本發(fā)明涉及藥物領(lǐng)域，具體涉及一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物。
背景技術(shù)：
：鱗狀上皮細(xì)胞增生是以外陰瘙癢為主要癥狀但病因不明的外陰疾病，以往稱之為增生性營養(yǎng)不良。此外，任何原因不明的外陰瘙癢，在長期抓和摩擦后，亦可導(dǎo)致鱗狀上皮細(xì)胞增生。多見于50歲以前的中年婦女，亦可發(fā)生在老年期。主要癥狀為瘙癢，多劇烈，難以耐受。由于反復(fù)搔抓致皮膚損傷日趨嚴(yán)重，瘙癢更劇。病損范圍不一，主要累及大陰唇，陰唇間溝，陰蒂包皮，陰唇后聯(lián)合等處，常呈對稱性。早期病變較輕時(shí)，皮膚顏色為黯紅或灰白，角化過度部位則呈現(xiàn)白色。由于長期搔抓和摩擦，皮膚增厚似皮革，色素增加，皮膚紋理變得明顯突出，皮嵴隆起，呈多數(shù)小多角性扁平丘疹，并群集成片，出現(xiàn)苔蘚樣變。嚴(yán)重者可因搔抓引起表皮破損、裂隙、潰瘍。技術(shù)實(shí)現(xiàn)要素：為解決上述問題，本發(fā)明旨在提供一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物。本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。本發(fā)明的有益效果為：具有療效好和安全性較高的特點(diǎn)，值得臨床應(yīng)用、推廣。附圖說明利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是細(xì)胞識(shí)別模塊的結(jié)構(gòu)示意圖。附圖標(biāo)記：細(xì)胞識(shí)別模塊1、細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13。具體實(shí)施方式結(jié)合以下應(yīng)用場景對本發(fā)明作進(jìn)一步描述。應(yīng)用場景1參見圖1，本應(yīng)用場景的一個(gè)實(shí)施例的一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮20份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例治療效果良好。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮25份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例有利于吸收。優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提?。凰龇诸愖R(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對細(xì)胞圖像分類識(shí)別。本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(diǎn)(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域Sx,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(diǎn)(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(diǎn)(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(diǎn)(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項(xiàng)目為X1、X2、X3、X4，則綜合灰度共生矩陣的計(jì)算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素?cái)?shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計(jì)算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。在此應(yīng)用場景中，設(shè)定閾值T＝13，d＝2，圖像去噪效果相對提高了5％，細(xì)胞圖像特征的提取精度提高了8％。應(yīng)用場景2參見圖1，本應(yīng)用場景的一個(gè)實(shí)施例的一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮20份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例治療效果良好。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮25份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例有利于吸收。優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提取；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對細(xì)胞圖像分類識(shí)別。本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(diǎn)(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域Sx,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(diǎn)(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz，yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(diǎn)(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(diǎn)(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項(xiàng)目為X1、X2、X3、X4，則綜合灰度共生矩陣的計(jì)算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素?cái)?shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù)，i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計(jì)算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。在此應(yīng)用場景中，設(shè)定閾值T＝15，d＝2，圖像去噪效果相對提高了6％，細(xì)胞圖像特征的提取精度提高了8％。應(yīng)用場景3參見圖1，本應(yīng)用場景的一個(gè)實(shí)施例的一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮20份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例治療效果良好。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮25份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例有利于吸收。優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提?。凰龇诸愖R(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對細(xì)胞圖像分類識(shí)別。本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(diǎn)(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域Sx,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(diǎn)(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(diǎn)(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(diǎn)(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項(xiàng)目為X1、X2、X3、X4，則綜合灰度共生矩陣的計(jì)算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素?cái)?shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計(jì)算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。在此應(yīng)用場景中，設(shè)定閾值T＝18，d＝3，圖像去噪效果相對提高了7％，細(xì)胞圖像特征的提取精度提高了7％。應(yīng)用場景4參見圖1，本應(yīng)用場景的一個(gè)實(shí)施例的一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮20份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例治療效果良好。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮25份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例有利于吸收。優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提??；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對細(xì)胞圖像分類識(shí)別。本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(diǎn)(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域Sx,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(diǎn)(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(diǎn)(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(diǎn)(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項(xiàng)目為X1、X2、X3、X4，則綜合灰度共生矩陣的計(jì)算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素?cái)?shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計(jì)算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。在此應(yīng)用場景中，設(shè)定閾值T＝20，d＝4，圖像去噪效果相對提高了8％，細(xì)胞圖像特征的提取精度提高了6％。應(yīng)用場景5參見圖1，本應(yīng)用場景的一個(gè)實(shí)施例的一種治療外陰鱗狀上皮細(xì)胞增生的藥物組合物，包括細(xì)胞識(shí)別模塊和藥物組合物，所述細(xì)胞識(shí)別模塊用來確定細(xì)胞種類，所述藥物組合物由下列重量配比的原料藥制備而成：海桐皮10～30份、響鈴草6～12份、還筒子3～10份、天目木蘭6～12份、桑寄生3～10份、土圞兒6～12份、焦麥芽6～12份、焦神曲6～12份、麻黃根6～12份、麥刺藤葉1～5份、桃樹膠3～10份、桂枝10～25份。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮20份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例治療效果良好。優(yōu)選地，由下列重量配比的原料藥制備而成：海桐皮25份、響鈴草10份、還筒子6份、天目木蘭10份、桑寄生6份、土圞兒10份、焦麥芽10份、焦神曲10份、麻黃根10份、麥刺藤葉2份、桃樹膠6份、桂枝20份。本優(yōu)選實(shí)施例有利于吸收。優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提取；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對細(xì)胞圖像分類識(shí)別。本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(diǎn)(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域Sx,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(diǎn)(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(diǎn)(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(diǎn)(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項(xiàng)目為X1、X2、X3、X4，則綜合灰度共生矩陣的計(jì)算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素?cái)?shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計(jì)算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。在此應(yīng)用場景中，設(shè)定閾值T＝26，d＝2，圖像去噪效果相對提高了7.5％，細(xì)胞圖像特征的提取精度提高了8％。最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。當(dāng)前第1頁1 2 3