[发明专利]基于非负矩阵分解的显微图像彩色去卷积方法及分割方法

说明书

技术领域

本发明涉及图像信息处理技术领域，尤其涉及一种基于非负矩阵分解(Nonnegative Matrix Factorization，简称NMF)的显微图像彩色去卷积方法及分割方法。

背景技术

病理学是对细胞形态性质的微观研究。它在治疗方案的决策上起着主观重要的作用。特别是在包括癌症在内的一些疾病的诊断中，病理图像的分析结果仍被认作为‘金标准’。病理学的研究者已经认识到对病理图像定量分析的重要性。它可以用来支持临床医生关于某种疾病的诊断决定，也可以帮助评价病人疾病的治疗效果。定量的分析不仅对临床领域至关重要，同时对运用研究领域(如药品研发)也举足轻重。因此在病理学中的计算机辅助分析能够加快临床医生的效率并提高他们诊断结果的准确性，最终造福于广大的病人，减少他们的治疗代价甚至挽救他们的生命。病理切片组织样本或手术样本是通过化学处理并分割到玻璃切片上的，其为疾病的诊治和预后治疗提供参考。数字病理学则是对这些切片组织样本或手术样本在数字化的基础上进行的微观研究。为了在显微镜下观测到多种组织成分，会使用几种不同的染色剂来对组织切片中的不同成分进行染色。其中使用最广泛的为苏木精－伊红(H-E)染色，这种染色方法已经被病理学家使用的100多年。苏木精把细胞核染成了深蓝色，而伊红把其他生物组织(如细胞质，基质等)染成粉红色。细胞核由于其染色体和核仁的分布，容易显现出各种各样的图案。

与放射和其他形式的图像相比，处理病理组织显微图像的最大挑战在于其中巨大的组织结构密度。举例来说，放大40倍的前列腺切片组织图像就有15000*15000个像素。除了高密度，组织图像本身结构也很复杂，包含很多组织结构，而且这些结构没有明显的边界，同一结构还存在很多的形态，这些都给处理带来巨大挑战。Wolberg针对乳腺癌图像最早提出了基于主动轮廓模型的分割方法。在运用中它需要使用者手动输入细胞核的位置，来方便程序进行分割。但是所遇到的问题是，位于基质但不在上皮层组织中的细胞数量是十分巨大的。以前基于细胞或细胞核的检测是利用分割算法来实现的，这些方法包括区域增长法、自适应阈值法、非监督的颜色聚类法，水平集法，形态学基础的方法和基于监督的颜色纹理方法。但是这些方法对处理多变化形状和多尺度大小的人体组织细胞时显得不是很鲁棒。这其中还存在组织切片获取，染色和数字化过程中人为造成的不可避免的干扰现象。

对于组织切片图像来说，一般是用多种染色剂对其进行着色的，因为单一的着色会使图像的部分信息丢失。在着色之后，如果能重新找到各染色剂所对应的观测通道，就会使图像中的细胞信息更加清晰。因此，部分研究者会先利用彩色去卷积的方法将显微图像中各染色剂所对应的观测通道分别提取出来，然后在此基础上进行图像分割，从而获得更清晰准确的细胞或细胞核图像。例如，《基于着色分离的免疫组化图像核分割研究》一文中提出一个基于着色分离的核分割方法,首先采用颜色去卷积算法对多着色的IHC(immunohistochemical)图像进行着色分离,进而利用改进的SCFCM算法对单着色灰度图像进行粗分割；然后利用分水岭算法分离粘连细胞；最后通过细胞核尺寸分析进行后处理,完成对苏木素或多种染色的免疫组化图像的准确核分割。《Quantification of histochemical staining by color deconvolution》这篇文章提出人工设计彩色去卷积，用于分离苏木精，伊红和DAB三种染色。

然而，以上现有技术均利用人工设计彩色去卷积矩阵来实现观测通道的分离，需要人为设计去卷积矩阵，而这个卷积矩阵的设计需要考虑染色成像时的光照强度以及染色剂的成分信息，稍微的偏差就得不到理想的对应染色剂图像，因此难以实现图像处理的实时性，且图像分割的准确率较低。

发明内容

本发明所要解决的技术问题在于克服现有技术通过人为介入的方式进行显微图像彩色去卷积所带来的实时性差、准确率低的不足，提供一种基于非负矩阵分解的显微图像彩色去卷积方法及一种基于非负矩阵分解的显微图像分割方法，能够有效提高显微图像分割的准确率，节省计算时间，且得到的显微图像的视觉效果更好。

本发明具体采用以下技术方案解决上述技术问题：

基于非负矩阵分解的显微图像彩色去卷积方法，所述显微图像通过对经至多三种不同染色剂染色标记的组织样本进行显微成像得到，该方法包括以下步骤：

步骤A、将大小为M×N的原始彩色显微图像的所有像素依次排列为行，以原始显微图像中单个像素在RGB颜色空间中各分量所对应的光密度作为列，得到大小为(M×N)×3的原始显微图像的光密度矩阵；