特性量化和异常检测宫颈鳞状上皮细胞

文摘

特征分析和分类检测的异常细胞图像进行病理分析是一个重要的问题实现计算机辅助疾病的诊断。本文研究一种宫颈鳞状上皮细胞的方法。基于宫颈细胞学诊断分类标准和专家经验,表达描述符提取的形态,颜色和纹理特征的宫颈上皮细胞。进一步的、定量的描述符相关细胞病理学推导,包括形态学差异程度、细胞角化过度,深深染色程度。量化值和病理特征之间的关系可以建立这些描述符。最后,提出了一种有效的方法来检测基于特征量化的异常细胞。结合临床经验,该方法可以实现快速异常细胞检测和初步的细胞分类。

1。介绍

宫颈癌是最危害女性健康的恶性肿瘤,和宫颈癌的发病率近年来持续上升。一般来说,潜伏期长宫颈癌的真正形成之前,早期发现和确认可以防止进一步恶化。

由于比较容易治疗宫颈癌的早期阶段,手动探测和识别成为必要。此外,疲劳和主观因素可能导致宫颈癌的诊断不当1- - - - - -3]。因此,有必要建立一个高效、高精度自动诊断系统。

计算机图像处理和分析的方法应用于宫颈细胞图像的研究,主要关注原始图像的预处理,细胞特征提取,分类数据,诊断结果。有许多相关的文学作品。在[4),一个自底向上的搜索方法应用于自动检查癌细胞。它使用40图像,包含149个细胞,来验证方法的高绩效。通过使用方法,所有细胞分为41异常细胞和108个正常细胞。在[5),一个多层次分割方法,该方法适用于核异常检测对宫颈细胞,是用来解决问题的核异常区域的分割和分离粘连情况和细胞集群。实验结果的5表明,该方法可以检测精度高。

在[6,7],宫颈癌检测方法基础上进行像素级自上而下的特征提取策略和svm(支持向量机)的特性提出了分类。在[8),作者提取单元形态和光度特性分类,但分割结果不满意,可能会破坏特性的准确性。在[9),作者提出了一个自动宫颈癌细胞分割和分类的方法。作者用他们的方法分类宫颈细胞分成四类,也就是说,正常细胞,LSIL(低度鳞状上皮内病变),HSIL(高档鳞状上皮内病变),和鳞状细胞癌(鳞状细胞癌),如图1。

然而,大多数先前的工作只需要单个或几个细胞图像分析和提取的特征和分析结果局限于特定的应用程序。

本文提供的图像是病理学家,用于病变筛查。在病理学领域,宫颈癌可以分为两类,即宫颈腺癌及宫颈鳞状细胞癌。与宫颈腺癌、宫颈鳞状细胞癌是越来越普遍。临床上,宫颈癌大多是指宫颈鳞状细胞癌。本文主要关注研究宫颈上皮细胞和48病理图像和分析在我们的研究过程。

在病理诊断中,液体薄层细胞学生产技术应用于宫颈涂片,从中人们可以方便地观察和获得高质量的微观图像(10]。在图2在不同的阶段,有许多图片。贝塞斯达系统中定义的类别(TBS) [11]。

本文特征量化和异常检测是基于TBS分级标准和专家诊断经验。根据病变程度,TBS将宫颈鳞状上皮细胞分为不同的类别,如图3。TBS分级标准如下所述的细节。(1)正常:正常的阶段,没有病变。(2)ASC(非典型鳞状细胞):子类ASC-US (ASC-undetermined意义)和ASC-H (ASC不能排除HSIL)。(3)LSIL(低级SIL):扩展核,核至少三倍大正常细胞核,放大N / C(细胞核和细胞质之间的比例),通常有双核和多核条件,浓染的均匀分布,角化过度核和细胞质jacinth-dyed。(4)HSIL(高档SIL):扩大核LSIL一样,在细胞质减少的情况下,比LSIL放大N / C,深染,细或粗颗粒均匀分布,核边界不规则,核凹槽的存在。(5)鳞状细胞癌(鳞状细胞癌):深染和异构分布,以及meganucleus。

充分利用图像的实际损伤筛查和专家的诊断经验能使计算机辅助图像分析更有价值。

本文是病理学家的帮助和指导下进行的。他们还提供宫颈鳞状上皮细胞图像。我们研究的两个主要贡献概括如下。

一是量化细胞特性。除了常用的功能,比如大小、N / C、循环、密实度和颜色强度(12),与病理相关的一些特性需要提取,包括异常形态,角化过度,染色程度。提取的特征描述符与宫颈细胞病理描述符,使得特征参数进行进一步分析更有价值。

