[发明专利]一种宫颈癌细胞病理学排阴法智能筛查系统及方法在审
| 申请号: | 201910127837.5 | 申请日: | 2019-02-20 |
| 公开(公告)号: | CN109978826A | 公开(公告)日: | 2019-07-05 |
| 发明(设计)人: | 程俊美;朱明慧;段旭艳;任敏;郭新庆;孟庆梅;薛兰;王慧;陈鲁曼;郭晓敏 | 申请(专利权)人: | 程俊美 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T5/00;G16H50/20 |
| 代理公司: | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人: | 包晓静 |
| 地址: | 274000 山*** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 宫颈癌细胞 筛查系统 病理学 图像处理模块 智能 数据存储模块 图像采集模块 患病可能性 玻片扫描 人工识别 输入模块 统计机器 显示模块 主控模块 宫颈癌 图像块 分割 滤除 切片 筛查 图像 节约 评估 保证 学习 | ||
本发明属于宫颈癌细胞筛查技术领域,公开了一种宫颈癌细胞病理学排阴法智能筛查系统及方法,所述宫颈癌细胞病理学排阴法智能筛查系统包括:图像采集模块、输入模块、主控模块、图像处理模块、滤除模块、识别模块、数据存储模块、显示模块。本发明通过图像处理模块从粗到精的分割方法,一方面保证了处理的速度,另一方面又获得了精确的分割效果;同时,通过识别模块减轻了人工识别压力,也降低了人工判别宫颈癌患病可能性的成本;提高了TCT玻片扫描图像的图像块(TCT数字切片)的识别效率;通过统计机器学习模型进行评估,不仅节约成本而且方便有效。
技术领域
本发明属于宫颈癌细胞筛查技术领域,尤其涉及一种宫颈癌细胞病理学排阴法智能筛查系统及方法。
背景技术
宫颈癌是最常见的妇科恶性肿瘤。原位癌高发年龄为30~35岁,浸润癌为45~55岁,近年来其发病有年轻化的趋势。近几十年宫颈细胞学筛查的普遍应用,使宫颈癌和癌前病变得以早期发现和治疗,宫颈癌的发病率和死亡率已有明显下降。原位癌及微小浸润癌可无明显肉眼病灶,宫颈光滑或仅为柱状上皮异位。随病情发展可出现不同体征。外生型宫颈癌可见息肉状、菜花状赘生物,常伴感染,肿瘤质脆易出血;内生型宫颈癌表现为宫颈肥大、质硬、宫颈管膨大;晚期癌组织坏死脱落,形成溃疡或空洞伴恶臭。阴道壁受累时,可见赘生物生长于阴道壁或阴道壁变硬;宫旁组织受累时,双合诊、三合诊检查可扪及宫颈旁组织增厚、结节状、质硬或形成冰冻状盆腔。然而,现有宫颈癌细胞病理学排阴法智能筛查系统中对采集的宫颈图像只完成了对细胞核的分割,而忽略了细胞质的分割,细胞质的信息对鉴别异常细胞同样非常关键的;多个细胞的不规则重叠、交叉、排列,白细胞的介入,灰尘和杂质的影响,光照不均等都加大了实际分割的难度;同时,现有通过人力去完成大量的宫颈癌的TCT检测识别分析,耗费人力,识别效率低。
综上所述,现有技术存在的问题是:
现有宫颈癌细胞病理学排阴法智能筛查系统中对采集的宫颈图像只完成了对细胞核的分割,而忽略了细胞质的分割,细胞质的信息对鉴别异常细胞同样非常关键的;多个细胞的不规则重叠、交叉、排列,白细胞的介入,灰尘和杂质的影响,光照不均等都加大了实际分割的难度;同时,现有通过人力去完成大量的宫颈癌的TCT检测识别分析,耗费人力,识别效率低。
现有技术中无法保证图像数据的清晰度及真实性,不利于宫颈癌细胞病理学排阴法智能筛查的准确进行;无法高效实现图像的降噪滤波,降低显示采集宫颈TCT数字切片图像的清晰度及真实度,不能保证宫颈TCT数字切片被医护人员准确的获取,不利于进一步治疗的快速展开;不能高效保持宫颈TCT切片图像的原有的平滑程度及特征,不能实现图像高质量的存储。
发明内容
针对现有技术存在的问题,本发明提供了一种宫颈癌细胞病理学排阴法智能筛查系统及方法。
本发明是这样实现的,一种宫颈癌细胞病理学排阴法智能筛查方法,所述宫颈癌细胞病理学排阴法智能筛查方法包括:
步骤一,通过单片机控制系统的正常工作;通过键盘进行筛查操作指令的输入;
步骤二,通过具有像元离散采集模型的医学影像设备采集宫颈TCT数字切片图像数据;通过图像处理软件对采集的宫颈图像进行分割操作;
步骤三,通过图像处理软件对分割后的图像识别其阳性和阴性特征;通过图像处理软件将采集的不合格、模糊、残图进行过滤去除;
步骤四,通过采用双波去燥的存储器存储采集的图像数据;通过基于NSCT变换的贝叶斯降噪滤波的显示器显示采集宫颈TCT数字切片图像。
进一步,所述步骤二中具有像元离散采集模型采集宫颈TCT数字切片图像数据具体包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于程俊美,未经程俊美许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910127837.5/2.html,转载请声明来源钻瓜专利网。





