一种基于灰度共生矩阵纹理学习和密度图引导的病理切片细胞核分割方法

本发明公开了一种基于灰度共生矩阵纹理学习和密度图引导的病理切片细胞核分割方法，其包括：步骤1)、获取病理切片数据，对其进行标注处理，然后进行汇集建立素材集；步骤2)、构建神经网络模型，将素材集导入其中进行训练、测试，直至模型收敛，获得细胞核分割网络模型；步骤3)、使用细胞核分割网络模型对包含病理图像的待处理病理切片数据进行处理，得到分割结果；本发明提供了从H&E病理切片中自动分割细胞核的神经网络模型，结合迪利克雷分布不确定性加权学习灰度共生矩阵统计纹理信息增强模型对细微结构的捕获能力，该方法能提高分割准确度的同时保证对核空间分布特征的有效识别，适用于病理图像中的精确核分割任务。