CN1624475A - 宫颈癌细胞辅助检测方法 - Google Patents
宫颈癌细胞辅助检测方法 Download PDFInfo
- Publication number
- CN1624475A CN1624475A CN 200410061403 CN200410061403A CN1624475A CN 1624475 A CN1624475 A CN 1624475A CN 200410061403 CN200410061403 CN 200410061403 CN 200410061403 A CN200410061403 A CN 200410061403A CN 1624475 A CN1624475 A CN 1624475A
- Authority
- CN
- China
- Prior art keywords
- picture
- area
- nuclear
- threshold
- cancer cell
- 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
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
宫颈癌细胞辅助检测方法，属于对已经脱离人体的组织进行检测的方法，解决现有宫颈癌检测方法不能满足现实需要问题。本发明步骤为：用伺服电机自动采集显微图片；对图片进行数字图像滤波预处理；根据宫颈癌细胞核的色度学和形态学特征，建立组合提取规则提取细胞核；再进行细胞核相似区域的填充；然后计算每幅图片中提取出的细胞核的综合信息参数；根据每幅图的综合信息参数按照严重程度进行排序，以缩略图的形式显示，并在原图中圈出可疑的细胞核；最后建立图文报告，病历资料入库。本发明利用计算机代替人工进行辅助检测，不仅减轻劳动强度和误诊、漏诊，而且提高检测效率，使宫颈癌普查成为可能。
Description
技术领域
本发明属于对已经脱离人体的组织进行检测的方法，具体涉及宫颈癌的细胞学筛查方法，能够提高检测速度，为宫颈癌普查提供了条件。
背景技术
目前，国内宫颈癌检查还没有普及，随着人们生活水平的提高，人们的健康意识越来越高，宫颈癌的普查成为可能，但是现有的检测方法大多由人工手动完成，工作时间长、任务重，并容易疲劳，难以满足大量的普查工作。
过去50年中，在中高收入国家子宫颈癌发病率和死亡率都显著下降，这是由于成功地组织了Pap(Papanicolaou)细胞学筛查。但是在低收入国家Pap筛查还没能很好的开展，子宫颈癌发病率和死亡率还相对高。
在许多发展国家，基于细胞学的筛查项目的开设显著降低子宫颈癌的发病率。这种状况促使医学界对发展新的细胞学和分子生物学检测技术产生极大的兴趣，这些技术将有足够的灵敏度和特异性来检测出临床上的癌症先兆。目前正在进行的研究表明，在发达和发展中国家，这些新方法的应用可防止子宫颈癌，同时也降低了筛查的费用。目前在美国，只有一种自动化装置Autocyte Prep筛查系统(Tripsts ImagingInc，NC，USA)已经得到FDA的批准，用于细胞学质量控制和初步筛查子宫颈癌及其先兆。
发明内容
本发明提供一种宫颈癌细胞辅助检测方法，解决已有宫颈癌检测方法不能满足现实需要问题，减轻医务人员的负担，提高检测效率，使更多的人能得到便利的检查。
本发明的一种宫颈癌细胞辅助检测方法，其步骤为：
(1)把超薄宫颈癌细胞涂片放在生物显微镜下，用伺服电机带动显微镜工作台运动实现自动采集图片；
(2)对采集的每幅图片进行数字图像滤波预处理；
(3)根据R、G、B三色的组合阈值进行细胞核提取处理；组合阈值CC阈为：
CC阈＝0.6C(R+G+B)+0.4CR＝238，
根据CC阈进行癌细胞核的提取；其中
C(R+G+B)＝(CR+CG+CB)＝330，R分量域值CR＝100，CR、CG、CB分别为RGB空间中象素点的R、G、B颜色分量值；
(4)进行相似区域填充；先把原图像拷贝备份，然后把图像二值化，再进行反色处理；选定面积阈值CS＝200象素点，计算反色后图像中黑色区域面积，黑色区域面积小于CS时保存该区域；最后在对应备份图像中把保存的有空洞区域进行相似颜色填充；
(5)计算每幅图片中提取出的细胞核的面积、个数参数，组合成综合信息参数VS；
VS＝0.4SMAX/1000+0.2SAVE/1000+0.4NB
利用区域生长的方法计算图片中各个区域的面积，再根据这些面积和细胞核的个数计算出最大可疑细胞核面积SMAX、平均面积SAVE、较大可疑细胞核个数NB；
(6)根据每幅图的综合信息参数VS的大小进行排序，以缩略图的形式显示，VS值大的排在前面，小的放在后面，128幅图片按照VS的大小以缩略图显示。
所述的宫颈癌细胞辅助检测方法，其特征在于所述数字图像滤波预处理采用空间域法的快速中值滤波法对每幅图片进行去噪处理；所述细胞核提取处理步骤中先根据CC阈进行初步癌细胞核的提取，再设定形态学域值CM阈＝500进行第二次癌细胞核提取；所述相似区域填充步骤中相似颜色选取RGB(49，191，21)；得到综合信息参数VS时，在计算面积的同时，根据8邻域特性计算每个细胞核的边缘。
本发明的优点在于：利用计算机代替人工进行辅助检测，不仅减轻人工的劳动强度和由于疲劳引起的误诊、漏诊，而且提高了检测效率，使普查成为可能。
