一种对包含纤维的生物样本进行纤维分析和重构的计算机实施的方法和系统，其用于执行高效的和准确的纤维形态分析。对象的图像包含纤维和/或分支结构，该图像是通过照相机和/或其它成像装置获取的。各模块可操作性地通过自适应阈值法获得初始跟踪种子，用于通过局部主成分分析(PCA)计算识别跟踪种子候选，并将种子分类为低分和高分。使用PCA拟合计算，对每个单个的目标纤维片段进行重复跟踪，通过执行交叉匹配计算将多个单独的纤维片段组合在一起。
【技术实现步骤摘要】
【国外来华专利技术】【专利说明】用于分析样本图像中的纤维和分支结构的方法和系统相关申请本申请要求2012年8月28日提交的申请号为61/693，901的美国专利申请的优先权，其内容通过引用方式整体并入本文。
本专利技术涉及图像分析技术，特别涉及对包含纤维和分支管状结构的图像进行分析。
技术介绍
纤维结构普遍存在于材料科学图像、生物学和生物医学图像中；这种结构包括各种工程纤维、支气管树、以及细胞骨架和神经元网络。所采集的图像的大量数据被用于对这些结构的连接性和功能性进行分析。可靠的解释和分析需要准确的定量测量。但是，由于成像条件的多样化和结构的复杂性，准确且快速地提取有用的信息是具有挑战性的。不同来源的图像会具有不同的噪声或不规则的背景强度，这使得不可能具有一种可靠的方法来在不考虑纤维的局部形状特征的情况下提取纤维。对于神经突来说，当它们远离细胞延伸时，纤维变得更小和更模糊，导致大多数的算法生成低质量的结果。此外，一个图像中可能具有大量的纤维，说明局部纤维形状评估的效率决定了处理速度。在生物医学领域，纤维的检测会比普通的工程材料更加困难，这是因为管状结构的图像可能会是与细胞交叉并从细胞中分支出来的3D结构的2D投影。因此，需要一种提供高效的局部纤维形状评估的方法及其系统，以实现满足实际应用的精度和速度需要的自动化纤维跟踪。
技术实现思路
提供了一种对包含纤维的生物样本进行纤维分析和重构的计算机实施的方法和系统。使用自适应阈值法获得初始跟踪种子。利用局部主成分分析(PCA)计算，通过将低分种子数据从初始计算中排除、随后进行单个纤维片段跟踪来识别跟踪种子候选。单个或单独纤维片段跟踪过程包含如下步骤:选择与周围区域中的纤维特征最为匹配的种子。这些特征可根据形状、强度(亮度)、颜色或其他可区别特征来识别。随后确定与指定位置处的局部纤维图像匹配最密切的矩形，并通过将种子沿着矩形轴线方向移动来对矩形进行扩展。对每个选定的跟踪种子候选执行该单独纤维片段跟踪过程。通过交叉匹配计算来执行将多个单独的纤维片段组合为完整的纤维对象连接。初始纤维识别过程后，多个纤维部分被连接到一起。这些连接是根据接近性、相似性和连接规则进行的。连接过程会识别彼此交叉和/或作为分支网络的纤维。通过连接性的信息可对纤维分段进行完善，或者执行额外的分析来调整连接性。还提供了一种用于对纤维和分支结构进行分析和重构的系统。该系统包括:具有纤维和/或分支结构的对象；采集对象图像的装置和用于对对象进行识别和测量的各种模块。这些模块可操作性地通过执行阀值法来获得初始跟踪种子。通过使用主成分分析(PCA)计算来识别跟踪种子候选，将从初始计算获得的低分种子排除并执行单个纤维片段跟踪。通过纤维检测和跟踪模块(其可操作性地选择数字图像上噪声最低的种子)来执行单个纤维片段跟踪，以计算与指定位置处的局部纤维图像最为匹配的矩形，从而通过将种子沿着矩形轴线方向移动并随后进行PCA拟合计算对矩形进行生长。该纤维检测和跟踪模块可操作性地执行纤维片段跟踪操作，直到对所有的候选都进行了跟踪并且执行了对图像中的细胞体的识别。连接模块可操作性地对单独纤维片段进行组合，并在图像中形成最终的神经元网络。该系统的所有方面都可适用于3D图像。这些3D图像可以是通过被称为光学层析的处理在选定深度处从样本中采集的一组2D图像。这些3D图像也可以是通过超声波、CT、MRI或PET扫描生成的一组2D医学图像。【附图说明】图1为用于对纤维和分支结构进行分析的系统的实施方式的实例。图2是利用对纤维和分支结构进行分析的系统、通过执行本专利技术的用于纤维跟踪和重构图像的计算机实施的方法获得的输出图像的实例。图3是利用对纤维和分支结构进行分析的系统、通过执行用于神经突跟踪的计算机实施的方法获得的输出图像的实例。图4是对种子候选进行跟踪的常规方法步骤的流程图。图5是根据本专利技术的计算机实施的方法的种子初始化的流程图。图6是根据本专利技术的计算机实施的方法的跟踪种子的流程图。图7A是纤维片段连接的图示。图7B是定义纤维片段的端对端连接的纤维交叉的图示。图7C是定义纤维片段的主体对主体连接的纤维分支的图示。图8是根据本专利技术的计算机实施的方法的纤维组合过程的流程图。【具体实施方式】所描述的系统和方法可用于根据数字图像(显微镜图像以及医学图像，如磁共振成像(MRI))跟踪和重构纤维结构。参照图1，其示出了用于对包含纤维和/或分支结构的生物样本进行快速和准确的分析的系统的实施方式的实例。系统100包括各种用于对数字图像中的对象进行识别和测量的模块。从样本110采集多个图像，该样本110通常是通过显微镜或医学成像系统109观察。利用照相机108或类似装置(如共焦显微镜扫描PMT)采集图像。将该图像提供给计算机101。该图像可直接发送到计算机，也可存储在存储介质上或者经由中间分配网络(如因特网)传递。图像数据被存储在RAM存储器102中，并且数据被处理单元103访问。处理指令由种子初始化模块104提供，并随后由纤维检测和跟踪模块106提供。这些功能的输出被图像处理模块105可操作性的用于对图像进行拒绝或增强。连接模块107提供纤维重构指令。参照图2，其示出了利用本专利技术的系统获得的具有纤维结构的生物样本的输出图像。该屏幕截图提供了用户可获得的关于纤维检测的数据。发送给模块的数据可用于确定纤维的特征并生成最优结果。图像显示器将所有的识别出的纤维示出为1(或者，如果用颜色示出，则示出为例如绿色)，并将多个单独的纤维示出为2 (或者，如果用颜色示出，则示出为例如橙色)，纤维2是已经被重构并确定为横穿过图像中的其它纤维的纤维。参照图3，其中示出了利用本专利技术的系统获得的、包含用于跟踪的分支结构的生物样本的输出图像。尽管作为实例呈现了一个平面视图，但是本专利技术也可适用于3D视图。该屏幕截图提供了用户可应用于神经元的跟踪的数据。通过设置适合神经元特征的输入参数，用户通常可获得更优的结果。该图像将识别出的神经元显示为3和4(或者，如果用颜色示出，则分别示出为例如橙色和多彩的)。识别神经突纤维。将纤维分支点识别为5(或者，如果用颜色示出，则示出为例如黄色)。根据分支和连接性来将每个纤维分段分配到正确的细胞。图2和图3的输出图像是通过使用主成分分析(PCA)获得的。PCA用于评估图像空间，从而表征局部形状的统计信息，这些局部形状对于题述分析而言是矩形。PCA可通过一轮计算提供矩形的方位和尺寸，这大大地快于常规使用的用于对物体或图案进行跟踪从而对输入图像数据进行搜索的模板匹配方法。(A.Can, H.Shen, J.N.Turner, H.L.Tanenbaum, and B.Roysam(1999)/‘Rapid automated tracing and feature extract1nfrom当前第1页1 2 本文档来自技高网...
【技术保护点】
一种对对象的纤维和分支结构进行分析的计算机实施的方法，该计算机实施的方法包括：利用成像装置获取对象的图像，该对象包含纤维和/或分支结构；使用自适应阈值法获得初始跟踪种子；通过使用局部主成分分析(PCA)计算识别跟踪种子候选；将具有低分的种子从初始计算中排除；利用纤维检测和纤维跟踪模块对单个纤维片段进行跟踪；利用连接模块对多个单独的纤维片段进行组合；以及形成最终的纤维结构并对其进行分析。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：T·赵，D·洪，阿夫鲁·I·科恩，
申请(专利权)人：分子装置有限公司，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。