[發(fā)明專利]一種相差顯微鏡細(xì)胞圖像的檢測(cè)和分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710168276.4
• 申請(qǐng)日: 2017-03-21
• 公開（公告）號(hào): CN109118492B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設(shè)計(jì)）人: 陳勝勇;陳磊;張劍華;周小龍;張俊康;何露露;汪曉妍;管秋
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種相差顯微鏡細(xì)胞圖像的檢測(cè)和分割方法，其特征在于：所述方法包括以下步驟：

1)基于對(duì)相差顯微鏡細(xì)胞圖像特性的分析，構(gòu)建圖像中的層次信息之后，定義細(xì)胞圖像中的主要信息，并通過輔助工具對(duì)細(xì)胞序列的第一幀標(biāo)記主要信息，并得到針對(duì)所有細(xì)胞的主要信息集合，同時(shí)數(shù)值標(biāo)號(hào)及顏色標(biāo)記所有細(xì)胞的主要信息；

2)傳播前一幀的主要信息，檢測(cè)當(dāng)前幀中的主要信息，并提供是否存在目標(biāo)主要信息粘連情況；

3)如若當(dāng)前幀中存在主要信息粘連情況，利用主要信息粘連分離算法對(duì)粘連細(xì)胞的主要信息進(jìn)行分離，并且將分離后的局部區(qū)域塊合并到細(xì)胞主要信息集合中去；

4)幀間主要信息傳播時(shí)存在主要信息衰減問題，通過細(xì)胞主要信息修復(fù)策略修復(fù)當(dāng)前幀細(xì)胞的主要信息；

5)基于提取和檢測(cè)到的主要信息，通過兩種區(qū)域近似估計(jì)策略，得到細(xì)胞分割和檢測(cè)結(jié)果；

所述步驟1)中，假設(shè)一張相差顯微鏡細(xì)胞圖像中存在灰度級(jí)別在0到L之間的N個(gè)像素，處于灰度級(jí)別i的像素個(gè)數(shù)標(biāo)記為n_i，那么灰度級(jí)i的像素在此圖片中的概率為p_i＝n_i/N；假設(shè)圖像中存在有C-1個(gè)閾值，記為{t₁,t₂,…,t_C-1}，其確定了C個(gè)灰度層次或者灰度集合，如此，集合1由灰度范圍為[0,…,t₁]的像素確定，集合1標(biāo)記為G₁，類似地，集合i由灰度范圍為(t_i-1,…,t_i]的像素確定，集合i標(biāo)記為G_i，最后一個(gè)集合由灰度范圍為(t_C-1,…,L]的像素確定，最后一個(gè)集合標(biāo)記為G_C；假設(shè)μ_T是此幅圖像的灰度均值，為了獲得針對(duì)所有細(xì)胞的深暗區(qū)域信息，即主要信息，采用多閾值最大類間算法，其定義為：

其中，

0≤t₁…t_C-1L

那么，此時(shí)的G₁便定義為當(dāng)前幀中的主要信息；

所述步驟3)中，針對(duì)具有幀間關(guān)聯(lián)信息的兩個(gè)細(xì)胞主要信息粘連情況，一個(gè)細(xì)胞的主要信息記為集合H₁、另一個(gè)細(xì)胞的主要信息記為集合H₂以及目標(biāo)分離塊的主要信息記為集合H₃，總的集合記為H＝{H₁,H₂,H₃}；對(duì)于每一個(gè)集合，存在且m_i≥0；在經(jīng)過PairSplit算法和GraphCrawl算法的處理之后，集合中的局部塊的數(shù)目會(huì)有變化，最后m₃將變?yōu)?，即H₃集合中的主要信息塊被完全分到了集合H₁和集合H₂中；

在GraphCrawl算法流程中，將H中所有局部塊的中心點(diǎn)定義為點(diǎn)集V＝{V₁,V₂,V₃}，且通過這些點(diǎn)集構(gòu)建出的德勞內(nèi)三角圖，能夠反映這些獨(dú)立塊之間的內(nèi)在結(jié)構(gòu)關(guān)系，GraphCrawl算法中剔除了集合V₁與集合V₂之間所有的邊，得到簡(jiǎn)化德勞內(nèi)三角圖，用于簡(jiǎn)化分組局部塊的過程；

所述步驟4)中，對(duì)于本地覆蓋檢測(cè)和光流覆蓋檢測(cè)不能將當(dāng)前幀的主要信息全部檢測(cè)出來(lái)，導(dǎo)致檢測(cè)結(jié)果僅是標(biāo)準(zhǔn)檢測(cè)結(jié)果的一個(gè)子集；在整幅圖像的所有主要信息局部塊之間構(gòu)建德勞內(nèi)三角圖，并不斷地通過距離閾值d_t，將鄰近的局部塊分組到當(dāng)前細(xì)胞主要信息集合中去；

對(duì)于失焦而模糊的細(xì)胞圖像，多閾值最大類間距離算法的參數(shù)C無(wú)法有效地獲得當(dāng)前幀的主要信息，此時(shí)增加C的值，使得原始圖像可以獲得更為細(xì)化的分層結(jié)果；

對(duì)于本身主要信息的自身衰減，針對(duì)某一序列的標(biāo)準(zhǔn)參數(shù)C可以適用于大部分的圖像，但是某些細(xì)胞的主要信息可能處于其他層次信息，通過增加相鄰層的信息可以修復(fù)細(xì)胞的主要信息。