附图说明
图1是本发明工作流程图；
图2是细胞核提取流程图；
图3是区域填充流程图；
图4是细胞团实例图片；
图5是宫颈细胞采集图片的缩略图；
图6是一宫颈细胞图片实例排序后的缩略图；
图7是一圈出可疑细胞核的宫颈癌图片。
具体实施方式
以下结合附图对本发明进一步说明。
图1是本发明工作流程图，具体的步骤为：
(1)把超薄宫颈癌细胞涂片放在生物显微镜下，用伺服电机带动显微镜工作台运动实现自动采集图片；
本发明所使用的硬件由显微镜、计算机、伺服电机及驱动、图像采集卡、彩色摄像头组成。把液基超薄宫颈癌细胞放在生物显微镜下，采用20X的物镜，显微镜上装有彩色摄像头与计算机上的图像采集卡相连。伺服电机装在工作台上，使工作台能够在X、Y方向上运动，工作台的具体运动轨迹由计算机控制。开始采集时把工作台移动到起始位置，然后由计算机在控制工作台沿采集运动轨迹运动的同时控制采集卡进行图像采集。经过多次试验，采集128幅图片比较合适。
(2)对采集后的图像利用数字图像处理技术进行滤波等预处理；
彩色CCD摄像机获得的图像是由R、G、B三基色组成，本发明的图像处理都是在RGB彩色空间处理的。由于采集的图像是24位的真彩色图像，所以在图像处理过程中把RGB各分量分成256等级，各分量的颜色值范围为[0，255]。采集的原始图像由于电子噪声的影响经常有散布的小粒子状的干扰。为了减少运算时间并达到较好效果可以采用空间域法的快速中值滤波法对采集的每幅图片进行去噪处理。
(3)根据R、G、B三色的特征值以及癌细胞核的大小，组合提取规则进行细胞核提取，图2是细胞核提取流程图。
利用宫颈癌细胞的色度学特征：癌细胞核的RGB三色值的总和比正常的细胞核以及图片中其它部分的三色值总和都要小，R分量的值较小。根据医务人员的经验以及对大量实例的分析，本发明由R、G、B三色选取阈值C(R+G+B)＝(CR+CG+CB)＝330以及R分量的选取域值CR＝100，分别给C(R+G+B)、CR的权重组合新的阈值CC阈，如下式：
CC阈＝0.6C(R+G+B)+0.4CR＝238
根据CC阈进行初步癌细胞核的提取；再根据癌细胞核比正常的大两倍以上的形态学特征设定形态学域值CM阈＝500进行第二次提取。
CR、CG、CB分别为RGB空间中象素点的R、G、B颜色分量值
(4)进行相似区域填充，使处理后的图像更接近原始癌细胞的形态，图3是区域填充流程图。
由于原始图像中细胞核染色的不均匀性以及其本身的色度学特征，进行细胞核提取处理后，使细胞核中留有许多空洞。为了完整的提取细胞核以及准确计算参数，需要对这些空洞进行填充。先把原图像拷贝一份备份，然后把图像进行二值化，再进行反色处理，使原来空洞的地方变成黑色，而有核的地方变成白色；计算反色后的图像中黑区域的面积，由于空洞的面积一般很小，所以可以选定面积阈值CS＝200(象素点)，当黑区域面积小于CS时就把该区域保存起来；最后在备份的有空洞的图像中把保存的区域进行相似颜色填充，相似颜色根据经验值选取RGB(49，191，21)，使细胞核比较完整地近似其原始形态。
(5)然后计算每幅图片中提取出的细胞核的面积、个数等参数，给这些参数一定的权重组合成综合信息参数；
经过前面几步的图像处理已经提取出了可疑的细胞核，但由于采集的是多幅图片，而每幅图片中所含的可疑细胞核的个数和大小等都不一样，所以需要计算每幅中的参数为后面的排序提供信息。由于宫颈癌本身的特点以及制片的影响，涂片中经常出现癌细胞核相互连在一起的情况，用常用的分割方法很难分割出完整的单独的细胞，如图所示。医务人员的经验是细胞团区域常常是癌细胞可疑性较大的地方，因此为了提高诊断速度和诊断效果把细胞团区域当作一个细胞核看。
对经过前面处理后的图像利用区域生长的方法计算各个区域的面积，再根据这些面积和细胞核的个数计算出最大可疑细胞核面积SMAX、平均面积SAVE、较大可疑细胞核个数NB等参数。根据这些参数对后面的排序的影响程度不同(如最大面积和较大可疑细胞核个数对排序的结果影响很大)给它们不同的权重组合成综合信息参数VS，如下式：
VS＝0.4SMAX/1000+0.2SAVE/1000+0.4NB
在计算面积的同时，根据8邻域特性计算每个细胞核的边缘。
(6)根据每幅图的综合信息参数VS进行排序，所有采集的图片按照严重的程度以缩略图的形式显示，并在原图中圈出可疑的细胞核。
为了达到辅助诊断的目的，本发明对采集的图片进行排序，把严重的放在前面，正常的和不严重的放在后面。医务人员根据图片的排序很快就能够做出诊断。严重的程度根据第(5)步计算的综合信息参数VS确定，VS值越大就越严重，因此可以根据比较每幅图片得综合信息参数VS的大小进行排序，把VS值大的排在前面，小的放在后面，128幅图片按照VS的大小以缩略图显示。为了便于医务人员审查单张图片里癌细胞情况，可以根据第(5)步得到细胞核的边缘在原图中圈出可疑细胞核。
(7)建立图文报告，病历资料入库；
医生的诊断结果需要返回给病人的，本发明采用国际流行的TBS(TheBethesda System)报告方式，上面有病人的基本信息以及病情。本发明还建有病人病历库，方便资料的统计和查询。
图4是细胞团实例图片。
图5是宫颈细胞采集图片的缩略图。
图6是一宫颈细胞图片实例排序后的缩略图。
图7是一圈出可疑细胞核的宫颈癌图片。
