一种显微图像细胞计数与姿态识别方法及系统技术方案

本发明专利技术属于智能医疗辅助和计算机视觉技术领域，公开了一种显微图像细胞计数与姿态识别方法及系统，采用目标在不同焦段下拍摄的多张图像，而非仅仅利用特定焦段的一张图像；在多张图像经预处理后的平均图像上检测边缘，并对边缘进行细化。根据边缘图像拟合所有可能的椭圆。利用聚类分析的方法对椭圆进行筛选。本发明专利技术采用在多个焦段下拍摄的多张图像，改善边缘的清晰度和完整性，进而提高椭圆拟合的准确度。本发明专利技术可以自适应地确定图像中包含的细胞数量，无需在已知的特定阶段拍摄图像，具有较广泛的适用范围；利用多焦段多视图的综合信息进行椭圆的拟合和验证，克服了单视图固有的缺陷，得到的椭圆参数更加准确。

【技术实现步骤摘要】
一种显微图像细胞计数与姿态识别方法及系统
本专利技术属于智能医疗辅助和计算机视觉
，尤其涉及一种显微图像细胞计数与姿态识别方法及系统。
技术介绍
体外受精(IVF)是针对不孕不育症的有效治疗方法之一。为了保证体外受精质量，需要对多组胚胎样本进行质量评估优选。专业机构的医生可以通过显微镜对受精卵细胞的形态进行持续观察，并给出评估结果。这种方式简单直接，但需要相当专业的背景知识和大量的人工参与，门槛较高且效率低下。因此，许多研究者尝试用图像智能解译的方式来代替人工参与。霍夫曼调制相衬(HMC)显微成像技术是最常用的透明目标无创图像采集方法。然而，由于培养皿中的细胞处于半透明和重叠状态、细胞代谢物和碎片等杂质干扰、成像光照条件和噪声带来的质量问题等因素，自动从图像中提取细胞的数量、姿态等信息仍然面临极大的挑战。现有的方案主要通过对图像中目标几何形状的拟合来实现细胞计数或定位功能，其重要假设是细胞的形态可以用近似圆或椭圆表示。HabibieI等人[1]研究了基于粒子群算法的霍夫变换参数优化模型，实现对单胚胎的圆形拟合，但并未考虑分裂后有多个细胞的情况；YunTian等人[2]提出了一种基于最小二乘法的多细胞计数方法，通过拟合圆形来检测培养过程中细胞的数量。然而，这类方法仅考虑圆形作为几何要素，对非圆形态的细胞并不适用。因此，一些研究者使用椭圆来获得更广泛的形状适应性。Charalambos等人提出基于Hough变换的椭圆检测方法来实现4细胞时期的检测任务；AmarjotSingh1等人[4]通过等周图分割得到细胞边缘，再通过最小二乘法进行椭圆拟合。与圆形相比，椭圆的适用场景更加广泛，但是仅仅利用单幅图像提供的信息难以克服杂质、噪声、轮廓弱化、重叠等因素带来的挑战。为了解决这一问题，Giusti等人[5]提出了一种使用Z-stack(即单细胞时期在不同聚焦水平下的一组图像)的细胞分割方法，提出了利用多焦段多视图融合增强的思想，但其应用仅限于单细胞时期。通过上述分析，现有技术存在的问题及缺陷为：(1)现有技术仅仅考虑单细胞、四细胞等时期的图像，细胞数量是已知的，如果图像中的细胞数量未知则无法适用。(2)多焦段多视图的融合相比单视图有显著优势，但其应用目前仅限于单细胞时期，尚未扩展到多细胞时期。解决以上问题及缺陷的难度为：(1)当图像中包含细胞的数量未知时，需要求解一个数量估计和姿态估计的联合问题，相较于数量已知的情况，该问题的未知量更多、复杂性更高、难度也更大。(2)多焦段多视图数据按照何种方式进行融合才能增强细胞计数和定位的效果，同时适应细胞数量未知的场景，尚无现有工作可以借鉴。解决以上问题及缺陷的意义为：可以解决细胞数量未知时的计数和定位问题，建立细胞数量和姿态联合估计的统一框架，方法的适用场景得到扩展；建立多视图融合增强的有效机制，克服单视图固有的缺陷，提升结果准确性。参考文献：[1].WangD,LuH,BoC.Visualtrackingviaweightedlocalcosinesimilarity[J].IEEETransactionsonCybernetics,2017,45(9):1838-1850.[2].YunTian,YaboYin,FuqingDuan,WeizhouWang,WeiWang,MingquanZhou,Automaticblastomererecognitionfromasingleembryoimage,ComputationalandMathematicalMethodsinMedicine,2014.[3].CharalambosStrouthopoulos,GeorgeAnifandis,Anautomatedblastomereidentificationmethodfortheevaluationofday2embryosduringIVF/ICSItreatments,ComputerMethodsandProgramsinBiomedicine,Volume156,2018,Pages53-59,ISSN0169-2607.[4].A.Singh,J.Buonassisi,P.SaeediandJ.Havelock,"Automaticblastomeredetectioninday1today2humanembryoimagesusingpartitionedgraphsandellipsoids,"2014IEEEInternationalConferenceonImageProcessing(ICIP),Paris,2014,pp.917-921.[5].GiustiA,CoraniG,GambardellaL,etal.Blastomeresegmentationand3DmorphologymeasurementsofearlyembryosfromHoffmanModulationContrastimagestacks[C]//BiomedicalImaging:FromNanotoMacro,2010IEEEInternationalSymposiumon.IEEE,2010.
技术实现思路
为了解决现有技术存在的问题，本专利技术提供了一种显微图像细胞计数与姿态识别方法及系统。本专利技术是这样实现的，一种显微图像细胞计数与姿态识别方法包括：首先，进行数据的预处理和准备。采用目标在不同焦段下拍摄的多张图像，而非仅仅利用特定焦段的一张图像。然后，在多张图像经预处理后的平均图像上检测边缘，并对边缘进行细化。再者，根据边缘图像拟合所有可能的椭圆。最后，利用聚类分析的方法对椭圆进行筛选。该方案可以有效克服显微图像的质量退化问题，改善椭圆拟合的质量，进而提升细胞计数和姿态识别的准确性。进一步，本专利技术提供的显微图像细胞计数与姿态识别方法具体包括：(1)数据采集与预处理。优选地，步骤(1)具体包括如下子步骤：(1.1)数据采集。利用霍夫曼调制相衬系统显微镜拍摄图像，间隔15分钟拍摄一组。每组为不同的焦距段拍摄出的多张图像，分别记为I1，I2，I3，I4，I5，I6，I7，对应的是-15，-30，-45,0,15,30,45焦距。采集图像的样例如图3所示；(1.2)数据预处理。首先分别对每幅图像进行去噪和对比度增强处理，然后计算多张图像的平均图像I*。通过检测图像I*中镜筒边缘的圆环进行感兴趣区域提取，经过裁剪得到仅包含细胞区域的平均图像I*。采用多张图像的平均图像，可以最大化利用胚胎边缘图像信息，从而提高边缘的完整度，改善椭圆拟合的效果。(2)细胞边缘检测。对于裁剪得到的平均图像I*，本专利技术采用传统的基于梯度的边缘检测算法(canny算子或otsu算法)对图像进行边缘检测，此时得到的二值边缘图较粗，直接拟合会产生很多重复的椭圆。于是本专利技术采用骨架提取算法对较粗的边缘进行细化，得到新的细的边缘。(本文档来自技高网...

【技术保护点】
1.一种显微图像细胞计数与姿态识别方法，其特征在于，所述显微图像细胞计数与姿态识别方法包括：/n在不同焦段下获取待测目标的多张图像，并进行预处理；在经所述预处理后的平均图像上检测边缘，并对边缘进行细化；/n根据边缘细化的图像拟合所有椭圆；并利用聚类分析的方法对所述椭圆进行筛选。/n

【技术特征摘要】
1.一种显微图像细胞计数与姿态识别方法，其特征在于，所述显微图像细胞计数与姿态识别方法包括：
在不同焦段下获取待测目标的多张图像，并进行预处理；在经所述预处理后的平均图像上检测边缘，并对边缘进行细化；
根据边缘细化的图像拟合所有椭圆；并利用聚类分析的方法对所述椭圆进行筛选。


2.如权利要求1所述的显微图像细胞计数与姿态识别方法，其特征在于，所述在不同焦段下获取待测目标的多张图像并进行预处理的方法包括：
(1)数据采集，间隔15分钟拍摄一组图像，每组为不同的焦距段拍摄出的多张图像，分别记为I1，I2，I3，I4，I5，I6，I7，对应的是-15，-30，-45,0,15,30,45焦距；
(2)数据预处理，分别对每幅图像进行去噪和对比度增强处理，然后计算多张图像的平均图像I*；通过检测平均图像I*中镜筒边缘的圆环进行感兴趣区域提取，经过裁剪得到仅包含细胞区域的平均图像I*。


3.如权利要求1所述的显微图像细胞计数与姿态识别方法，其特征在于，所述对平均图像检测边缘的方法包括：对于裁剪得到的平均图像I*，采用基于梯度的边缘检测算法对图像进行边缘检测；
所述对边缘进行细化的方法包括：采用骨架提取算法对较粗的边缘进行细化，得到新的细的边缘。


4.如权利要求1所述的显微图像细胞计数与姿态识别方法，其特征在于，所述拟合所有可能的椭圆的方法包括：
1)初始椭圆集生成，对于得到的待实验图像数据I*及检测出的边缘，找到由连通的边缘点构成的弧段，利用最小二乘法估计出由这些弧段可能构成的所有的初始椭圆集Einitial；
2)椭圆评分，对得到的初始椭圆集Einitial中每个椭圆进行评分，椭圆的评分包括内点覆盖率评分与角度覆盖率评分。


5.如权利要求4所述的显微图像细胞计数与姿态识别方法，其特征在于，所述步骤2)椭圆评分的方法包括：
(i)对I*图像的所有边缘像素进行标记，记为p；
(ii)遍历椭圆集Einitial中每个椭圆，记第i个椭圆在I*图像中覆盖的像素值的个数为pi,pi∈p；则第i个椭圆的内点覆盖率记为
ρi＝#{pi:pi∈SI(e)}/β
其中，SI(e)代表第i个椭圆的内点，β代表的是椭圆的周长，由以下公式近似计算；



(3.2.3)将第i个椭圆的角度覆盖率记为Si，由以下表达式计算：



其中n为该椭圆中所包含的弧线段的个数，θj为弧线段的对应的角度。


6.如权利要求1所述的显微图像细胞计数与姿态识别方法，其特征在于，所述对椭圆进行筛选的方法包括：
(a)细胞大小筛选，计算一个系数R，表示单个细胞占整个感兴趣区域的百分比，R的计算方法如下所示：



H表示细胞大小，A表示图像感兴趣区域大小，单个细胞的大小与胚胎大小的关系为：



其中num为细胞的个数；
(...

【专利技术属性】
技术研发人员：云新，张天为，谭威，陈长胜，
申请(专利权)人：武汉互创联合科技有限公司，
类型：发明
国别省市：湖北;42