另一种是异常细胞检测方法基于特征量化。辐射传播聚类方法(13,14)应用于异常细胞划分成不同的类别。此外,研究异常细胞的特性可以产生更多的信息。

2。方法

2.1。采集图像的集合

由于病理细胞图像的复杂性,有许多重叠和聚合的情况,以及染色不匀造成的弱边界问题[15- - - - - -18]。这些严重的情况下可能会导致不满意的分割结果。在我们的研究中,我们应用手动分割方法得到信息区域。手册的标准细分如图4。

把图2 (c)图像作为一个例子,与它相关的手工分割结果图所示5。图的信息部分2 (c)图的组合吗5(一个)、细胞区域和图5 (b),核区域。侵蚀形态扩张后,打开、关闭和填充操作,相应的二进制映射(19)可以产生与个别区域如图5 (c)和5 (d)。重心标记为红色,每个区域用数字标记。单个细胞图像集和聚合细胞图像集中存储的所有信息。

重心的位置可以用来确定哪些核区域属于哪个单元区域。判断规则是质心之间的最小距离。同一个类的地区同样的颜色标签,如图5 (e)和5 (f)。细胞图像集和核图像集特征提取的基础。

2.2。量化的形态差异

计算水平的差异主要是由异常细胞和正常细胞之间的比较。本文的形态区别是所描述的特性相结合的核的大小,N / C,循环度质心位置,细胞核边界。形态差异的程度可以帮助病理学家检测单个细胞的形态异常和帮助病理学家确定病变区域。

形态的差异程度可以由两部分组成,大小差异度和形状差异程度。程度的大小区别是所描述的核和N / C的大小,主要与正常细胞相比。形状差异程度可以被循环,密实度,弦分布形状描述符。

2.2.1。大小差异程度

之间的比例大小的核异常和正常细胞核的大小;N / C之间的比例异常细胞和正常细胞的指示。编写相应的方程如下: 在哪里_normal和_normal代表正常细胞的大小和N / C,分别。和代表的大小和N / C检测到细胞,分别。

根据病理学,我们有以下。

标准1。当检测到细胞的细胞核满足条件或,发现细胞可视为异常和病理学家不应该排除病变的可能性进行进一步分析。和代表的阈值。在这篇文章中,和分别设置为2和2.5。

2.2.2。形状不同程度

形状差异程度是用来描述核的多晶型的特征。正常细胞的细胞核定期圆形,船的形状,或航天飞机的形状。异常形状中观察到的病变情况。形状不同程度可以描述在两个方面,这两个相关病理和描述了以下两个标准。

标准2。当检测到细胞的形状满足或,细胞可以确定异常细胞病理学家的可能性不能排除被病变进行进一步分析。在这里,表示正常细胞核的循环,而表示正常细胞核的密实度。每个值是由每个加权平均值一组正常细胞核和细胞。越大,越高阈值的可靠性。在这篇文章中,和将0.8和0.7。在图6(一),是0.7485,是0.6667,满足标准2。因此,细胞在图6(一)可以判断为异常。

标准3。当检测到细胞的形状描述符的字符串分布满足,确定细胞异常。

在这篇文章中,设置为4。形状描述符的字符串分配是基于描述符核的边界。形状描述符可以通过以下提取过程。鉴于二进制地图,定位核的位置,细胞核边界的边缘检测算法。从一个随机的边界点,距离点之间的和核重心可以遍历所有点计算的边界。

的距离可以计算为

距离值可以在笛卡儿坐标来表示。在使用一个高阶多项式函数以适应点在每架飞机,总数在每个曲线的高峰和低谷算作分布形状描述符的字符串。更大的原子核形状越复杂。从图6(一)图6 (c),核值4,4,6,分别。在图6 (c),发现细胞满足条件2,所以它可以被确定为不正常。

2.3。角化过度,染色特性量化

现象,宫颈鳞状上皮细胞向紫玛瑙染色后被称为角化过度。这是LSIL中常见的情况。从图2 (b)图2 (d),我们可以发现,在这种情况下有许多细胞。

深深细胞核染色特性为损伤识别是非常重要的,特别是对于细胞鳞状细胞癌舞台上的判断。颜色的力量用于描述符的特性。定义的力量是平均的(读),(绿色)(蓝色)值。描述符和病理之间的关系判断可以定义如下。

