[发明专利]一种基于中心点的细胞核分割方法及相关设备

说明书

本发明公开了一种基于中心点的细胞核分割方法及相关设备，所述方法包括：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。本发明将伪标签处理成内核‑轮廓‑背景三分类的分类图，从而能让网络更好地关注细胞核的轮廓，对细胞核中心点进行预测，使用分水岭算法对分割结果进行处理，提升了粘连细胞核实例化效果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于中心点的细胞核分割方法、系统、终端及计算机可读存储介质。

背景技术

借助病理图像等医学影像来进行医学结果的诊断是现代医学上经常使用的诊断手段之一。在显微镜下，专业的病理科医生通过观察或统计病理图像中细胞或细胞核的数量、形态、大小和分布等特征，可以对病人的病情进行判断。然而常见的病理切片中通常会有成千上万的细胞，这种人工阅片和诊断的过程通常是非常耗时耗力的，相关的观察与统计结果往往也非常容易受到人为因素的干扰。在实际诊断场景中，由于过长时间的镜下阅片和过多的注意力损耗，病理科医生们比较容易出现困倦情况，甚至容易因此而出错。此外，由于阅片经验和其他因素的影响，人工阅片也容易引入医生个人主观性，使得诊断结果不够客观。因此，基于计算机视觉(computervision)等技术，研究鲁棒、高效的病理图像切片细胞相关信息辅助统计算法，构建计算机辅助诊断的阅片系统具有非常重要的现实意义。

细胞核分割(nuclei segmentation)则是上述计算机辅助医学诊断系统中非常重要的组成部分。细胞核分割可以提取病理图像中的许多关于细胞的有用特征，对核形态测量学和计算病理学分析等具有重要价值。

传统的细胞核分割算法通常需要耗时的手工特征提取，甚至需要非常专业的领域知识，且在非常复杂多变的病理图像中通常难以取得非常理想的效果。近年来，随着深度学习的发展，基于深度网络的细胞核自动分割算法得到了广泛的研究和发展。然而，为了训练一个良好的细胞核分割网络，各种全监督分割算法通常都需要非常精细的像素级别的标注，即需耗费大量的人力物力请专业的病理科医生进行精细的人工标注。因此，如何在较弱级别的标注基础上进行细胞核分割具有非常重要的研究意义。

此外，在常见的细胞核病理图像中，通常都会出现一些相邻的细胞核彼此之间粘连的现象，且细胞核边缘处经常会出现模糊不清的问题，这也给模型进行细胞核实例级分割带来了较大的挑战。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于提供一种基于中心点的细胞核分割方法、系统、终端及计算机可读存储介质，旨在解决现有技术中进行细胞核分割时耗费大量的人力物力请专业的病理科医生进行精细的人工标注，且相邻的细胞核彼此之间粘连的问题。

为实现上述目的，本发明提供一种基于中心点的细胞核分割方法，所述基于中心点的细胞核分割方法包括如下步骤：

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。

可选地，所述的基于中心点的细胞核分割方法，其中，

此外，为实现上述目的，本发明还提供一种基于中心点的细胞核分割系统，其中，所述基于中心点的细胞核分割系统包括：