CN110335686A - 细胞类型识别方法、装置、计算机设备及存储介质 - Google Patents

细胞类型识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110335686A
CN110335686A CN201910492865.7A CN201910492865A CN110335686A CN 110335686 A CN110335686 A CN 110335686A CN 201910492865 A CN201910492865 A CN 201910492865A CN 110335686 A CN110335686 A CN 110335686A
Authority
CN
China
Prior art keywords
cell
cell parameters
comparison value
area
parameters
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.)
Granted
Application number
CN201910492865.7A
Other languages
English (en)
Other versions
CN110335686B (zh
Inventor
车拴龙
罗丕福
刘栋
刘斯
李映华
苏钜铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Kingmed Diagnostics Central Co Ltd
Original Assignee
Guangzhou Kingmed Diagnostics Central Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Kingmed Diagnostics Central Co Ltd filed Critical Guangzhou Kingmed Diagnostics Central Co Ltd
Priority to CN201910492865.7A priority Critical patent/CN110335686B/zh
Publication of CN110335686A publication Critical patent/CN110335686A/zh
Application granted granted Critical
Publication of CN110335686B publication Critical patent/CN110335686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本申请涉及一种细胞类型识别方法，该方法包括：获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；获取每个细胞参数对应的边界参考值；根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。该细胞类型识别方法建立了一种客观的判读标准，不再依赖于病理医生的主观性判读，提高了细胞类型识别的判断的准确度。此外，还提出了一种细胞类型识别装置、计算机设备及存储介质。