标准4。当颜色强度描述符检测细胞的满足,确定细胞异常和TBS分级水平可能是LSIL。

标准5。当颜色强度描述符检测细胞的满足,细胞必须有一个深深染色现象在大多数情况下,TBS分级水平可能是鳞状细胞癌。

在本文中,我们设置,,,,,,,,。

2.4。在单个细胞异常检测和分级

基于上述特点,快速异常检测方法提出了在宫颈鳞状上皮细胞。检测过程遵循的方式,当检测到细胞的功能满足任何标准,确定细胞异常和病理学家不应排除其被损伤的可能性进行进一步分析。

宫颈鳞状上皮异常细胞的特征,包括扩大核区域,扩大N / C,异形,深受染色和角化过度。病理学家的经验的基础上,利用核区和N / C,可以很容易地确定异常细胞。

本文则1是第一个应用,然后细胞评判标准4,5、2和3,先后。亲和力传播(美联社)算法实现的进一步分析发现异常细胞。针对简化数据集和执行实现异常细胞的初步分级分类,AP算法可以把大量的数据直接没有预定义的类和预定中心的数量。它旨在简化数据集和基于聚类中心做进一步的分类,实现异常细胞的初步分级。

生成的聚类中心可以作为样本中心进行进一步的数据分析。病理学家只需要进一步分析样品中心,因此可以高度提高筛选效率。因为不同的参数对识别有不同的权重,这些参数不能搞混了。

在我们的研究中,我们分别采取不同的特性,形成样本距离与AP算法。每个样本中心可以获得阈值和相应的特性。我们提出了快速异常检测方法实现初步分级异常细胞样本在三个类别中,LSIL, HSIL和鳞状细胞癌。

3所示。实验和结果

宫颈鳞状上皮细胞的图像集,我们随机选择40细胞。在细胞细胞核图像和图像特征量化之后,我们提出了快速异常检测方法应用于细胞分类。40细胞分为34异常细胞和正常细胞。检测结果如图7和检测精度为100%。实验结果表明,宫颈鳞状上皮细胞的异常检测方法是有效的和有效的。

应用AP算法的量化特征36异常细胞,我们得到样品中心,如表所示1和2。分类阈值可以设置通过AP算法的结果。在标准1中,和。在标准2中,和。在标准4中,,,,,,。在标准5中,,,。

宫颈鳞状上皮细胞分为三类,分类结果如表所示3。探测和识别的异常细胞,细胞在鳞状细胞癌阶段可以很容易地检测到,满足深度染色的特点,扩大区域和N / C。更具体地说,当满足电池的参数特性,,,,同时,检测细胞是不正常的,可能是癌症。有两个主要区别LSIL HSIL。首先,N / C LSIL细胞小于HSIL细胞,而第二个是HSIL细胞异形的特性和HSIL细胞细胞核染色现象。因此,当满足电池的参数特性和在同一时间或,,,同时,检测细胞异常及其可能性的LSIL阶段不能排除。所有LSIL的决心和HSIL细胞后,其他待定异常细胞的可能性不能排除在HSIL阶段。

基于实验结果表3异常细胞的分级精度为76.47%。少量的误分类可以接受的,这主要是由于两个实际的事实。首先,细胞更严重的阶段不能排除的可能性相对不那么严重的阶段。在实际应用程序中,细胞鳞状细胞癌阶段可以分为HSIL或LSIL细胞和细胞HSIL阶段可以分为LSIL细胞。因此,样品5和分类错误样例26。第二,细胞在严重的阶段被误诊为更严重的阶段没有负面影响早期治疗。

4所示。结论

介绍了研究特征量化和异常检测宫颈鳞状上皮细胞。完成两个主要方面。首先,存储单元图像集的基础上,结合不同的特征描述符,我们提取单个细胞和聚合的量化特征。这些特征描述符可以将图像转换成数据信息和用于建筑标准。其次,提出了一种快速异常细胞检测方法。利用临床经验和方法可以实现单个细胞的探测和识别。结合病理特征量化经历和标准,检测精度高,但细胞图像的分割和分类需要更多实质性的工作要提高他们的设计和有效性。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这部分工作是支持由中国国家自然科学基金(61325019,61325019,61272310)。

