細(xì)胞重疊與融合性圖像的分離與分割技術(shù)研究.pdf

1、研究的目的和意義 通過顯微鏡、利用目視方法來分析免疫組化染色結(jié)果在臨床病理學(xué)及生物醫(yī)學(xué)工程學(xué)中一直占有重要的地位，由于該法具有一定的主觀性，因而影響了結(jié)果分析與判斷的準(zhǔn)確性。隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)圖像處理與分析技術(shù)在臨床診斷和治療中起著越來越重要的作用。開發(fā)新的圖像分析系統(tǒng)(IAS)，用計(jì)算機(jī)來自動(dòng)處理免疫組化細(xì)胞圖像，進(jìn)行定量分析，輔助醫(yī)生做出快速準(zhǔn)確的判斷在醫(yī)學(xué)疾病診斷上有重要應(yīng)用前景。但目前的圖像分析系統(tǒng)的準(zhǔn)確率還不

2、夠高，要得到好的分類、分析效果或較高的識(shí)別率，要獲得精確定量化特征參數(shù)，依賴于準(zhǔn)確、快速并具可重復(fù)性的分割技術(shù)，換句話說，分割處理是IAS中的關(guān)鍵環(huán)節(jié)。但由于圖像分割面向問題的特殊性，至今尚未有一個(gè)普遍適用的理論和方法。數(shù)學(xué)、計(jì)算機(jī)技術(shù)、體視學(xué)及醫(yī)學(xué)相關(guān)領(lǐng)域的飛速發(fā)展為細(xì)胞的自動(dòng)分割和定量分析奠定了基礎(chǔ)。研究相關(guān)的分割分離技術(shù)，為高效實(shí)用的病理圖像輔助分析系統(tǒng)奠定技術(shù)基礎(chǔ)成為當(dāng)前研究的熱點(diǎn)。研究?jī)?nèi)容與擬解決的問題從CCD攝像機(jī)輸出的免疫

3、組化細(xì)胞圖像是真彩色圖像，其中陽(yáng)性細(xì)胞和陰性細(xì)胞的計(jì)數(shù)以及它們之間的比例是判斷免疫組化反應(yīng)強(qiáng)度的重要指標(biāo)，對(duì)腫瘤的診斷和預(yù)后判定有非常重要的價(jià)值。為了能夠?qū)γ庖呓M化細(xì)胞圖像進(jìn)行準(zhǔn)確的數(shù)據(jù)分析，關(guān)鍵是要對(duì)該種圖像中的陽(yáng)性細(xì)胞和陰性細(xì)胞進(jìn)行正確地分割。免疫組化彩色圖像中，陽(yáng)性細(xì)胞和陰性細(xì)胞在RGB三個(gè)顏色空間都有交叉區(qū)，因而單純從某個(gè)顏色空間來分割陽(yáng)性細(xì)胞和陰性細(xì)胞幾乎不可能。此外由于切片、涂片和細(xì)胞本身的原因，經(jīng)常會(huì)出現(xiàn)多個(gè)細(xì)胞重疊在一起

4、形成一個(gè)較大的融合區(qū)域，如果不能有效地把重疊在一起的細(xì)胞分離成單個(gè)細(xì)胞，這將直接影響細(xì)胞計(jì)數(shù)和各種參數(shù)的測(cè)量結(jié)果。本論文針對(duì)免疫組化細(xì)胞圖像的特點(diǎn)，提出免疫組化融合性圖像特征結(jié)構(gòu)的分割技術(shù)與重疊細(xì)胞圖像的自動(dòng)分離技術(shù)，解決陽(yáng)性細(xì)胞和陰性細(xì)胞分割提取，細(xì)胞重疊判定、細(xì)胞核心計(jì)算、重疊細(xì)胞分離等技術(shù)難題。 免疫組化融合性圖像特征結(jié)構(gòu)分割技術(shù)研究的內(nèi)容是對(duì)具有閉合連續(xù)邊界屬性的彩色細(xì)胞圖像進(jìn)行新的分割方法的設(shè)計(jì)與實(shí)現(xiàn)，并做圖像分割實(shí)驗(yàn)

5、，提取出免疫組化彩色圖像中的陽(yáng)性細(xì)胞和陰性細(xì)胞。目的是獲得更準(zhǔn)確而快速的彩色細(xì)胞圖像分割方法，用以提高彩色圖像中特定區(qū)域的識(shí)別和測(cè)量精度。 重疊細(xì)胞圖像的自動(dòng)分離技術(shù)研究的內(nèi)容是對(duì)重疊在一起的細(xì)胞圖像進(jìn)行新的分離算法的設(shè)計(jì)與實(shí)現(xiàn)，目的是獲得邊界完整、無(wú)破損的單個(gè)細(xì)胞，為細(xì)胞的計(jì)數(shù)和面積、周長(zhǎng)及形狀因子等參數(shù)的定量測(cè)試奠定基礎(chǔ)。 技術(shù)路線 1．免疫組化融合性圖像特征結(jié)構(gòu)的分割 (1)圖像預(yù)處理包括圖像對(duì)比度

