多特征整合的宮頸細(xì)胞圖像特征提取與識(shí)別方法及宮頸細(xì)胞特征識(shí)別裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)學(xué)細(xì)胞圖像處理領(lǐng)域，具體設(shè)及一種多特征整合的宮頸細(xì)胞圖像特 征提取與識(shí)別方法及宮頸細(xì)胞特征識(shí)別裝置。
【背景技術(shù)】
[0002] 宮頸癌是女性中最常見的惡性腫瘤之一。宮頸癌從早期到晚期一般需要8-10年， 而且沒有顯著的癥狀。因此，宮頸癌的早期診斷對(duì)于及時(shí)發(fā)現(xiàn)宮頸癌早期病變，將宮頸癌消 滅在萌芽狀態(tài)從而挽救女性患者的生命具有重要的意義。在宮頸癌的篩查方法中，宮頸細(xì) 胞學(xué)篩查方法被認(rèn)為是預(yù)防宮頸癌最有效的手段之一。宮頸細(xì)胞診斷技術(shù)已經(jīng)成為女性宮 頸癌臨床診斷、病理分析W及治療的重要輔助技術(shù)。臨床已經(jīng)證實(shí)每年檢查一次宮頸癌惡 化致死率可W降低92%。人工宮頸細(xì)胞學(xué)檢查是一項(xiàng)單調(diào)乏味、耗時(shí)、易出錯(cuò)的工作。隨著 計(jì)算機(jī)和醫(yī)療技術(shù)的不斷發(fā)展，對(duì)宮頸細(xì)胞檢測(cè)提出了新的要求一一 '陜速化、高精度、智能 化。因此，開發(fā)一種計(jì)算機(jī)輔助自動(dòng)宮頸細(xì)胞篩選與診斷系統(tǒng)十分重要，有助于幫助女性患 者預(yù)防宮頸癌的發(fā)生。
[0003] 目前的宮頸細(xì)胞圖像特征提取方法是僅在細(xì)胞圖像的空間域中提取其特征，該類 方法造成了部分宮頸細(xì)胞圖像信息的丟失W及宮頸細(xì)胞圖像特征提取的不充分，導(dǎo)致識(shí)別 精度低，且不利于實(shí)現(xiàn)對(duì)宮頸細(xì)胞圖像的自動(dòng)識(shí)別分類。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。
[0005] 1998年化ang根據(jù)單頻分量信號(hào)本身的特征提出了一種提取單頻分量的方 法--經(jīng)驗(yàn)?zāi)B(tài)分解方法（EmpiricalModeDecomposition,EMD),經(jīng)驗(yàn)?zāi)B(tài)分解能夠從時(shí) 變的信號(hào)中分解出保持信號(hào)自身性質(zhì)不變的單頻信號(hào)分量。
[0006] 經(jīng)驗(yàn)?zāi)B(tài)分解是一種完全自適應(yīng)的分解過程。EMD方法中的信號(hào)要滿足一定的條 件：
[0007] (1)數(shù)據(jù)信號(hào)中至少包含一個(gè)極大值和一個(gè)極小值兩個(gè)極值點(diǎn)；
[000引 （2)特征尺度用極值點(diǎn)之間的時(shí)間間隔定義；
[0009] 做當(dāng)整個(gè)數(shù)據(jù)序列沒有極值點(diǎn)，而只有拐點(diǎn)時(shí)，它能夠在進(jìn)行一階或多階的求導(dǎo) 運(yùn)算后重建極值點(diǎn)，最后可W將各模態(tài)積分得到各成分。
[0010] EMD方法的目的就是將數(shù)據(jù)中的不同特征尺度加W分解區(qū)分開來，把復(fù)雜 的信號(hào)分解為從高頻到低頻的若干階簡單的單分量固有模態(tài)函數(shù)（IntrinsicMode 化nction，IM巧組合。各IMF需要滿足如下兩個(gè)條件；
[ocm] (1)在整個(gè)信號(hào)長度上，一個(gè)IMF的極值點(diǎn)和過零點(diǎn)數(shù)目必須相等或至多只相差 一個(gè)；
[0012] (2)在任意時(shí)刻，由極大值點(diǎn)定義的上包絡(luò)線和由極小值點(diǎn)定義的下包絡(luò)線的平 均值為零。