引用

1. 崔y, j·s·金,m .公园et al .,“计算机辅助异常检测对宫颈组织的显微图像,”《IEEE / ICME复杂的医学工程国际会议(CME的10),页63 - 68,黄金海岸,澳大利亚,2010年7月。视图:出版商的网站|谷歌学术搜索
2. y风扇和h,”研究现状宫颈癌及其癌前病变的筛查方法,”中国妇幼健康研究》杂志上,19卷,不。3、279 - 281年,2008页。视图:谷歌学术搜索
3. J.-L。杨和y赵”,早期诊断宫颈癌的进展”,科技代表、吉林医院,吉林,中国,2010。视图:谷歌学术搜索
4. t . y . Liu赵,j·张,“学习”为宫颈癌检测、多光谱纹理特性《IEEE国际研讨会在生物医学成像:宏Nano2002年4月,页169 - 172。视图:出版商的网站|谷歌学术搜索
5. 崔y, j·s·金,m .公园et al .,“计算机辅助异常检测对宫颈组织的显微图像,”IEEE / ICME进行复杂的医学工程国际会议(CME的10),页63 - 68,黄金海岸,澳大利亚,2010年7月。视图:出版商的网站|谷歌学术搜索
6. j .刘张和y“宫颈癌筛查检测使用基于支持向量机的功能,”《医学影像计算和计算机辅助干预(MICCAI ' 04)卷,3217年,第880 - 873页,2004年9月。视图:谷歌学术搜索
7. j .张、刘y和t .赵“基于支持向量机的功能筛查宫颈癌应用于分层检测,”国际会议上进行诊断成像和分析(ICDIA ' 02),2002年。视图:谷歌学术搜索
8. m . Arbyn m . Rebolj i m c m . de Kok et al .,“组织宫颈癌筛查项目的挑战的15个成员国,欧盟,”欧洲癌症杂志,45卷,不。15日,第2678 - 2671页,2009年。视图:出版商的网站|谷歌学术搜索
9. t . Chankong: Theera-Umpon, s . Auephanwiriyakul”自动宫颈巴氏涂片细胞分割和分类,“计算机在生物医学方法和项目,卷113,不。2、539 - 556年,2014页。视图:出版商的网站|谷歌学术搜索
10. B.-W。马”,液态thin-1ayer细胞学的准备和细胞学诊断宫颈病变,“中国诊断病理学杂志》上,13卷,不。1、1 - 10,2006页。视图:谷歌学术搜索
11. 马,诊断宫颈细胞病理研究,人民军医出版社,北京,中国,2008。
12. m . e . Plissiti c Nikou, a . Charchanti”结合形状、纹理和强度特性的细胞核提取子宫颈抹片检查图像,”模式识别的字母,32卷,不。6,838 - 853年,2011页。视图:出版商的网站|谷歌学术搜索
13. b·j·弗雷和d . Dueck集群数据点之间通过传递消息。”科学,卷315,不。5814年,第976 - 972页,2007年。视图:出版商的网站|谷歌学术搜索|MathSciNet
14. m . e . Plissiti c Nikou, a . Charchanti”自动检测细胞核的子宫颈抹片检查图像,采用形态学重建和集群”IEEE在生物医学信息技术,15卷,不。2、233 - 241年,2011页。视图:出版商的网站|谷歌学术搜索
15. s, m .赵c .姚明,g . Wu和j·张,“最近形态细胞图像分析的进步,”计算和数学方法在医学文章ID 101536卷,2012年,10页,2012。视图:出版商的网站|谷歌学术搜索
16. c .朱问:关,陈,“小说细胞分割、跟踪和动态分析方法在基于细胞局部图延时显微结构和运动特点,“模式识别、通信计算机和信息科学第4部分,卷。321年,第366 - 359页,2012年。视图:谷歌学术搜索
17. m·陈,陈美国,问:关,“混合轮廓模型分割的细胞核仁和膜”第二届国际生物医学工程与信息学会议(BMEI ' 09)中国,天津,2009年10月。视图:出版商的网站|谷歌学术搜索
18. c . c . Reyes-Aldasoro l . j .威廉姆斯·阿克曼,c . Kanthou通用泽,“自动分割算法,在应用组织学肿瘤微血管形态分析的部分,“杂志的显微镜,卷242,不。3、262 - 278年,2011页。视图:出版商的网站|谷歌学术搜索
19. Angulo和美国那里,“应用数学形态学的量化体外内皮细胞组织成tubular-like结构”细胞和分子生物学,53卷,不。2,22-35,2007页。视图:出版商的网站|谷歌学术搜索

版权

版权©2015明珠赵等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。