基于粒子滤波对肾小球TEM图像的基底膜分割方法技术

本发明专利技术公开一种基于粒子滤波对肾小球TEM图像的基底膜分割方法，包括步骤：读取一张包含基底膜的肾小球TEM图像，确定初始化的粒子h0并设定其初始化权重w0，以此生成下一个状态的粒子；对于已估计某一状态t‑1的粒子集，包含K个粒子及其权重，由动态模型生成下一个状态t的K1个候选粒子；用阈值约束条件初步评价候选粒子；若满足阈值约束条件的粒子不少于预设值K5，则利用似然函数得出已选粒子的权重，并选择前K个权重较大的粒子构成状态t下的粒子集，否则，若对t‑2状态粒子进行重采样，再重复步骤C～步骤E估计t‑1状下的粒子；从最终分割出来的K个路径中选出权重最大的路径作为最终的分割结果。本发明专利技术实现方法简单、分割准确，能分割出较为完整的基底膜。

【技术实现步骤摘要】

本专利技术涉及医学图像处理技术，具体是指一种基于粒子滤波对肾小球TEM图像的基底膜分割方法。
技术介绍
透射电镜(Transmission Electron Microscope，TEM)检查在肾活检病理诊断中发挥着重要作用，多数肾活检病例需要依靠TEM明确或辅助诊断。对于遗传性肾小球疾病其重要性更为突出，其中基底膜的厚度及形态特征是这类疾病的重要诊断指标，如薄基底膜病表现为肾小球基底膜弥漫性变薄，又如Alport综合征的儿童患者表现为基底膜厚薄交替出现，可见断裂和新形成的基底膜。目前病理医生进行肾小球病理诊断时往往需要查看大量疑似病变区的基底膜，加重了病理医生的工作量且易造成漏诊。因此，对肾小球TEM图像进行基底膜分割能减轻病理医生工作量，降低漏诊率，为基底膜诊断提供便利。现阶段已提出的基底膜分割方法包括半自动和全自动的分割方法。这些方法主要是利用固定准则进行基底膜的分割，而缺少根据已分割区域对准则进行动态调整。而在肾小球TEM图像中，基底膜是一种带状结构的薄膜，分布极为广泛、无固定形态且部分基底膜存在与周围组织结构灰度相似、边界不明显、厚度突然变窄、基底膜走向突然转变等特点，使得已提出的方法在分割基底膜时存在易泄漏、易陷入局部极值及需要严格初始化等问题。
技术实现思路
本专利技术的目的在于针对现有技术不足，提出一种基于粒子滤波对肾小球
TEM图像的基底膜分割方法，本专利技术根据已有粒子的信息来预测下一个状态下粒子的信息以实现基底膜的分割，能够有效减少人工干预，应对基底膜走向和厚度突变等问题及与周围组织结构灰度相似所带来的分割困难，能分割出较为完整的基底膜。一种基于粒子滤波对肾小球TEM图像的基底膜分割方法，其包括以下步骤：A、读取一张包含基底膜的肾小球TEM图像；B、在肾小球TEM图像中选择一段基膜，以选择的此段基膜确定初始化的粒子h0并设定其初始化权重w0，以此生成下一个状态的粒子；C、对于已估计某一状态t-1的粒子集，包含K个粒子及其权重，由动态模型生成下一个状态t的K1个候选粒子；D、用阈值约束条件初步评价候选粒子；E、若满足阈值约束条件的粒子少于预设值K5，则将新得到的粒子加入到状态t的粒子中，重复步骤C～步骤D进行t状态下粒子的估计；F、若步骤E得到满足阈值约束条件的粒子不少于预设值K5，则利用似然函数得出已选粒子的权重，并选择前K个权重较大的粒子构成状态t下的粒子集，否则，若步骤E中重复步骤C～步骤D的次数达到预设次数后仍不满足条件的粒子数仍达到K5个，则对t-2状态粒子进行重采样，再重复步骤C～步骤E估计t-1状下的粒子；G、重复步骤C～步骤F，直到t达到预设的状态数或者手动终止分割，并从最终分割出来的K个路径中选出权重最大的路径作为最终的分割结果。所述步骤B选取初始化粒子具体是在任意基底膜段内，手动以基底膜一条边界上的任意两点为起点，沿着垂直于基底膜的边界方向画两条线段到达另一边界，再由这两条线段构成一个闭合的曲线，得到初始粒子h0，取初始粒子权重w0＝1。