CN114283408A - 一种细胞学涂片中挖空细胞的图像识别方法及系统 - Google Patents
一种细胞学涂片中挖空细胞的图像识别方法及系统 Download PDFInfo
- Publication number
- CN114283408A CN114283408A CN202111611889.3A CN202111611889A CN114283408A CN 114283408 A CN114283408 A CN 114283408A CN 202111611889 A CN202111611889 A CN 202111611889A CN 114283408 A CN114283408 A CN 114283408A
- Authority
- CN
- China
- Prior art keywords
- cell
- gray
- image
- cells
- value
- 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
- 230000002380 cytological effect Effects 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000000877 morphologic effect Effects 0.000 claims abstract description 61
- 238000012216 screening Methods 0.000 claims abstract description 28
- 238000012790 confirmation Methods 0.000 claims abstract description 17
- 239000007788 liquid Substances 0.000 claims abstract description 15
- 210000004027 cell Anatomy 0.000 claims description 280
- 210000000805 cytoplasm Anatomy 0.000 claims description 26
- 210000003855 cell nucleus Anatomy 0.000 claims description 22
- 210000004940 nucleus Anatomy 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 description 15
- 206010008342 Cervix carcinoma Diseases 0.000 description 12
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 12
- 201000010881 cervical cancer Diseases 0.000 description 12
- 238000001514 detection method Methods 0.000 description 12
- 241000701806 Human papillomavirus Species 0.000 description 9
- 239000012530 fluid Substances 0.000 description 7
- 230000003902 lesion Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000009595 pap smear Methods 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 210000003679 cervix uteri Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 210000002919 epithelial cell Anatomy 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 108010077544 Chromatin Proteins 0.000 description 1
- 208000037581 Persistent Infection Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000005002 female reproductive tract Anatomy 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003780 keratinization Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 238000012758 nuclear staining Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000003705 ribosome Anatomy 0.000 description 1
- 238000007447 staining method Methods 0.000 description 1
