[发明专利]一种基于中心点的细胞核分割方法及相关设备

权利要求书

1.一种基于中心点的细胞核分割方法，其特征在于，所述基于中心点的细胞核分割方法包括：

基于无监督聚类的伪标签生成算法对细胞核图像聚类，生成细胞核分割网络模型训练时所需要的实例像素级伪标签；

在得到三分类的伪标签实例化结果后，采用非边界框依赖的实例分割框架进行细胞核分割网络模型的训练；

对细胞核中心点检测网络进行训练，通过取局部最大值和滤波操作得到预测的细胞核中心点；

将细胞核的分割结果和检测结果进行融合和切割处理，得到修正后的细胞核实例分割结果。

2.根据权利要求1所述的基于中心点的细胞核分割方法，其特征在于，所述基于无监督聚类的伪标签生成算法对细胞核图像聚类，生成细胞核分割网络模型训练时所需要的实例像素级伪标签，具体包括：

对输入的细胞核原图，使用K均值聚类算法进行前背景的无监督聚类，并将无监督聚类的簇中，与细胞核中心点标注重叠区域多的簇判定为细胞核前景；

使用细胞核的中心点标注对细胞核聚类结果进行实例化处理，将实例像素级伪标签处理成内核-轮廓-背景三分类的分类图。

3.根据权利要求2所述的基于中心点的细胞核分割方法，其特征在于，所述使用细胞核的中心点标注对细胞核聚类结果进行实例化处理，将实例像素级伪标签处理成内核-轮廓-背景三分类的分类图，具体包括：

若细胞核中心点标注图为C_H×W，其中，H和W分别为细胞核原图的高度和宽度，C_H×W中的元素c_ij(i＝1，2，...，H；j＝1，2，...，W)在有细胞核中心点标注的地方取值为1，无细胞核中心点标注的地方取值为0；

对细胞核中心点标注图C_H×W进行取反操作，得到与所处理图像相同分辨率的中心点标注取反图：

其中，I_H×W中元素值全为1，对于来说，定义取值为1的像素为前景，取值为0的像素为背景；

对中心点标注取反，得到对应的中心点，其中每个元素对应的计算式为：

其中，为的元素，f(m，n)为两个像素之间的欧氏距离；

聚类得到的细胞核前景二值化图为F_H×W，将F_H×W与中心点距离图D_H×W融合，得到前景-距离图：

其中，表示矩阵对应元素相乘；

运用分水岭算法得到实例化分割结果W_H×W：

W_H×W＝w(D'_H×W，C_H×W)；

其中，w(·)表示分水岭算法；

对每个实例进行孔洞填充后处理，得到最终的伪标签实例化结果。

4.根据权利要求3所述的基于中心点的细胞核分割方法，其特征在于，在中心点距离图D_H×W中，细胞核中心点远离各中心点标注的像素值高于标注周围附近区域的像素值。

5.根据权利要求3所述的基于中心点的细胞核分割方法，其特征在于，所述分水岭算法用于提供粗糙的细胞核边界信息。

6.根据权利要求3所述的基于中心点的细胞核分割方法，其特征在于，所述在得到三分类的伪标签实例化结果后，采用非边界框依赖的实例分割框架进行细胞核分割网络模型的训练，具体包括：

使用基于ResNet-50的全卷积神经网络架构U-Net学习输入的细胞核图片到三分类伪标签之间的映射；

对于每张输入的细胞核原图，所述细胞核分割网络模型的输出是与所述细胞核原图具有相同空间分辨率的三通道图，其中，每个通道分别对应三分类伪标签的每个类别；

在预测阶段，利用训练得到的全卷积神经网络对细胞核测试图像中的细胞核内核、轮廓和背景进行预测，保留所有预测的细胞核内核；

根据区域是否连通对细胞核内核进行实例化处理，对实例化之后的细胞核内核进行形态学膨胀操作，得到细胞核实例级的分割结果。