一种细胞分割方法及系统技术方案

本发明专利技术涉及一种细胞分割方法及系统，属于生物医学图像处理领域，包括步骤：获取细胞图像；将细胞图像分成两类；使用第一细胞分割模型预测第一类细胞图像得到每个像素点属于细胞的第一概率图及其到所属细胞核质心的水平及垂直的第一距离图；调用分水岭算法对第一概率图和第一距离图进行后处理得到第一类细胞图像分割预测；使用第二细胞分割模型预测第二类细胞图像得到每个像素点属于细胞的第二概率图及其在R个方向上到所属细胞边缘的第二距离图；调用非极大值抑制方法对第二概率图和第二距离图进行后处理得到第二类细胞图像分割预测。本发明专利技术按细胞图像类型选取相应的细胞分割模型进行细胞分割，使多模态细胞图像的分割准确度更高，泛化性能更好。泛化性能更好。泛化性能更好。

【技术实现步骤摘要】
一种细胞分割方法及系统


[0001]本专利技术涉及生物医学图像处理
，特别涉及一种细胞分割方法及系统。

技术介绍

[0002]细胞分割方法是生物医学图像分析中的一个重要课题，其任务是描绘出图像中每个细胞的边缘。准确地分割图像中的细胞有助于医生和生物学家更好地进行图像分析。为了快速高效地进行细胞分割，研究人员提出了一系列自动分割细胞的模型，例如Stardist、Hover
‑
Net等模型。
[0003]目前的细胞分割模型都是针对单一模态的图像数据，然而在实际应用中，待分割的图像数据集通常是多模态图像数据，由于不同模态图像的纹理，特征和细胞的形状、大小差异较大，使用现有细胞分割方法进行细胞分割很难获得令人满意的分割效果。

