免疫組化顯微圖像分割與分析技術(shù)的研究.pdf

1、隨著免疫組織化學(xué)技術(shù)的不斷發(fā)展，免疫組化已經(jīng)成為當(dāng)今臨床病理診斷和研究的重要輔助手段。計算機圖像處理技術(shù)以其精確性、客觀性、處理速度快等方面的優(yōu)勢，已經(jīng)成為免疫組化顯微圖像分析技術(shù)的發(fā)展趨勢。但是，目前很多學(xué)者在免疫組化圖像自動分割方面的研究成果主要局限在對一些特征明顯的組織結(jié)構(gòu)進(jìn)行自動分割，對免疫組化圖像的分析方法也主要是基于單個參數(shù)和特定圖像，這些方法都有其局限性，導(dǎo)致最終分析結(jié)果不夠全面、客觀、準(zhǔn)確。因此，研究免疫組化顯微圖像相關(guān)

2、的分割和分析技術(shù)，輔助醫(yī)生準(zhǔn)確觀察和定量檢測免疫組化顯色反應(yīng)強度，已經(jīng)成為國內(nèi)外學(xué)者當(dāng)前和今后研究的熱點。
　　 本課題以卵巢癌免疫組化顯微圖像為主要研究對象，重點研究了陽性細(xì)胞區(qū)域的分割技術(shù)和免疫組化陽性表達(dá)結(jié)果的分析技術(shù)，并且在分割和分析方法上都有所創(chuàng)新。論文的研究工作主要包括以下幾個方面：
　　 (1)研究了免疫組化顯微圖像的相關(guān)病理學(xué)知識。包括免疫組化染色的方法、免疫組化圖像的顯微特征和免疫組化圖像的分類等信息，

3、為后續(xù)正確的分割和分析技術(shù)的研究奠定基礎(chǔ)。
　　 (2)研究了圖像預(yù)處理和顏色空間轉(zhuǎn)換的相關(guān)理論和方法。在圖像增強方法和顏色空間的選擇上都做了大量的對比實驗，最后選擇比較適合免疫組化顯微圖像的圖像增強方法和適合其分割的顏色空間。
　　 (3)研究了免疫組化顯微圖像的分割技術(shù)。主要采用了如下三種方法：方法1是基于色度學(xué)準(zhǔn)則的ISODATA聚類分割方法。在RGB顏色空間下，利用色度學(xué)準(zhǔn)則和ISODATA聚類方法分割提取陽性細(xì)

4、胞區(qū)域。方法2是基于YUV顏色空間的OTSU閾值分割方法。把圖像轉(zhuǎn)換到Y(jié)UV顏色空間下，提取三個分量圖并結(jié)合OTSU算法得到陽性細(xì)胞區(qū)域。方法3是基于改進(jìn)分水嶺算法的重疊粘連細(xì)胞分割方法。分割提取后的陽性細(xì)胞區(qū)域可能存在重疊粘連情況，改進(jìn)了基于分水嶺的分割算法對圖像進(jìn)一步的分割。方法1和方法2是陽性細(xì)胞區(qū)域的分割提取方法，實驗證明分割效果良好，最后分析比較了兩種方法的優(yōu)缺點和適用場合，可以相互補充，相互驗證；方法3是陽性細(xì)胞區(qū)域中的重疊

5、粘連細(xì)胞的分割方法，實驗證明，能對大多數(shù)重疊粘連細(xì)胞進(jìn)行分割，而且算法執(zhí)行效率高。
　　 (4)研究了免疫組化顯微圖像的分析技術(shù)。綜合考慮評價陽性表達(dá)的兩個因素：陽性細(xì)胞百分率和陽性染色程度，提出了一種基于組合參數(shù)的分析技術(shù)。陽性細(xì)胞百分率采用平均陽性染色面積百分比法(APSAP)計算，即陽性染色面積與圖像總面積的比值，陽性染色程度我們采用陽性細(xì)胞區(qū)域的平均光密度，即積分光密度和陽性染色面積的比值，推導(dǎo)出了陽性水平指數(shù)(posi