一种基于自适应中值滤波和稀疏表达的快速病理检测方法
文献发布时间:2023-06-19 11:52:33
技术领域
本发明涉及一种检测方法,尤其是一种基于自适应中值滤波和稀疏表达的快速病理检测方法。
背景技术
快速病理是用在手术中病理诊断的一种方法,可以在手术过程中判断异常组织是否为恶性肿瘤,其特点为快速、准确,可为进一步手术提供依据;但现有的快速病理采用的手段为冰冻切片染色法或石蜡切片法,经由人工依据经验判断,但当肿瘤细胞较少时,采用现有的方法检测出结果较为困难,准确率低,且有时还需要分子基因检测作为辅助,导致检测时间过长,对手术过程产生影响。
发明内容
本发明所要解决的技术问题是提供一种基于自适应中值滤波和稀疏表达的快速病理检测方法,不但可以加快手术中对异常组织的检测速度,而且提高了检测结果的准确率。
本发明解决上述技术问题所采用的技术方案为:一种基于自适应中值滤波和稀疏表达的快速病理检测方法,其特征在于包括以下步骤:
①建立过完备字典:分别采集高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像,组成数据库,采用随机梯度下降算法对数据库中的高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像进行字典学习,得到高分化鳞癌细胞字典
②识别待检测的病理切片组织的类别:
②-1对待检测的病理切片组织采用光学显微成像技术得到待检测图像;
②-2利用自适应中值滤波器对待检测图像进行去干扰处理,得到滤波后的图像,并将滤波后的图像的宽度记为B、高度记为H;
②-3将滤波后的图像划分成
②-4将滤波后的图像的每个子块利用加速度近似梯度算法得到将滤波后的图像的每个子块对应的稀疏系数矩阵,将Y
②-5将每一个稀疏系数矩阵按顺序划分成6个大小为
③完成检测过程。
所述的采用随机梯度下降算法对数据库中的高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像进行字典学习,得到高分化鳞癌细胞字典、低分化鳞癌细胞字典、高分化腺癌细胞字典、低分化腺癌细胞字典、未分化癌细胞字典和正常细胞字典的具体方法为:
对数据库中所有高分化鳞癌细胞图像通过滑窗法得到每张高分化鳞癌细胞图像对应的矩阵序列信号
对数据库中所有低分化鳞癌细胞图像通过滑窗法得到每张低分化鳞癌细胞图像对应的矩阵序列信号
对数据库中所有高分化腺癌细胞图像通过滑窗法得到每张高分化腺癌细胞图像对应的矩阵序列信号
对数据库中所有低分化腺癌细胞图像通过滑窗法得到每张低分化腺癌细胞图像对应的矩阵序列信号
对数据库中所有未分化癌细胞图像通过滑窗法得到每张未分化癌细胞图像对应的矩阵序列信号
对数据库中所有正常细胞图像通过滑窗法得到每张正常细胞图像对应的矩阵序列信号
所述的滑窗法的窗口大小为8×8。
所述的自适应中值滤波器为:
i采用3×3的×字形窗口对滤波后的图像进行计算,得到滤波后的图像的中值滤波值、最大值滤波值和最小值滤波值;
ii若中值滤波值不在最大值滤波值和最小值滤波值之间,则自动增加×字形窗口的大小,并重复步骤i中的计算滤波后的图像的中值滤波值、最大值滤波值和最小值滤波值,直至中值滤波值在最大值滤波值和最小值滤波值之间;
iii若中值滤波值在最大值滤波值和最小值滤波值之间,则判断原像素值是否在最大值滤波值和最小值滤波值之间,若是,则输出原像素值;若不是,则输出中值滤波值。
在所述的步骤②-4中将滤波后的图像的每个子块利用加速度近似梯度算法得到将滤波后的图像的每个子块对应的稀疏系数矩阵的具体方法为:
将滤波后的图像的第e个子块Y
所述的步骤②-5中若超过设定的阈值的非零元素的总数所对应的类别只有一类,则待检测的病理切片组织的类别为单一型,输出该类的类别作为待检测的病理切片组织的类别;若超过设定的阈值的非零元素的总数所对应的类别超过一类,则待检测的病理切片组织的类别为混合型,输出所有超过设定的阈值的非零元素的总数所对应的类别作为待检测的病理切片组织的类别。
所述的设定的阈值为
