组织切片图像分割所致测量偏差的校正方法技术

本发明专利技术公开了一种组织切片图像分割所致测量偏差的校正方法。它包括二部分：１）目标计数结果的校正：在图像分析中，共进行两次计数测量，第一次计数的范围不包括图像边界线上的分析目标，获得计数值Ｃ１，然后再进行一次包括图像边界线上分析目标的计数，获得计数值Ｃ２，计算获得最终计数值Ｃ；２）形态测量结果的校正：图像采集分辨率分割线宽度会造成形态测量损失，先进行初步的图像分析，获得周长、长轴、短轴和面积４个参数，然后再根据图像采集分辨率和分割线宽度与它们的几何关系进行损失校正。本发明专利技术利用现有技术手段和数学方法推导出的校正方法，校正后的计数值、分析目标的相应参数受分割线和采集分辨率的影响明显降低，无统计学显著差异。

【技术实现步骤摘要】

本专利技术涉及信号处理中的显微图像分析领域，尤其涉及一种。
技术介绍
图像分析技术已在医学和生物学领域得到广泛的应用，对于动物形态学研究和兽医临床病理学研究具有重要的意义。切片图像的采集和分析是医学和生物学研究的一个重要领域、目前该技术已被广泛应用于酶免疫组织化学、荧光免疫组织化学和常规组织学切片的分析。采集获得的数字图像进行分析前都要经过图像分割，将分析目标从图像背景中提取或识别出来，这是进行图像分析过程中关键的步骤之一，也是组织学和病理学图像分析的重点和难点。图像分割主要可通过自动分割和人工分割两种方式进行，前者主要是基于图像相邻像素值的不连续性和相似性，对于一些具有结构比较简单、分析目标和图像背景对比度较大，目标间有一定间距等特征的图像，具有较好的分割能力。后者是人工利用各种编辑工具在相邻分析细胞之间添加一定宽度的分割线来完成。然而组织学和病理学的切片图像由于本身结构的特殊性，染色特性的多样性和对比度等方面的原因，利用现有的商用软件的自动分割功能很难有效进行目标分割，因此手动分割更有优势。在手动分割中，切片图像的采集分辨率和分割线宽度是影响分析结果的两个主要因素。手动分割也可以采用多种方法完成，可以利用计算机图像处理软件中的橡皮擦(erase)、路径(path)和手写工具(freehand)进行，其主要目的是在分析目标之间形成一条间隔线，理论上讲，这条线越窄越有利保存和再现图像的原始信息，但事实上，其受软件内部设置、采集分辨率、数字化过程、图像分析处理等诸多因素的影响，小于3像素的分割线在现有商用软件中无法进行有效的图像分割，当然也就无法进行图像分析处理，即使能分析，错误率也很高。目前多数商用软件都通过计数图片中的压线或不压线的全部分析目标的计数结果，这在一定程度上会造成较大的误差，笔者认为应参照细胞计数板的计数方法，对压线的分析目标只计数两个相邻的边缘，而略去另外两个边缘的压线目标，将压线目标计算在内的计数值与不计算在内的计数值之差的一半再加上压线目标不计算在内的计数值，最后得出的总和作为该图片的最终计数结果。经多次验证，采用本专利技术中的计数方法更具有合理性和可靠性。对于图像的采集分辨率来说，当然是越大越好，然而由于种种原因，多数研究机构现有的图像分析系统的硬件往往采集分辨率较低，只能获得中低分辨率的图像，并且随着分辨率的提高，图像分析软件对计算机处理能力的要求大幅度提高，普通的计算机无法批量处理，这就限制了软件的推广使用。目前有关生物样本的图像分析已有较多的研究，在畜牧兽医领域图像分析技术被广泛用于猪、鸡动物肌纤维的测量，但不同研究者所测得的数据有很大差异，笔者排除了生物本身的多样性和种属差异等原因，测量数据的差异很大程度上取决于图像分析前处理的方法，特别是分割方法。鉴于此，为充分利用中低分辨率采集的图像和普通的计算机，得到更精确的结果，
技术实现思路
本专利技术的目的是提供一种。它包括如下二部分1)目标计数结果的校正在图像分析过程中，共进行两次计数测量，第一次计数的范围不包括图像边界线上的分析目标，获得目标计数值(C1)，然后再进行一次包括包括图像边界线上的分析目标的计数，获得目标计数值(C2)，用下式进行校正，获得最终计数结果(C)C=C1+(C2-C12)---(1)]]>2)形态测量结果的校正在图像分析过程中，形态指标及其测量主要由周长、长轴、短轴、面积4个参数来表示，由于图像采集分辨率(R)的高低和分割线宽度(W)的大小会造成不同程度的形态测量损失，先进行初步的图像分析，获得周长(P1)、长轴(Ma1)、短轴(Mi1)和面积(S1)4个参数，然后再根据图像采集分辨率和分割线的宽度与4个参数测量值的几何关系进行测量损失校正，这种测量损失用下列公式(2)、(3)、(4)、(5)进行校正周长(P)测量损失可采用以下公式进行校正P=P1+W×πR---(2)]]>长轴(Ma)测量损失采用以下公式进行校正Ma=Ma1+WR---(3)]]>短轴(Mi)测量损失采用以下公式进行校正 Mi=Mi1+WR---(4)]]>面积(S)测量损失采用以下公式进行校正S=S1+12×(P×WR+π×(WR)2)---(5)]]>本专利技术利用现有技术手段和算术方法推导出的校正方法，校正后的计数值、分析目标的面积、周长、长轴、短轴等参数受分割线和采集分辨率的影响明显降低，无统计学显著差异。将校正的上述结果应用于圆度、形状因子、致密性、轴比等参数的计算，相应地可有效地提高分析结果的准确性。应用于形态学显微图像及生物学相关分析领域的软件开发，有效地提高了分析结果的准确性。应用于病理学显微图像分析领域，可有效提高分析结果的可靠性，降低误诊率。可推广应用于非生物学图像分析领域，协助纠正图像分割所引起的测量损失和偏差。附图说明图1是显示1200M采样时的面积、周长和直径测量损失及其校正效果图；图2是显示不同采样分辨率的面积测量值及其校正后的分布效果图。具体实施例方式众所周知，当分割线宽度为x时，根据圆的周长计算公式，分割后的目标结构的周长(Po)减少了 个单位，故实际周长可用测得周长 估算。也即公式(3)，面积损失可以用长度为目标周长，宽度为 的矩形面积来估算，实际面积等于 也即公式(4)。利用校正后的面积求出形状因子，这样得到的结果才更接近实际。方差分析结果表明，校正后，面积、周长和直径等参数受分割线和采集分辨率的影响明显降低，而目前通用软件均未有这种校正，因此测量数据与实际结果会有一定偏差。统计分析表明，利用本文提出的校正公式(3)和(4)可以消除或降低由分割线和分辨率造偏差。显微镜经测微尺定标，自动曝光采集图像，根据采集分辨率(R)换算为DPU(pixels per micrometer)，所得照片以Tiff格式储存，并利用图像处理软件的相应工具，设置背景为白色，利用不同宽度(W)连线，对目标结构分别进行连线分割。图像分析存储的图像利用ImageJ(NIH共享软件)进行图像分析，分析过程大致如下读入软件，软件转化为灰度(8位)图像，设定阈值，定标，进行图像分析获取面积、周长、长轴、短轴、圆度等参数。这里所指的分割损失专指在不同采集分辨率下，因采用人工分割线在相邻的两个分析目标之间进行切割而产生的分析目标的面积、周长减少。目标计数的方法的改正也即进行在形状测量时压线目标不进行统计，测得目标计数(C1)、各分析目标面积(S1)、周长(P1)、长轴(Ma1)和短轴(Mi1)等参数，完成形状测量后，再进行一次包括压线目标的测量，测得目标计数结果C2。最终计数可用下式计算进行校正以获得更为准确合理的最终计数CC=C1+(C2-C12)---(1)]]>周长(P)损失采用以下公式进行校正P=P1+W×πR---(2)]]>长轴(Ma)损失采用以下公式进行校正Ma=Ma1+WR---(3)]]>短轴(Mi)损失采用以下公式进行校正Mi=Mi1+WR---(4)]]>面积(S)损失采用以下公式进行校正S=S1+12&time本文档来自技高网...

