异常细胞的分级系统

技术领域

本发明涉及细胞的分级系统。属于人工智能和医疗领域。

背景技术

宫颈癌是当今严重危害女性身体健康的一种恶性肿瘤。宫颈细胞学检查是目前最常用的宫颈癌筛查技术，实施宫颈癌筛查项目的地区，宫颈癌死亡率下降了70％，大量实践已经证明该检查技术可以大大降低宫颈癌的发生率。我国基层较差的细胞病理诊断水平一直是宫颈癌筛查中存在的难点和痛点。

近年来，随着人工智能在医学诊断领域的发展，智能辅助诊断产品的应用，有效改善了基层病理医生资源不足的问题。但是目前大部分智能辅助诊断系统仅能筛选出异常细胞，未能按照细胞学(The Bethesda System,阴道细胞学的分类及报告细则)诊断的分级标准对异常细胞进行分级处理，从而无法提供给病理医生更加全面的辅助诊断信息。

发明内容

本发明是为了解决现有技术中辅助诊断系统仅能筛选异常细胞且不能对异常细胞进行分级处理，而导致无法提供给病理医生全面的辅助诊断信息的问题。现提出异常细胞的分级系统。

异常细胞的分级系统，用于执行以下步骤：

步骤一、获取细胞诊断指标；

步骤二、将获取的细胞诊断指标公式化；

步骤三、根据提取的诊断指标划分诊断指标等级；

步骤四、根据划分等级，建立多组训练数据集；

步骤五、学习诊断指标等级的数值化范围，确定每个划分的等级的分值；

步骤六、拟合异常细胞各级别与诊断指标关系；

步骤七、计算异常细胞在各个病变级别的概率，确定该细胞的病变级别。

有益效果

现有的异常细胞识别技术以数据驱动，不能输出具体的测量结果，导致医生不能根据结果做出定量的判断。本发明通过研读细胞学诊断标准，提取关键诊断指标，定义各指标的公式，精确测量细胞各项特征。在精准测量的基础上对细胞分级，医生根据测量和分级结果可以探索未知的规律，为癌症病理学的研究提供有力的工具。

附图说明

图1为本发明的流程图；

图2为LeNet-5网络结构图。

具体实施方式

具体实施方式一：结合图1具体说明本实施方式，异常细胞的分级系统，所述系统用于执行以下步骤：

步骤一、提取诊断指标：从细胞学诊断标准中提取细胞的诊断指标；具体过程为：

根据细胞学诊断标准，从细胞的形态特征、颜色特征、纹理特征、细胞团特征四个方面进行归纳，得到18个具有表示性、针对性的诊断指标；其中，形态特征指标有核质比、核分裂度、核极性、核偏心位、核异型度、细胞圆形拟合度、细胞核面积系数，颜色特征指标有空泡/细胞质面积比、核仁/细胞核面积比、角化度，纹理特征有核沟内凹面积、核染色深浅度、核染色均匀度、细胞质丰富度、细胞轮廓清晰度，细胞团特征有腺细胞混乱度、细胞团拥挤度、细胞团大小分布情况；

步骤二、定义指标公式：利用细胞的形态学先验和数学基本公式定义诊断指标的计算公式；即将步骤一中的诊断指标公式化；具体过程为：

在形状特征中，核质比的具体公式为：

其中，R为核质比，A

核分裂度的计算方法需要先计算轮廓上所有点的曲率，选取曲率最大的10个点的累加和作为核分裂度，计算公式如下：

其中，x

核极性的具体公式为：

其中，P

核偏心位的具体公式为：

其中，d为核偏心位，P

核异型度的具体公式为：

式中，C为核异型度，D为细胞核外接矩形短轴，L为细胞核外接矩形长轴，A

细胞圆形拟合度的具体公式为：

其中，

A

对于细胞核边界上的点，依次求相邻两点间的欧氏距离，最终求得边界上所有相邻点欧式距离之和，即为细胞核边界的周长；两点间的欧氏距离公式如式(7)

