视网膜细胞显微图像分割与计数方法技术

本发明专利技术公开了一种视网膜细胞显微图像分割与计数方法，其特征是，包括如下步骤：首先对图像预处理，然后使用AdaBoost分类器对细胞连通区域进行形状分类判断是否需要分割，之后对细胞进行瓶颈点检测，并使用加速迪杰斯特拉算法连接分割点完成分割，最后将分割获得的新的细胞连通区域重新放入AdaBoost分类器进行形状分类，判断是否需要继续分割。本发明专利技术所达到的有益效果：利用阈值滤波、数字形态学操作中计算量小、运算简单、运行效率高等优点；同时结合细胞形状分类、边缘轮廓瓶颈点检测的方法以及加速迪杰斯特拉算法，对重叠、粘连细胞进行分割，获得的结果具有较好的准确性并且本方法有较高的运行效率。

【技术实现步骤摘要】

本专利技术涉及一种视网膜细胞显微图像分割与计数方法，属于图像处理

技术介绍
视网膜是脑部神经组织的延伸，具有复杂的多层次组织结构。视网膜病变引起的视网膜组织的损伤往往靠药物难以修复，因此生物组织修复工程已经成为修复视网膜损伤的一种强有力的工具，其中一种方法就是设计一种具有生物相容性的材料，将携带了健康视网膜细胞的材料注射到视网膜损伤的部位，促进细胞在损伤部位的生长增殖，进而修复损伤部位。这就要求这种材料须与人体相容，对人体无害，所以这种材料的细胞毒性需要被准确评估。通过设计一系列视网膜细胞与材料共培养的实验，并拍摄相应的视网膜荧光显微细胞图像，分析不同时间点的视网膜细胞数目的变化来评估材料的细胞毒性。由于细胞图像的复杂性和多样性，重叠、粘连细胞的分割是细胞图像分割的一大难题,增加了视网膜细胞图像计数的难度，为了提高分析结果的精度，必须运用分割算法将它们自动分割为单个细胞。在自动分割后进行计数可以准确定量的分析细胞数目变化趋势，进而准确评估材料的细胞毒性。目前的细胞图像自动分割算法存在以下的缺陷：(1)大部分算法是寻找粘连细胞轮廓上曲率较高的凹点作为分割的起始点，而往往细胞轮廓上存在多个凹点，凹点的选择与配对难度很大。(2)大部分现有的分割算法往往对细胞的大小、形状以及预设的参数非常敏感，对不同图像往往会有欠分割或过分割的情况。(3)大部分分割算法往往是针对二值图像图像处理的，没有利用原图有用的灰度信息，从而使分割结果与实际情况有很大差异。
技术实现思路
为解决现有技术的不足，本专利技术的目的在于提供一种视网膜细胞显微图像分割与计数方法，结合了传统的和近代提出的多种方法，对重叠、粘连细胞进行分割，获得的结果具有较好的准确性，方法有较高的运行效率。为了实现上述目标，本专利技术采用如下的技术方案：一种视网膜细胞显微图像分割与计数方法，其特征是，包括如下步骤：1)预处理：去除图像中的噪声点；2)使用AdaBoost分类器对细胞进行形状分类，对输入的细胞图像中的连通区域进行分类，判断每个连通区域是否需要分割；3)对细胞进行瓶颈点检测：在需要分割的细胞连通区域的轮廓上进行瓶颈点检测，检测到的一对瓶颈点作为细胞分割的一对起始点；4)使用加速迪杰斯特拉算法连接分割点完成分割；5)将分割获得的新的细胞连通区域重新进行步骤2)，判断是否需要继续分割，如果需要分割，则重复步骤3)-5)，如果不需要继续分割，则输出结果。前述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤1)中利用阈值滤波和数字形态学变换对图像进行预处理。前述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤1)中，对滤波后的图像使用3*3的模板进行腐蚀和膨胀操作。前述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤2)具体操作如下：通过步骤1)预处理后的图像得到细胞的连通区域，并提取连通区域的若干形状特征；所述AdaBoost分类器利用细胞连通区域的形状特征判断连通区域是否需要被分割。前述的视网膜细胞显微图像分割与计数方法，其特征是所述步骤2)中图像上的每个细胞的连通区域都被标上标签1或0，1代表需要被分割，0代表不需要被分割。前述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤3)中，在需要被分割的细胞连通区域的轮廓上进行瓶颈点检测，并做为连通区域的分割点，瓶颈点检测的具体方法如下：取细胞连通区域轮廓上的任意两个不同点A和B，点A和B之间的代价函数其中dist(A,B)表示点A和B之间的欧式距离，length(A,B)、length(B,A)分别表示在连通区域轮廓上从点A到B和从点B到点A的顺时针方向的弧长；瓶颈点A*和B*满足：(A*,B*)=argminA,BE(A,B).]]>本专利技术所达到的有益效果：本专利技术结合了传统的和近代提出的多种方法，利用了阈值滤波、数字形态学操作，具有计算量小、运算简单、运行效率高等优点；同时结合了细胞形状分类，边缘轮廓瓶颈点检测的方法以及加速迪杰斯特拉算法，对重叠、粘连细胞进行分割，获得的结果具有较好的准确性，方法有较高的运行效率。附图说明图1(a)-(d)均是瓶颈点检测的结果示意图；图2(a)-(d)均是二值化后的原始图像；图3(a)-(e)均是原始细胞连通区域和分割后的区域对比图；图4(a)-(d)均是原始细胞连通区域的边缘和分割后的区域的边缘对比图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本方法的具体步骤如下：(1)图像预处理：由于视网膜细胞与高分子材料共培养，这会导致细胞染色的不规则，所以采集到的荧光显微图像存在不同程度的噪声，通过利用阈值滤波和数字形态学变换对图像进行预处理，其中对滤波后的图像使用3*3的模板进行腐蚀和膨胀的操作，这可以有效滤除图像中的噪声点。而且这种方法简单，计算开销小，处理效率高，能达到很好的图像去噪和增强效果。(2)形状分类：在预处理的图像上可以获得细胞的连通区域，并提取这些连通区域的的形状特征，我们选取了其中7个形状特征：area，solidity，eccentricity，convexarea，equivdiameter，orientation和extent。在这个步骤中，AdaBoost分类器利用细胞连通区域的这一系列形状特征来判断连通区域是否需要被分割，在本实施例中，随机选取了60个细胞形状作为AdaBoost形状分类器的训练集，其中，一半是需要分割的形状，一半是不需要分割的形状。在分类之后，图像上的每个细胞的连通区域都被标上标签1或0(1代表需要被分割，0代表不需要被分割)。(3)瓶颈点检测：在形状分类之后，在需要被分割的细胞连通区域的轮廓上进行瓶颈点检测，并作为连通区域的分割点。瓶颈点检测的具体方法如下：点A和B代表细胞连通区域轮廓上的任意两个不同点，点A和B之间的一个代价函数定义如下：E(A,B)=dist(A,B)min{length(A,B),length(B,A)本文档来自技高网...

