文章基本信息

标题：Combined Hierarchical Watershed Segmentation and SVM Classification for Pap Smear Cell Nucleus Extraction
本地全文：下载
作者：Maykel Orozco-Monteagudo ; Cosmin Mihai ; Hichem Sahli 等
期刊名称：Computación y Sistemas
印刷版ISSN：1405-5546
出版年度：2012
卷号：16
期号：2
页码：133-145
语种：English
出版社：Instituto Politécnico Nacional
摘要：En el presente trabajo se presenta un método en dos etapas para la segmentación y clasificación de núcleos de células en imágenes tomadas de la prueba de Papanicolaou. La primera etapa, la etapa de segmentación, está formada por un algoritmo morfológico (watershed o marcas de agua) y un algoritmo jerárquico de mezclado (waterfall o salto de agua). Para realizar el mezclado de regiones, waterfall usa información espectral, de forma y de las regiones que se separarán. En la segunda etapa, la etapa de clasificación, el objetivo es obtener los núcleos a partir de las clasificaciones de las regiones obtenidas en la primera etapa. Antes de realizar la clasificación, fueron probadas tres medidas no supervisadas de calidad de la segmentación para determinar el mejor resultado de la mezcla de regiones. La clasificación de las regiones se realizó usando Máquinas de Vector Soporte. Los resultados fueron comparados con las segmentaciones realizadas por patólogos demostrándo se la eficacia del método propuesto.
其他摘要：In this paper, we propose a two-phase approach to nuclei segmentation/classification in Pap smear test images. The first phase, the segmentation phase, includes a morphological algorithm (watershed) and a hierarchical merging algorithm (waterfall). In the merging step, waterfall uses spectral and shape information as well as the class information. In the second phase, classification, the goal is to obtain nucleus regions and cytoplasm areas by classifying the regions resulting from the first phase based on their spectral and shape features, merging of the adjacent regions belonging to the same class. Between the two phases, three unsupervised segmentation quality criteria were tested in order to determine the best one selecting the best level after merging. The classification of individual regions is obtained using a Support Vector Machine (SVM) classifier. The segmentation and classification results are compared to the segmentation provided by expert pathologists and demonstrate the efficacy of the proposed method.
关键词：Microscopic images; cell segmentation; watershed; SVM;Segmentación; imágenes microscópicas; segmentación de células; marcas de agua; máquinas de vector soporte