视网膜色素上皮细胞图像分割方法及系统技术方案

本发明专利技术公开了一种视网膜色素上皮细胞图像分割方法及系统，该方法包括以下步骤：S1、对视网膜色素上皮细胞图像进行延展；S2、采用自适应阈值图像分割算法进行分割，将分割后的暗区域作为潜在视网膜色素上皮细胞区域；S3、过滤掉面积小于阈值的区域；S4、采用图像形态学处理方法进行优化；S5、去除延展部分，得到分割结果。本发明专利技术通过运用自适应阈值图像分割和图像形态学处理的技术，构建了一种简易的荧光共聚焦显微镜下视网膜色素上皮细胞图像的精确分割算法，能够现有的自动化的荧光共聚焦显微镜下视网膜色素上皮细胞图像分割算法存在的流程复杂不易实现或需要消耗大量的资源去训练算法模型的问题。练算法模型的问题。练算法模型的问题。

【技术实现步骤摘要】
视网膜色素上皮细胞图像分割方法及系统


[0001]本专利技术涉及医学图像处理领域，特别涉及一种荧光共聚焦显微镜下的视网膜色素上皮细胞图像分割方法及系统。

技术介绍

[0002]荧光共聚焦显微术是眼科学研究中常用的成像技术，其可应用于离体小鼠视网膜色素上皮细胞的成像。在年龄相关性黄斑变性的研究中，研究者可以采用荧光共聚焦显微镜对小鼠视网膜色素上皮细胞进行成像，以此来观察年龄相关性黄斑变性对小鼠视网膜色素上皮细胞的影响，进而推断出试验药物对患有龄相关性黄斑变性小鼠的视网膜色素上皮细胞的保护作用。为了定量化的计算出年龄相关性黄斑变性对小鼠视网膜色素上皮细胞的影响，需要对荧光共聚焦显微镜下视网膜色素上皮细胞图像进行分割。目前，研究中多采用人工的方式实现荧光共聚焦显微镜下视网膜色素上皮细胞图像的分割。这种人工分割的方式不仅费时费力，还具有很强的主观性。因此，发展自动化的荧光共聚焦显微镜下视网膜色素上皮细胞图像分割算法尤为重要。现存的主要自动化的荧光共聚焦显微镜下视网膜色素上皮细胞图像分割算法主要分为两类，即基于非机器学习的算法和基于机器学习的算法。基于非机器学习方法流程复杂不易实现，而基于机器学习的方法需要消耗大量的资源去训练算法的模型。