[0013] EMD方法可W從一維推廣到二維，法國J.Nunes提出了對(duì)二維信號(hào)直接分解的二 維經(jīng)驗(yàn)?zāi)B(tài)分解方法炬idimensionalEmpiricalModeDecomposition，BEMD)。二維經(jīng)驗(yàn) 模態(tài)分解是對(duì)EMD的進(jìn)一步發(fā)展，在圖像處理領(lǐng)域中發(fā)揮了其優(yōu)良的特性，得到了廣泛的 應(yīng)用。本發(fā)明將二維經(jīng)驗(yàn)?zāi)B(tài)分解方法引入到宮頸細(xì)胞圖像處理領(lǐng)域中，為宮頸細(xì)胞圖像 特征提取與識(shí)別提供了新方法。
[0014] 為此，本發(fā)明一方面提供一種多特征整合的宮頸細(xì)胞圖像特征提取與識(shí)別方法， 可W充分提取宮頸細(xì)胞圖像特征，提高識(shí)別精度，而且便于自動(dòng)識(shí)別分類。
[0015] 本發(fā)明提供的一種多特征整合的宮頸細(xì)胞圖像特征提取與識(shí)別方法，包括如下步 驟：
[0016] S100 ;對(duì)宮頸細(xì)胞圖像進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解，得到1個(gè)殘差分量和頻率由高到 低依次遞減的前K個(gè)二維本征模態(tài)函數(shù)分量IMF ;
[0017]S200 ;對(duì)步驟S100中獲得到的所述K個(gè)二維本征模態(tài)函數(shù)分量IMF和所述1個(gè)殘 差分量進(jìn)行二維傅里葉變換，開展幅頻和相頻特性分析W得到幅頻特性和相頻特性；
[001引S300 ;對(duì)步驟S200中獲得到的所述幅頻特性、所述相頻特性W及步驟S100中獲得 的所述K個(gè)二維本征模態(tài)函數(shù)分量及所述1個(gè)殘差值分量作奇異值分解，獲得奇異值分解 后的特征值；
[0019] S400 ;將獲得的所述奇異值分解后的特征值構(gòu)成宮頸細(xì)胞圖像特征向量；
[0020] S500 ;依據(jù)最小歐氏距離檢索方法對(duì)宮頸細(xì)胞測(cè)試樣本圖像的特征向量與細(xì)胞特 征數(shù)據(jù)庫中的基準(zhǔn)訓(xùn)練細(xì)胞圖像特征進(jìn)行相似性比較W進(jìn)行測(cè)試細(xì)胞圖像分類識(shí)別。
[0021] 在步驟100中所采用的二維經(jīng)驗(yàn)?zāi)B(tài)分解是一種在時(shí)頻域都具有良好表征信號(hào) 局部特征能力的時(shí)頻分析方法，采用二維經(jīng)驗(yàn)?zāi)B(tài)分解提取宮頸細(xì)胞圖像的特征既能表征 宮頸細(xì)胞的頻率信息又能兼顧空間位置信息，該分解方法是從信號(hào)本身的尺度特征出發(fā)分 解信號(hào)，是完全由數(shù)據(jù)驅(qū)動(dòng)分解的方法，無需像小波變換需要選取基函數(shù)；二維經(jīng)驗(yàn)?zāi)B(tài)分 解即具有多尺度多分辨率的優(yōu)勢(shì)，又具有自適應(yīng)分解信號(hào)的能力。在步驟200中進(jìn)行二維 傅里葉變換又可W準(zhǔn)確提取細(xì)胞圖像的幅頻與相頻特性，因此獲得的特征多。在步驟S300 中，奇異值分解達(dá)到了對(duì)細(xì)胞圖像特征向量的有效降維。奇異值分解（SingularValue Decomposition,SVD)是一種有效的代數(shù)特征提取方法，矩陣的奇異值是唯一的，同時(shí)奇異 值具有穩(wěn)定性，比例不變性，旋轉(zhuǎn)和平移不變性等性質(zhì)。因此，二維經(jīng)驗(yàn)?zāi)B(tài)分解、二維傅里 葉變換和奇異值分解的多特征整合識(shí)別技術(shù)對(duì)宮頸細(xì)胞圖像特征的充分、精確提取，提高 了宮頸細(xì)胞識(shí)別的速度與準(zhǔn)確率。