- SWGJCIMEBVHMTA-UHFFFAOYSA-K trisodium;6-oxido-4-sulfo-5-[(4-sulfonatonaphthalen-1-yl)diazenyl]naphthalene-2-sulfonate Chemical compound [Na+].[Na+].[Na+].C1=CC=C2C(N=NC3=C4C(=CC(=CC4=CC=C3O)S([O-])(=O)=O)S([O-])(=O)=O)=CC=C(S([O-])(=O)=O)C2=C1 SWGJCIMEBVHMTA-UHFFFAOYSA-K 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提出了一种细胞学涂片中挖空细胞的图像识别方法，包括：获取已制备好的宫颈液基细胞涂片对应的细胞图像；对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库至少包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认，本发明还提出了一种细胞学涂片中挖空细胞的图像识别系统，有效地提高了细胞学涂片中挖空细胞的图像识别的准确性以及效率。
Description
技术领域
本发明涉及医疗信息化领域，尤其是涉及一种细胞学涂片中挖空细胞的图像识别方法及系统。
背景技术
宫颈癌是女性生殖道最常见的恶性肿瘤，在女性恶性肿瘤中发病率居第二位，甚至在某些不发达的国家和地区居首位。因此，宫颈癌严重威胁着女性的健康。人类已知的所有癌症病变中，宫颈癌是病因明确的唯一恶性疾病，及时发现并治疗宫颈宫颈癌前病变，可以显著降低其发病率和死亡率。研究发现，宫颈癌的发生和人乳头瘤病毒(HPV)长期持续的感染有关，而人乳头瘤病毒引起宫颈细胞发生病变形成人眼观察到的挖空细胞。因此，挖空细胞可以作为宫颈癌早期发现的重要指征之一，有显著的临床意义。如果能观察到挖空细胞，对于宫颈癌的发生有很好的提示作用。
目前宫颈癌的检查方法以及国内病理细胞学医师队伍，都存在着缺陷，具体问题有以下几点：(1)从检测方法上讲，最常用的宫颈癌筛选检测方法是HPV检测和细胞学检测；(2)HPV检测，人乳头瘤病毒(HPV)持续感染已经被证实是宫颈癌发病的重要因素，高危型HPV检测也已成为国际公认的宫颈癌筛查的重要手段；但是HPV检测存在着很多缺点，包括：特异度过度，极易造成假阳性判断；无法针对宫颈癌的病理类型和病程发展做出准确的判断；检测间较长，对检测设备要求高，费用也对应的较高；(3)细胞学检查，宫颈细胞学检查法包括传统宫颈细胞涂片(巴氏涂片)法和液基薄层细胞学检查(TCT)，巴氏涂片法是从子宫颈部取少量的细胞样本，放在玻璃片上，然后在显微镜下观察是否有病变，根据病变严重程度分为5级。不过存在着15％-40％的假阴性率。液基细胞学采用专门的宫颈刷和液基保存技术对细胞成分进行取材和固定保存，将收集到的细胞保存于固定液中，再对经滤过的细胞进行检查。综合效果较常规的巴氏涂片法效果好，假阴性率较低约为12.8％，大大提高了细胞学制片质量，提高了上皮细胞内病变的检出率和准确性，但是有赖于检查者的经验和技术水平，主观性强，容易造成漏诊。
目前，宫颈细胞学涂片检查是最普遍、最经济、最有效、副作用最小的早期宫颈癌筛查方法，特别适合针对风险人群的大规模体检。液基细胞学技术的问世，是制片技术发生了重大革新，但是，无论是HPV检测还是液基细胞学检测，都是离不开病理医师的阅片诊断(细胞玻片阅读诊断)。然而，我国病理医师严重短缺，阅片仍要靠病理细胞学医师用肉眼通过观察显微镜下十几万，甚至几十万个细胞来搜寻病变细胞，病理医师不但工作强度大，长期的镜下观察极易使人疲劳，而且要求医师具有全面的医学知识和丰富的临床经验，并且人工判读结果的准确性、可靠性容易受到医师的主观因素、分析条件等多方面的影响，使得判读结果显现出较高的假阴性及假阳性。
发明内容
本发明为了解决现有技术中存在的问题，创新提出了一种细胞学涂片中挖空细胞的图像识别方法及系统，有效解决由于现有技术中兵力医师人工阅片诊断造成识别结果准确性以及效率低的问题，有效地提高了细胞学涂片中挖空细胞的图像识别的准确性以及效率。
本发明第一方面提供了一种细胞学涂片中挖空细胞的图像识别方法，包括：
获取已制备好的宫颈液基细胞涂片对应的细胞图像；
对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库至少包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
可选地，细胞第一形态学特征为挖空细胞内存在空腔，对应细胞图像的第一灰度特征为细胞图像灰度数值由外到内依次包括细胞浆灰度值、空腔灰度值、细胞核灰度值。
进一步地，空腔灰度值大于细胞浆灰度值，且细胞浆灰度值大于细胞核灰度值。
可选地，细胞第二形态学特征为挖空细胞内灰度值分布分散，对应细胞图像的第二灰度特征为细胞图像灰度的均方差大于预设第一数值，且细胞图像灰度的灰度边缘变化率大于预设第二数值。
进一步地，细胞图像灰度的均方差的获取方式为：
可选地，细胞图像灰度的灰度边缘变化率的获取方式为：
进一步地，细胞图像灰度的灰度边缘变化率大于预设第二数值具体是：细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率大于预设第二数值。
可选地，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系；细胞第三形态学特征用于表征挖空细胞。
进一步地，细胞第三形态学特征为细胞核数量大于1个，对应的细胞图像第三灰度特征为细胞图像中细胞核灰度值大于1个。
本发明第二方面提供了一种细胞学涂片中挖空细胞的图像识别系统，包括：
图像获取模块，获取已制备好的宫颈液基细胞涂片对应的细胞图像；
处理及筛选模块，对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