Description

细胞类型识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及计算机技术领域，尤其是涉及一种细胞类型识别方法、装置、计算机设备及存储介质。
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。
在进行细胞病理切片检查时，虽然医生都是根据同一系统(比如，TBS系统)指南进行判断，但是由于诊断过程中包含了医生主观性理解，导致不同细胞病理医生对各类细胞病变的判度结果差异性比较大，尤其是对于处于界值的指标，不同水平的细胞病理医生差异较大，而且即便是同一细胞病理医生，不同时间段的结果也是有差异的。即传统的细胞病变的判度依赖于病理医生的主观性判读，导致判断的结果不够准确。
发明内容
基于此，有必要针对上述问题，提供了一种客观准确的细胞类型识别方法、装置、计算机设备及存储介质。
第一方面，本发明实施例提供一种细胞类型识别方法，所述方法包括：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
在其中一个实施例中，所述根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型，包括：根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
在其中一个实施例中，所述获取正常细胞对应的标准面积，包括：获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
在其中一个实施例中，所述方法还包括：获取每个细胞参数对应的调整系数；根据所述调整系数和所述标准比对值确定更新标准比对值；所述根据每个细胞参数的标准比对值确定正常细胞对应的标准面积，包括：根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型，包括：根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
在其中一个实施例中，所述获取每个细胞参数对应的调整系数，包括：获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；获取所述细胞参数的原始正常范围；根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
在其中一个实施例中，所述根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积，包括：根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
在其中一个实施例中，在所述根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置之后，还包括：根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积；将所述闭合多边形在显示屏上进行展示。
在其中一个实施例中，所述多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
第二方面，本发明实施例提供一种细胞类型识别装置，所述装置包括：
第一获取模块，用于获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
第二获取模块，用于获取每个细胞参数对应的边界参考值；
比对值确定模块，用于根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
类型确定模块，用于根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
在其中一个实施例中，所述类型确定模块还用于根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
在其中一个实施例中，所述类型确定模块还用于获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
在其中一个实施例中，上述细胞类型识别装置还包括：系数获取模块，用于获取每个细胞参数对应的调整系数；比对值更新模块，用于根据所述调整系数和所述标准比对值确定更新标准比对值；类型确定模块还用于根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积，根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
在其中一个实施例中，系数获取模块还用于获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；获取所述细胞参数的原始正常范围；根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
在其中一个实施例中，所述类型确定模块还用于根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
在其中一个实施例中，上述细胞类型识别装置还包括：展示模块，用于根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积，将所述闭合多边形在显示屏上进行展示。
第三方面，本发明实施例提供一种计算机设备，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：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
第四方面，本发明实施例提供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如下步骤：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
上述细胞类型识别方法、装置、计算机设备及存储介质，通过获取待识别细胞的细胞参数信息，包括：细胞参数和相应的细胞参数值，并获取每个细胞参数对应的边界参考值，根据细胞参数值和边界参考值确定每个细胞参数对应的比对值，然后根据每个细胞参数的比对值确定待识别细胞的类型。该细胞类型识别方法建立了一种客观的判读标准，不再依赖于病理医生的主观性判读，提高了细胞类型识别的判断的准确度。
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示出的结构获得其他的附图。
图1为一个实施例中细胞类型识别方法的流程图；
图2A为一个实施例中正常细胞的量化面积与标准面积的示意图；
图2B为一个实施例中异常细胞的量化面积与标准面积的示意图；
图3为一个实施例中正常细胞的标准面积的示意图；
图4为另一个实施例中细胞类型识别方法的流程图；
图5为一个实施例中确定量化面积的示意图；
图6为一个实施例中细胞类型识别装置的结构框图；
图7为另一个实施例中细胞类型识别装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，提出了一种细胞类型识别方法，该细胞类型识别方法可以应用于终端，也可以应用于服务器，本实施例以应用于终端举例说明。该细胞类型识别方法具体包括以下步骤：
步骤102，获取待识别细胞的细胞参数信息，细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值。
其中，细胞参数信息是指获取到的细胞的参数信息，包括：多个细胞参数以及每个细胞参数对应的细胞参数值。细胞参数是指细胞参数的名称，细胞参数值是指细胞参数对应的具体的数值，比如，细胞参数为：细胞核面积指数(N)、核质比指数(N/C)、核深染指数(S)、染色质分布指数(W)、核形不规则指数(Q)、细胞浆角化指数(K)和挖空样指数(E)。那么细胞参数值就是计算得到的每个细胞参数对应的数值。细胞参数的选择可以根据实际情况预先自定义设置。这里不对细胞参数进行任何限定。
步骤104，获取每个细胞参数对应的边界参考值。
其中，边界参考值是指设置的细胞参数对应的最大参数值，比如，如果细胞参数对应的细胞参数值的范围为(a,b)，那么将b细胞参数的边界参考值。边界参考值可以根据实际经验自定义设置，也可以是通过分析大量细胞的细胞参数的参数值进行统计得到。
步骤106，根据细胞参数值和边界参考值确定每个细胞参数对应的比对值。
其中，获取到每个细胞参数的细胞参数值和边界参考值后，就可以根据细胞参数值和边界参考值计算得到相应的比对值。比对值的计算可以将细胞参数值和对应的边界参考值进行相除得到，即比对值＝细胞参数值/边界参考值。在另一个实施例中，也可以将细胞参数值减去设置的标准数值，然后再与边界参考值进行比值，即，比对值＝(细胞参数值-标准数值)/边界参考值。
步骤108，根据每个细胞参数对应的比对值确定待识别细胞的类型。