技术实现思路

[0003]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种荧光共聚焦显微镜下视网膜色素上皮细胞图像分割方法及系统。
[0004]为解决上述技术问题，本专利技术采用的技术方案是：一种荧光共聚焦显微镜下视网膜色素上皮细胞图像分割方法，包括以下步骤：
[0005]S1、对视网膜色素上皮细胞图像进行延展；
[0006]S2、采用自适应阈值图像分割算法对步骤S1获得的延展后图像进行分割，将分割后的暗区域作为潜在视网膜色素上皮细胞区域；
[0007]S3、过滤掉步骤S2得到的潜在视网膜色素上皮细胞区域中面积小于阈值的区域；
[0008]S4、采用图像形态学处理方法对步骤S3获得的潜在视网膜色素上皮细胞区域进行优化；
[0009]S5、去除步骤S4所得到的优化图像中的延展部分，得到下视网膜色素上皮细胞图像分割结果。
[0010]优选的是，所述步骤S1具体为：以图像边缘为轴进行对称填充，对视网膜色素上皮细胞图像进行延展，使延展后图像的各边长为原来的α倍，α＞1。
[0011]优选的是，其中，α＝1.2。
[0012]优选的是，所述步骤S3中的阈值T为各个潜在视网膜色素上皮细胞的区域面积均值的η％，计算公式为：
[0013][0014]其中，A
i
表示第i个潜在视网膜色素上皮细胞区域的面积，i＝1,2,3...N，N为图像中潜在视网膜色素上皮细胞区域的总数。
[0015]优选的是，其中，η＜30。
[0016]优选的是，其中，η＝10。
[0017]优选的是，所述步骤S4中采用图像形态学腐蚀操作将潜在视网膜色素上皮细胞区域的边缘收缩为单线，得到优化图像。
[0018]本专利技术还提供一种视网膜色素上皮细胞图像分割系统，其采用如上所述的方法进行荧光共聚焦显微镜下视网膜色素上皮细胞图像的分割，该系统包括：
[0019]延展模块，其用于对视网膜色素上皮细胞图像进行延展；
[0020]分割模块，其用于采用自适应阈值图像分割算法对延展模块得到的图像进行分割，将分割后的暗区域作为潜在视网膜色素上皮细胞区域；
[0021]过滤模块，其用于过滤掉分割模块得到的潜在视网膜色素上皮细胞区域中面积小于阈值的区域；
[0022]优化模块，其用于采用图像形态学处理方法对过滤模块获得的潜在视网膜色素上皮细胞区域进行优化；
[0023]以及延展区域去除模块，其用于去除优化模所得到的优化图像中的延展部分，得到下视网膜色素上皮细胞图像分割结果。
[0024]本专利技术还提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现如上所述的方法。
[0025]本专利技术还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0026]本专利技术的有益效果是：
[0027]本专利技术通过运用自适应阈值图像分割和图像形态学处理的技术，构建了一种简易的荧光共聚焦显微镜下视网膜色素上皮细胞图像的精确分割算法，能够现有的自动化的荧光共聚焦显微镜下视网膜色素上皮细胞图像分割算法存在的流程复杂不易实现或需要消耗大量的资源去训练算法模型的问题，本专利技术对年龄相关性黄斑变性的药物研发具有潜在的医学价值。
附图说明
[0028]图1为本专利技术方法的方法流程图；
[0029]图2为本专利技术方法的图像边缘延展操作示意图；
[0030]图3为本专利技术方法的自适应阈值图像分割示意图；
[0031]图4为本专利技术方法的过滤面积过小的区域的示意图；
[0032]图5为本专利技术方法的潜在视网膜色素上皮细胞边缘区域收缩示意图；
[0033]图6为本专利技术方法的去除延展部分的示意图；
[0034]图7为本专利技术方法在公开数据集中的视网膜色素上皮细胞图像分割效果图。
具体实施方式
[0035]下面结合实施例对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0036]应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
[0037]实施例1
[0038]参照图1，本实施例提供一种视网膜色素上皮细胞图像分割方法，包括以下步骤：
[0039]S1、对视网膜色素上皮细胞图像进行延展：以图像边缘为轴进行对称填充，对视网膜色素上皮细胞图像进行延展，使延展后图像的各边长为原来的1.2倍。
[0040]在采集得到的荧光共聚焦显微镜下视网膜色素上皮细胞图像中，如图2红色虚线框中所示，图像边缘的视网膜色素上皮细胞没有被完整显示；这些显示不完整的视网膜色素上皮细胞有时容易引起图像分割错误。因此，本实施例中对视网膜色素上皮细胞的图像进行延展，拓展部分如图2红色虚线框以外部分，该延展以图像边缘为轴进行对称填充，延展后长度为原边长的1.2倍；这样，延展前图像边缘的视网膜色素上皮细胞就被构成一个完整的区域，如图2所示，这有利于这些细胞被正确分割。虽然延展后的大图像的边缘部分也不能被很好地分割，但是其属于冗余图像，将在分割完成后被去掉。
[0041]S2、采用自适应阈值图像分割算法对步骤S1获得的延展后图像进行分割，将分割后的暗区域作为潜在视网膜色素上皮细胞区域；
[0042]如图2和图3左图所示，由于图像中的视网膜色素上皮细胞边沿亮暗不均匀，我们采用自适应阈值图像分割算法对步骤1所得到的延展后图像进行分割，如图3所示，分割后的黑色区域为潜在的视网膜色素上皮细胞区域。
[0043]S3、过滤掉步骤S2得到的潜在视网膜色素上皮细胞区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视网膜色素上皮细胞图像分割方法，其特征在于，包括以下步骤：S1、对视网膜色素上皮细胞图像进行延展；S2、采用自适应阈值图像分割算法对步骤S1获得的延展后图像进行分割，将分割后的暗区域作为潜在视网膜色素上皮细胞区域；S3、过滤掉步骤S2得到的潜在视网膜色素上皮细胞区域中面积小于阈值的区域；S4、采用图像形态学处理方法对步骤S3获得的潜在视网膜色素上皮细胞区域进行优化；S5、去除步骤S4所得到的优化图像中的延展部分，得到下视网膜色素上皮细胞图像分割结果。2.根据权利要求1所述的视网膜色素上皮细胞图像分割方法，其特征在于，所述步骤S1具体为：以图像边缘为轴进行对称填充，对视网膜色素上皮细胞图像进行延展，使延展后图像的各边长为原来的α倍，α＞1。3.根据权利要求2所述的视网膜色素上皮细胞图像分割方法，其特征在于，其中，α＝1.2。4.根据权利要求2所述的视网膜色素上皮细胞图像分割方法，其特征在于，所述步骤S3中的阈值T为各个潜在视网膜色素上皮细胞的区域面积均值的η％，计算公式为：其中，A
i
表示第i个潜在视网膜色素上皮细胞区域的面积，i＝1,2,3...N，N为图像中潜在视网膜色素上皮细胞区域的总数。5.根据权利要求4所述的视网膜色素上皮细胞图像分割方法，其特征在于，其中，η＜30。6.根据权利要求5所述的视网膜色素上皮细胞图像分割方法，其特征在于，其中，...

【专利技术属性】
技术研发人员：陈一巍，何益，李婉越，王晶，李平，邢利娜，张欣，史国华，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：