识别确认模块，根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
本发明采用的技术方案包括以下技术效果：
1、本发明通过对已制备好的宫颈液基细胞涂片对应的细胞图像的灰度特征，先后进行初步筛选以及识别确认，减轻病理医生的工作量，减少挖空细胞的漏诊，有效解决由于现有技术中兵力医师人工阅片诊断造成识别结果准确性以及效率低的问题，有效地提高了细胞学涂片中挖空细胞的图像识别的准确性以及效率。
2、本发明技术方案不仅包括初步筛选，还对初步筛选为挖空细胞的图像进行再次识别确认，进一步地降低诊断的假阴性率，提高细胞病理学医生的工作效率和诊断水平，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
3、本发明技术方案中，细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率不仅要大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率也要大于预设第二数值，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
4、本发明技术方案中，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系，提高了挖空细胞图像识别的灵活性，使得医师能够根据不同情况选择不同识别方案。
应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
为了更清楚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介绍，显而易见的，对于本领域普通技术人员而言，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。
图1为本发明方案中实施例一方法的流程示意图；
图2为本发明方案中实施例二系统的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
如图1所示，本发明提供了一种细胞学涂片中挖空细胞的图像识别方法，包括：
S1，获取已制备好的宫颈液基细胞涂片对应的细胞图像；
S2，对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库至少包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
S3，根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
其中，在步骤S1中，可以通过扫描仪等设备扫描已制备好的宫颈液基细胞涂片，以获取对应的细胞图像。宫颈液基细胞涂片的制备过程可以是：
取材-用小毛刷或者特制的的采样器蘸取收集宫颈上皮细胞，置入保存液瓶内，再经过涡旋振荡使细胞进入保存瓶中；
涂片-吸取保存液滴至载玻片上，尽可能分布均匀，没有气泡；
染色-借助染料更好区分细胞核和细胞质，突出细胞内部结构；目前常用的巴氏染色法使得染色质和胞质内的核糖体着蓝紫色或紫红色，其透明度好，核染色饱和度高，更能清晰的突显细胞结构；
阅片-将通过以上步骤制作好的宫颈液基细胞玻片置于显微镜下观察，在阅片时要保证整张玻片内容都要被涵盖，先以低倍镜按从左到右，从上到下的顺序检查。对应地，扫描仪等扫描设备扫描已制备好的宫颈液基细胞玻片时，保证整张玻片内容都要被扫描，可以先以低倍镜按从左到右，从上到下的顺序检查，也可以先以低倍镜按从上到下，从左到右的顺序检查。
在步骤S2中，对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞。
特征数据库的建立可以是图像的灰度特征与对应细胞形态学特征之间的对应关系，图像的灰度特征可以是基于医学知识(细胞形态学特征)形成对图像具体特征的感知，再对感知到的图像特征进行概念化的描述，然后根据图像的灰度特征，筛选以及识别确认出挖空细胞，特征数据库可以根据病理医生对挖空细胞的判断认知可以定期或不定期更新(新增、修改、删除等)。
具体地，挖空细胞的形态学特点有：从里往外看，细胞核增大、畸形、深染、有时可见双核或者多核，核周出现空晕，呈水池状、腐蚀状、烧灼状，坏死的比较突然，分界清晰，线条比较锐利，胞浆边缘增厚，伴有不良角化，有细胞异型性。根据挖空细胞的形态学特点概括为特征数据库中的细胞第一形态学特征以及第二形态学特征。
具体地，细胞第一形态学特征为挖空细胞内存在空腔，对应细胞图像的第一灰度特征为细胞图像灰度数值由外到内依次包括细胞浆灰度值、空腔灰度值、细胞核灰度值。其中，空腔灰度值大于细胞浆灰度值，且细胞浆灰度值大于细胞核灰度值。
在图像特征来说，挖空细胞由变异的细胞核、细胞核周围的空腔、空腔外围的细胞浆三部分组成，从颜色深度方面说，空腔部分颜色最淡，细胞浆颜色其次，细胞核的颜色最深；从灰度方面讲，空腔区域的灰度值最高，细胞浆灰度值次之，细胞核值灰度最小。