Claims (2)
1.一种宫颈癌细胞辅助检测方法，其步骤为：
(1)把超薄宫颈癌细胞涂片放在生物显微镜下，用伺服电机带动显微镜工作台运动实现自动采集图片；
(2)对采集的每幅图片进行数字图像滤波预处理；
(3)根据R、G、B三色的组合阈值进行细胞核提取处理；组合阈值CC阈为：
CC阈＝0.6C(R+G+B)+0.4CR＝238，
根据CC阈进行癌细胞核的提取；其中
C(R+G+B)＝(CR+CG+CB)＝330，R分量域值CR＝100，CR、CG、CB分别为RGB空间中象素点的R、G、B颜色分量值；
(4)进行相似区域填充；先把原图像拷贝备份，然后把图像二值化，再进行反色处理；选定面积阈值CS＝200象素点，计算反色后图像中黑色区域面积，黑色区域面积小于CS时保存该区域；最后在对应备份图像中把保存的有空洞区域进行相似颜色填充；
(5)计算每幅图片中提取出的细胞核的面积、个数参数，组合成综合信息参数VS；
VS＝0.4SMAX/1000+0.2SAVE/1000+0.4NB
利用区域生长的方法计算图片中各个区域的面积，再根据这些面积和细胞核的个数计算出最大可疑细胞核面积SMAX、平均面积SAVE、较大可疑细胞核个数NB；
(6)根据每幅图的综合信息参数VS的大小进行排序，以缩略图的形式显示，VS值大的排在前面，小的放在后面，128幅图片按照VS的大小以缩略图排序显示。
2.所述的宫颈癌细胞辅助检测方法，其特征在于所述数字图像滤波预处理采用空间域法的快速中值滤波法对每幅图片进行去噪处理；所述细胞核提取处理步骤中先根据CC阈进行初步癌细胞核的提取，再设定形态学域值CM阈＝500进行第二次癌细胞核提取；所述相似区域填充步骤中相似颜色选取RGB(49，191，21)；得到综合信息参数VS时，在计算面积的同时，根据8邻域特性计算每个细胞核的边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200410061403 CN1624475A (zh) | 2004-12-20 | 2004-12-20 | 宫颈癌细胞辅助检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200410061403 CN1624475A (zh) | 2004-12-20 | 2004-12-20 | 宫颈癌细胞辅助检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1624475A true CN1624475A (zh) | 2005-06-08 |
Family
ID=34764508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200410061403 Pending CN1624475A (zh) | 2004-12-20 | 2004-12-20 | 宫颈癌细胞辅助检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1624475A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101777140B (zh) * | 2010-02-08 | 2012-03-21 | 宁波大学 | 一种显微图像的复杂粘连细胞个数统计方法 |
| CN101762584B (zh) * | 2008-12-25 | 2012-07-18 | 希森美康株式会社 | 细胞图像显示装置、细胞图像显示方法、以及控制系统 |
| WO2012139313A1 (zh) * | 2011-05-03 | 2012-10-18 | 杭州一二八医院 | 利用软x射线显微成像进行癌细胞图形识别的方法 |
| CN107316311A (zh) * | 2016-04-26 | 2017-11-03 | 财团法人金属工业研究发展中心 | 细胞核图像轮廓捕获设备及其方法 |
| CN107543788A (zh) * | 2017-08-15 | 2018-01-05 | 焦作市人民医院 | 一种尿红细胞畸形率检测方法及系统 |
| CN108982500A (zh) * | 2018-07-03 | 2018-12-11 | 怀光智能科技（武汉）有限公司 | 一种宫颈液基细胞学智能辅助阅片方法和系统 |
| CN110135221A (zh) * | 2018-02-08 | 2019-08-16 | 佛山市水木联合医疗器械研究院 | 一种利用标准细胞库图像识别样本细胞的方法 |
-
2004
- 2004-12-20 CN CN 200410061403 patent/CN1624475A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101762584B (zh) * | 2008-12-25 | 2012-07-18 | 希森美康株式会社 | 细胞图像显示装置、细胞图像显示方法、以及控制系统 |
| CN101777140B (zh) * | 2010-02-08 | 2012-03-21 | 宁波大学 | 一种显微图像的复杂粘连细胞个数统计方法 |
