基于多曲率轮廓信息的病理图像细胞核自动检测
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第6期 1154-1160页,共7页
【作 者】:
张翼
[1] ;
庞宝川
[2]
【摘 要】
细胞核自动检测既是病理图像分析技术的重要步骤,也是提高病理图像自动化分析准确性的主要瓶颈之一,原因在于病理切片制作存在染色分层不均、细胞核粘连或重叠等问题。为了提高细胞核检测的准确度,定义了一种基于多曲率轮廓的细胞核自动检测模型,通过多曲率方向能量滤波器提取细胞核轮廓信息。特征检测器基于boosting算法,利用不同曲率和方向轮廓特征的完备集合产生像素软分类器,获得像素的前景背景置信度和概率。最后利用均值漂移算法得到细胞核中心位置及其置信度。实验结果表明,该算法与其他细胞核检测算法相比,在生物组织结构变异、不均匀光照或染色条件下,以及细胞核粘连或部分重叠等情况下,有着较强的鲁棒性。
相关热词搜索: 细胞核检测 多曲率 模式识别 机器学习 nucleus detection multi-curvature pattern recognition machine learning