使用数字病理扫描仪获取已制备好的液基细胞玻片的细胞图像(一般为单个宫颈细胞图像)，细胞图像可以为像素分辨率高、质量高的全切片数字图像。先通过图像分割，判断细胞空腔的面积范围，进行细胞的初步筛选，分析细胞浆与空腔区域的灰度值差异性，挖空细胞中空腔的灰度值相较于细胞浆较高，选取适当的分割阈值，以空腔外侧与细胞浆的接触区域为分割点，进行图像的分割，判断细胞是否有空腔进行挖空细胞的初步筛选。具体地，在图像分割时，如果细胞图像可以根据灰度值划分为3个数值区间，最大的数值区间对应空腔灰度值，最小的数值区间对应细胞核的灰度值，剩余数值区间对应细胞浆的灰度值，则，细胞图像对应的宫颈细胞为挖空细胞；如果细胞图像可以根据灰度值划分为2个数值区间，最大的数值区间对应细胞浆的灰度值，最小的数值区间对应细胞核的灰度值，则，细胞图像对应的宫颈细胞为正常细胞。灰度值数值区间数量的划分可以是按照从内向外(或从外向内)的顺序方向，单位像素点对应的灰度值(即间隔m个像素点的两个像素点之间的灰度差值，m为大于0的整数)大于预设变化数值的次数，如果单位像素点对应的灰度值是否大于预设变化数值的次数为两次，即灰度突变次数为两次，则细胞图像可以根据灰度值划分为3个数值区间，以每次灰度突变时的灰度数值作为不同数值区间的端点值；如果单位像素点对应的灰度值是否大于预设变化数值的次数为一次，即灰度突变次数为1次，则细胞图像可以根据灰度值划分为2个数值区间，以灰度突变时的灰度数值作为不同数值区间的端点值。
具体地，细胞第二形态学特征为挖空细胞内灰度值分布分散，对应细胞图像的第二灰度特征为细胞图像灰度的均方差大于预设第一数值，且细胞图像灰度的灰度边缘变化率大于预设第二数值。
进一步地，细胞图像灰度的均方差的获取方式为：
进一步地，细胞图像灰度的灰度边缘变化率的获取方式为：
为了能体现边缘的灰阶变化，使用灰阶梯度的方式来计算，数字图像本质上是离散的，因此使用差分的方式来体现其导数计算。
具体地，细胞图像灰度的灰度边缘变化率大于预设第二数值具体是：细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率大于预设第二数值。
正常的灰度细胞图，其灰度值分布较为均匀；挖空细胞除细胞核之外主要包括两个部分即空腔与细胞浆，细胞核周围是灰度值较大的空腔部分，空腔外围是灰度值相对较小的细胞浆部分，两个部分的灰度存在一定的差异，所以挖空细胞灰阶值分布较为分散。基于这一特征，可以使用灰度的均方差(或变异系数，即标准差)、灰度边缘变化率来表征灰度值的离散程度，进行最终的识别确认，预设第一数值可以是0.08，预设第二数值可以是1.0，也可以是其他数值(可以根据实际情况进行调整)，本发明在此不做限制，当同时满足第二灰度特征的两个条件，为挖空细胞。
进一步地，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系；细胞第三形态学特征用于表征挖空细胞。如果细胞图像存在细胞第三形态学特征对应的第三灰度特征，则该细胞图像对应的宫颈细胞为挖空细胞，否则，该细胞图像对应的宫颈细胞不为挖空细胞。
细胞第三形态学特征为细胞核数量大于1个，对应的细胞图像第三灰度特征为细胞图像中细胞核灰度值大于1个。具体地，细胞图像中存在大于1个的灰度最小值(不同细胞核灰度值相同)，也可以可以是细胞核区域存在灰度极小值(不同细胞核灰度值不同，即灰度极小值之间不同，但不同灰度极小值之间的差值要小于预设第三数值)的数量大于1。
细胞第三形态学特征以及第三灰度特征可以是在细胞学第一形态学特征、第一灰度特征基础上直接应用，也可以是在细胞学第二形态学特征、第二灰度特征基础上进行应用，即应用顺序可以在第一灰度特征、第二灰度特征之后，也可以是其他应用顺序，本发明在此不做限制。
本发明通过对已制备好的宫颈液基细胞涂片对应的细胞图像的灰度特征，先后进行初步筛选以及识别确认，减轻病理医生的工作量，减少挖空细胞的漏诊，有效解决由于现有技术中兵力医师人工阅片诊断造成识别结果准确性以及效率低的问题，有效地提高了细胞学涂片中挖空细胞的图像识别的准确性以及效率。
本发明技术方案不仅包括初步筛选，还对初步筛选为挖空细胞的图像进行再次识别确认，进一步地降低诊断的假阴性率，提高细胞病理学医生的工作效率和诊断水平，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
本发明技术方案中，细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率不仅要大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率也要大于预设第二数值，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
本发明技术方案中，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系，提高了挖空细胞图像识别的灵活性，使得医师能够根据不同情况选择不同识别方案。
实施例二
如图2所示，本发明技术方案还提供了一种细胞学涂片中挖空细胞的图像识别系统，包括：
图像获取模块101，获取已制备好的宫颈液基细胞涂片对应的细胞图像；
处理及筛选模块102，对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
识别确认模块103，根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
本发明通过对已制备好的宫颈液基细胞涂片对应的细胞图像的灰度特征，先后进行初步筛选以及识别确认，减轻病理医生的工作量，减少挖空细胞的漏诊，有效解决由于现有技术中兵力医师人工阅片诊断造成识别结果准确性以及效率低的问题，有效地提高了细胞学涂片中挖空细胞的图像识别的准确性以及效率。
本发明技术方案不仅包括初步筛选，还对初步筛选为挖空细胞的图像进行再次识别确认，进一步地降低诊断的假阴性率，提高细胞病理学医生的工作效率和诊断水平，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
本发明技术方案中，细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率不仅要大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率也要大于预设第二数值，进一步地提高了细胞学涂片中挖空细胞的图像识别的准确性以及可靠性。
本发明技术方案中，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系，提高了挖空细胞图像识别的灵活性，使得医师能够根据不同情况选择不同识别方案。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种细胞学涂片中挖空细胞的图像识别方法，其特征是，包括：
获取已制备好的宫颈液基细胞涂片对应的细胞图像；
对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库至少包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
2.根据权利要求1所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞第一形态学特征为挖空细胞内存在空腔，对应细胞图像的第一灰度特征为细胞图像灰度数值由外到内依次包括细胞浆灰度值、空腔灰度值、细胞核灰度值。
3.根据权利要求2所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，空腔灰度值大于细胞浆灰度值，且细胞浆灰度值大于细胞核灰度值。
4.根据权利要求1所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞第二形态学特征为挖空细胞内灰度值分布分散，对应细胞图像的第二灰度特征为细胞图像灰度的均方差大于预设第一数值，且细胞图像灰度的灰度边缘变化率大于预设第二数值。
5.根据权利要求4所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞图像灰度的均方差的获取方式为：
6.根据权利要求4所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞图像灰度的灰度边缘变化率的获取方式为：
7.根据权利要求4所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞图像灰度的灰度边缘变化率大于预设第二数值具体是：细胞图像灰度中坐标为(i，j)的像素点的灰度在i方向的灰度边缘变化率大于预设第二数值，且细胞图像灰度中坐标为(i，j)的像素点的灰度在j方向的灰度边缘变化率大于预设第二数值。
8.根据权利要求1-7任意一项所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，特征数据库还包括：细胞图像第三灰度特征与细胞第三形态学特征的对应关系；细胞第三形态学特征用于表征挖空细胞。
9.根据权利要求8所述的一种细胞学涂片中挖空细胞的图像识别方法，其特征是，细胞第三形态学特征为细胞核数量大于1个，对应的细胞图像第三灰度特征为细胞图像中细胞核灰度值大于1个。
10.一种细胞学涂片中挖空细胞的图像识别系统，其特征是，包括：
图像获取模块，获取已制备好的宫颈液基细胞涂片对应的细胞图像；
处理及筛选模块，对获取的细胞图像进行灰度化处理，根据灰度化处理后的细胞图像的第一灰度特征以及预先建立的特征数据库初步筛选挖空细胞；其中，细胞图像灰度特征与细胞形态学特征对应数据库包括细胞图像第一灰度特征与细胞第一形态学特征的对应关系，以及细胞图像第二灰度特征与细胞第二形态学特征的对应关系；细胞第一形态学特征以及细胞第二形态学特征均用于表征挖空细胞；
识别确认模块，根据初步筛选后挖空细胞图像的第二灰度特征以及特征数据库完成挖空细胞的识别确认。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111611889.3A CN114283408A (zh) | 2021-12-27 | 2021-12-27 | 一种细胞学涂片中挖空细胞的图像识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111611889.3A CN114283408A (zh) | 2021-12-27 | 2021-12-27 | 一种细胞学涂片中挖空细胞的图像识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114283408A true CN114283408A (zh) | 2022-04-05 |
Family
ID=80876279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111611889.3A Pending CN114283408A (zh) | 2021-12-27 | 2021-12-27 | 一种细胞学涂片中挖空细胞的图像识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114283408A (zh) |
Citations (5)
| 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 |
| CN109272492A (zh) * | 2018-08-24 | 2019-01-25 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞病理涂片的处理方法及系统 |
