一种构建心肌细胞图像灰度层级结构信息的方法及系统技术方案

本发明专利技术公开了一种构建心肌细胞图像灰度层级结构信息的方法及系统，用以解决现有技术不能很好地检测与分析心肌细胞染色图像中细胞核独立情况与粘连情况的问题。该方法包括：S1、将心肌细胞区域染色为具有不同颜色的响应位点和响应强度；S2、采用多阈值最大类间方差算法，依据不同参数构建针对不同染色信息的不同灰度层级结构信息；S3、采用最佳参数选取方法确定最佳参数，并将其所对应的响应位点和响应强度的评估结果作为最佳灰度层级结构信息。本发明专利技术通过构建染色图像灰度层级结构信息，并基于层级结构信息关系检测和分析心肌细胞核粘连情况与独立情况，从而理解心肌细胞免疫组化图像内部的场景信息，有利于心肌细胞免疫组化图像的后处理。

A method and system for constructing the gray level structure information of cardiac myocyte image

【技术实现步骤摘要】
一种构建心肌细胞图像灰度层级结构信息的方法及系统
本专利技术涉及医学图像处理
，尤其涉及一种构建心肌细胞图像灰度层级结构信息的方法及系统。
技术介绍
心肌细胞又称心肌纤维，有横纹，受植物性神经支配，属于有横纹的不随意肌，具有兴奋收缩的能力。呈短圆柱形，有分支，其细胞核位于细胞中央，一般只有一个。各心肌纤维分支的末端可相互连接构成肌纤维网。广义的心肌细胞包括组成窦房结、房内束、房室交界部、房室束(即希斯束)和浦肯野纤维等的特殊分化了的心肌细胞，以及一般的心房肌和心室肌工作细胞。细胞运动的研究一直是细胞学和生物学研究的重要组成部分，但是传统的研究方法在技术日益革新的现在已经渐渐变得不这么适用了，传统的在显微镜下利用细胞计数板用人眼进行染色、分类、计数、跟踪等这类不但需要大量繁琐的人为操作而且容易使得操作者变得疲劳从而影响结果的正确性，且其可重用性比较低。国内外的医学专家经过长期地实践与研究取得一致共识认为应该在细胞运动研究中引入数字视频技术和数字图像处理技术，从而极大地提高研究效率，减轻研究人员负担。用计算机来跟踪细胞运动，部分代替人类始终盯着显微镜来观察细胞的眼睛，尽量地把人从繁重的重复劳动中解脱出来进行更有创造性的工作。因此，如何利用计算机图像处理、视频分析等相关技术手段来提高生物研究过程中的自动化程度已成为当前急需解决的非常有意义的难题。公开号为CN103559724A的专利提供了一种高粘连度细胞环境下的多细胞同步跟踪方法。细胞序列图像中，多细胞的分割和同步跟踪是一个尚未解决的难题，尤其在高粘连度情况下多细胞检测与分割，更加迫切需要解决。该专利技术首先提出了一种改进的基于分水岭和多特征匹配的分割算法实现细胞分割，然后，建立适用于卡尔曼滤波的运动模型并加入多特征匹配实现细胞的预测和跟踪。该专利技术不能很好地处理心肌细胞核粘连情况与独立情况的分析。
技术实现思路
本专利技术要解决的技术问题目的在于提供一种构建心肌细胞图像灰度层级结构信息的方法及系统，用以检测心肌细胞核染色响应位点与响应强度，从而用以解决现有技术不能很好地检测与分析心肌细胞免疫组化染色图像中细胞核独立情况与粘连情况等问题。为了实现上述目的，本专利技术采用的技术方案为：一种构建心肌细胞图像灰度层级结构信息的方法，包括步骤：S1、将心肌细胞区域染色为具有不同颜色的响应位点和响应强度；S2、采用多阈值最大类间方差算法，依据不同参数构建针对不同染色信息的不同灰度层级结构信息；S3、采用最佳参数选取方法确定最佳参数，并将其所对应的响应位点和响应强度的评估结果作为最佳灰度层级结构信息。进一步地，其特征在于，所述步骤S1具体包括：基于不同特异性蛋白的结合特性，将具有不同蛋白表达的所述心肌细胞区域染色为红色、绿色以及蓝色，且心肌细胞核区域主要呈现为红色与蓝色。进一步地，其特征在于，所述步骤S2具体包括：针对任意一种颜色的染色信息图像，视为是灰度信息图像。