一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及圖像形態(tài)學(xué)計算的數(shù)字圖像處理技術(shù)， 具體為一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法。
【背景技術(shù)】
[0002] 數(shù)字病理圖像是將傳統(tǒng)的玻璃病理切片通過全自動顯微鏡或光學(xué)放大系統(tǒng)掃描 采集得到高分辨數(shù)字圖像，是病理醫(yī)生在診斷時的重要依據(jù)。近年來，隨著病理學(xué)和計算機(jī) 技術(shù)的發(fā)展，數(shù)字病理圖像的數(shù)量迅速增長，全部人工處理需要病理醫(yī)生花費(fèi)大量時間，為 了提升病理圖像處理效率，從數(shù)字病理圖像提取合適特征并進(jìn)行檢索、分類等計算機(jī)輔助 診斷應(yīng)用成為病理界的一個主要研宄方向。
[0003] 針對病理圖像特征選擇，國內(nèi)外學(xué)者進(jìn)行了廣泛的研宄，使用的特征包括顏色直 方圖、尺度不變特征轉(zhuǎn)換（Scale Invariant Feature Transform, SIFT)、方向梯度直方圖 (Histogram of Gradient, HOG)、局部二值模式（Local Binary Patterns, LBP)等，但是檢 索、分類效果欠佳，主要因?yàn)檫@些特征是針對自然場景圖像提出的，而數(shù)字病理圖像不同于 自然場景圖像，具有尺寸巨大、紋理豐富、邊緣模糊等特點(diǎn)以及細(xì)胞等獨(dú)特結(jié)構(gòu)，其中細(xì)胞 核的形態(tài)與分布經(jīng)常成為病理醫(yī)生的重要診斷依據(jù)。因此，針對病理圖像設(shè)計一種能反映 細(xì)胞核形態(tài)和分布規(guī)律的特征對計算機(jī)輔助病理診斷具有重要意義。

【發(fā)明內(nèi)容】

[0004] 針對上述技術(shù)問題，本發(fā)明提供一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提 取方法，本方法對象是細(xì)胞核圖像，是病理圖像經(jīng)過細(xì)胞核分割處理后細(xì)胞核部分被標(biāo)記 的圖像，本方法將圖像中每個細(xì)胞核區(qū)域作為一個特征基元，能準(zhǔn)確反映病理圖像中每個 細(xì)胞核及其鄰域內(nèi)其他細(xì)胞核的形態(tài)和分布情況，從而克服了傳統(tǒng)特征無法描述病理圖像 細(xì)胞核自身結(jié)構(gòu)及其鄰域性質(zhì)的不足，能作為病理圖像描述子用于病理圖像的檢索、分類 問題并有效提升正確率。
[0005] 為達(dá)到上述目的，本發(fā)明所提出的實(shí)際問題為：一種基于細(xì)胞核統(tǒng)計信息的病理 圖像局部特征提取方法，其特征在于，包括以下具體步驟：
[0006] 步驟一、對輸入的細(xì)胞核圖像識別每個獨(dú)立細(xì)胞核并編號；
[0007] 步驟二、對某個細(xì)胞核A，計算其周長、面積、長徑、短徑、平均灰度；
[0008] 步驟三、計算A的鄰域，統(tǒng)計鄰域內(nèi)所有細(xì)胞核的數(shù)量、平均相互距離以及步驟二 中屬性的平均值；
[0009] 步驟四、將步驟二和步驟三中計算得到的屬性作為分量，組成向量即為A的局部 特征；
[0010] 步驟五、對圖像中每個細(xì)胞核重復(fù)步驟二至四，提取局部特征，得到整張病理圖像 的局部特征。
[0011] 采用上述技術(shù)方案，本發(fā)明所述的基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取 方法，能提取基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征，充分利用病理圖像中細(xì)胞核的形 態(tài)和分布特性，改善傳統(tǒng)圖像特征無法體現(xiàn)病理圖像特點(diǎn)的不足，更加適用于病理圖像；特 征提取點(diǎn)鎖定為細(xì)胞核結(jié)構(gòu)，與病理醫(yī)生診斷興趣點(diǎn)相符；對細(xì)胞核本體屬性的提取，反映 細(xì)胞核的形態(tài)特征；對細(xì)胞核鄰域內(nèi)其他細(xì)胞核統(tǒng)計，體現(xiàn)細(xì)胞核的局部分布特征；本發(fā) 明所提特征在后續(xù)病理圖像檢索、識別中能取得良好的結(jié)果。
【附圖說明】
[0012] 圖1為病理圖像細(xì)胞核提取效果示意，其中（a)是原始病理圖像，（b)為細(xì)胞核圖 像，黑色部分是提取后的細(xì)胞核區(qū)域；
[0013] 圖2為基于細(xì)胞核的統(tǒng)計信息的病理圖像局部特征提取流程圖；
[0014] 圖3為細(xì)胞核長徑與短徑示意，其中（a)表示長徑R，（b)表示短徑r ;
[0015] 圖4為細(xì)胞核鄰域示意，圖中圓形區(qū)域即為細(xì)胞核A的鄰域；
[0016] 圖5為本發(fā)明具體實(shí)施例1病理圖像細(xì)胞核提取效果示意，其中（a)是原始病理 圖像，（b)為細(xì)胞核圖像，黑色部分是提取后的細(xì)胞核區(qū)域；
[0017] 圖6為本發(fā)明具體實(shí)施例1對每個細(xì)胞核編號示意；
[0018] 圖7為本發(fā)明具體實(shí)施例1病理圖像細(xì)胞核鄰域示意。
【具體實(shí)施方式】
[0019] 為了更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖及【具體實(shí)施方式】詳細(xì)介紹本發(fā) 明。
[0020] 本發(fā)明所述的基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法，包括以下具體 步驟：
[0021] 步驟一、對輸入的細(xì)胞核圖像識別每個獨(dú)立細(xì)胞核并編號；
[0022] 步驟二、對某個細(xì)胞核A，計算其周長、面積、長徑、短徑、平均灰度；
[0023] 步驟三、計算A的鄰域，統(tǒng)計鄰域內(nèi)所有細(xì)胞核的數(shù)量、平均相互距離以及步驟二 中屬性的平均值；
[0024] 步驟四、將步驟二和步驟三中計算得到的屬性作為分量，組成向量即為A的局部 特征；
[0025] 步驟五、對圖像中每個細(xì)胞核重復(fù)步驟二至四，提取局部特征，得到整張病理圖像 的局部特征。
[0026] 具體的：本發(fā)明的輸入為圖I (a)所示病理圖像提取細(xì)胞核得到的細(xì)胞核圖像圖 I (b)，具體實(shí)現(xiàn)流程如圖2所示，各部分具體實(shí)施細(xì)節(jié)如下：
[0027] 步驟1 :對輸入的細(xì)胞核圖像識別每個獨(dú)立細(xì)胞核并編號，同時記錄每個細(xì)胞核 的位置；
[0028] 細(xì)胞核是數(shù)字病理圖像中的一種特有典型結(jié)構(gòu)，細(xì)胞核的形態(tài)與分布是病理醫(yī)生 進(jìn)行診斷時的重要依據(jù)，也是發(fā)明特征提取的單元。本步驟的主要任務(wù)是記錄圖像中的所 有細(xì)胞核，每個細(xì)胞核會視作一個特征點(diǎn)，其位置為細(xì)胞核的形心。
[0029] 步驟2 :對某個細(xì)胞核A，計算其周長、面積、長徑、短徑、平均灰度；
[0030] 針對步驟1中獲取的某個細(xì)胞核A，分別計算以下屬性：
[0031] (1)計算細(xì)胞核A的輪廓周長C1和面積S i，方法為統(tǒng)計A的邊緣像素數(shù)和全體像 素數(shù)，周長和面積反映細(xì)胞核的大小和形狀特性；
[0032] (2)計算細(xì)胞核A的長徑R1和短徑r i，記A在某直線的投影長度為L，旋轉(zhuǎn)A -周， 過程中L的最大值即為A的長徑R1, L的最小值即為A的短徑Γι，如圖3所示，長徑和短徑 反映了細(xì)胞核接近圓形的程度；
[0033] (3)計算細(xì)胞核A的平均灰度G1，公式如下：
[0034]
【主權(quán)項】
1. 一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法，其特征在于，包括以下步 驟： 步驟1:對輸入的細(xì)胞核圖像識別每個獨(dú)立細(xì)胞核并編號； 步驟2:對某個細(xì)胞核A，計算其周長、面積、長徑、短徑、平均灰度； 步驟3:計算A的鄰域，統(tǒng)計鄰域內(nèi)所有細(xì)胞核的分布密度、平均相互距離以及步驟2 中屬性的平均值； 步驟4:將步驟2和步驟3中計算得到的屬性作為分量，組成向量即為A的局部特征； 步驟5:對圖像中每個細(xì)胞核重復(fù)步驟2至4,提取局部特征，得到整張病理圖像的局部 特征。
2. 根據(jù)權(quán)利要求1所述的一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法，其 特征在于：所述步驟2對某個細(xì)胞核A，計算其周長、面積、長徑、短徑、平均灰度，其方法是 采用公式：
其中G1表示細(xì)胞核A的平均灰度，m表示A中像素個數(shù)，P i表示灰度化后A中每個像 素的灰度。
3. 根據(jù)權(quán)利要求1所述的一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法，其 特征在于：所述步驟3計算A的鄰域，統(tǒng)計鄰域內(nèi)所有細(xì)胞核的數(shù)量、平均相互距離以及步 驟（2)中屬性的平均值，其方法是采用公式
其中dm表示細(xì)胞核A的鄰域圓半徑，η表示整幅病理圖像中細(xì)胞核數(shù)量，d i表示某個細(xì) 胞核與其他細(xì)胞核的最近距離，Dm表示鄰域內(nèi)平均相互距離，N表示鄰域內(nèi)細(xì)胞核數(shù)量，D u 表示鄰域內(nèi)第i個細(xì)胞核和第j個細(xì)胞核之間的距離，CmXi*別表示鄰域內(nèi)細(xì)胞核周長平 均值和第i個細(xì)胞核周長，Sm、Si分別表示鄰域內(nèi)細(xì)胞核面積平均值和第i個細(xì)胞核面積， Rm、Ri分別表示鄰域內(nèi)細(xì)胞核長徑平均值和第i個細(xì)胞核長徑，rm、 ri分別表示鄰域內(nèi)細(xì)胞 核短徑平均值和第i個細(xì)胞核短徑，Gm、Gi分別表示鄰域內(nèi)細(xì)胞核平均灰度的平均值和第i 個細(xì)胞核平均灰度，Gi的計算和步驟2中G ^十算方法一致。
4.根據(jù)權(quán)利要求1所述的一種基于通道增益系數(shù)加權(quán)的圖像色偏校正方法，其特征在 于：所述步驟4將步驟2和步驟3中計算得到的屬性作為分量，組成向量即為A的局部特 征，其方法是采用公式 fA= [C !，S1, R1, T1, G1, N, Dm, Cm, Sm, Rm, rm, Gj , (9) pA= [xA，yA]， (10) 其中fA表示細(xì)胞核A的局部統(tǒng)計特征，p A表示細(xì)胞核A的位置，x A、yA*別表示A的形 心在圖像中的橫縱坐標(biāo)。
【專利摘要】本發(fā)明公開了一種基于細(xì)胞核統(tǒng)計信息的病理圖像局部特征提取方法，本方法首先針對病理圖像提取細(xì)胞核得到的細(xì)胞核圖像，對每個細(xì)胞核計算其周長、面積、長徑、短徑、平均灰度，另外對該細(xì)胞核的一個圓形鄰域計算細(xì)胞核數(shù)量、平均細(xì)胞核距離、平均細(xì)胞核周長、平均細(xì)胞核面積、平均細(xì)胞核長徑、平均細(xì)胞核短徑、平均細(xì)胞核平均灰度，將這些屬性連接成向量構(gòu)成該細(xì)胞核的局部特征，對圖像中所有細(xì)胞核計算得到整幅病理圖像的局部特征，該特征充分利用病理圖像中細(xì)胞核的形態(tài)和分布特性。本發(fā)明可應(yīng)用于數(shù)字病理圖像細(xì)胞核形態(tài)與分布特征的描述，對于準(zhǔn)確進(jìn)行病理圖像檢索、分類以及計算機(jī)輔助診斷有著重要意義，具有廣闊的市場前景和應(yīng)用價值。
【IPC分類】G06K9-46
【公開號】CN104732230
【申請?zhí)枴緾N201510140035
【發(fā)明人】姜志國, 麻義兵, 鄭鈺山, 史駿
【申請人】麥克奧迪（廈門）醫(yī)療診斷系統(tǒng)有限公司
【公開日】2015年6月24日
【申請日】2015年3月27日