技术实现思路

[0004]为了解决多模态图像细胞分割效果差的问题，本专利技术提供了一种细胞分割方法及系统。
[0005]为了解决以上技术问题，本专利技术采用以下技术方案：第一方面，本专利技术实施例提供一种细胞分割方法，包括如下步骤：获取细胞图像；对所述细胞图像进行分类得到细胞图像分类，所述细胞图像分类包括：第一类细胞图像和第二类细胞图像；对已分类的细胞图像进行类型判断，若所述细胞图像为第一类细胞图像，则将其输入至训练得到的第一细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第一概率图及其到所属细胞核质心的水平及垂直的第一距离图；调用分水岭算法对所述第一概率图和所述第一距离图进行后处理，得到第一类细胞图像分割预测；若所述细胞图像为第二类细胞图像，则将其输入至训练得到的第二细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第二概率图及其在R个方向上到所属细胞边缘的第二距离图；调用非极大值抑制方法对所述第二概率图和所述第二距离图进行后处理，得到第二类细胞图像分割预测。
[0006]在一些实施例中，所述细胞图像分类还包括：第三类细胞图像和第四类细胞图像；所述细胞分割方法，还包括以下步骤：若所述细胞图像为第三类细胞图像，则将其输入至训练得到的第三细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第三概率图及其在R个方向上到所属细胞边缘的第三距离图；调用非极大值抑制方法对所述第三概率图和所述第三距离图进行后处理，得到第
三类细胞图像分割预测；若所述细胞图像为第四类细胞图像，则将其输入至训练得到的第四细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第四概率图及其在R个方向上到所属细胞边缘的第四距离图；调用非极大值抑制方法对所述第四概率图和所述第四距离图进行后处理，得到第四类细胞图像分割预测。
[0007]在一些实施例中，所述细胞分割模型的训练方法包括如下步骤：获取有细胞实例标签的多模态细胞图像；对所述有细胞实例标签的多模态细胞图像进行分类得到多模态细胞图像分类，所述多模态细胞图像分类包括：有细胞实例标签的第一类细胞图像和有细胞实例标签的第二类细胞图像；将所述有细胞实例标签的第一类细胞图像作为训练样本集训练所述第一细胞分割模型；将所述有细胞实例标签的第二类细胞图像作为训练样本集训练所述第二细胞分割模型。
[0008]在一些实施例中，所述多模态细胞图像分类还包括：有细胞实例标签的第三类细胞图像和有细胞实例标签的第四类细胞图像；所述细胞分割模型的训练方法，还包括如下步骤：将所述有细胞实例标签的第三类细胞图像作为训练样本集训练所述第三细胞分割模型；将所述有细胞实例标签的第四类细胞图像作为训练样本集训练所述第四细胞分割模型。
[0009]在一些实施例中，所述对所述细胞图像进行分类得到细胞图像分类，所述细胞图像分类包括：第一类细胞图像和第二类细胞图像包括：将所述细胞图像中的RGB细胞图像从RGB色彩空间转换到HSV色彩空间，并将其中H小于预设值的RGB细胞图像标记为第一类细胞图像，以及其余细胞图像标记为第二类细胞图像。
[0010]在一些实施例中，所述对所述有细胞实例标签的多模态细胞图像进行分类得到多模态细胞图像分类，所述多模态细胞图像分类包括：有细胞实例标签的第一类细胞图像和有细胞实例标签的第二类细胞图像包括：将所述有细胞实例标签的多模态细胞图像中的RGB多模态细胞图像从RGB色彩空间转换到HSV色彩空间，并将其中H小于预设值的RGB细胞图像标记为有细胞实例标签的第一类细胞图像，以及其余细胞图像标记为有细胞实例标签的第二类细胞图像。
[0011]在一些实施例中，所述对所述细胞图像进行分类得到细胞图像分类包括：将所述细胞图像输入至训练得到的图像分类器，识别所述细胞图像得到细胞图像分类。
[0012]在一些实施例中，所述对所述有细胞实例标签的多模态细胞图像进行分类得到多模态细胞图像分类包括：将所述有细胞实例标签的多模态细胞图像输入至训练得到的图像分类器，识别所
述有细胞实例标签的多模态细胞图像得到多模态细胞图像分类。
[0013]在一些实施例中，所述图像分类器的训练方法包括如下步骤：获取有细胞实例标签的多模态细胞图像；将所述有细胞实例标签的多模态细胞图像中的RGB多模态细胞图像从RGB色彩空间转换到HSV色彩空间，并将其中H小于预设值的RGB细胞图像标记为第一类细胞图像；将所述有细胞实例标签的多模态细胞图像中的单通道灰度细胞图像标记为第二类细胞图像，以及将其余的有细胞实例标签的多模态细胞图像按照细胞面积进行标记，其中最大细胞面积大于预设值的细胞图像标记为第三类细胞图像，最大细胞面积小于等于预设值的细胞图像标记为第四类细胞图像；将所述第一类细胞图像、第二类细胞图像、第三类细胞图像和第四类细胞图像作为训练样本集训练所述图像分类器。
[0014]在一些实施例中，所述第一细胞分割模型是由Hover
‑
Net模型的编码器和解码器分别被ConvNeXt模型的编码器和解码器替换而成。
[0015]在一些实施例中，所述第二细胞分割模型是由Stardist模型的编码器和解码器分别被ConvNeXt模型的编码器和解码器替换而成。
