腎小球TEM病理圖像的大視野拼接及基底膜分割.pdf

1、透射電子顯微鏡(Transmission Electron Microscope，TEM)檢查是腎活檢病理檢查的重要部分，腎組織內(nèi)含特殊有形結(jié)構(gòu)的各種腎臟疾病的診斷及新疾病的發(fā)現(xiàn)，大多需要通過TEM檢查得以確診。遺傳性腎小球疾病是一種依賴于TEM檢查且容易被忽視的腎臟病，因其臨床表現(xiàn)可能隱匿或晚發(fā)或混雜在貌似普通腎臟病中，診斷極其困難。有研究表明，不管是東方還是西方國家，這類疾病的發(fā)病率相當(dāng)高，但是在我國真正確診的不足0.5％，若不正確

2、的診斷和用藥都會造成腎臟的損害?；啄さ暮穸?、形態(tài)等是這類腎臟病的重要診斷指標(biāo)。但由于TEM在高分辨率下觀察的視野小而基底膜又遍布于整個腎小球內(nèi)，加上腎小球內(nèi)組織結(jié)構(gòu)的復(fù)雜性等，目前醫(yī)生在進行病理檢查時，往往需要反復(fù)切換多個分辨率下的多個視野先來確定疑似病變區(qū)，再觀察基底膜的形態(tài)。當(dāng)測量基底膜的厚度時，往往需先手動測量多段基底膜再求平均值。這樣繁瑣的操作過程極易產(chǎn)生視覺疲勞，甚至可能造成漏診和誤診。
　　計算機輔助診斷(Compu

3、ter-Aided Diagnosis，CAD)能對病人腎小球TEM圖像進行處理和分析，不僅可以大大減輕醫(yī)生的工作量，提高疾病檢查的效率，還對輔助醫(yī)生診斷具有非常重要的意義。通過與病理專家進行探討，本文實驗設(shè)定并完成了如下內(nèi)容:1.大視野、完整腎小球的TEM圖像拼接;2.分割基底膜。
　　第一，大視野、完整腎小球的TEM圖像拼接。
　　圖像拼接是將有重疊區(qū)域的一組圖像無縫地融合在一起，得到一副大視野圖像的過程。在圖像拼接中，

4、最關(guān)鍵的一步是圖像配準(zhǔn)，圖像配準(zhǔn)的方法主要分為基于像素的配準(zhǔn)和基于特征的配準(zhǔn)。近年來，針對僅有部分重疊區(qū)域圖像配準(zhǔn)的研究主要是基于特征點的配準(zhǔn)?；谔卣鼽c的方法通過提取不同圖像中具有幾何不變性的點，再建立特征點的匹配，根據(jù)匹配的特征點得出圖像之間的變換矩陣，從而建立圖像的配準(zhǔn)。近年來，對特征點的研究包括SUSAN算子、HARRIS角點、SIFT特征點、PAC-SIFT特征點、GLOH特征點、SURF特征點等。由于本文中腎小球TEM圖像有

5、一定形變，且紋理信息復(fù)雜，而SIFT特征點在處理尺度和旋轉(zhuǎn)變化的圖像時有較大的優(yōu)勢，且對復(fù)雜紋理圖像的配準(zhǔn)，所估計的參數(shù)也相對穩(wěn)定，本文選擇基于SIFT特征點的配準(zhǔn)方法對腎小球TEM圖像進行配準(zhǔn)。
　　此外，由于TEM成像系統(tǒng)造成圖像產(chǎn)生一定的形變，多幅圖像配準(zhǔn)時產(chǎn)生形變誤差，并且隨著配準(zhǔn)圖像數(shù)目的增多，圖像的形變會增大，易造成圖像的形狀和細(xì)節(jié)信息的改變。但在病理診斷中，組織結(jié)構(gòu)的形狀及細(xì)節(jié)信息往往是診斷的依據(jù)，圖像較大的形變會對

