一种体外受精胚胎卵裂球图像自动分割及面积计算的方法技术

本发明专利技术涉及胚胎光镜图像处理技术领域，具体公开一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，包括：采用基于深度学习的目标检测模型对胚胎光镜图片进行卵裂球检测，获取卵裂球候选框；融合卵裂球候选框，获取胚胎候选框；基于胚胎候选框提取感兴趣区域；对感兴趣区域进行图像增强处理；采用交互式图像分割算法对胚胎光镜图片进行自动分割，获取卵裂球掩码及胚胎掩码；通过卵裂球掩码及胚胎掩码在胚胎光镜图片上分别进行卵裂球描边及胚胎描边；计算卵裂球掩码及胚胎掩码的面积，获取卵裂球面积及胚胎面积。本发明专利技术的方法能够对卵裂球及胚胎图形进行精准分割，实现卵裂球及胚胎的精确描边及面积计算，识别精度高。识别精度高。识别精度高。

【技术实现步骤摘要】
一种体外受精胚胎卵裂球图像自动分割及面积计算的方法


[0001]本专利技术涉及胚胎光镜图像处理
，尤其涉及一种体外受精胚胎卵裂球图像自动分割及面积计算的方法。

技术介绍

[0002]在胚胎移植过程中，需要对胚胎光镜图片中的胚胎及卵裂球的质量进行评估，为减轻人工负担，研发人员开发出一系列基于深度学习或机器学习的智能辅助检测技术，目前对于体外受精的卵裂期胚胎光镜图片卵裂球识别主要有基于机器学习的椭圆拟合方法和基于深度学习的目标检测方法。
[0003]其中，在机器学习方面：
[0004]Conaghan等人在“Improving embryo selection using a computer
‑
automated time
‑
lapse image analysis test plus day 3morphology:results from a prospective multicenter trial”提出了一种细胞跟踪软件，能用椭圆近似标注出第三天胚胎的卵裂球医生辅助诊断，使得医生诊断的特异性从原来的79.5％提高到86.6％。
[0005]Patil等人在“Application of Vessel Enhancement Filtering for Automated Classification of Human In
‑
Vitro Fertilized(IVF)Images”中提出了一种基于机器学习检测胚胎第二天和第三天卵裂球的算法，具体分为提取边界、过滤、找圆和验证4步。
[0006]Syulistyo等人在“Ellipse detection on embryo image using modification of arc Particle Swarm Optimization(ArcPSO)based arc segment”中提出了一种机器学习检测胚胎第三天卵裂球的算法，具体分为提取线段、过滤和找椭圆3步，在多卵裂球检测任务中达到42％的精确度。
[0007]Conaghan等人、Patil等人、Syulistyo等人提出的方法均是用圆或者椭圆拟合卵裂球，但是对于卵裂期的卵裂球在胚胎光镜图片上并不全是中心对称的椭圆，而且存在透明带、气泡以及碎片等物质的干扰，因此用此类方法只能大概估算卵裂球的个数，不能满足卵裂球精确描边和面积计算。而且针对不同设备间以及同一设备不同批次间拍照存在胚胎主体与全图占比、对比度、光照强度、信噪比不同带来的干扰，上述算法并没有对这类干扰提出对应的措施。
[0008]在深度学习方面：
[0009]王剑波等人在“胚胎光镜图像中细胞的识别方法及系统、设备及存储介质”中提出用最小相切框检测出卵裂球的位置和个数，但该方法并不能对卵裂球进行边缘分割和面积统计，而且对于卵裂球高度重合的情况最小相切框并不一定严格与卵裂球相切。
[0010]He等人在“Machine learning for automated cell segmentation in embryos”中提出的模型训练时需要人为手动描边作为标签，而且只能对卵裂球个数为4的胚胎进行卵裂球分割，计数精度只有70％，不能满足临床要求。
[0011]由此可见，目前的识别检测方法基于透明带、气泡以及碎片等物质的干扰、针对不同设备间以及同一设备不同批次间拍照存在胚胎主体与全图占比、对比度、光照强度、信噪
比不同带来的干扰以及卵裂球高度重合的情况等原因，均不能做到卵裂球精确描边和面积计算，精度低，不能满足临床的高精度要求。

技术实现思路

[0012]本专利技术的目的在于针对已有的技术现状，提供一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，本专利技术的方法能够对卵裂球及胚胎图形进行精准分割，实现卵裂球及胚胎的精确描边及面积计算，识别精度高。
[0013]为达到上述目的，本专利技术采用如下技术方案：
[0014]一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，包括：
[0015]采用基于深度学习的目标检测模型对胚胎光镜图片进行卵裂球检测，获取卵裂球候选框；
[0016]融合所述卵裂球候选框，获取胚胎候选框；
[0017]基于所述胚胎候选框提取感兴趣区域；
[0018]对所述感兴趣区域进行图像增强处理；
[0019]胚胎光镜图片的感兴趣区域经图像增强处理后，采用交互式图像分割算法对所述胚胎光镜图片进行自动分割，获取卵裂球掩码及胚胎掩码；
[0020]通过所述卵裂球掩码及所述胚胎掩码在胚胎光镜图片上分别进行卵裂球描边及胚胎描边；
[0021]计算所述卵裂球掩码及所述胚胎掩码的面积，获取卵裂球面积及胚胎面积。
[0022]在一些实施例中，所述图像增强处理的步骤包括：
[0023]对所述感兴趣区域进行色阶调整；
[0024]对经色阶调整的感兴趣区域进行降噪；
[0025]对经降噪的感兴趣区域进行对比度增强。
[0026]在一些实施例中，所述色阶调整的步骤包括：
[0027]将感兴趣区域转化为HSV通道；
[0028]计算H通道的均值，记为h；
[0029]计算V通道的均值，记为v；
[0030]预设判定阈值T，若则执行基于色阶调整公式进行色阶调整的操作，否则，退出色阶调整；
[0031]所述色阶调整公式为：
[0032][0033]其中，I为色阶调整前的图像数据，I
’
为色阶调整后的图像数据，s、h、m为常数，且满足s∈[0,170]，h∈(s,255)，m∈[1,3]，I
‑
s中小于0的数置为0。
[0034]在一些实施例中，所述降噪的步骤包括：
[0035]构建全变分降噪函数，并预设降噪参数区间；
[0036]采用最优J不变性方法对输入图像在所述降噪参数区间中以预设步长进行迭代得出最优降噪参数；
[0037]采用最优降噪参数对输入图像进行降噪。
[0038]在一些实施例中，所述采用基于深度学习的目标检测模型对胚胎光镜图片进行卵裂球检测，获取卵裂球候选框的步骤包括：
[0039]读取胚胎光镜图片数据；
[0040]对读取的数据进行领域直方图均衡；
[0041]把处理后的图片输入基于深度学习的目标检测模型进行卵裂球检测，获取初级卵裂球矩形框；
[0042]采用预设偏置值对初级卵裂球矩形框分别进行扩张，并记录顶点坐标，若扩张后的坐标超出胚胎光镜图片原图大小，则保留对应的原始坐标，由此获取卵裂球候选框。
[0043]在一些实施例中，所述基于所述胚胎候选框提取感兴趣区域的步骤包括：
[0044]以胚胎候选框的中心为中心，根据扩张公式对胚胎候选框进行扩张，扩张为扩张候选框，以此作为感兴趣区域，并记录对应的顶点坐标；
[0045]所述扩张公式为：L...

【技术保护点】

【技术特征摘要】
1.一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，其特征在于，包括：采用基于深度学习的目标检测模型对胚胎光镜图片进行卵裂球检测，获取卵裂球候选框；融合所述卵裂球候选框，获取胚胎候选框；基于所述胚胎候选框提取感兴趣区域；对所述感兴趣区域进行图像增强处理；胚胎光镜图片的感兴趣区域经图像增强处理后，采用交互式图像分割算法对所述胚胎光镜图片进行自动分割，获取卵裂球掩码及胚胎掩码；通过所述卵裂球掩码及所述胚胎掩码在胚胎光镜图片上分别进行卵裂球描边及胚胎描边；计算所述卵裂球掩码及所述胚胎掩码的面积，获取卵裂球面积及胚胎面积。2.根据权利要求1所述的一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，其特征在于，所述图像增强处理的步骤包括：对所述感兴趣区域进行色阶调整；对经色阶调整的感兴趣区域进行降噪；对经降噪的感兴趣区域进行对比度增强。3.根据权利要求2所述的一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，其特征在于，所述色阶调整的步骤包括：将感兴趣区域转化为HSV通道；计算H通道的均值，记为h；计算V通道的均值，记为v；预设判定阈值T，若则执行基于色阶调整公式进行色阶调整的操作，否则，退出色阶调整；所述色阶调整公式为：其中，I为色阶调整前的图像数据，I
’
为色阶调整后的图像数据，s、h、m为常数，且满足s∈[0,170]，h∈(s,255)，m∈[1,3]，I
‑
s中小于0的数置为0。4.根据权利要求2所述的一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，其特征在于，所述降噪的步骤包括：构建全变分降噪函数，并预设降噪参数区间；采用最优J不变性方法对输入图像在所述降噪参数区间中以预设步长进行迭代得出最优降噪参数；采用最优降噪参数对输入图像进行降噪。5.根据权利要求1所述的一种体外受精胚胎卵裂球图像自动分割及面积计算的方法，其特征在于，所述采用基于深度学习的目标检测模型对胚胎光镜图片进行卵裂球检测，获取卵裂球候选框的步骤包括：读取胚胎光镜图片数据；
对读取的数据进行领域直方图均衡；把处理后的图片输入基于深度学习的目标检测模型进行卵裂球检测，获取初级卵裂球矩形框；采用预设偏置值对初级卵裂球矩形框分别进行扩张，并记录顶点坐标，若扩张后的坐标超出胚胎光镜图片原图大小，则保留对应的原始坐标，由此获取卵裂球候选框。6.根据权利要求1所述的一种体外受精胚胎卵裂球图像自动分割及面积计算...

【专利技术属性】
技术研发人员：李伟忠，严朝煜，
申请(专利权)人：中山大学，
类型：发明
国别省市：