所述步骤C具体是通过已估计状态t-1的粒子集利用动态模型得到t状态的候选粒子集对于状态t-1的粒子集中的任意一个粒子其平均灰度值为平均粒子半径为由该粒子根据动态模型得到t状态粒子的过程具体包括：C1、获得粒子的中心线：(1)为保持粒子的连续性，设中心线上的第1个点p1,t为中心线上的第i点pi,t-1，即pi,t-1＝p1,t，且第2个点p2,t在的方向上，即：其中，为的单位向量，l1为p1,t与p2,t的距离，l1～U(0,L)，U表示服从均匀分布，L为相邻两点的最大距离；(2)状态t中心线上第j个点pi,j由公式计算得出，其中，MF表示冯·米塞斯分布，为的单位向量，lj～U(0,L]，num为拟合中心线的点的数目；(3)拟合点p1,t,...,pnum,t得到粒子的中心线；C2、利用中心线上的点得到粒子左、右边界线。用于拟合左边界的点lj,t(j＝1,...,num)满足：li,t-1＝l1,t，dj＝Dt-1/2+d′，其中，d’为改变粒子半径的随机增量，d’～N(0,1)，拟合点l1,t,...,lnum,t得到粒子的左边界线，并采用得到粒子的左边界线同样的方法得到粒子的右边界线；C3、根据左右边界线及中心线的两端点，拟合一个闭合区域，且令区域中每一点的像素值为得到粒子所述步骤D是选出满足阈值约束的粒子，具体包括：动态模型产生的任意粒子在TEM图像中都有对应的观察模型对于步骤C所产生的每个粒子，需满足公式否则被排除，最终得到K2个粒子，其中代表观察模型的灰度值，μ0为初始粒子的平均灰度值，代表的面积,λ1为中每个像素点的灰度值与的最大允许偏差值，λ2为中满足灰度阈值条件的面积所占的最小比值。所述步骤F中重采样过程具体是当粒子追踪过程遇到基底膜厚度及走向突然变化时，运用回溯对粒子进行了重采样。运用回溯对粒子进行了重采样的步骤具体包括：在估计不同状态的粒子并不是一直往下追踪，而是当t状态下满足阈值条件的粒子不足时，会继续产生t状态下的新粒子，若产生足够多的粒子后满足阈值条件的粒子仍不够时，则退回到对t-1状态的粒子估计；对t-1状态的粒子重新估计时，先根据原来t-1、t状态下满足阈值条件的粒子及t-2状态下未被用来估计的粒子构成新的t-2状态下的粒子集合，再通过重采样繁殖更多权重大的粒子而舍弃权重小的粒子得到最后t-2状态下的K个粒子。所述步骤F中的似然函数能对K3个粒子赋予不同的权重值，权值越大表示粒子与观察模型越相似，其中，似然函数由下列公式计算得出；其中，Norm代表归一化函数，计算和边界梯度的一致性，越小梯度一致性越高，由计算得出，计算和平均灰度的一致性，越小灰度一致性越高，的具体计算公式为其中和分别代表粒子与观察模型的边缘梯度方向，θ代表两梯度方向的夹角。所述步骤G是在分割处理结束后，所有的粒子集合构成K条路径即从K条路径中选择权重最大的路径作为最终的分割结果。与现有技术相比，本专利技术具有如下有益效果：(1)本专利技术能根据已分割出的基底膜信息，利用基底膜的连续性及带状
结构特点动态调整粒子模型，以搜索正确的基底膜段。(2)本专利技术提出的基于粒子滤波对肾小球TEM图像的基底膜分割法能应对基底膜走向和厚度突变等问题及与周围组织结构灰度相似所带来的分割困难，分割出较为完整的基底膜。(3)本专利技术实现方法简单、分割准确，有利于减轻病理医生工作量，降低漏诊率，为基底膜诊断提供便利。附图说明利用附图对本专利技术做进一步的说明，但附图中的内容不构成对本专利技术的任何限制。图1是一种含基底膜的肾小球TEM图像。图2是肾小球TEM图像中存在各种不利于分割因素的示意图，其中，A处基底膜走向突变，B处基底膜的宽度变窄，C处基底膜边界不明显且与周围区域灰度相近。图3是本专利技术一个实施例流程示意图。图4为图3中利用动态模型产生粒子的示意图。图5为图3中步骤s07采用融入回溯思想的重采样过程的示意图。图6是本专利技术方法分割的结果示意图，图中A所指区域基底膜走向发生突变，B所指区域基底膜厚度发生较大变化，C所指区域基底膜边界不明显且与周围结构灰度近似。具体实施方式下面结合具体的实例对本专利技术进行详细描述。图1为一张肾小球TEM图像，为在南方医科本文档来自技高网...