此时假设一幅灰度信息图像I中存在灰度级别在0到L之间的N个像素，且处于灰度级别i的像素个数标记为ni，那么灰度级别i的像素在此图片中的概率为：pi＝ni/N；假设图像中存在C-1个阈值，记为{t1,t2,...,tC-1}；第一个集合G1由灰度范围为[0,...,t1]的像素确定；第i个集合由灰度范围为(ti-1,...,ti]的像素确定，标记为Gi；最后一个集合由灰度范围为(tC-1,...,L]的像素确定，标记为GC；假设μT是此幅图像的灰度均值，则多阈值最大类间方差算法的目标函数定义为：其中，0≤t1≤K≤tC-1<L；假设此时存在两个相邻集合，记为Gi与Gj，且|i-j|＝1；那么此两集合的某些局部区域能直接融合为一个局部连通区域，且融合边界无间隙。那么，调整参数C的值便能获得不同的图像灰度层级结构信息结果。进一步地，所述最佳参数C的确定方法为：假设图像I已被划分为m个集合，则第k个集合中的像素个数记为其中1≤k≤m；随着值m的变化，相应地也会得到关于像素个数的数值集合，那么将图像划分为p个集合的信息都称为p层信息；如此，便能形成层间数值关系，即处于p层的第q个数值记录仅与p+1层的第q个数值与第q+1个数值相互关联；假设p层的第q个集合中的像素个数(记为)是由与中的一部分像素构成的，那么此时存在连续两层(即p层与p+1层)的数值集合信息，即与在p+1层内部，存在如下的p-1个数值等式关系：……其中，需要保证其中k＝{2,...,p}；如此，便能得到如下p个层间等式关系：……为了简化等式求解与判别，随着类别个数m的增加，为了满足条件，存在符合如下标准的数值关系：判别时，除了需要满足如公式(2)所示的数值关系，也需要考虑集合灰度均值。此时，假设针对存在其所对应的灰度均值此时需要满足如下的数值不等式关系：从第1层一直不断地拓展，直至当p层存在不满足(2)或者(3)的时候，将参数p作为标准参数数值，赋值给多阈值最大类间方差算法的参数C，并将其对应的结果作为最佳多层级结构信息结果。一种构建心肌细胞图像灰度层级结构信息的系统，具体包括：染色模块，用于将心肌细胞区域染色为具有不同颜色的响应位点和响应强度；算法模块，用于采用多阈值最大类间方差算法，依据不同参数构建针对不同染色信息的不同灰度层级结构信息；评估模块，用于采用最佳参数选取方法确定最佳参数，并将其所对应的响应位点和响应强度的评估结果作为最佳灰度层级结构信息。进一步地，其特征在于，所述染色模块具体用于基于不同特异性蛋白的结合特性，将具有不同蛋白表达的所述心肌细胞区域染色为红色、绿色以及蓝色，且心肌细胞核区域主要呈现为红色与蓝色。进一步地，其特征在于，所述算法模块具体包括：针对任意一种颜色的染色信息图像，视为是灰度信息图像。此时假设一幅灰度信息图像I中存在灰度级别在0到L之间的N个像素，且处于灰度级别i的像素个数标记为ni，那么灰度级别i的像素在此图片中的概率为：pi＝ni/N；假设图像中存在C-1个阈值，记为{t1,t2,...,tC-1}；第一个集合G1由灰度范围为[0,...,t1]的像素确定；第i个集合由灰度范围为(ti-1,...,ti]的像素确定，标记为Gi；最后一个集合由灰度范围为(tC-1,...,L]的像素确定，标记为GC；假设μT是此幅图像的灰度均值，则多阈值最大类间方差算法的目标函数定义为：其中，0≤t1≤K≤tC-1<L；假设此时存在两个相邻集合，记为Gi与Gj，且|i-j|＝1；那么此两集合的某些局部区域能直接融合为一个局部连通区域，且融合边界无间隙。那么，调整参数C的值便能获得不同的图像灰度层级结构信息结果。但是，并不是任意参数都能得到较好的图像划分结果，需要确定最佳算法参数进一步地，所述算法模块包括确定最佳参数C单元，具体用于：假设图像I已被划分为m个集合，则第k个集合中的像素个数记为其中1≤k≤m；随着值m的变化，相应地也会得到关于像素个数的数值集合，那么将图像划分为p个集合的信息都称为p层信息；如此，便能形成层间数值关系，即处于p层的第q个数值记录仅与p+1层的第q个数值与第q+1个数值相互关联；假设p层的第q个集合中的像素个数(记为)是由与中的一部分像素构成的，那么此时存在连续两层(即p层与p+1本文档来自技高网...