其中，待识别细胞的类型可以分为两种，一种是正常细胞，一种是异常细胞。在有些场景下，待识别细胞的类型也可以分为三种，一种是正常细胞，一种是可疑细胞，一种是病变细胞。
获取到各个细胞参数对应的比对值后，就可以根据比对值的大小来判断待识别细胞的类型。一般来说，比对值越大，表明细胞异常的概率越大，所以如果是正常细胞，比对值接近于0；如果是异常细胞，即病变细胞，比对值接近于1。
在一个实施例中，每个细胞参数都对应有标准比对值，通过将获取到的细胞参数的比对值与相应的标准比对值进行比较，可以得到每个细胞参数对应的异常值，根据各个细胞参数对应的异常值确定待识别细胞的类型。
在另一个实施例中，根据每个细胞参数对应的比对值确定待识别细胞对应的量化面积，然后将量化面积与正常细胞的标准面积进行比对，根据比对结果确定
上述细胞类型识别方法，通过获取待识别细胞的细胞参数信息，包括：细胞参数和相应的细胞参数值，并获取每个细胞参数对应的边界参考值，根据细胞参数值和边界参考值确定每个细胞参数对应的比对值，然后根据每个细胞参数的比对值确定待识别细胞的类型。该细胞类型识别方法建立了一种客观的判读标准，不再依赖于病理医生的主观性判读，提高了细胞类型识别判读的准确度。
在一个实施例中，根据每个细胞参数对应的比对值确定待识别细胞的类型，包括：根据每个细胞参数对应的比对值计算得到待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据量化面积和标准面积确定待识别细胞的类型。
其中，量化面积是指根据待识别细胞对应的各个细胞参数的比对值计算得到的用于定量分析的面积。标准面积是指正常细胞对应的面积。通过将待识别量化面积和标准面积进行比对就可以确定待识别细胞的类型，比如，若待识别细胞的量化面积远大于标准面积，那么说明该待识别细胞为异常细胞(即病变细胞)。量化面积的计算可以有多种方式，比如，可以是根据每个细胞参数的比对值分别计算得到与每个细胞参数对应的子量化面积，将各个子量化面积之和作为待识别细胞的量化面积。当然也可以根据各个细胞参数的比对值直接计算出来一个整体的量化面积。
如图2所示，为一个实施例中，待识别细胞的量化面积与标准面积的示意图，图中，中间深灰色圆形面积为标准面积，图中浅灰色灰色部分为量化面积，图2A中，浅灰色面积小于深灰色面积，说明识别得到的细胞的类型为正常细胞，图2B中，浅灰色面积大于深灰色面积(已全部覆盖)，说明识别得到的细胞的类型为异常细胞(病变细胞)。
在一个实施例中，获取正常细胞对应的标准面积，包括：获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定正常细胞对应的标准面积。
其中，每个细胞参数都预先设置有标准比对值，标准比对值是指正常细胞对应的比对值的最大值，这样就可以根据每个细胞参数的标准比对值确定正常细胞对应的标准面积。如图3所示，为一个实施例中，展示的正常细胞的标准面积的示意图。
如图4所示，在一个实施例中，提出了一种细胞类型识别方法，具体包括以下步骤：
步骤402，获取待识别细胞的细胞参数信息，细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值。
步骤404，获取每个细胞参数对应的边界参考值。
步骤406，根据细胞参数值和边界参考值确定每个细胞参数对应的比对值。
步骤408，根据每个细胞参数对应的比对值计算得到待识别细胞对应的量化面积。
步骤410，获取每个细胞参数对应的标准比对值。
步骤412，获取每个细胞参数对应的调整系数。
步骤414，根据调整系数和标准比对值确定更新标准比对值。
步骤416，根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积。
步骤418，根据量化面积和更新标准面积确定待识别细胞的类型。
其中，由于不同时期正常细胞对应的标准比对值可能会存在差异，为了进一步提高判读的准确性，引入调整系数，可以根据当前时间统计得到的各个细胞参数对应的正常范围人为或自适应地调整标准比对值，得到更新标准比对值。调整系数用于对之前的标准比对值进行调整得到当前的更新标准比对值。然后采用更新标准比对值确定正常细胞对应的更新标准面积，最后将量化面积与更新标准面积进行比较来确定待识别细胞的类型。
在一个实施例中，获取每个细胞参数对应的调整系数，包括：获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到细胞参数的当前正常范围；获取细胞参数的原始正常范围；根据当前正常范围和原始正常范围确定相应细胞参数的调整系数。
其中，预设时间段一般选取的是距离当前的一段时间，比如，近一年的数据。通过统计预设时间内正常细胞对应的各个细胞参数的参数值，然后将同一细胞参数的参数值进行统计分析得到该细胞参数对应的当前正常范围。原始正常范围是指之前确定的正常细胞所对应的正常范围。通过比较当前正常范围与原始正常范围确定该细胞参数对应的调整系数。若当前正常范围普遍降低时，那么需要相应下调，所以调整系数小于1，若当前正常范围普遍升高时，需要调高正常范围，所以调整系数大于1。将调整系数与正常细胞的标准面积相乘，得到更新标准面积。通过调整系数可以自适应地调整标准面积的大小，即图3中所示的深灰色区域的面积。
在另一个实施例中，调整系数可以通过机器学习来自适应地进行调整，这样可以根据实际情况进行自定义调整，提高判读的准确性。在一个实施例中，不同地区的同一细胞参数对应的正常范围也可能不同，所以可以根据实际情况来设置调整系数，便于提高识别的准确度。
在一个实施例中，根据每个细胞参数对应的比对值计算得到待识别细胞对应的量化面积，包括：根据细胞参数的个数建立等边多边形，等边多边形的顶点个数等于细胞参数的个数；将等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据每个细胞参数对应的比对值确定比对值在量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到待识别细胞对应的量化面积。
其中，为了计算量化面积，首先，建立等边多边形，等边多边形的顶点个数与细胞参数的个数相同。比如，假设一共有7个细胞参数，相应地建立七边形。每个细胞参数对应一个顶点。如图5所示，假设七个细胞参数分别为：细胞核面积指数(N)、核质比指数(N/C)、核深染指数(S)、染色质分布指数(W)、核形不规则指数(Q)、细胞浆角化指数(K)和挖空样指数(E)。将等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段，然后根据细胞参对应的比对值确定比对值在量化线段上的位置。将根据量化线段上各个位置点的围成的面积作为量化面积。以图形化的方式进行形象展示量化面积，从而可以更加直观的确定待识别细胞是否为异常细胞。细胞参数的个数可以自定义设置，比如，可以是5个，也可以是8个等。
在一个实施例中，在根据每个细胞参数对应的比对值确定比对值在量化线段上的位置之后，还包括：根据每个细胞参数的比对值在量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，闭合多边形的面积为待识别细胞对应的量化面积；将闭合多边形在显示屏上进行展示。
其中，通过将比对值在量化线段的位置点依次连接组成一个闭合多边形，将该闭合多边形作为待识别细胞的对应的量化面积，参考图5，并将闭合多边形在显示屏上进行展示，便于病理医生更加直观地判断待识别细胞是否为病变细胞。
在一个实施例中，多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
在一个实际的实施例中，宫颈细胞病理学检查是女性宫颈癌临床筛查的重要医学检查技术。目前，国际上妇科宫颈细胞病理诊断常用的报告系统为TBS系统(The BethesdaSystem)。TBS宫颈细胞病理报告系统，1988年美国由50位病理学家在华盛顿马里兰州Bethesda城开会讨论宫颈/阴道细胞学诊断报告方式，并提出两个对癌前病变的术语，LSIL(低度鳞状上皮内病变)和HSIL(高度鳞状上皮内病变)。TBS系统将宫颈细胞病变分类为鳞状上皮病变和腺上皮病变，前者包括ASC-US(不能明确意义的非典型鳞状上皮细胞)、LSIL、ASC-H(非典型鳞状上皮细胞，不除外高级别鳞状上皮内病变)、HSIL、SCC(鳞状细胞癌)，后者包括AGC-NOS(非典型腺细胞，无其他具体指定)、AGC-N(非典型腺细胞，倾向于肿瘤)、AIS(原位腺癌)、腺癌等。细胞病理医生根据TBS系统指南，对诊断要点进行主观性理解和学习，不同细胞病理医生对各类细胞病变的判读结果差异性较大。对于明确的、典型的LSIL、HSIL、SCC等病变，不同细胞病理医生的一致性较高。但对于处于界值的ASC-US、ASC-H等，不同水平的细胞病理医生差异较大，尤其是对于非专家、不同单位的细胞病理医生诊断中的差异性更为明显。
