[發(fā)明專利]一種顯微圖像細胞計數(shù)與姿態(tài)識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010587160.6
• 申請日: 2020-06-24
• 公開（公告）號: CN111724378A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計）人: 云新;張?zhí)鞛?/a>;譚威;陳長勝
• 申請（專利權(quán)）人: 武漢互創(chuàng)聯(lián)合科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/60;G06K9/62;G06T7/70
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 楊采良

本發(fā)明屬于智能醫(yī)療輔助和計算機視覺技術(shù)領(lǐng)域，公開了一種顯微圖像細胞計數(shù)與姿態(tài)識別方法及系統(tǒng)，采用目標在不同焦段下拍攝的多張圖像，而非僅僅利用特定焦段的一張圖像；在多張圖像經(jīng)預(yù)處理后的平均圖像上檢測邊緣，并對邊緣進行細化。根據(jù)邊緣圖像擬合所有可能的橢圓。利用聚類分析的方法對橢圓進行篩選。本發(fā)明采用在多個焦段下拍攝的多張圖像，改善邊緣的清晰度和完整性，進而提高橢圓擬合的準確度。本發(fā)明可以自適應(yīng)地確定圖像中包含的細胞數(shù)量，無需在已知的特定階段拍攝圖像，具有較廣泛的適用范圍；利用多焦段多視圖的綜合信息進行橢圓的擬合和驗證，克服了單視圖固有的缺陷，得到的橢圓參數(shù)更加準確。

技術(shù)領(lǐng)域

本發(fā)明屬于智能醫(yī)療輔助和計算機視覺技術(shù)領(lǐng)域，尤其涉及一種顯微圖像細胞計數(shù)與姿態(tài)識別方法及系統(tǒng)。

背景技術(shù)

體外受精(IVF)是針對不孕不育癥的有效治療方法之一。為了保證體外受精質(zhì)量，需要對多組胚胎樣本進行質(zhì)量評估優(yōu)選。專業(yè)機構(gòu)的醫(yī)生可以通過顯微鏡對受精卵細胞的形態(tài)進行持續(xù)觀察，并給出評估結(jié)果。這種方式簡單直接，但需要相當專業(yè)的背景知識和大量的人工參與，門檻較高且效率低下。因此，許多研究者嘗試用圖像智能解譯的方式來代替人工參與。

霍夫曼調(diào)制相襯(HMC)顯微成像技術(shù)是最常用的透明目標無創(chuàng)圖像采集方法。然而，由于培養(yǎng)皿中的細胞處于半透明和重疊狀態(tài)、細胞代謝物和碎片等雜質(zhì)干擾、成像光照條件和噪聲帶來的質(zhì)量問題等因素，自動從圖像中提取細胞的數(shù)量、姿態(tài)等信息仍然面臨極大的挑戰(zhàn)。現(xiàn)有的方案主要通過對圖像中目標幾何形狀的擬合來實現(xiàn)細胞計數(shù)或定位功能，其重要假設(shè)是細胞的形態(tài)可以用近似圓或橢圓表示。Habibie I等人[1]研究了基于粒子群算法的霍夫變換參數(shù)優(yōu)化模型，實現(xiàn)對單胚胎的圓形擬合，但并未考慮分裂后有多個細胞的情況；Yun Tian等人[2]提出了一種基于最小二乘法的多細胞計數(shù)方法，通過擬合圓形來檢測培養(yǎng)過程中細胞的數(shù)量。然而，這類方法僅考慮圓形作為幾何要素，對非圓形態(tài)的細胞并不適用。因此，一些研究者使用橢圓來獲得更廣泛的形狀適應(yīng)性。Charalambos等人提出基于Hough變換的橢圓檢測方法來實現(xiàn)4細胞時期的檢測任務(wù)；Amarjot Singh1等人[4]通過等周圖分割得到細胞邊緣，再通過最小二乘法進行橢圓擬合。與圓形相比，橢圓的適用場景更加廣泛，但是僅僅利用單幅圖像提供的信息難以克服雜質(zhì)、噪聲、輪廓弱化、重疊等因素帶來的挑戰(zhàn)。為了解決這一問題，Giusti等人[5]提出了一種使用Z-stack(即單細胞時期在不同聚焦水平下的一組圖像)的細胞分割方法，提出了利用多焦段多視圖融合增強的思想，但其應(yīng)用僅限于單細胞時期。

通過上述分析，現(xiàn)有技術(shù)存在的問題及缺陷為：(1)現(xiàn)有技術(shù)僅僅考慮單細胞、四細胞等時期的圖像，細胞數(shù)量是已知的，如果圖像中的細胞數(shù)量未知則無法適用。

(2)多焦段多視圖的融合相比單視圖有顯著優(yōu)勢，但其應(yīng)用目前僅限于單細胞時期，尚未擴展到多細胞時期。

解決以上問題及缺陷的難度為：(1)當圖像中包含細胞的數(shù)量未知時，需要求解一個數(shù)量估計和姿態(tài)估計的聯(lián)合問題，相較于數(shù)量已知的情況，該問題的未知量更多、復(fù)雜性更高、難度也更大。

(2)多焦段多視圖數(shù)據(jù)按照何種方式進行融合才能增強細胞計數(shù)和定位的效果，同時適應(yīng)細胞數(shù)量未知的場景，尚無現(xiàn)有工作可以借鑒。

解決以上問題及缺陷的意義為：可以解決細胞數(shù)量未知時的計數(shù)和定位問題，建立細胞數(shù)量和姿態(tài)聯(lián)合估計的統(tǒng)一框架，方法的適用場景得到擴展；建立多視圖融合增強的有效機制，克服單視圖固有的缺陷，提升結(jié)果準確性。

參考文獻：

[1].WangD,Lu H,Bo C.Visual tracking via weighted local cosinesimilarity[J].IEEE Transactions on Cybernetics,2017,45(9):1838-1850.