tumor infiltrating lymphocyte (til) graphs |
-
2017
- 2017-09-25 CN CN201710871540.0A patent/CN107808381A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682305A (zh) * | 2012-04-25 | 2012-09-19 | 深圳市迈科龙医疗设备有限公司 | 宫颈液基细胞学自动筛查方法和系统 |
CN102831607A (zh) * | 2012-08-08 | 2012-12-19 | 深圳市迈科龙生物技术有限公司 | 宫颈液基细胞图像分割方法 |
CN103489187A (zh) * | 2013-09-23 | 2014-01-01 | 华南理工大学 | 基于质量检测的宫颈lct图像中细胞核的分割方法 |
CN103984958A (zh) * | 2014-05-07 | 2014-08-13 | 深圳大学 | 宫颈癌细胞分割方法及系统 |
CN104992435A (zh) * | 2015-06-24 | 2015-10-21 | 广西师范大学 | 一种宫颈单细胞图像分割算法 |
US20170193657A1 (en) * | 2015-12-30 | 2017-07-06 | Case Western Reserve University | Prediction of recurrence of non-small cell lung cancer with tumor infiltrating lymphocyte (til) graphs |
Non-Patent Citations (1)
Title |
---|
何小臻: "基于质量检测的宫颈细胞学图像的细胞核分割方法", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596932A (zh) * | 2018-04-18 | 2018-09-28 | 哈尔滨理工大学 | 一种重叠宫颈细胞图像分割方法 |
CN108921868A (zh) * | 2018-07-02 | 2018-11-30 | 中央民族大学 | 一种改进的Otsu阈值分割方法 |
CN108921868B (zh) * | 2018-07-02 | 2021-08-24 | 中央民族大学 | 一种改进的Otsu阈值分割方法 |
CN109191434A (zh) * | 2018-08-13 | 2019-01-11 | 阜阳师范学院 | 一种细胞分化中的图像检测系统及检测方法 |
CN109191470A (zh) * | 2018-08-18 | 2019-01-11 | 北京洛必达科技有限公司 | 适用于大数据图像的图像分割方法和装置 |
CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
CN109493330A (zh) * | 2018-11-06 | 2019-03-19 | 电子科技大学 | 一种基于多任务学习的细胞核实例分割方法 |
CN109801303A (zh) * | 2018-12-18 | 2019-05-24 | 北京羽医甘蓝信息技术有限公司 | 在胸水荧光图像中分割细胞的方法和装置 |
CN110111307A (zh) * | 2019-04-12 | 2019-08-09 | 张晓红 | 一种免疫教学用免疫系统反馈模拟系统及方法 |
CN110111307B (zh) * | 2019-04-12 | 2023-11-17 | 张晓红 | 一种免疫教学用免疫系统反馈模拟系统及方法 |
CN110087063A (zh) * | 2019-04-24 | 2019-08-02 | 昆山丘钛微电子科技有限公司 | 一种图像处理方法、装置及电子设备 |
CN110570445A (zh) * | 2019-09-09 | 2019-12-13 | 上海联影医疗科技有限公司 | 一种图像分割方法、装置、终端及可读介质 |
CN110570445B (zh) * | 2019-09-09 | 2022-03-25 | 上海联影医疗科技股份有限公司 | 一种图像分割方法、装置、终端及可读介质 |
CN112270370A (zh) * | 2020-11-06 | 2021-01-26 | 北京环境特性研究所 | 一种车辆表观毁伤评估方法 |
CN112270370B (zh) * | 2020-11-06 | 2023-06-02 | 北京环境特性研究所 | 一种车辆表观毁伤评估方法 |
CN117252893A (zh) * | 2023-11-17 | 2023-12-19 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
CN117252893B (zh) * | 2023-11-17 | 2024-02-23 | 科普云医疗软件(深圳)有限公司 | 一种乳腺癌病理图像的分割处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808381A (zh) | 一种单细胞图像分割方法 | |
CN112288706B (zh) | 一种自动化的染色体核型分析以及异常检测方法 | |
CN108550133B (zh) | 一种基于Faster R-CNN的癌细胞检测方法 | |
CN110428432B (zh) | 结肠腺体图像自动分割的深度神经网络算法 | |
CN109523520B (zh) | 一种基于深度学习的染色体自动计数方法 | |
JP2021504816A (ja) | 骨年齢評価と身長予測モデル、そのシステム及びその予測方法 | |
CN106056118A (zh) | 一种用于细胞的识别计数方法 | |
TWI684997B (zh) | 骨齡評估與身高預測模型之建立方法、骨齡評估與身高預測系統及骨齡評估與身高預測方法 | |
CN107610129B (zh) | 一种基于cnn的多模态鼻咽部肿瘤联合分割方法 | |
CN104217213B (zh) | 一种基于对称性理论的医学图像多阶段分类方法 | |
CN110458835A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN108305253A (zh) | 一种基于多倍率深度学习的病理全切片诊断方法 | |
CN109544564A (zh) | 一种医疗图像分割方法 | |
CN103489187A (zh) | 基于质量检测的宫颈lct图像中细胞核的分割方法 | |
CN111429448A (zh) | 一种基于弱分割信息的生物荧光目标计数方法 | |
CN112102250B (zh) | 训练数据为缺失标注的病理图像检测模型建立、检测方法 | |
CN102855485A (zh) | 一种小麦抽穗的自动检测方法 | |
CN113139977A (zh) | 一种基于YOLO和U-Net的口腔曲断影像智齿分割方法 | |
CN114864075A (zh) | 一种基于病理图像的胶质瘤级别分析方法及装置 | |
CN108416304B (zh) | 一种利用上下文信息的三分类人脸检测方法 | |
CN110378333B (zh) | 一种sd-oct图像黄斑中央凹中心定位方法 | |
CN110889418A (zh) | 一种气体轮廓识别方法 | |
CN114693693A (zh) | 一种基于卷积神经网络的胎儿胼胝体超声图像分割方法 | |
CN113269747B (zh) | 一种基于深度学习的病理图片肝癌扩散检测方法及系统 | |
CN114742803A (zh) | 一种结合深度学习与数字图像处理算法的血小板聚集检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180316 |
|
WD01 | Invention patent application deemed withdrawn after publication |