通过上述细胞类型识别方法，可以客观准确地判断ASC-US(不能明确意义的非典型鳞状上皮细胞)是否为病变细胞。细胞参数可以选取可量化的细胞指标：细胞核面积指数(N)、核质比指数(N/C)、核深染指数(S)、染色质分布指数(W)、核形不规则指数(Q)、细胞浆角化指数(K)和挖空样指数(E)。根据细胞参数对应的细胞参数值，以及相应的边界参考值，可以计算得到待识别ASC-US细胞对应的量化面积，通过与正常ASC-US细胞对应的标准面积进行比较，判断ASC-US细胞是否为病变细胞。
如图6所示，在一个实施例中，提出了一种细胞类型识别装置，该装置包括：
第一获取模块602，用于获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
第二获取模块604，用于获取每个细胞参数对应的边界参考值；
比对值确定模块606，用于根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
类型确定模块608，用于根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
在一个实施例中，所述类型确定模块608还用于根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
在一个实施例中，所述类型确定模块608还用于获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
如图7所示，在一个实施例中，上述细胞类型识别装置还包括：
系数获取模块610，用于获取每个细胞参数对应的调整系数；
比对值更新模块612，用于根据所述调整系数和所述标准比对值确定更新标准比对值；
类型确定模块还用于根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积，根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
在一个实施例中，系数获取模块还用于获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；获取所述细胞参数的原始正常范围；根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
在一个实施例中，所述类型确定模块还用于根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
在一个实施例中，上述细胞类型识别装置还包括：
展示模块，用于根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积，将所述闭合多边形在显示屏上进行展示。
在一个实施例中，所述多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备可以是终端，也可以是服务器。如图8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，可使得处理器实现细胞类型识别方法。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，可使得处理器执行细胞类型识别方法。网络接口用于与外界进行通信。本领域技术人员可以理解，图8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，本申请提供的细胞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8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该细胞类型识别装置的各个程序模板。比如，第一获取模块602，第二获取模块604，比对值确定模块606，类型确定模块608。
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：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
在一个实施例中，所述根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型，包括：根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
在一个实施例中，所述获取正常细胞对应的标准面积，包括：获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于执行以下步骤：获取每个细胞参数对应的调整系数；根据所述调整系数和所述标准比对值确定更新标准比对值；
所述根据每个细胞参数的标准比对值确定正常细胞对应的标准面积，包括：根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积；
根据所述量化面积和所述标准面积确定所述待识别细胞的类型，包括：根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
在一个实施例中，所述获取每个细胞参数对应的调整系数，包括：获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；获取所述细胞参数的原始正常范围；根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
在一个实施例中，所述根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积，包括：根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
在一个实施例中，在所述根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置之后，还包括：根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积；将所述闭合多边形在显示屏上进行展示。
在一个实施例中，所述多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
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如下步骤：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
在一个实施例中，所述根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型，包括：根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
在一个实施例中，所述获取正常细胞对应的标准面积，包括：获取每个细胞参数对应的标准比对值；根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
在一个实施例中，所述计算机程序被所述处理器执行时，还用于执行以下步骤：获取每个细胞参数对应的调整系数；根据所述调整系数和所述标准比对值确定更新标准比对值；
所述根据每个细胞参数的标准比对值确定正常细胞对应的标准面积，包括：根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积；
根据所述量化面积和所述标准面积确定所述待识别细胞的类型，包括：根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
在一个实施例中，所述获取每个细胞参数对应的调整系数，包括：获取预设时间段内正常细胞对应的各个细胞参数的参数值；将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；获取所述细胞参数的原始正常范围；根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
在一个实施例中，所述根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积，包括：根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
在一个实施例中，在所述根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置之后，还包括：根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积；将所述闭合多边形在显示屏上进行展示。
在一个实施例中，所述多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
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。