6、診斷結(jié)果產(chǎn)生重大影響。為了減小圖像形變對圖像拼接效果的影響，本文提出了先進行圖像的形變校正，再進行圖像配準(zhǔn)。本實驗數(shù)據(jù)為多張具有一定重疊區(qū)域的圖像，估計一張圖像的校正時，可根據(jù)多個重疊區(qū)域的信息來擬合校正場，且已提取的SIFT特征點具有較高的匹配度，能作為重疊區(qū)域的信息來擬合校正場，故本文采用SIFT特征點結(jié)合多項式擬合的非線性校正場來進行圖像的形變校正，再利用已提取的SIFT特征點來配準(zhǔn)校正后的圖像。由于在圖像形變校正及圖像配準(zhǔn)中都利

7、用了SIFT特征點的信息，能有效減少計算時間，提高配準(zhǔn)的準(zhǔn)確性。再者，由于TEM成像系統(tǒng)造成圖像灰度不均勻，配準(zhǔn)后的圖像在圖像的銜接處存在一定的接縫。圖像接縫的消除可以通過圖像融合的方法來解決。由于泊松圖像融合的方法能在去縫的同時保證細(xì)節(jié)信息且不產(chǎn)生偽影，故本文采用泊松圖像融合的方法以消除圖像的接縫。
　　第二，基底膜分割。
　　基底膜表現(xiàn)為帶狀結(jié)構(gòu)的薄膜，基底膜在腎小球中分布極為廣泛。在腎小球TEM圖像中，部分基底膜存在與

8、周圍組織結(jié)構(gòu)灰度相似、邊界不明顯、厚度突然變窄、基底膜走向突然轉(zhuǎn)變等特點，增加了基底膜分割的難度?，F(xiàn)階段已提出的基底膜分割方法分為半自動和全自動的分割方法。這些方法主要利用圖像的灰度、色差、紋理等特征進行圖像的分割，這些方法在處理厚度均勻、形態(tài)變化不大的小段基膜時能得到較好的效果，而本實驗所涉及到的基底膜往往厚度不均勻、形態(tài)發(fā)生較大的變化，已提出的方法在分割基底膜時存在易泄漏、易陷入局部極值及需要嚴(yán)格初始化等問題，這主要是因為這些方法較

9、少涉及到分割對象形狀的描述也未涉及根據(jù)已分割區(qū)域來動態(tài)調(diào)整分割準(zhǔn)則。近年來，伴隨著形狀表示與識別技術(shù)的不斷發(fā)展，利用圖像形狀特征在背景復(fù)雜的圖像中指導(dǎo)目標(biāo)對象的檢測與識別得到發(fā)展。本文秉承這一思想提出了一種基于粒子濾波的基底膜分割方法，該方法結(jié)合了圖像的灰度、梯度和對象的形狀描述，根據(jù)已獲得的先驗信息結(jié)合動態(tài)模型產(chǎn)生豐富的粒子來以引導(dǎo)基底膜的分割。
　　在粒子濾波方法中，選擇出與基膜相似度高的粒子是粒子濾波方法的關(guān)鍵。但由于基膜的

10、形態(tài)、厚度及走向等有較大的差異，為選擇出與基底膜相似性高的粒子往往需要產(chǎn)生大量的粒子，且在接近基底膜厚度及走向突變的地方時，有時即使產(chǎn)生大量的粒子也不能選擇出合適的粒子。故本實驗在粒子追蹤的過程中結(jié)合了回溯法的思想及重采樣的方法以減少錯誤的分割，提高分割的準(zhǔn)確性。
　　歸納起來，本文的主要工作有:
　　(1)提出了一種基于SIFT特征點的TEM多幅圖像拼接方法。該方法利用具有尺度、旋轉(zhuǎn)、仿射不變性的SIFT特征點進行圖像形變

11、的校正以及圖像配準(zhǔn)，有效減小了圖像形變對圖像配準(zhǔn)結(jié)果的影響，最后采用泊松圖像融合的方法進行融合以達(dá)到無縫拼接。為驗證算法的有效性，本實驗用一組60張TEM局部腎小球圖像拼接出完整的腎小球，并用視覺效果和配準(zhǔn)誤差評價了拼接結(jié)果。
　　(2)提出了一種基于粒子濾波的腎小球電子顯微鏡圖像基底膜分割方法。該方法突破了傳統(tǒng)粒子濾波的思想，將類似基底膜的片段作為粒子，通過已有狀態(tài)下的粒子由動態(tài)模型產(chǎn)生下一個狀態(tài)的粒子，該動態(tài)模型結(jié)合了基底膜的