[0016]第二方面，本专利技术实施例提供一种细胞分割系统，包括：细胞图像获取模块，用于获取细胞图像；细胞图像分类模块，与所述细胞图像获取模块连接，用于接收所述细胞图像并对其进行分类得到细胞图像分类，所述细胞图像分类包括：第一类细胞图像和第二类细胞图像；细胞图像类型判断模块，与所述细胞图像分类模块连接，用于接收已分类的细胞图像，并对其进行类型判断；第一细胞分割模块，与所述细胞图像类型判断模块连接，用于接收所述第一类细胞图像，将其输入至训练得到的第一细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第一概率图及其到所属细胞核质心的水平及垂直的第一距离图；调用分水岭算法对所述第一概率图和所述第一距离图进行后处理，得到第一类细胞图像分割预测；第二细胞分割模块，与所述细胞图像类型判断模块连接，用于接收所述第二类细胞图像，将其输入至训练得到的第二细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第二概率图及其在R个方向上到所属细胞边缘的第二距离图；调用非极大值抑制方法对所述第二概率图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种细胞分割方法，其特征在于，包括如下步骤：获取细胞图像；对所述细胞图像进行分类得到细胞图像分类，所述细胞图像分类包括：第一类细胞图像和第二类细胞图像；对已分类的细胞图像进行类型判断，若所述细胞图像为第一类细胞图像，则将其输入至训练得到的第一细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第一概率图及其到所属细胞核质心的水平及垂直的第一距离图；调用分水岭算法对所述第一概率图和所述第一距离图进行后处理，得到第一类细胞图像分割预测；若所述细胞图像为第二类细胞图像，则将其输入至训练得到的第二细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第二概率图及其在R个方向上到所属细胞边缘的第二距离图；调用非极大值抑制方法对所述第二概率图和所述第二距离图进行后处理，得到第二类细胞图像分割预测。2.根据权利要求1所述的细胞分割方法，其特征在于，所述细胞图像分类还包括：第三类细胞图像和第四类细胞图像；所述细胞分割方法，还包括以下步骤：若所述细胞图像为第三类细胞图像，则将其输入至训练得到的第三细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第三概率图及其在R个方向上到所属细胞边缘的第三距离图；调用非极大值抑制方法对所述第三概率图和所述第三距离图进行后处理，得到第三类细胞图像分割预测；若所述细胞图像为第四类细胞图像，则将其输入至训练得到的第四细胞分割模型，预测所述细胞图像得到每个像素点属于细胞的第四概率图及其在R个方向上到所属细胞边缘的第四距离图；调用非极大值抑制方法对所述第四概率图和所述第四距离图进行后处理，得到第四类细胞图像分割预测。3.根据权利要求2所述的细胞分割方法，其特征在于，所述细胞分割模型的训练方法包括如下步骤：获取有细胞实例标签的多模态细胞图像；对所述有细胞实例标签的多模态细胞图像进行分类得到多模态细胞图像分类，所述多模态细胞图像分类包括：有细胞实例标签的第一类细胞图像和有细胞实例标签的第二类细胞图像；将所述有细胞实例标签的第一类细胞图像作为训练样本集训练所述第一细胞分割模型；将所述有细胞实例标签的第二类细胞图像作为训练样本集训练所述第二细胞分割模型。4.根据权利要求3所述的细胞分割方法，其特征在于，所述多模态细胞图像分类还包括：有细胞实例标签的第三类细胞图像和有细胞实例标签的第四类细胞图像；
所述细胞分割模型的训练方法，还包括如下步骤：将所述有细胞实例标签的第三类细胞图像作为训练样本集训练所述第三细胞分割模型；将所述有细胞实例标签的第四类细胞图像作为训练样本集训练所述第四细胞分割模型。5.根据权利要求1所述的细胞分割方法，其特征在于，所述对所述细胞图像进行分类得到细胞图像分类，所述细胞图像分类包括：第一类细胞图像和第二类细胞图像包括：将所述细胞图像中的RGB细胞图像从RGB色彩空间转换到HSV色彩空间，并将其中H小于预设值的RGB细胞图像标记为第一类细胞图像，以及其余细胞图像标记为第二类细胞图像。6.根据权利要求3所述的细胞分割方法，其特征在于，所述对所述有细胞实例标签的多模态细胞图像进行分类得到多模态细胞图像分类，所述多模态细胞图像分类包括：有细胞实例标签的第一类细胞图像和有细胞实例标签的第二类细胞图像包括：将所述有细胞实例标签的多模态细胞图像中的RGB多模态细胞图像从RGB色彩空间转换到HSV色彩空间，并将其中H小于预设值的RGB细胞图像标记为有细胞实例标签的第一类细胞图像，以及其余细胞图像标记为有细胞实例标签的第二类细胞图像。7.根据权利要求2所述的细胞分割方法，其特征在于，所述对所述细胞图像进行分类得到细胞图像分类包括：将所述细...

【专利技术属性】
技术研发人员：李灏峰，楼威，余心仪，李冠彬，刘斯奇，万翔，
申请(专利权)人：深圳市大数据研究院，
类型：发明
国别省市：