与现有技术相比,本发明的优点在于建立过完备字典,对待检测的病理切片组织采用光学显微成像技术得到待检测图像,利用自适应中值滤波器对待检测图像进行去干扰处理,得到滤波后的图像,将滤波后的图像划分成互不重叠的子块,将滤波后的图像的每个子块利用加速度近似梯度算法得到将滤波后的图像的每个子块对应的稀疏系数矩阵,将每一个稀疏系数矩阵按顺序划分成6个矩阵子块,其中6个矩阵子块按顺序分别对应高分化鳞癌细胞类别、低分化鳞癌细胞类别、高分化腺癌细胞类别、低分化腺癌细胞、未分化癌细胞类别和正常细胞类别,统计高分化鳞癌细胞类别、低分化鳞癌细胞类别、高分化腺癌细胞类别、低分化腺癌细胞、未分化癌细胞类别和正常细胞类别分别对应的所有矩阵子块中非零元素的总数,将超过设定的阈值的非零元素的总数所对应的类别作为待检测的病理切片组织的类别,完成检测过程;利用自适应中值滤波器使得未受脉冲噪声污染的点不用修改,很好地保护了图像的点、线等细节及边界信息;当检测到的噪声很强时,自动增大窗口,提高了去噪能力;当检测到的噪声不是很强时,就不用增加窗口的大小,既体现出自适应性,又减少了时间开销,提高了速度;通过本发明的方法不但可以加快手术中对异常组织的检测速度,而且提高了检测结果的准确率。
附图说明
图1为本发明的总体流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
一种基于自适应中值滤波和稀疏表达的快速病理检测方法,其特征在于包括以下步骤:
①建立过完备字典:分别采集高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像,组成数据库,采用随机梯度下降算法对数据库中的高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像进行字典学习,得到高分化鳞癌细胞字典
采用随机梯度下降算法对数据库中的高分化鳞癌细胞图像、低分化鳞癌细胞图像、高分化腺癌细胞图像、低分化腺癌细胞图像、未分化癌细胞图像和正常细胞图像进行字典学习,得到高分化鳞癌细胞字典、低分化鳞癌细胞字典、高分化腺癌细胞字典、低分化腺癌细胞字典、未分化癌细胞字典和正常细胞字典的具体方法为:
对数据库中所有高分化鳞癌细胞图像通过滑窗法得到每张高分化鳞癌细胞图像对应的矩阵序列信号
对数据库中所有低分化鳞癌细胞图像通过滑窗法得到每张低分化鳞癌细胞图像对应的矩阵序列信号
对数据库中所有高分化腺癌细胞图像通过滑窗法得到每张高分化腺癌细胞图像对应的矩阵序列信号
对数据库中所有低分化腺癌细胞图像通过滑窗法得到每张低分化腺癌细胞图像对应的矩阵序列信号
对数据库中所有未分化癌细胞图像通过滑窗法得到每张未分化癌细胞图像对应的矩阵序列信号
对数据库中所有正常细胞图像通过滑窗法得到每张正常细胞图像对应的矩阵序列信号
滑窗法的窗口大小为8×8,即m=8;
②识别待检测的病理切片组织的类别:
②-1对待检测的病理切片组织采用光学显微成像技术得到待检测图像;
②-2利用自适应中值滤波器对待检测图像进行去干扰处理,得到滤波后的图像,并将滤波后的图像的宽度记为B、高度记为H;
自适应中值滤波器为:
i采用3×3的×字形窗口对滤波后的图像进行计算,得到滤波后的图像的中值滤波值、最大值滤波值和最小值滤波值;
ii若中值滤波值不在最大值滤波值和最小值滤波值之间,则自动增加×字形窗口的大小,并重复步骤i中的计算滤波后的图像的中值滤波值、最大值滤波值和最小值滤波值,直至中值滤波值在最大值滤波值和最小值滤波值之间;
iii若中值滤波值在最大值滤波值和最小值滤波值之间,则判断原像素值是否在最大值滤波值和最小值滤波值之间,若是,则输出原像素值;若不是,则输出中值滤波值;
②-3将滤波后的图像划分成
②-4将滤波后的图像的每个子块利用加速度近似梯度算法得到将滤波后的图像的每个子块对应的稀疏系数矩阵,将Y
在步骤②-4中将滤波后的图像的每个子块利用加速度近似梯度算法得到将滤波后的图像的每个子块对应的稀疏系数矩阵的具体方法为:
将滤波后的图像的第e个子块Y
②-5将每一个稀疏系数矩阵按顺序划分成6个大小为
步骤②-5中若超过设定的阈值的非零元素的总数所对应的类别只有一类,则待检测的病理切片组织的类别为单一型,输出该类的类别作为待检测的病理切片组织的类别;若超过设定的阈值的非零元素的总数所对应的类别超过一类,则待检测的病理切片组织的类别为混合型,输出所有超过设定的阈值的非零元素的总数所对应的类别作为待检测的病理切片组织的类别;
设定的阈值为
③完成检测过程。
- 一种基于自适应中值滤波和稀疏表达的快速病理检测方法
- 一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法