| CN109598277A (zh) * | 2017-10-03 | 2019-04-09 | 财团法人资讯工业策进会 | 阶层式图像识别方法及系统 |
| CN110021013A (zh) * | 2019-03-27 | 2019-07-16 | 广州金域医学检验中心有限公司 | 病理切片细胞的类型识别方法、装置和计算机设备 |
| CN111444829A (zh) * | 2020-03-25 | 2020-07-24 | 南京航空航天大学 | 面向液基细胞学检查的融合推理与学习的决策分类方法 |
-
2021
- 2021-12-27 CN CN202111611889.3A patent/CN114283408A/zh active Pending
Patent Citations (5)
| 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 |
| CN109598277A (zh) * | 2017-10-03 | 2019-04-09 | 财团法人资讯工业策进会 | 阶层式图像识别方法及系统 |
| CN109272492A (zh) * | 2018-08-24 | 2019-01-25 | 深思考人工智能机器人科技（北京）有限公司 | 一种细胞病理涂片的处理方法及系统 |
| CN110021013A (zh) * | 2019-03-27 | 2019-07-16 | 广州金域医学检验中心有限公司 | 病理切片细胞的类型识别方法、装置和计算机设备 |
| CN111444829A (zh) * | 2020-03-25 | 2020-07-24 | 南京航空航天大学 | 面向液基细胞学检查的融合推理与学习的决策分类方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪传忠，史永刚，武海燕: "基于灰阶的挖空细胞筛选预处理方法", 测试技术学报, vol. 30, no. 2, 30 April 2016 (2016-04-30), pages 173 - 177 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108334909B (zh) | 基于ResNet的宫颈癌TCT数字切片数据分析系统 | |
| CN109903284B (zh) | 一种her2免疫组化图像自动判别方法及系统 | |
| US11842556B2 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
| CN109272492B (zh) | 一种细胞病理涂片的处理方法及系统 | |
| CN110376198B (zh) | 一种宫颈液基细胞切片质量检测系统 | |
| US9567651B2 (en) | System and method for the detection of abnormalities in a biological sample | |
| CN109785310B (zh) | 一种基于乳腺淋巴结全景图像计算的自动分期系统 | |
| JP2019095212A (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
| CN102297873A (zh) | 利用软x射线显微成像进行癌细胞图形识别的方法 | |
| CN110796661B (zh) | 基于卷积神经网络的真菌显微图像分割检测方法及系统 | |
| CN113129281B (zh) | 一种基于深度学习的小麦茎秆截面参数检测方法 | |
| CN111863118A (zh) | 基于tct制片进行tct和dna倍体分析的方法 | |
| CN111986157B (zh) | 一种数字病理图像质量评价系统 | |
| CN108693342A (zh) | 宫颈癌、子宫癌的检测方法及系统 | |
| CN109214433A (zh) | 一种卷积神经网络区分肝癌分化等级的方法 | |
| CN114283408A (zh) | 一种细胞学涂片中挖空细胞的图像识别方法及系统 | |
| Sobrevilla et al. | Fuzzy-based analysis of microscopic color cervical pap smear images: nuclei detection | |
| US7257243B2 (en) | Method for analyzing a biological sample | |
| CN113469939B (zh) | 一种基于特性曲线的her-2免疫组化自动判读系统 | |
| CN113533330A (zh) | 一种基于人工智能技术的宫颈癌检测筛查管理方法 | |
| Ballerini et al. | Fractal analysis of microscopic images of breast tissue | |
| CN107578411A (zh) | 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 | |
| CN114638782B (zh) | 一种宫颈脱落细胞标本的检测方法 | |
| Sheikdavood et al. | Analysis of ovarian diseases using ultrasound images | |
| CN113723441B (zh) | 一种唇腺病理智能分析系统及方法 |
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 |