一种基于三维重建技术的淋巴细胞图像分割方法及系统与流程

本技术涉及医学影像，尤其涉及一种基于三维重建技术的淋巴细胞图像分割方法及系统。

背景技术：

1、病理诊断是疾病的最终诊断，在肿瘤的诊断与用药指导上被广泛使用。在实践中，病理医师在显微镜下观察病理切片，从复杂的组织图像中识别细微的病变是诊断中必不可少的步骤。此过程不仅耗时，而且主观性强。以全载玻片数字扫描技术(wholeslideimaging,wsi)为基础的数字病理使得我们能够获得通过高分辨率捕获的、具有组织学特征的病理图像。为了有效获取图像中的有用信息，组织病理图像分析算法应运而生。由于算法的分析是客观的、稳定的，其结果可以经过重复性验证，因此经典的细胞分割算法和细胞分类算法已经广泛应用于数字病理分析平台。通过数字病理技术辅助病理医师做出病理诊断，显著提高了病理医师诊断的准确率和效率。

2、目前，体素模型法也在数字病理技术中得到了较为广泛的应用，体素模型法的核心目标在于构建高精度的三维模型。然而，由于切片之间存在间隙，传统的插值方法往往导致体素模型中出现形状断裂或结构不规则的现象，这在一定程度上影响了模型的整体精度和结构完整性。另外，鉴于三维建模是一个连续且完整的过程，为了更好地符合体素模型法的要求，有必要在图像分割阶段进行优化改进。这些改进应针对切片间的间隙问题，以确保体素模型在空间中的连续性和规则性，从而提升最终三维模型的精确度和稳定性。

技术实现思路

1、本技术提供一种基于三维重建技术的淋巴细胞图像分割方法及系统，用于解决现有技术中三维模型的精确度和稳定性较低的技术问题。

2、本发明采用如下的技术方案。

3、本发明第一方面公开了一种基于三维重建技术的淋巴细胞图像分割方法，所述方法包括：

4、获取切片图像序列，并对所述切片图像序列进行预处理，所述切片图像序列由多个二维图像组成，分为垂直平分线满足三角形对称的三个切片图像序列；

5、对预处理后的所述切片图像序列进行图像配准，以确定所述二维图像中所有像素点的空间位置信息，并计算每个像素点的坐标值；

6、基于所述每个像素点的坐标值，通过体素模型法确定每个像素点在三维空间中对应的体素，并对所述二维图像进行图像分割，以提取每个二维图像中包含淋巴细胞的目标区域；

7、对所述目标区域中的淋巴细胞进行边缘检测，以提取所述淋巴细胞的三维轮廓，并基于所述淋巴细胞的三维轮廓，构建所述淋巴细胞的三维模型。

8、进一步的，所述获取切片图像序列，并对所述切片图像序列进行预处理，所述切片图像序列由多个二维图像组成，包括：

9、通过电子计算机断层扫描或磁共振成像技术获取所述切片图像序列，并提取所述切片图像序列中二维图像的坐标以及每个二维图像的索引；

10、根据所述二维图像的在所述切片图像序列中的坐标和索引对每个二维图像对应的二维像素点进行预处理；

11、其中，所述预处理对应的算法公式为：

12、；

13、式中，为预处理操作，包括高斯滤波、去噪以及直方图均衡化处理，分别为二维图像在所述切片图像序列中的坐标，为二维图像的索引，为预处理前的二维像素点，为预处理后的二维像素点。

14、进一步的，所述基于所述每个像素点的坐标值，通过体素模型法确定每个像素点在三维空间中对应的体素，并对所述二维图像进行图像分割，以提取每个二维图像中包含淋巴细胞的目标区域，包括：

15、通过设定阈值确定所述淋巴细胞所在的二维像素点的灰度区间，并判断所述二维图像中的每个二维像素点是否处于所述灰度区间内；

16、在所述二维像素点处于所述灰度区间内时确定所述灰度区间内的区域为所述目标区域，以对所述二维图像进行阈值分割；

17、其中，阈值分割的算法公式为：

18、；

19、式中，为灰度区间，为二维分割结果，分别为二维图像在所述切片图像序列中的坐标，为二维图像的索引，为预处理后的二维像素点，当等于1时，则对应二维像素点处于所述淋巴细胞对应的灰度区间内。

