[发明专利]一种基于半监督k-means算法的乳腺癌病理组织图像分割方法

说明书

本发明涉及一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法，所述方法包括：所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色；105、将获取的多类图像矩阵数据以图片的格式进行展示；本发明提供的图像分割方法，能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。

技术领域

本发明属于乳腺癌病理组织图像分割技术领域，具体涉及一种基于半监督k-means算法的乳腺癌病理组织图像分割方法。

背景技术

1、现有技术的方案简述：

1.11、阈值分割

现有技术使用阈值分割算法对乳腺癌显微病理组织图像(以HE染色切片为例)进行图像分割。HE染色(Hematoxylin-Eosin Staining，苏木精-伊红染色法，常简写为HE、HE、he、H-E、h-e等形式)。

如图1所示，该方法共包含三个步骤：

步骤一：将乳腺癌显微病理组织图像的彩色图像转换为灰度图像，即将三维图像降为一维图像；

步骤二：根据乳腺癌显微病理组织图像的灰度图像画出相应的灰度分布直方图，找出其直方图的峰值，将其峰值作为分割的阈值；

步骤三：将此阈值作为判断条件，对于乳腺癌显微病理组织图像的灰度图像的灰度值，若其灰度值大于等于给出的阈值，则将其亮度置为最亮，即将灰度值置为255；若其灰度值小于给出的阈值，则将其亮度置为最暗，即将灰度值置为0，进而得到阈值分割后的图像，输出结果。

1.12、传统k-means分割

如图2所示该方法共包含三个步骤：

步骤一：提取乳腺癌显微病理组织图像的R、G、B值，并将其放入一个三维矩阵中，然后将此三维矩阵降为一维矩阵；

步骤二：将得到的一维矩阵作为输入，利用k-means聚类进行分割；

步骤三：将k-means分割后的结果按照其得到的编号进行染色，输出结果图并保存。

1.2、现有技术的客观缺点(通过本专利能够解决或改善的一个或多个缺点)：

(1)现有技术，由于乳腺癌显微病理组织图像本身灰度分布以及噪声干扰等因素的影响，仅利用灰度直方图得到的阈值并不能使图像分割得到满意的结果。

(2)现有技术，由于乳腺癌显微病理组织图像往往为扫描显微镜所获取的JPEG格式的图片数据比较大(每张图片大于250M)，导致分析过程中计算机系统内存的不足，不能直接处理一张完整的乳腺癌显微病理组织图像。

(3)现有技术，由于乳腺癌显微病理组织图像的灰度分布不均，不同的乳腺癌显微病理组织图像有不同的灰度分布直方图，因此每张乳腺癌显微病理组织图像均需确定阈值，会大大的增加计算开销。

(4)现有技术，图像分割为几部分需设几个阈值，增加计算负担。

(5)现有技术，由于k-means是无监督学习，每次分割都会使乳腺癌显微病理组织图像染成不同的颜色，增加统计负担。

发明内容

(一)要解决的技术问题