| WO2012139313A1 (zh) * | 2011-05-03 | 2012-10-18 | 杭州一二八医院 | 利用软x射线显微成像进行癌细胞图形识别的方法 |
| US9081998B2 (en) | 2011-05-03 | 2015-07-14 | NO. 128 Hospital of Hangzhou | Method for utilizing soft X-ray microimaging for cancer cell image recognition |
| CN107316311A (zh) * | 2016-04-26 | 2017-11-03 | 财团法人金属工业研究发展中心 | 细胞核图像轮廓捕获设备及其方法 |
| CN107316311B (zh) * | 2016-04-26 | 2020-08-14 | 财团法人金属工业研究发展中心 | 细胞核图像轮廓捕获设备及其方法 |
| CN107543788A (zh) * | 2017-08-15 | 2018-01-05 | 焦作市人民医院 | 一种尿红细胞畸形率检测方法及系统 |
| CN110135221A (zh) * | 2018-02-08 | 2019-08-16 | 佛山市水木联合医疗器械研究院 | 一种利用标准细胞库图像识别样本细胞的方法 |
| CN108982500A (zh) * | 2018-07-03 | 2018-12-11 | 怀光智能科技（武汉）有限公司 | 一种宫颈液基细胞学智能辅助阅片方法和系统 |
| CN108982500B (zh) * | 2018-07-03 | 2020-07-14 | 怀光智能科技（武汉）有限公司 | 一种宫颈液基细胞学智能辅助阅片方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | A novel white blood cell segmentation scheme using scale-space filtering and watershed clustering | |
| CN111986150B (zh) | 一种数字病理图像的交互式标注精细化方法 | |
| US7587078B2 (en) | Automated image analysis | |
| CN109785310B (zh) | 一种基于乳腺淋巴结全景图像计算的自动分期系统 | |
| CN112132166B (zh) | 一种数字细胞病理图像智能分析方法、系统及装置 | |
| Wang et al. | Assisted diagnosis of cervical intraepithelial neoplasia (CIN) | |
| CN103345617B (zh) | 中药识别的方法及其系统 | |
| CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
| CN101153850A (zh) | 一种沥青混合料的检测方法及系统 | |
| CN111415352B (zh) | 一种基于深度级联网络的癌转移全景病理切片分析方法 | |
| CN1916598A (zh) | 一种雾滴谱的测量装置及其图像处理方法 | |
| CN109886170B (zh) | 一种钉螺智能检测识别与统计系统 | |
| CN105023272A (zh) | 农作物叶子虫害检测方法和系统 | |
| CN1624475A (zh) | 宫颈癌细胞辅助检测方法 | |
| CN110047079A (zh) | 一种基于对象相似性的最优分割尺度选择方法 | |
| CN111326238A (zh) | 基于滑动窗的癌细胞检测装置 | |
| Meiquan et al. | Cervical cytology intelligent diagnosis based on object detection technology | |
| CN115909006A (zh) | 基于卷积Transformer的乳腺组织图像分类方法及系统 | |
| CN102297833A (zh) | 一种测定人体血液或骨髓中各类细胞含量的方法 | |
| CN114387596A (zh) | 细胞病理涂片自动判读系统 | |
| CN113241154A (zh) | 一种人工智能血液涂片细胞标注系统及方法 | |
| US20100111397A1 (en) | Method and system for analyzing breast carcinoma using microscopic image analysis of fine needle aspirates | |
| CN114140830A (zh) | 一种基于循环肿瘤细胞图像的重复识别抑制方法 | |
| CN113205533A (zh) | 一种革兰染色白带涂片彩色显微图像分割方法及系统 | |
| CN110827296A (zh) | 多目标集成式深度神经网络的乳腺x光影像分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |