改进分水岭与主动轮廓模型相结合肝癌细胞核分割算法研究.docVIP

改进分水岭与主动轮廓模型相结合肝癌细胞核分割算法研究 　　摘要：肝癌已经成为常见的恶性肿瘤，组织切片显微图像的病理分析是诊断的主要手段，细胞的准确分割是病理分析的重要环节。提出了一种新的基于HE染色组织病理学图像的肝癌细胞分割算法，首先用彩色卷积方法进行主成分提取得到灰度图像，在此灰度图像的基础上，进行形态学处理；然后运用快速径向对称变换提取种子点作为前景标记，进行分水岭分割；最后将分水岭分割得到的轮廓线作为初始轮廓进行GVF主动轮廓分割，得到更为精确的轮廓线。分割结果的阳性预测平均值达到0.89，召回率平均值达到0.9，证明了该算法细胞定位的准确性。Dice系数平均值为0.84，证明了本算法细胞分割区域的准确性。 　　关键词：HE；?胞分割；径向对称变换；分水岭分割；主动轮廓模型 　　DOIDOI：10.11907/rjdk.172017 　　中图分类号：TP312 　　文献标识码：A 文章编号：1672-7800（2017）012-0081-05 　　Abstract：Liver cancer has become a common malignant tumor in the world. Analysis of histopathology images is one of the main methods for diagnosis and precise segmentation of cell and nuclei is the first step towards automatic analysis of histopathology images. A new nuclei segmentation method that works with HE stained liver cancer histopathology images was proposed. The procedure can be concluded as the following steps： getting the grayscale image by color convolution， selecting seed points utilizing fast radial symmetry transform， marker-controlled watershed segmentation， getting final contour via active contour model. The evaluation was done in terms of positive predictive value， recall and Dice coefficient. The mean predictive value was 0.89 and the mean recall was 0.9 which indicates the accuracy of cell detection. The mean Dice coefficient was 0.84 which indicates the accuracy of segmentation. 　　Key Words：HE； cell segmentation； fast radial symmetry transform； watershed； ACM 　　0 引言 　　近年来，图像处理与计算机视觉技术在生物医学工程领域的广泛应用加快了生物医学的发展。利用计算机技术对光学显微镜细胞图像进行细胞参数的定量分析，可以辅助医师判别细胞病变状态，从而在一定程度上减轻医务人员的工作负担，具有很大的应用潜力。因此，细胞图像处理逐渐成为医学图像处理领域的一个研究热点[1]。实现细胞图像的病理学识别，重点在于细胞图像分割，即从显微镜细胞图像中提取出所需的细胞区域，从而为后续定量分析作必要的准备。 　　截至目前，国内外学者已经对细胞图像的分割技术进行了大量研究。其中主要有两类研究，一类是针对显微镜低倍物镜采集的低分辨率大图像分割，这类分割主要是实现细胞核、实质细胞区域的定位；另一类是针对显微镜高倍物镜采集的高分辨率细胞图像，这类分割主要是实现单细胞、重叠细胞图像的分割。医生能够通过快速数码扫描获得整张图片，从而进行病理学分析。HE染色是组织学、胚胎学、病理学教学与科研中最基本、使用最广泛的技术，但由于组织的多样性和复杂性，HE染色图像的自动化分析仍然是个挑战。自动化分析数字显微图像的第一步是细胞和细胞核的分割。Cosatt等[2]采用霍夫变换确定种子点，并对每个种子点运用主动轮廓模型进行演化得到细胞轮廓；Kong等[3]采用基于GVF的主动轮廓模型提取细胞核；Vink