【技术保护点】
一种构建心肌细胞图像灰度层级结构信息的方法，其特征在于，包括步骤：S1、将心肌细胞区域染色为具有不同颜色的响应位点和响应强度；S2、采用多阈值最大类间方差算法，依据不同参数构建针对不同染色信息的不同灰度层级结构信息；S3、采用最佳参数选取方法确定最佳参数，并将其所对应的响应位点和响应强度的评估结果作为最佳灰度层级结构信息。

【技术特征摘要】
1.一种构建心肌细胞图像灰度层级结构信息的方法，其特征在于，包括步骤：S1、将心肌细胞区域染色为具有不同颜色的响应位点和响应强度；S2、采用多阈值最大类间方差算法，依据不同参数构建针对不同染色信息的不同灰度层级结构信息；S3、采用最佳参数选取方法确定最佳参数，并将其所对应的响应位点和响应强度的评估结果作为最佳灰度层级结构信息。2.根据权利要求1所述的一种构建心肌细胞图像灰度层级结构信息的方法，其特征在于，所述步骤S1具体包括：基于不同特异性蛋白的结合特性，将具有不同蛋白表达的所述心肌细胞区域染色为红色、绿色以及蓝色，且心肌细胞核区域主要呈现为红色与蓝色。3.根据权利要求1所述的一种构建心肌细胞图像灰度层级结构信息的方法，其特征在于，所述步骤S2具体包括：针对任意一种颜色的染色信息图像，视为是灰度信息图像。此时假设一幅灰度信息图像I中存在灰度级别在0到L之间的N个像素，且处于灰度级别i的像素个数标记为ni，那么灰度级别i的像素在此图片中的概率为：pi＝ni/N；假设图像中存在C-1个阈值，记为{t1,t2,...,tC-1}；第一个集合G1由灰度范围为[0,...,t1]的像素确定；第i个集合由灰度范围为(ti-1,...,ti]的像素确定，标记为Gi；最后一个集合由灰度范围为(tC-1,...,L]的像素确定，标记为GC；假设μT是此幅图像的灰度均值，则多阈值最大类间方差算法的目标函数定义为：其中，0≤t1≤...≤tC-1<L；假设此时存在两个相邻集合，记为Gi与Gj，且|i-j|＝1；那么此两集合的某些局部区域能直接融合为一个局部连通区域，且融合边界无间隙。4.根据权利要求1所述的一种构建心肌细胞图像灰度层级结构信息的方法，其特征在于，步骤S3所述多阈值最大类间方差算法的最佳参数C的确定方法具体包括：假设图像I已被划分为m个集合，则第k个集合中的像素个数记为其中1≤k≤m；随着值m的变化，相应地也会得到关于像素个数的数值集合，那么将图像划分为p个集合相关的数值信息都称为p层信息；如此，便能形成层间数值关系，即处于p层的第q个数值记录仅与p+1层的第q个数值与第q+1个数值相互关联；假设p层的第q个集合中的像素个数(记为)是由与中的一部分像素构成的，那么此时存在连续两层(即p层与p+1层)的数值集合信息，即与在p+1层内部，存在如下的p-1个数值等式关系：其中，需要保证其中k＝{2,...,p}；如此，便能得到如下p个层间等式关系：为了简化等式求解与判别，随着类别个数m的增加，为了满足条件，存在符合如下标准的数值关系：判别时，除了需要满足如公式(2)所示的数值关系，也需要考虑集合灰度值。此时，假设针对存在其所对应的灰度均值此时需要满足如下的数值不等式关系：从第1层一直不断地拓展，直至当p层存在不满足(2)或者(3)的时候，将参数p作为标准参数数值，赋值给多阈值最大类间方差算法的参数C，并将其对应的结果作为最佳多层级结构信息结果。5.一种构建...

【专利技术属性】
技术研发人员：陈磊，方陆明，唐丽华，楼雄伟，徐爱俊，董晨，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：浙江,33