所示：

其中，(x

细胞核面积系数的具体公式为：

其中，A

在颜色特征中，主要采用HSV颜色模型，综合考虑色调、饱和度、明度信息，空泡/细胞质面积比K

其中，HSV

核仁/细胞核面积比K

其中，HSV

角化度的计算公式为：

其中，K

在纹理特征中，核沟内凹面积A

其中，使用Line_gauss算法检测细胞核中所有线条及其宽度加和得到，n表示检测到的线条数，x

核染色深浅度的具体公式为：

其中，

核染色均匀度的具体公式为：

其中，S表示核染色不均度，f(x,y)是细胞核核图像(x,y)位置的灰度值，l是细胞核图像长度，d是细胞核图像宽度；

细胞质丰富度的具体公式为：

其中，T

细胞轮廓清晰度的具体公式为：

其中，F表示细胞轮廓清晰度，G(x,y)为在细胞质核轮廓中的(x,y)点处Laplace算子与图像卷积后的梯度值；

在细胞团特征中，腺细胞混乱度的具体公式为：

其中，H

细胞团拥挤度的具体公式为：

其中，O

细胞团大小分布情况的具体公式为：

其中，B

步骤三、划分指标等级：对提取的诊断指标初步划分等级；划分结果如下所示：

核质比：正常、轻度增高、增高、高、严重增高

核分裂度：正常时期、分裂期、多核期

核极性：明显、模糊、消失

核偏心位：无偏离、正常范围内偏离、严重偏离

核异型度：无异型、轻微异型、严重异型

细胞圆形拟合度：低拟合、基本拟合、高拟合

细胞核面积系数：1～1.5、1.5～2.5、2.5～3、>3

空泡/细胞质面积比：有空泡、无空泡

核仁/细胞核面积比：正常核仁、小核仁、大核仁、无核仁

角化度：无角化、轻微角化、严重角化

核沟内凹面积：有核沟、无核沟

核染色深浅度：深染、常染、浅染

核染色均匀度：染色均匀、染色不均

细胞质丰富度：浓厚、成熟、多样、少

细胞轮廓清晰度：清晰、模糊

腺细胞混乱度：高、中、低

细胞团拥挤程度：拥挤、正常、稀疏

细胞团大小分布情况：大小不一、大小一致

步骤四、建立数据集：根据划分等级，建立多组训练数据集；具体过程为：

步骤四一、可以以宫颈细胞为例，获取100个宫颈涂片(采用液基细胞学制片方式)，宫颈脱落细胞采集自不同年龄、不同病情的人群，其中包含细胞学(The BethesdaSystem,阴道细胞学的分类及报告细则)诊断标准的所有病变级别；

步骤四二、使用数字扫描仪获得宫颈细胞图像，然后利用Unet模型分割图像，获得图像中的所有细胞图像，细胞图像中的细胞核与细胞浆的轮廓位置被记录；这些细胞包含2345个异常细胞，5000个正常细胞

步骤四三、使用诊断指标初步等级划分结果作为宫颈涂片细胞的标注标签，对宫颈涂片细胞的所有诊断指标依次进行标注，标注格式如“核质比-正常、核分裂-分裂期、核极性-明显”，标注完成后会得到18组标签。以每组标签作为数据集的划分标准，得到18个诊断指标数据集；

步骤四四、医生完成100个宫颈涂片细胞的标注任务，找出异常细胞，按照细胞学诊断标准的分级规范，对每一个异常细胞赋予细胞异常等级标签；

步骤五、学习诊断指标等级的数值化范围，确定每个等级的分值，具体步骤如下：

步骤五一、使用步骤二中的公式，分别计算数据集中细胞的所有诊断指标数值，并进行归一化操作；

步骤五二、利用混合高斯模型为每一个诊断指标的等级建模，即每一个高斯分量代表不同的等级，获得诊断指标等级模型M

步骤六、拟合异常细胞各级别与诊断指标关系；具体过程为：

步骤六一、根据细胞学诊断标准，每一种异常细胞病变级别侧重观察不同方面的细胞形态学特征，即在判断不同异常细胞病变级别时需要参照不同的诊断指标，提取诊断指标与异常细胞分级的对应关系，如表1所示；该表由经验丰富的医生校准是医生的先验知识的体现。但是在判别某一种异常细胞病变级别时，不同诊断指标所占的权重略有不同

表1诊断指标与异常细胞病变级别的对应关系

步骤六二、为了得到上述步骤所述的权重向量

选用弹性回归模型，结合细胞异常等级标签，对诊断指标分类器的输出结果进行训练，拟合诊断指标和细胞异常级别间的关系：

其中，y

步骤七、计算异常细胞在各个病变级别的概率，确定该细胞的病变级别；具体步骤如下：

(1)根据步骤二中定义的公式计算输入细胞的诊断指标，然后使用高斯混合模型预测获得输入细胞的诊断指标等级和概率值。

(2)根据细胞诊断指标的等级来查询表1，确定该细胞的疑似病变级别。

(3)根据上述步骤获得的概率值和公式20计算出每个疑似病变级别的预测值，缺项的诊断指标等级的概率值为零。最后比较预测值，取预测值最大的定为该细胞的病变级别。