6、的增強(qiáng)、噪聲的濾除、圖像內(nèi)部空洞的填補(bǔ)等，用于提高圖像的質(zhì)量，便于區(qū)域的識(shí)別。 (2)色度學(xué)分析采集多幅ER/PR免疫組化彩色圖像，分析不同區(qū)域的RGB三色空間的顏色值，獲得陽(yáng)性細(xì)胞和陰性細(xì)胞在RGB三色空間的分布概況，尋找陽(yáng)性細(xì)胞和陰性細(xì)胞RGB分布差異。 (3)陽(yáng)性細(xì)胞和陰性細(xì)胞的粗分割依據(jù)色度學(xué)分析的結(jié)果，建立免疫組化彩色圖像色度學(xué)判斷準(zhǔn)則，對(duì)陽(yáng)性細(xì)胞和陰性細(xì)胞粗分割。 (4)陽(yáng)性細(xì)胞和陰性細(xì)胞的細(xì)分割選擇

7、合適的分割算法——C均值聚類，針對(duì)其不足進(jìn)行改進(jìn)，形成新的細(xì)胞分割算法。 (5)在Matlab6.1的環(huán)境下編程實(shí)現(xiàn)本技術(shù)。 2．重疊細(xì)胞分離 (1)細(xì)胞重疊區(qū)域的檢出采集一些形狀各異的細(xì)胞和重疊細(xì)胞，測(cè)量它們的體視學(xué)參數(shù)，獲得有意義的結(jié)果，用于對(duì)陽(yáng)性細(xì)胞和陰性細(xì)胞區(qū)域內(nèi)的每個(gè)連通區(qū)進(jìn)行判別，是否存在細(xì)胞重疊。 (2)細(xì)胞核心計(jì)算分析單個(gè)細(xì)胞的核心，建立重疊細(xì)胞中各個(gè)細(xì)胞核心的計(jì)算方法。 (3

8、)重疊細(xì)胞凸閉包結(jié)構(gòu)分析對(duì)細(xì)胞重疊區(qū)域的凹凸性進(jìn)行分析，計(jì)算凸閉包結(jié)構(gòu)，并基于凸閉包計(jì)算重疊細(xì)胞的凹區(qū)。 (4)凹點(diǎn)搜尋對(duì)重疊細(xì)胞凹區(qū)分析，從重疊細(xì)胞凹區(qū)搜尋到凹點(diǎn)。 (5)重疊細(xì)胞分離針對(duì)不同形狀的重疊，從分離區(qū)中搜尋精確的分離點(diǎn)，連接分離點(diǎn)對(duì)實(shí)現(xiàn)細(xì)胞分離。 (6)在Matlab6.1的環(huán)境下編程實(shí)現(xiàn)本技術(shù)。 結(jié)論 1．本研究首次提出并建立了免疫組化色度學(xué)準(zhǔn)則，可以將：ER/PR免疫組化彩色

9、圖像中的陽(yáng)性區(qū)和陰性區(qū)分割到不同的圖像中，為下一步陽(yáng)性細(xì)胞和陰性細(xì)胞的分割提取奠定了基礎(chǔ)。 2．本研究對(duì)C-均值算法進(jìn)行了改進(jìn)：在色度學(xué)準(zhǔn)則分割效果的基礎(chǔ)上，減少了聚類分割的數(shù)據(jù)量，并減少了迭代的次數(shù)，提高了運(yùn)行的速度，準(zhǔn)確分割提取出免疫組化圖像中的陽(yáng)性細(xì)胞和陰性細(xì)胞，效果滿意。 3．本研究首次提出并建了基于形狀因子分析的重疊細(xì)胞判別新技術(shù)，實(shí)現(xiàn)了圖像中重疊細(xì)胞區(qū)的自動(dòng)判別。該技術(shù)可用于細(xì)胞圖像中重疊細(xì)胞的自動(dòng)提取、重疊

10、細(xì)胞核的自動(dòng)提取。 4．本研究首次提出基于數(shù)學(xué)形態(tài)學(xué)的細(xì)胞核心概念及提取技術(shù)，計(jì)算出重疊細(xì)胞的各個(gè)核心坐標(biāo)以及總的核心數(shù)。該技術(shù)可用于重疊細(xì)胞的自動(dòng)分離、細(xì)胞散點(diǎn)圖的構(gòu)建。 5．本研究首次提出并建立了基于凸閉包結(jié)構(gòu)的凹區(qū)提取技術(shù)，從重疊細(xì)胞的凹凸性方面計(jì)算出重疊細(xì)胞的各個(gè)凹區(qū)。該技術(shù)可用于重疊細(xì)胞的自動(dòng)分離、細(xì)胞異型性的判別。 6．本研究首次提出并建立了基于凹區(qū)的凹點(diǎn)搜尋新技術(shù)，將重疊細(xì)胞的各個(gè)凹點(diǎn)提取出來，為細(xì)