20、进一步的，所述基于所述每个像素点的坐标值，通过体素模型法确定每个像素点在三维空间中对应的体素，并对所述二维图像进行图像分割，以提取每个二维图像中包含淋巴细胞的目标区域，还包括：

21、选取所述切片图像序列中与目标体素相邻的多个相邻像素点，并以所述目标体素的中心点作为所述目标体素的三维坐标；

22、基于所述多个相邻像素点对所述目标体素进行三值标记，将相邻像素点落入设定区间内的目标体素标记为黑值，将相邻像素点落入设定区间外的目标体素标记为白值，以及将相邻像素点落入所述设定区间边界上的目标体素标记为灰值；

23、基于每个标记为灰值的目标体素，确定与所述目标体素最近的多个目标像素点，并根据所述多个目标像素点的灰度值以及梯度最大值，计算所述目标体素对应的灰度值，以将所述目标体素重新标记为黑值或白值；

24、其中，所述设定区间为淋巴细胞对应的像素区间，所述淋巴细胞的三维轮廓处于所述灰值对应的范围。

25、进一步的，所述方法还包括：

26、选取距离所述目标像素点最近的多个像素点，并从所述多个像素点中选取两个像素点以计算所述两个像素点的二维梯度方向，进而计算所述目标像素点对应的二维梯度方向；

27、其中，所述目标像素点对应的二维梯度方向计算公式为：

28、；

29、式中，与为选取的所述两个像素点，为目标像素点p对应的二维梯度方向，分别表示点与的灰度值，表示点与的距离值。

30、进一步的，所述选取距离所述目标像素点最近的多个像素点，并从所述多个像素点中选取两个像素点以计算所述两个像素点的二维梯度方向，进而计算所述目标像素点对应的二维梯度方向，之后包括：

31、获取所述目标像素点对应的二维梯度方向的最大值作为所述梯度最大值，并以所述梯度最大值对应的两个像素点沿着灰度值由高指向低作为所述梯度最大值的方向；

32、根据所述梯度最大值的方向计算所述目标体素对应的三维梯度方向，所述三维梯度方向的计算公式为：

33、；

34、式中，为三维梯度方向，分别代表所述三个切片图像序列的梯度最大值方向。

35、本发明第二方面公开一种基于三维重建技术的淋巴细胞图像分割系统，所述系统包括：

36、图像预处理模块，用于获取切片图像序列，并对所述切片图像序列进行预处理，所述切片图像序列由多个二维图像组成，分为垂直平分线满足三角形对称的三个切片图像序列；

37、像素点坐标计算模块，用于对预处理后的所述切片图像序列进行图像配准，以确定所述二维图像中所有像素点的空间位置信息，并计算每个像素点的坐标值；

38、图像分割模块，用于基于所述每个像素点的坐标值，通过体素模型法确定每个像素点在三维空间中对应的体素，并对所述二维图像进行图像分割，以提取每个二维图像中包含淋巴细胞的目标区域；

39、三维模型建立模块，用于对所述目标区域中的淋巴细胞进行边缘检测，以提取所述淋巴细胞的三维轮廓，并基于所述淋巴细胞的三维轮廓，构建所述淋巴细胞的三维模型。

40、本发明第三方面公开了一种终端，包括处理器及存储介质；其特征在于：

41、所述存储介质用于存储指令；

42、所述处理器用于根据所述指令进行操作以执行第一方面所述方法的步骤。

43、本发明第四方面公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面所述方法的步骤。

44、本技术与现有技术相比，具有如下有益效果：

45、通过获取切片图像序列，并对切片图像序列进行预处理，该切片图像序列由多个二维图像组成，分为垂直平分线满足三角形对称的第一切片图像序列、第二切片图像序列以及第三切片图像序列。再对预处理后的切片图像序列进行图像配准，以确定二维图像中所有像素点的空间位置信息，并计算每个像素点的坐标值。随后，基于每个像素点的坐标值，通过体素模型法确定每个像素点在三维空间中对应的体素，并对二维图像进行图像分割，以提取每个二维图像中包含淋巴细胞的目标区域。最后，对目标区域中的淋巴细胞进行边缘检测，以提取淋巴细胞的三维轮廓，并基于淋巴细胞的三维轮廓，构建淋巴细胞的三维模型。该方法通过多角度扫描的方式来耦合更为精准的体素单元，以此改进切片间的间隙问题，以确保体素模型在空间中的连续性和规则性，从而提升最终三维模型的精确度和稳定性。