嗜酸性粒细胞胃肠炎(Eosinophilic Gastroenteritis,EG)是一种以外周血嗜酸性粒细胞(Eosinophil,EOS)增多为特征的胃肠道疾病。其主要诊断依据为消化道黏膜标本病理切片图像中嗜酸性粒细胞的数目是否超标。对EG诊断的传统方法是病理医生在光学显微镜下对消化道黏膜活检标本病理切片进行观察并对EOS细胞计数。病理医生人工计数是一项高重复性工作,且高度依赖医生的经验。本研究采用改进型分水岭算法自动识别消化道黏膜病理切片中的EOS细胞并进行计数,辅助病理医生进行诊断,旨在减少医生的工作量,提高医疗诊断的工作效率。主要工作安排如下:(1)本研究在保定市儿童医院完成EG病理切片的图像采集。采用边缘检测算法降低噪音、杂质对图像的影响。采用梯度幅值滤波算法增强图像中的EOS细胞与背景细胞组织的对比度。将RGB彩色图像转换为YUV空间模型,降低计算机的内存压力,提高算法运行速度。(2)本文在YUV三个维度设置阈值,对EG病理切片图像进行阈值分割。根据EOS细胞的颜色特征,将EOS细胞与淋巴细胞、组织细胞等背景细胞分离。依据图像中EOS细胞的面积、形状等特征,采用数学形态学算法,进一步分离背景细胞组织。(3)本文采用分水岭算法对消化道黏膜活检标本病理切片图像进行EOS细胞分割。由于噪声或其它干扰因素的存在,传统分水岭算法较容易识别伪极小值点,常有过度分割的现象。本研究在传统分水岭算法的基础上,通过梯度幅值滤波距离变换、前后景标记和区域合并的改进,改善了传统分水岭算法中的过分割现象,提高了细胞识别的准确率和算法的稳定性。本文采用改进型分水岭算法对EG病理图像中的EOS进行了识别计数,并与病理医生的金标准进行比对,平均准确率为95.0%。与传统算法相比,改进型算法准确率的相对标准方差由5.8%提高到2.2%,过分割率由13.4%降低为3.7%,算法的运行时间由40s降低为27s。(4)为方便病理医生操作,本文设计了GUI界面,包括登录界面设计,预处理界面设计,特征提取界面设计,分割计数结果界面设计四部分。