一種基于改進(jìn)模糊識別的白帶中紅細(xì)胞自動檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體指的是一種基于改進(jìn)模糊識別算法的白帶紅細(xì)胞自動檢測方法。
【背景技術(shù)】
[0002]婦女生殖系統(tǒng)炎癥是婦科的常見病、多發(fā)病，直接影響女性的身心健康。陰道分泌物為女性生殖系統(tǒng)不同部位的不同物質(zhì)成分，如巴多林氏腺、子宮頸腺體、子宮內(nèi)膜的分泌物和陰道粘膜的滲出液、脫落的陰道上皮細(xì)胞等組成的混合物，俗稱“白帶”，具有濕潤陰道、排泄廢物、殺滅細(xì)菌的作用。白帶檢查是婦科最簡單最常用的一種檢查手段，對陰道清潔度、生殖系統(tǒng)炎癥、腫瘤及其診斷治療具有重要意義。白帶中若出現(xiàn)紅細(xì)胞，則可能存在炎癥刺激陰道壁或者宮頸壁的毛細(xì)血管出現(xiàn)出血癥狀。白帶紅細(xì)胞檢測可以作為人機體是否存在疾病的先行判決條件，而且可以給醫(yī)生進(jìn)一步檢測提供方向和線索，具有極大的研宄價值。

【發(fā)明內(nèi)容】

[0003]本發(fā)明提出了一種對白帶顯微圖像中的紅細(xì)胞進(jìn)行自動檢測的方法；所述方法能高效且精準(zhǔn)的檢測出白帶樣本中的紅細(xì)胞，大大減少醫(yī)生閱片的勞動強度，提高診斷精度。
[0004]本發(fā)明采取的技術(shù)方案是一種基于改進(jìn)模糊識別算法的檢測方法，包括訓(xùn)練步驟和實際檢測步驟，訓(xùn)練步驟如下:
[0005]步驟A，在現(xiàn)有的白帶顯微圖像中人工提取多個訓(xùn)練用標(biāo)準(zhǔn)紅細(xì)胞和偏轉(zhuǎn)紅細(xì)胞小圖樣；
[0006]步驟B，提取訓(xùn)練用的細(xì)胞圖像的圓形度、連通區(qū)域個數(shù)等特征；
[0007]步驟C，將這訓(xùn)練用的紅細(xì)胞圖樣進(jìn)行模糊C均值聚類，分別獲得標(biāo)準(zhǔn)紅細(xì)胞和偏移紅細(xì)胞的隸屬中心及每個圖樣分別對每類的隸屬度值；
[0008]步驟D，構(gòu)建標(biāo)準(zhǔn)紅細(xì)胞和偏移紅細(xì)胞的兩個神經(jīng)網(wǎng)絡(luò)來擬合兩類細(xì)胞的隸屬度函數(shù)，將訓(xùn)練用的兩類紅細(xì)胞分別輸入對應(yīng)的兩個神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；紅細(xì)胞的特征值作為輸入，該紅細(xì)胞樣本對當(dāng)前群集的隸屬度值作為理想輸出；訓(xùn)練結(jié)束獲得兩個判斷紅細(xì)胞樣本對當(dāng)前群集的隸屬度值的神經(jīng)網(wǎng)絡(luò)；
[0009]檢測步驟如下:
[0010]步驟A，采集多張不同焦距的白帶顯微圖像數(shù)據(jù)；
[0011 ] 步驟B，對步驟A得到的顯微圖像數(shù)據(jù)進(jìn)行形態(tài)學(xué)低帽運算，并采用閾值分割得到二值化圖像；
[0012]步驟C，將步驟B中的二值化圖像進(jìn)行連通區(qū)域標(biāo)定；
[0013]步驟D，計算步驟C中的連通區(qū)域的面積，根據(jù)連通區(qū)域面積大小判定可能的紅細(xì)胞區(qū)域；
[0014]步驟E，將判定完畢的可能為紅細(xì)胞的連通區(qū)域進(jìn)行提取，抽取具體細(xì)胞小圖樣；
[0015]步驟F，提取細(xì)胞圖樣的特征，將其分別輸入兩個神經(jīng)網(wǎng)絡(luò)，得到兩個隸屬度值；
[0016]步驟H，比較兩個隸屬度值大小，提取較大值；較大值對應(yīng)的群集為該細(xì)胞所屬群集；但若較大值比較小，則認(rèn)為此圖樣為雜質(zhì)；
[0017]步驟I，若檢測的細(xì)胞圖樣屬于偏移紅細(xì)胞群集，則繼續(xù)步驟J，若屬于標(biāo)準(zhǔn)紅細(xì)胞或雜質(zhì)，則跳轉(zhuǎn)至步驟M ;
[0018]步驟J，記錄此細(xì)胞圖樣坐標(biāo)，截取其余不同焦距的圖像的同一位置；
