[发明专利]一种乳腺癌病理学图像有丝分裂核自动分割方法

摘要

本发明公开了一种乳腺癌病理学图像有丝分裂核自动分割方法，该方法首先根据BR图的不同尺度LoG滤波的最大响应初略估计出前景像素和背景像素。在此基础上对当前的前景像素和背景像素分别训练一个高斯混合模型GMM以描述前景像素和背景像素的颜色分布；并建立s‑t图G＝{V,E}，通过计算图G的最大流实现了对前景和背景的新的估计，然后重复GMM训练和Graph‑Cut分割，直到收敛或满足规定的迭代次数。最后对分割的结果进行形态学的开操作，完成最终的分割。该方法在分割时不仅考虑了单个像素颜色特征属于前景或背景的概率，还考虑了相邻像素间的关系，保证了分割结果的平滑性，提高了精度。

主权项

1.一种乳腺癌病理学图像有丝分裂核自动分割方法，其特征在于，包括以下步骤：步骤1：对待分割的原始图像进行高斯平滑处理，获得平滑图像；步骤2：从平滑图像中提取r(x,y),g(x,y),b(x,y)通道，按以下公式计算获得BR图像；步骤3：利用不同尺度的LoG滤波器对BR图像进行卷积滤波，以每个像素点的最大响应作为滤波图像L(x,y)；步骤4：采用Otsu算法计算滤波图像的二值化阈值T，利用二值化阈值T对滤波图像进行前景和背景分割，获得标记图M(x,y)；步骤5：以标记图中值为0或2的像素对应在待分割的原始图中的像素作为背景像素，待分割的原始图中的其余像素为前景像素，利用背景像素集与前景像素集分别训练前景颜色模型p(z；θf)和背景颜色模型p(z；θb)；步骤6：根据待分割的原始图像I(x,y)、标记图M(x,y)、前景颜色高斯模型和背景颜色高斯模型构建s‑t图G＝{V,E}，采用最大流的方法计算s‑t图G的最小割，并用最小割对s‑t图G进行分割，更新标记图M(x,y)；步骤7：返回步骤5，重新训练前景和背景颜色模型，更新s‑t图G中边的权重，计算最大流对s‑t图G进行分割，进而更新M(x,y)直到满足迭代中止条件，进入步骤8；步骤8：对最新的标记图中每个像素与1进行“与”位运算，得到二值分割结果图；对所述步骤4中的标记图M(x,y)按以下公式进行计算：所述构建的s‑t图G＝{V,E}，其中，V为节点集合，包含待分割的原始图像中的所有像素点以及一个前景标识点和一个背景标识点，共W×H+2个节点；E为边的集合，包含相邻边和关系边；其中，W和H分别表示待分割的原始图像的宽度和高度；其中，所述相邻边是指每个像素点与其四邻域像素的连接边，共2×[4×W×H‑3×(W+H)+2]条边；所述关系边是指每个像素分别到前景标识点和背景标识点的连接边，共2×W×H条边；相邻边的权重按公式计算获得；其中，zi,zj∈R3分别表示相邻像素i和j的颜色RGB矢量，参数γ＝40，参数β则由下式计算：关系边的权重按以下公式计算获得：ωb(x,y)＝‑log(p(z；θf)),其中，ωf(x,y)和ωb(x,y)分别表示像素(x,y)到前景标识点和背景标识点的权重，参数λ＝9γ。