[发明专利]基于图论的宫颈癌组织病理学显微图像聚类系统

说明书

本发明公开了一种基于图论的宫颈癌组织病理学显微图像聚类系统，包括：步骤一，采集宫颈癌组织显微图像数据，进行第一阶段聚类；步骤二，通过骨架化的节点来近似表示细胞核的分布；步骤三，将每一个连通的骨架作为一个区域，通过每个区域中的骨架节点构造成最小生成树；步骤四：根据最小生成树结构图计算不同的统计值，作为图形特征；步骤五：基于提取的图形特征和全局特征，进行第二阶段的聚类。本发明提供一种基于图论的宫颈癌组织病理学显微图像聚类系统，充分利用骨架化处理中产生的节点来近似表示细胞核的分布，提高聚类效果；通过二次聚类的方式对不同类型的组织进行表达，体现组织中的特殊结构及复杂程度。

技术领域

本发明涉及图像医疗辅助领域的图像分析技术。更具体地说，本发明涉及一种基于图论的宫颈癌组织病理学显微图像聚类系统。

背景技术

现有技术在对宫颈癌组织显微图像进行聚类时，通常使用如图2所示的流程处理方法对对宫颈癌组织的显微图像进行分割，其具体步骤如下：

(a)获取宫颈癌组织原始显微切片图像；

(b)将原始图像转变为灰度图像；

(c)通过算子运算对图像进行重构，突出细胞核与细胞质的差异；

(d)运用形态学处理，滤掉不需要的部分，使用自动阈值对组织图像中的细胞核进行定位；

(e)以细胞核的位置生成图结构。

进一步地对分割后的图像进行基于区域的分析，得到相应的如图3所示聚类结果。从图3中可以看到，(a)是正常组织的图结构，(b)(c)(d)分别代表CIN1、CIN2、CIN3三个阶段，其中黄色标识Y1、Y2、Y3、Y4的团簇代表基底层，绿色标识G1、G2、G3、G4的团簇代表中间层，蓝色标识B1、B2、B3、B4的团簇代表表面层，用于分析CIN的分级和图的变化的关系。

而对于采用这样的流程方法进而聚类，通常会存在以下问题：

(1)在聚类过程中，组织细胞常常会出现大面积粘连和重叠导致难以分割的问题，采用现有分割技术进行处理达不到对于细胞核位置的准确识别，而且会产生过度分割或者分割不足的情况，与细胞实际形态产生一定的差异，影响对于结构的判断。

(2)现有技术采用的是根据图结构的三角形面积进行区分，标记为不同的颜色，用来表示细胞之间的空间结构，这种方法具有特异性，对组织的不同区域以及不同形态的细胞区分度不高，且由于组织图像具有复杂性和特殊性的特征，现有方法仅能表示出细胞空间上的疏密，无法说明结构上的差异，这对于癌症的判别是十分不利。

发明内容

本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于图论的宫颈癌组织病理学显微图像聚类系统，充分利用骨架化处理中产生的节点来近似表示细胞核的分布，对细胞核空间结构的识别更加准确，提高聚类效果；进一步通过二次聚类的方式对不同类型的组织进行表达，其聚类结果能明显看出组织中的特殊结构及复杂程度。

为了实现根据本发明的这些目的和其它优点，提供了一种基于图论的宫颈癌组织病理学显微图像聚类系统，包括：

步骤一，采集宫颈癌组织显微图像数据，进行第一阶段聚类；

步骤二，对第一阶段聚类的结果进行骨架化处理，以通过骨架化的节点来近似表示细胞核的分布；

步骤三，将节点进行分离处理，将每一个连通的骨架作为一个区域，进而通过每个区域中的骨架节点构造成最小生成树；

步骤四：根据产生的最小生成树结构图，计算不同的统计值，作为图形特征来表示不同的组织；

步骤五：基于提取图形特征和全局特征，进行第二阶段的聚类。