Claims (12)

1.一种细胞类型识别方法，其特征在于，所述方法包括：
获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
获取每个细胞参数对应的边界参考值；
根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型，包括：
根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；
获取正常细胞对应的标准面积；
根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
3.根据权利要求2所述的方法，其特征在于，所述获取正常细胞对应的标准面积，包括：
获取每个细胞参数对应的标准比对值；
根据每个细胞参数的标准比对值确定所述正常细胞对应的标准面积。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取每个细胞参数对应的调整系数；
根据所述调整系数和所述标准比对值确定更新标准比对值；
所述根据每个细胞参数的标准比对值确定正常细胞对应的标准面积，包括：
根据每个细胞参数的更新标准比对值确定正常细胞对应的更新标准面积；
根据所述量化面积和所述标准面积确定所述待识别细胞的类型，包括：
根据所述量化面积和所述更新标准面积确定所述待识别细胞的类型。
5.根据权利要求4所述的方法，其特征在于，所述获取每个细胞参数对应的调整系数，包括：
获取预设时间段内正常细胞对应的各个细胞参数的参数值；
将对应于同一细胞参数的参数值进行统计分析得到所述细胞参数的当前正常范围；
获取所述细胞参数的原始正常范围；
根据所述当前正常范围和所述原始正常范围确定相应细胞参数的调整系数。
6.根据权利要求2所述的方法，其特征在于，所述根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积，包括：
根据细胞参数的个数建立等边多边形，所述等边多边形的顶点个数等于所述细胞参数的个数；
将所述等边多边形的中心点到各个顶点的线段作为相应细胞参数对应的量化线段；
根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置；
根据各个细胞参数在相应量化线段上的位置计算得到所述待识别细胞对应的量化面积。
7.根据权利要求1所述的方法，其特征在于，在所述根据所述每个细胞参数对应的比对值确定所述比对值在所述量化线段上的位置之后，还包括：
根据每个细胞参数的比对值在所述量化线段上的位置，将各个位置所在的点依次连接，组成一个闭合多边形，所述闭合多边形的面积为所述待识别细胞对应的量化面积；
将所述闭合多边形在显示屏上进行展示。
8.根据权利要求1所述的方法，其特征在于，所述多个细胞参数包括：细胞核面积指数、核质比指数、核深染指数、染色质分布指数、核形不规则指数、细胞浆角化指数和挖空样指数。
9.一种细胞类型识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取待识别细胞的细胞参数信息，所述细胞参数信息包括：多个细胞参数和每个细胞参数对应的细胞参数值；
第二获取模块，用于获取每个细胞参数对应的边界参考值；
比对值确定模块，用于根据所述细胞参数值和所述边界参考值确定每个细胞参数对应的比对值；
类型确定模块，用于根据所述每个细胞参数对应的比对值确定所述待识别细胞的类型。
10.根据权利要求9所述的装置，其特征在于，所述类型确定模块还用于根据所述每个细胞参数对应的比对值计算得到所述待识别细胞对应的量化面积；获取正常细胞对应的标准面积；根据所述量化面积和所述标准面积确定所述待识别细胞的类型。
11.一种计算机设备，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权利要求1至8中任一项所述方法的步骤。
12.一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如权利要求1至8中任一项所述方法的步骤。
CN201910492865.7A 2019-06-06 2019-06-06 细胞类型识别方法、装置、计算机设备及存储介质 Active CN110335686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910492865.7A CN110335686B (zh) 2019-06-06 2019-06-06 细胞类型识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910492865.7A CN110335686B (zh) 2019-06-06 2019-06-06 细胞类型识别方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110335686A true CN110335686A (zh) 2019-10-15
CN110335686B CN110335686B (zh) 2023-07-04

