外周神经母细胞性肿瘤（peripheral neuroblastic tumors，pNT）是儿童常见的颅外恶性实体瘤，其主要预后评估依据为神经母细胞瘤分化程度和核碎裂指数（mitosis-karyorrhexis index， MKI）。目前，对MKI的计算主要通过病理医生人工计数，过程繁琐且工作量较大。采用计算机图像处理算法识别病理切片图像中病理性核分裂神经母细胞（pathological mitotic neuroblasts， PMN）和神经母细胞（neuroblasts，NEU），并辅助病理医生计数，可减少医生的重复性工作，提高工作效率。采用数学形态局部最小值标记（H-minima）修改梯度幅值，并利用改进型分水岭算法识别NEU并计数。实验结果表明，与病理医生的金标准对比，所提算法对NEU识别的平均准确率为94.2%，平均过分割率为2.79%。从色度分量角度对PMN的细胞质区域识别，平均识别准确率为81.66%，MKI值的平均误差率为0.031%。

阑尾神经内分泌肿瘤(ANENs)在各类阑尾恶性肿瘤中占很大比例,其重要的诊断标准之一为Ki-67增殖指数的大小。目前,Ki-67指数的计算主要取决于病理医生的经验,人工计数过程繁琐,工作量较大。本研究旨在利用计算机图像分析算法对ANENs病理切片图像中的细胞进行处理,统计阳性细胞和阴性细胞的数量,并计算Ki-67这一指标,辅助病理医生进行综合评估。针对传统分水岭算法的过分割问题,采用强制最小技术修改距离变换对其进行改进,提出了改进型分水岭算法,并采用该算法对病理图像中的阳性细胞和阴性细胞进行分割、计数,然后将结果与病理医生的金标准进行比对。结果表明:改进型分水岭算法分割阴性粘连细胞的平均准确率为93.4%,平均过分割率为3.3%;计算机辅助处理ANENs病理图像Ki-67指标的平均准确率为93.2%,平均误差率为6.8%,处理图像平均时间由人工的57.4 s缩短到29.5 s,大幅提高了工作效率。

嗜酸性粒细胞胃肠炎(EG)是一种以外周血嗜酸性粒细胞(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中嗜酸性粒细胞的数目是否超标。利用计算机图像分析算法对病理切片图像中的嗜酸性粒细胞进行识别并计数,旨在辅助病理医生人工计算EOS的数目,减少医生的工作量,提高工作效率。采用鲁棒性较强的分水岭算法作为识别EOS的核心算法,并通过距离变换和前后景标记的改进算法解决传统分水岭算法中的过分割问题,提高识别计数的准确性。采用改进分水岭算法对EG病理图像中的EOS进行识别计数,并将其与病理医生的金标准进行比对。改进分水岭算法的平均准确率为95.0%。与传统算法相比,改进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40 s缩短为27 s左右。