【技术保护点】
一种视网膜细胞显微图像分割与计数方法，其特征是，包括如下步骤：1)预处理：去除图像中的噪声点；2)使用AdaBoost分类器对细胞进行形状分类，对输入的细胞图像中的连通区域进行分类，判断每个连通区域是否需要分割；3)对细胞进行瓶颈点检测：在需要分割的细胞连通区域的轮廓上进行瓶颈点检测，检测到的一对瓶颈点作为细胞分割的一对起始点；4)使用加速迪杰斯特拉算法连接分割点完成分割；5)将分割获得的新的细胞连通区域重新进行步骤2)，判断是否需要继续分割，如果需要分割，则重复步骤3)‑5)，如果不需要继续分割，则输出结果。

【技术特征摘要】
1.一种视网膜细胞显微图像分割与计数方法，其特征是，包括如下步骤：
1)预处理：去除图像中的噪声点；
2)使用AdaBoost分类器对细胞进行形状分类，对输入的细胞图像中的连通区域进行分
类，判断每个连通区域是否需要分割；
3)对细胞进行瓶颈点检测：在需要分割的细胞连通区域的轮廓上进行瓶颈点检测，检
测到的一对瓶颈点作为细胞分割的一对起始点；
4)使用加速迪杰斯特拉算法连接分割点完成分割；
5)将分割获得的新的细胞连通区域重新进行步骤2)，判断是否需要继续分割，如果需
要分割，则重复步骤3)-5)，如果不需要继续分割，则输出结果。
2.根据权利要求1所述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤1)
中利用阈值滤波对图像进行预处理。
3.根据权利要求所述的视网膜细胞显微图像分割与计数方法，其特征是，所述步骤1)
中，对滤波后的图像使用3*3的模板进行腐蚀和膨胀操作。
4.根据权利要求1所述的视网膜细胞显微图像分割与计数方法，其特征...

【专利技术属性】
技术研发人员：陈新建，费健峻，朱伟芳，石霏，向德辉，林潇，杨磊，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32