【技术保护点】
基于粒子滤波对肾小球TEM图像的基底膜分割方法，其特征在于，包括以下步骤：A、读取一张包含基底膜的肾小球TEM图像；B、在肾小球TEM图像中选择一段基膜，以选择的此段基膜确定初始化的粒子h0并设定其初始化权重w0，以此生成下一个状态的粒子；C、对于已估计某一状态t‑1的粒子集，包含K个粒子及其权重，由动态模型生成下一个状态t的K1个候选粒子；D、用阈值约束条件初步评价候选粒子；E、若满足阈值约束条件的粒子少于预设值K5，则将新得到的粒子加入到状态t的粒子中，重复步骤C～步骤D进行t状态下粒子的估计；F、若步骤E得到满足阈值约束条件的粒子不少于预设值K5，则利用似然函数得出已选粒子的权重，并选择前K个权重较大的粒子构成状态t下的粒子集，否则，若步骤E中重复步骤C～步骤D的次数达到预设次数后仍不满足条件的粒子数仍达到K5个，则对t‑2状态粒子进行重采样，再重复步骤C～步骤E估计t‑1状下的粒子；G、重复步骤C～步骤F，直到t达到预设的状态数或者手动终止分割，并从最终分割出来的K个路径中选出权重最大的路径作为最终的分割结果。

【技术特征摘要】
1.基于粒子滤波对肾小球TEM图像的基底膜分割方法，其特征在于，包括以下步骤：A、读取一张包含基底膜的肾小球TEM图像；B、在肾小球TEM图像中选择一段基膜，以选择的此段基膜确定初始化的粒子h0并设定其初始化权重w0，以此生成下一个状态的粒子；C、对于已估计某一状态t-1的粒子集，包含K个粒子及其权重，由动态模型生成下一个状态t的K1个候选粒子；D、用阈值约束条件初步评价候选粒子；E、若满足阈值约束条件的粒子少于预设值K5，则将新得到的粒子加入到状态t的粒子中，重复步骤C～步骤D进行t状态下粒子的估计；F、若步骤E得到满足阈值约束条件的粒子不少于预设值K5，则利用似然函数得出已选粒子的权重，并选择前K个权重较大的粒子构成状态t下的粒子集，否则，若步骤E中重复步骤C～步骤D的次数达到预设次数后仍不满足条件的粒子数仍达到K5个，则对t-2状态粒子进行重采样，再重复步骤C～步骤E估计t-1状下的粒子；G、重复步骤C～步骤F，直到t达到预设的状态数或者手动终止分割，并从最终分割出来的K个路径中选出权重最大的路径作为最终的分割结果。2.根据权利要求1所述的基于粒子滤波对肾小球TEM图像的基底膜分割方法，其特征在于：所述步骤B选取初始化粒子具体是在任意基底膜段内，手动以基底膜一条边界上的任意两点为起点，沿着垂直于基底膜的边界方向画两条线段到达另一边界，再由这两条线段构成一个闭合的曲线，得到初始粒子h0，取初始粒子权重w0＝1。3.根据权利要求1所述的基于粒子滤波对肾小球TEM图像的基底膜分割方法，其特征在于：所述步骤C具体是通过已估计状态t-1的粒子集利
\t用动态模型得到t状态的候选粒子集4.根据权利要求3所述的基于粒子滤波对肾小球TEM图像的基底膜分割方法，其特征在于：对于状态t-1的粒子集中的任意一个粒子其平均灰度值为平均粒子半径为由该粒子根据动态模型得到t状态粒子的过程具体包括：C1、获得粒子的中心线：(1)为保持粒子的连续性，设中心线上的第1个点p1,t为中心线上的第i点pi,t-1，即pi,t-1＝p1,t，且第2个点p2,t在的方向上，即：其中，为的单位向量，l1为p1,t与p2,t的距离，l1～U(0,L)，U表示服从均匀分布，L为相邻两点的最大距离；(2)状态t中心线上第j个点pi,j由公式计算得出，其中，MF表示冯·米塞斯分布，为的单位向量，lj～U(0,L]，num为拟合中心线的点的数目；(3)拟合点p1,t,...,pnum,t得到粒子的中心线；C2、利用中心线上的点得到...

【专利技术属性】
技术研发人员：曹蕾，李穆，李创权，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：广东;44