[0019]步驟K，分別檢測其余不同焦距圖像中提取出的細(xì)胞圖樣，計算其灰度平均值和中心區(qū)域灰度平均值的比例，若比例較大，則認(rèn)定原細(xì)胞圖樣為雜質(zhì)，跳轉(zhuǎn)至步驟M ;否則繼續(xù)步驟L ；
[0020]步驟L，將其余不同焦距圖像中提取出的細(xì)胞圖樣二值化并取反，計算其面積和填充后的面積比例，若比例較大，則認(rèn)定原細(xì)胞圖樣為雜質(zhì)；
[0021]步驟M,依據(jù)上述檢測結(jié)果對細(xì)胞圖樣所屬類別進(jìn)行記錄；
[0022]重復(fù)步驟E到步驟M，直至判斷處理完成顯微圖像中所有的細(xì)胞小圖樣。
[0023]進(jìn)一步的所述檢測步驟中的步驟D中將面積在200到3000之間的連通區(qū)域視為紅細(xì)胞區(qū)域。
[0024]進(jìn)一步的所述檢測步驟中的步驟H中兩個隸屬度值中較大值仍小于0.5，則認(rèn)為此圖樣為雜質(zhì)。
[0025]進(jìn)一步的所述檢測步驟中的步驟K中灰度平均值和中心區(qū)域灰度平均值的比例大于0.7則認(rèn)定原細(xì)胞圖樣為雜質(zhì)。
[0026]進(jìn)一步的所述檢測步驟中的步驟L中細(xì)胞圖樣面積和填充后的面積比例大于0.8則認(rèn)定原細(xì)胞圖樣為雜質(zhì)。
[0027]本發(fā)明的有益效果是:本發(fā)明基于白帶中紅細(xì)胞在顯微鏡下圖像的形態(tài)特征使用形態(tài)學(xué)低帽運算對其進(jìn)行分割，并提出了一種改進(jìn)的模糊識別算法。該方法效果良好，且檢測效果清晰，誤檢率極低。
【附圖說明】
[0028]圖1是本發(fā)明白帶紅細(xì)胞自動檢測算法的總體流程圖。
[0029]圖2是形態(tài)學(xué)低帽運算分割的流程圖。
[0030]圖3是模糊識別算法流程圖。
【具體實施方式】
[0031]下面結(jié)合附圖，對本發(fā)明提出的白帶紅細(xì)胞自動檢測方法進(jìn)行詳細(xì)說明:
[0032]如圖1所示，本發(fā)明的白帶中紅細(xì)胞的自動檢測方法，其步驟如下:
[0033]步驟I，輸入待檢測圖像
[0034]步驟2，對圖像進(jìn)行灰度化，對灰度圖像進(jìn)行形態(tài)學(xué)低帽變換，進(jìn)而對圖像進(jìn)行二值化。
[0035]步驟3，對二值化圖像標(biāo)定連通區(qū)域，對每個連通區(qū)域進(jìn)行面積篩選，將面積小于200和面積大于3000的刪除。
[0036]步驟4，提取單個細(xì)胞圖樣。
[0037]步驟5，計算細(xì)胞圖像特征，將其作為神經(jīng)網(wǎng)絡(luò)的輸入。將細(xì)胞圖樣分別輸入兩個神經(jīng)網(wǎng)絡(luò)，得到該細(xì)胞圖樣對于兩類紅細(xì)胞群集的隸屬度值。
[0038]步驟6，提取較大的隸屬度值，其對應(yīng)的群集則為該細(xì)胞圖樣所屬群集。若較大的隸屬度值仍小于0.5，則認(rèn)為該細(xì)胞圖像為雜質(zhì)。
[0039]步驟7，若該細(xì)胞圖樣屬于標(biāo)準(zhǔn)紅細(xì)胞或雜質(zhì)，跳轉(zhuǎn)至步驟10。若該細(xì)胞圖樣屬于偏轉(zhuǎn)紅細(xì)胞，繼續(xù)步驟8。
[0040]步驟8，記錄該細(xì)胞圖樣坐標(biāo)，提取另外4幅不同焦距下的圖片，截取相同位置的圖樣。
[0041]步驟9，計算該細(xì)胞圖樣的灰度平均值，截取該細(xì)胞圖像中心部分(寬、高分別為原寬高的1/2)并計算中心部分灰度平均值。計算原圖灰度平均值與中心部分灰度平均值的比例。若比例大于0.7，則認(rèn)定此細(xì)胞圖樣為雜質(zhì)。跳轉(zhuǎn)至步驟10。若比例符合要求，繼續(xù)步驟9.
[0042]步驟9，將該細(xì)胞圖樣二值化并取反，計算該細(xì)胞圖樣的面積和填充之后的面積，若填充前的面積和填充后的面積比例大于0.8，則認(rèn)定此細(xì)胞圖樣為雜質(zhì)，跳轉(zhuǎn)至步驟10，若比例符合要求，則繼續(xù)；
[0043]步驟10，記錄該細(xì)胞圖樣的檢測結(jié)果。
[0044]循環(huán)步驟4至步驟10，直到該檢測圖像中所有細(xì)胞圖樣均檢測完畢。
[