Family

ID=68140800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910492865.7A Active CN110335686B (zh) 2019-06-06 2019-06-06 细胞类型识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110335686B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553206A (zh) * 2020-04-14 2020-08-18 中国科学院深圳先进技术研究院 一种基于机器学习的细胞识别方法及装置
CN112289379A (zh) * 2020-10-15 2021-01-29 天津诺禾致源生物信息科技有限公司 细胞类型的确定方法、装置、存储介质及电子装置
CN112529843A (zh) * 2020-11-23 2021-03-19 集美大学 一种用于识别异常上皮细胞的方法和系统
CN112951427A (zh) * 2021-03-16 2021-06-11 黑龙江机智通智能科技有限公司 异常细胞的分级系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6330350B1 (en) * 1997-05-22 2001-12-11 Korea Institute Of Science And Technology Method and apparatus for automatically recognizing blood cells
US20120122078A1 (en) * 2010-11-12 2012-05-17 Patterson Bruce K Methods and systems for predicting whether a subject has a cervical intraepithelial neoplasia (cin) lesion from a suspension sample of cervical cells

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6330350B1 (en) * 1997-05-22 2001-12-11 Korea Institute Of Science And Technology Method and apparatus for automatically recognizing blood cells
US20120122078A1 (en) * 2010-11-12 2012-05-17 Patterson Bruce K Methods and systems for predicting whether a subject has a cervical intraepithelial neoplasia (cin) lesion from a suspension sample of cervical cells