【技术保护点】
一种组织切片图像分割所致测量偏差的校正方法，其特征在于包括如下二部分：１）目标计数结果的校正：在图像分析过程中，共进行两次计数测量，第一次计数的范围不包括图像边界线上的分析目标，获得目标计数值（Ｃ１），然后再进行一次包括包括图像边界线上的分析目标的计数，获得目标计数值（Ｃ２），用下式进行校正，获得最终计数结果（Ｃ）：＊＊＊（１）２）形态测量结果的校正：在图像分析过程中，形态指标及其测量主要由周长、长轴、短轴、面积４个参数来表示，由于图像采集分辨率（Ｒ）的高低和分割线宽度（Ｗ）的大小会造成不同程度的形态测量损失，先进行初步的图像分析，获得周长（Ｐ１）、长轴（Ｍａ１）、短轴（Ｍｉ１）和面积（Ｓ１）４个参数，然后再根据图像采集分辨率和分割线的宽度与４个参数测量值的几何关系进行测量损失校正，这种测量损失用下列公式（２）、（３）、（４）、（５）进行校正：周长（Ｐ）测量损失可采用以下公式进行校正：Ｐ＝Ｐ１＋Ｗ×π／Ｒ（２）长轴（Ｍａ）测量损失采用以下公式进行校正：Ｍａ＝Ｍａ１＋Ｗ／Ｒ（３）短轴（Ｍｉ）测量损失采用以下公式进行校正：Ｍｉ＝Ｍｉ１＋Ｗ／Ｒ（４）面积（Ｓ）测量损失采用以下公式进行校正：Ｓ＝Ｓ１＋１／２×（Ｐ×Ｗ／Ｒ＋π×（Ｗ／Ｒ）↑［２］）（５）。...

【技术特征摘要】

【专利技术属性】
技术研发人员：吴旧生，刘月环，萨晓婴，
申请(专利权)人：浙江大学，浙江省医学科学院，
类型：发明
国别省市：86[中国|杭州]