[0022] 進(jìn)一步的，步驟S100中的二維經(jīng)驗(yàn)?zāi)B(tài)分解過程包括如下步驟：
[002引 S110 ;利用像素點(diǎn)的8領(lǐng)域值比較法確定輸入圖像信號(hào)hk，i (m, n)第k級(jí)第1次篩 選后被所有的極大值max(m，n)與極小值min(m，n);
[0024] S120 ;將所有的所述極大值與所述極小值分別構(gòu)造DenaulayS角形網(wǎng)格，由雙S 次樣條插值求取所述極大值構(gòu)成的極大值點(diǎn)包絡(luò)面(m，n)和所述極小值構(gòu)成的極小值 點(diǎn)包絡(luò)面emh，i(m，n);
[0025] S130;通過算術(shù)平均值計(jì)算所述極大值點(diǎn)包絡(luò)面與所述極小值點(diǎn)包絡(luò)面的平均包 絡(luò)面；
[0026]S140 ;按公式；hk，w(m,n) =hk，i(m,n)-emean，i(m,n)計(jì)算第k個(gè)IMF分量的第 1 次 篩選值；
[0027] S150 ;計(jì)算篩選終止條件S，并判斷S《T是否成立，若不成立則返回步驟S110進(jìn) 行第1 + 1次篩選，直至S《T是成立，其中
T為闊值；
[002引 S160 ;獲取第k個(gè)二維本征模態(tài)函數(shù)分量IMFIMFk(m，n) =hk，i(m,n)，并獲取第k 個(gè)殘差分量fk(m,n)=町_1(m,n)-IMFk(m,n);
[0029] S170 ;判斷是否達(dá)到預(yù)定分解級(jí)數(shù)k，如果為否，則返回步驟SllO進(jìn)行第k+1級(jí)第 1次篩選，直至達(dá)到預(yù)定分解級(jí)數(shù)k，完成宮頸細(xì)胞圖像的二維經(jīng)驗(yàn)?zāi)B(tài)分解，獲得k個(gè)二維 本征模態(tài)函數(shù)IMF分量和1個(gè)殘差分量。
[0030] 進(jìn)一步的，步驟S300中的奇異值分解過程為
[0031] 首先設(shè)矩陣a為奇異值分解的矩陣，計(jì)算獲得矩陣a的大小，行列數(shù)分別為 sizeal，sizea2,初始化最大循環(huán)次數(shù)loopmax= 100*max(sizeal,sizea2)，初始化計(jì)數(shù) 器loopcount= 1，初始化誤差值化r=realmax，初始化矩陣S=a'，初始化矩陣V= 巧e(sizea2)，初始化矩陣U=巧e(sizeal);
[0032] 然后按如下步驟進(jìn)行分解：
[003引 S310 ;對(duì)矩陣s'執(zhí)行QR分解；虹S] =qr(s'），獲取矩陣U=u*q，對(duì)矩陣s'再 次執(zhí)行QR分解；虹S] =qr(s'），獲取矩陣V=v*q;
[0034] S320 ;利用步驟S310中獲取的矩陣S，提取矩陣S的上S角矩陣，計(jì)算公式如下：
[0035] e=triu(s, 1)，對(duì)所述上S角矩陣e，求取其二范數(shù)E;
[0036] S330 ;計(jì)算步驟S310中獲取的矩陣S主對(duì)角線的二范數(shù)值F，判斷F是否為0,判 斷結(jié)果為是，F(xiàn)= 1，執(zhí)行步驟S340 ;判斷結(jié)果為否，執(zhí)行步驟S340 ;
[0037] S340 ;利用步驟S320、S330中獲取的二范數(shù)值E、F計(jì)算誤差值化r=E/F，計(jì)數(shù)器 loopcount方口 1
[003引 S350 ;判斷所述誤差值Err是否小于預(yù)設(shè)誤差tol或計(jì)數(shù)器計(jì)數(shù)大于預(yù)設(shè)最大循 環(huán)次數(shù)，判斷結(jié)果均為是，執(zhí)行步驟S360 ;否則，返回執(zhí)行步驟S310