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553206A (zh) * 2020-04-14 2020-08-18 中国科学院深圳先进技术研究院 一种基于机器学习的细胞识别方法及装置
CN111553206B (zh) * 2020-04-14 2021-08-24 中国科学院深圳先进技术研究院 一种基于机器学习的细胞识别方法及装置
WO2021208491A1 (zh) * 2020-04-14 2021-10-21 中国科学院深圳先进技术研究院 一种基于机器学习的细胞识别方法及装置
CN112289379A (zh) * 2020-10-15 2021-01-29 天津诺禾致源生物信息科技有限公司 细胞类型的确定方法、装置、存储介质及电子装置
CN112289379B (zh) * 2020-10-15 2022-11-22 天津诺禾致源生物信息科技有限公司 细胞类型的确定方法、装置、存储介质及电子装置
CN112529843A (zh) * 2020-11-23 2021-03-19 集美大学 一种用于识别异常上皮细胞的方法和系统
CN112951427A (zh) * 2021-03-16 2021-06-11 黑龙江机智通智能科技有限公司 异常细胞的分级系统
CN112951427B (zh) * 2021-03-16 2023-12-08 黑龙江机智通智能科技有限公司 异常细胞的分级系统

Also Published As

Publication number Publication date
CN110335686B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN110335686A (zh) 细胞类型识别方法、装置、计算机设备及存储介质
JP4549536B2 (ja) 視野試験を行う方法および装置、並びにその結果を処理するコンピュータプログラム
CN111310841B (zh) 医学图像分类方法、装置、设备、计算机设备和存储介质
CN110659692B (zh) 基于强化学习和深度神经网络的病理图像自动标注方法
Jantzen et al. Pap-smear benchmark data for pattern classification
CN109697460A (zh) 对象检测模型训练方法、目标对象检测方法
CN108447062A (zh) 一种基于多尺度混合分割模型的病理切片非常规细胞的分割方法
CN110853005A (zh) 一种免疫组化膜染色切片诊断方法及装置
CN109859168A (zh) 一种x射线胸片图像质量确定方法及装置
Joseph et al. Quantitative and qualitative evaluation of deep learning automatic segmentations of corneal endothelial cell images of reduced image quality obtained following cornea transplant
CN110021013A (zh) 病理切片细胞的类型识别方法、装置和计算机设备
CN106446805B (zh) 一种眼底照中视杯的分割方法及系统
US11830622B2 (en) Processing multimodal images of tissue for medical evaluation
CN111340087A (zh) 图像识别方法、装置、计算机可读存储介质和计算机设备
Gupta et al. An efficient model for detection and classification of internal eye diseases using deep learning
CN110008925A (zh) 一种基于集成学习的皮肤自动检测方法
CN110838094A (zh) 病理切片染色风格转换方法和电子设备
KR100291149B1 (ko) 병리조직진단지원장치
CN115330748A (zh) 脑图像处理方法、计算机设备和存储介质
JP6161146B2 (ja) 病理組織画像解析方法、病理組織画像解析装置及び病理組織画像解析プログラム
CN109978849A (zh) 基于数字病理图像的基线细胞确定方法、装置及可读介质
CN112233123B (zh) 病理图片中肿瘤间质分类方法、装置、计算机设备及存储介质
EP3611696A1 (en) Cell evaluation method, cell evaluation device, and cell evaluation program
CN117372416A (zh) 一种对抗训练的高鲁棒性数字病理切片诊断系统及方法
Niemann et al. Interactive exploration of a 3D intracranial aneurysm wall model extracted from histologic slices

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
CB02 Change of applicant information

Address after: 510700 No. 10, helix 3 Road, International Biological Island, Huangpu District, Guangzhou City, Guangdong Province

Applicant after: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY

Address before: 510330 Guangdong Guangzhou Haizhuqu District Xingang East Road 2429, 3rd floor.

Applicant before: GUANGZHOU KINGMED CENTER FOR CLINICAL LABORATORY

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant