组织切片图像的细胞核分割方法

摘要

伴随着整个载玻片成像扫描仪的出现，组织病理学载玻片逐渐实现了数字化并可以用数字图像的形式存储。与之同步的是，一些需要依赖计算机技术才可以执行的病理细胞的检测及辅助医护人员进行病况诊断的新兴科技也吸引着广大的科研人员。在临床医学中，病理切片图像的分割与识别对癌症和疾病的诊断有非常重要的价值，传统的分割方法由病理医生手动进行勾画，但由于数据的复杂性和数量的密集度，无疑对医生的工作构成了挑战，致使错误诊断的情况更容易发生。 本文以脑胶质瘤细胞核组织为对象，对临床医学上的数据和细胞核分割挑战赛的数据集进行了处理。主要研究和创新如下： 结合切片制作过程的特殊性，对比了几种去噪方法并采用自适应中值滤波器对这些噪声进行了去噪预处理。 对于细胞核的初步分割，针对实验数据具有复杂的前景背景以及边界模糊的组织学特征，本文在模糊聚类的思想上改进了一种复杂前景背景分割的聚类算法。首先，构造了多分类到二分类的转换模型，并在该模型的基础上进行了算法的改进，用来解决复杂图像模糊细小边界处的分割问题，同时降低初始聚类中心选择的随机性对分割结果的负面影响；然后，在此基础上对图像进行形态学修补，使细胞核的分割更完整；最后，利用Dice系数对比了改进聚类算法与未改进算法的实现效果。 聚类的结果表现为细胞核的边界锯齿化明显，结合水平集算法具有轮廓拟合的性质，本文进一步对细胞核进行了改进水平集方法的准确分割。当对距离相近的多个目标进行演化时，曲线之间会存在相互吸引的情况，因此本文通过增加位置约束避免了曲线融合。同时文中改进了一种快速实现方案，加速了水平集演化的速度，在保证分割准确度的同时可进一步提高分割效率。最后，分析对比了位置约束水平集模型的效果并验证了快速水平集方案的高效性。 对粘连性细胞核，文中用同时进行内外标记的距离变换图并结合分水岭算法成功分割。将上述方法中一系列的功能进行了工程实现，方便了病理专家的分析与判断。同时将本文最终结果与医生手动ground truth图进行对比，获得了相对较高的准确率与重叠度。

目录

声明

第一章 绪论

1.1 研究的工作背景与意义

1.1.1 研究组织病理图像以及计算机辅助处理的意义

1.1.2 脑胶质瘤分割的意义

1.2 课题研究现状

1.2.1 图像分割技术的研究现状

1.2.2 组织显微图像分析系统的研究现状

1.2.3 脑胶质瘤分割的研究现状

1.3 本文的主要内容及创新点

1.4 论文的结构安排

第二章 数据特征及图像预处理

2.1 组织切片图像特征概述

2.1.1 组织细胞显微图像的采集及颜色特征

2.1.2 组织细胞显微图像的特点

2.2 组织切片图像的预处理

2.2.1 细胞显微图像的去噪

2.2.2 细胞显微图像的增强

2.3 脑胶质瘤组织切片的滤波去噪

2.4 本章小结

第三章 基于聚类算法的脑胶质瘤细胞核初步分割

3.1 模糊C均值聚类基本理论

3.2 复杂前景背景分割的改进聚类算法

3.2.1 多分类到二分类的模型转换

3.2.2 基于二分类模型的复杂前景背景聚类实现

3.2.3 图像修补及杂质剔除

3.3 实验结果与对比分析

3.3.1 组织切片图像数据介绍

3.3.2 评价指标

3.3.3 实验结果与分析

3.4 本章小结

第四章 水平集方法的细胞核精准分割

4.1 活动轮廓模型

4.1.1 曲线演化理论

4.1.2 参数和几何活动轮廓模型

4.2 位置约束的改进水平集分割方法

4.2.1 DRLSE模型

4.2.2 位置约束的水平集方法

4.3 水平集方法的快速实现方案

4.4 实验结果与对比分析

4.5 本章小结

第五章 粘连性脑胶质瘤细胞核分割及工程实现

5.1 粘连细胞核分割

5.1.1 同时实现内外标记的分水岭算法

5.1.2 细胞核去粘连分割结果

5.2 细胞核分割系统工程实现

5.2.1 功能概述

5.2.2 工程实现

5.3 脑胶质瘤细胞核分割结果结果与对比

5.3.1 评价指标

5.3.2 实验结果与分析

5.4 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献