[發(fā)明專利]一種基于層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割區(qū)域的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711059447.6
• 申請日: 2017-11-01
• 公開（公告）號: CN108122235B
• 公開（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 陳磊;方陸明;吳超;徐愛俊;唐麗華;樓雄偉
• 申請（專利權(quán)）人: 浙江農(nóng)林大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187
• 代理公司: 寧波市鄞州盛飛專利代理事務(wù)所(特殊普通合伙) 33243
• 代理人: 龍洋

本發(fā)明公開了一種基于層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割區(qū)域的方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)不能準(zhǔn)確地分割細(xì)胞區(qū)域的問題。該方法包括：S1、定義相差顯微鏡細(xì)胞圖像中的主要信息、中間信息及次要信息；S2、基于所述細(xì)胞主要信息，擴(kuò)展所述細(xì)胞中間信息；S3、基于細(xì)胞的灰度層級結(jié)構(gòu)信息，檢測與分析細(xì)胞之間各自獨(dú)立與相互粘連的情況；S4、基于已檢測到的相關(guān)信息，通過區(qū)域塊分離與分組方法，不斷擴(kuò)展細(xì)胞信息以構(gòu)建細(xì)胞最終的分割結(jié)果。本發(fā)明基于目標(biāo)灰度層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割結(jié)果，不斷地分離與分組具有不同重要性的灰度層級結(jié)構(gòu)信息，最終能準(zhǔn)確地構(gòu)建細(xì)胞的分割區(qū)域。

技術(shù)領(lǐng)域

本發(fā)明涉及本發(fā)明涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割區(qū)域的方法及系統(tǒng)。

背景技術(shù)

細(xì)胞運(yùn)動的研究一直是細(xì)胞學(xué)和生物學(xué)研究的重要組成部分，但是傳統(tǒng)的研究方法在技術(shù)日益革新的現(xiàn)在已經(jīng)漸漸變得不這么適用了，傳統(tǒng)的在顯微鏡下利用細(xì)胞計(jì)數(shù)板用人眼進(jìn)行染色、分類、計(jì)數(shù)、跟蹤等這類不但需要大量繁瑣的人為操作而且容易使得操作者變得疲勞從而影響結(jié)果的正確性，且其可重用性比較低。

國內(nèi)外的醫(yī)學(xué)專家經(jīng)過長期地實(shí)踐與研究取得一致共識認(rèn)為應(yīng)該在細(xì)胞運(yùn)動研究中引入數(shù)字視頻技術(shù)和數(shù)字圖像處理技術(shù)，從而極大地提高研究效率，減輕研究人員負(fù)擔(dān)。用計(jì)算機(jī)來跟蹤細(xì)胞運(yùn)動，部分代替人類始終盯著顯微鏡來觀察細(xì)胞的眼睛，盡量地把人從繁重的重復(fù)勞動中解脫出來進(jìn)行更有創(chuàng)造性的工作。

因此，如何利用計(jì)算機(jī)圖像處理、視頻分析等相關(guān)技術(shù)手段來提高生物研究過程中的自動化程度已成為當(dāng)前急需解決的非常有意義的難題。

當(dāng)前，常用的目標(biāo)檢測與識別算法，可以在確定目標(biāo)大致位置之后，提取區(qū)域內(nèi)部的特征，再采用適當(dāng)?shù)姆诸惼鲗z測區(qū)域進(jìn)行識別與分類。多數(shù)目標(biāo)檢測與識別算法的實(shí)現(xiàn)都是依賴于提取的高維度特征與不同的訓(xùn)練算法。在檢測時，這些算法多采用矩形框，且將矩形框覆蓋的大致區(qū)域作為表征目標(biāo)的檢測結(jié)果。雖然，其檢測結(jié)果可以覆蓋目標(biāo)，但并不是在所有情況下都可以通過外接矩形框的方式定義目標(biāo)區(qū)域。矩形框內(nèi)目標(biāo)占整個矩形框區(qū)域的比例有時非常小，那么提取的特征就不是非常準(zhǔn)確，不利于應(yīng)用目標(biāo)識別與分類等后續(xù)算法。

公開號為CN103559724A的專利提供了一種高粘連度細(xì)胞環(huán)境下的多細(xì)胞同步跟蹤方法。細(xì)胞序列圖像中，多細(xì)胞的分割和同步跟蹤是一個尚未解決的難題，尤其在高粘連度情況下多細(xì)胞檢測與分割，更加迫切需要解決。該發(fā)明首先提出了一種改進(jìn)的基于分水嶺和多特征匹配的分割算法實(shí)現(xiàn)細(xì)胞分割，然后，建立適用于卡爾曼濾波的運(yùn)動模型并加入多特征匹配實(shí)現(xiàn)細(xì)胞的預(yù)測和跟蹤。該發(fā)明不能很好地處理細(xì)胞核粘連情況與獨(dú)立情況的分析。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題目的在于提供一種基于層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割區(qū)域的方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)不能準(zhǔn)確地分割細(xì)胞區(qū)域的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于層級結(jié)構(gòu)信息構(gòu)建細(xì)胞分割區(qū)域的方法，包括步驟：

S1、定義相差顯微鏡細(xì)胞圖像中的細(xì)胞主要信息、細(xì)胞中間信息及細(xì)胞次要信息；具體地，通過相差顯微鏡成像系統(tǒng)，獲取所述相差顯微鏡細(xì)胞圖像；采用多類別最大類間方差算法將所述相差顯微鏡細(xì)胞圖像劃分為深暗區(qū)域、高亮區(qū)域及高亮區(qū)域內(nèi)部的封閉區(qū)域；定義深暗區(qū)域?yàn)榧?xì)胞主要信息，高亮區(qū)域?yàn)榧?xì)胞次要信息，高亮區(qū)域內(nèi)部的封閉區(qū)域?yàn)榧?xì)胞中間信息；

S2、基于所述細(xì)胞主要信息，擴(kuò)展所述細(xì)胞中間信息；

S3、基于細(xì)胞的灰度層級結(jié)構(gòu)信息，檢測與分析細(xì)胞之間各自獨(dú)立與相互粘連的情況；

S4、基于已檢測到的相關(guān)信息，通過區(qū)域塊分離與分組方法，不斷擴(kuò)展細(xì)胞信息以構(gòu)建細(xì)胞最終的分割結(jié)果。

進(jìn)一步地，其特征在于，步驟S2具體包括：