【技術實現步驟摘要】
本專利技術涉及細胞圖像分析，尤其涉及一種基于多模態細胞圖像的無監督細胞計數與定位方法及系統。
技術介紹
1、細胞是構成生命體的基本單元。近年來，隨著顯微成像技術的不斷進步和發展，產生了大量的細胞圖像數據。由于細胞種類和細胞染色模式的多樣性以及細胞形態之間的差異性，使得成像出來的細胞圖像種類十分豐富。對于大量、多樣的細胞圖像數據，要想從中獲取有研究價值的信息，例如細胞的數量和細胞的位置信息，這將變得十分困難。
2、細胞計數在醫學圖像分析等多個領域都有著極其重要的作用，目前研究的難點在于：細胞圖像存在低灰度、亮度分布不均勻的情況，以及細胞圖像自身特有的復雜結構特性，熒光圖像的特點是在對比度、噪聲和局部變化方面具有高度可變性，使得細胞計數和細胞定位非常困難。最原始的細胞計數一般采用人工計數的方法，但傳統人工計數方法效率低、耗時長、準確率不高，極易受到計數者自身經驗影響。顯然，基于人工的細胞計數方式已不適用于現階段的細胞圖像數據，從而急需一種自動化處理方法來解決這一難題。隨著計算機圖像學技術的快速發展，借助圖像處理算法自動完成細胞圖像的細胞計數是一種必然的發展趨勢。但是由于不同的細胞類型、顯微成像設備、處理方式、成像模式、染色方法產生各種不同風格的細胞圖像，開發一種通用的、能夠適用所有風格細胞圖像的算法充滿巨大的挑戰。因此，開發一種通用的無監督細胞圖像處理系統意義巨大并且十分艱巨。
3、近年來，隨著深度學習技術的快速發展，其在醫學圖像處理領域取得了巨大的成功。作為醫學圖像分析任務中的基礎任務之一，細胞圖像處理任務
技術實現思路
1、本專利技術的目的是為了解決現有技術中存在的問題，而提出的一種基于多模態細胞圖像的無監督細胞計數與定位方法及系統。
2、為了實現上述目的，本專利技術采用了如下技術方案：
3、一種基于多模態細胞圖像的無監督細胞計數與定位方法，包括以下步驟：
4、獲取多模態細胞圖像；
5、對細胞圖像進行分析；
6、將不同模態細胞圖像分離為單細胞圖和細胞簇圖；
7、計算單細胞圖上所有單細胞周長平均值和標準差，對單細胞圖中的細胞進行細胞形態類別判定，所述類別判定包括兩類：細胞大小均勻的細胞和細胞大小不均勻的細胞；
8、根據細胞大小均勻的細胞圖像與不均勻的細胞圖像的細胞特征，選擇細胞簇分割算法對細胞簇圖進行分割；
9、進行細胞計數，并生成基于點標注的細胞定位圖。
10、優選地，所述對細胞圖像進行分析的具體步驟包括；
11、對細胞圖像進行類型判斷，判斷細胞圖像是否為灰度圖像，若具有彩色圖像特征則劃分為非灰度圖像類，若具有灰度圖像特征則劃分為灰度圖像類；
12、對非灰度圖像和灰度圖像分別進行差異化預處理；
13、進行分割流程獲取二值圖；
14、對二值圖進行處理，分離出單細胞圖和細胞簇圖。
15、優選地，所述對非灰度圖像和灰度圖像分別進行差異化預處理具體過程包括：
16、對灰度細胞圖像進行圖像增強操作；
17、對于非灰度細胞圖像將其從rgb色彩空間轉換為hsv色彩空間，只選取并保存細胞核所屬色彩，保存為新的圖片并進行灰度化處理。
18、優選地，所述進行分割流程獲取二值圖的具體過程包括：在細胞圖像上設計滑動窗口，設置滑動窗口大小和移動步長為一定值，使圖像分為若干小塊，圖像塊的大小與圖像的復雜度有關，圖像的復雜度越小，圖像塊可以越大，對每個圖像塊進行灰度級聚類算法以及自適應閾值處理，最后合并所有圖像塊構成細胞圖像分割結果。
19、優選地，所述對二值圖進行處理，分離出單細胞圖和細胞簇圖的具體過程為：對前景目標區域運用距離變換生成種子點，對roi區域進行種子點檢測，若存在只有一個種子點的連通roi區域，則證明此處為單細胞所在的區域，把所有此類情況的區域保存在一張圖像上；若存在多個種子點同時存在于一個連通的roi區域，則說明此區域為多細胞粘連區域，即為細胞簇所在區域，把所有此類情況的區域保存為新的圖像；最終生成的兩張新二值圖像，一張為全是單細胞的二值圖像，一張為全是細胞簇的細胞圖像。
20、優選地，所述計算單細胞圖上所有單細胞周長平均值和標準差，對單細胞圖中的細胞進行細胞形態類別判定的具體過程為：對每張新生成的單細胞二值圖像的每個roi區域進行周長計算并計算周長標準差，標準差較大的則歸為細胞大小不均勻的類別，標準差較小的則歸為細胞大小均勻的類別。
21、優選地，所述根據細胞大小均勻的細胞圖像與不均勻的細胞圖像的細胞特征，選擇細胞簇分割算法對細胞簇圖進行分割的具體過程為：對細胞大小不均勻的細胞圖像采用分水嶺算法進一步分割細胞簇；對細胞大小均勻的細胞圖像進行曲率分析，結合使用對單細胞圖像計算的細胞平均周長和標準差來輔助進一步分割，最終得到分割結果。
22、優選地，所述對細胞大小均勻的細胞圖像進行曲率分析，結合使用對單細胞圖像計算的細胞平均周長和標準差來輔助進一步分割，最終得到分割結果的具體過程為：
23、通過曲率分析獲得一組近似于細胞中心的候選種子點；
24、判斷在一個種子點周圍平均細胞半徑的距離內是否存在其他種子，若不存在，則被認定為一個細胞，若存在，則認定他們屬于同一個細胞，其中，平均細胞半徑由細胞平均周長和標準偏差來計算得到，公式為：，避免細胞簇細胞之前存在粘連，導致相鄰細胞之間的接觸區域產生假種子，導致誤識別。
25、優選地，所述進行細胞計數，并生成基于點標注的細胞定位圖的具體過程為：獲得最終單細胞形態分割結果，對roi區域數量進行統計，即為細胞數量，對roi區域進行種子點生成，即為基于點的細胞定位圖。
26、一種基于多模態細胞圖像的無監督細胞計數與定位系統，應用于一種基于多模態細胞圖像的無監督細胞計數與定位方法，包括：
27、輸入模塊：接收輸入的多模本文檔來自技高網...
【技術保護點】
1.一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對細胞圖像進行分析的具體步驟包括；
3.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對非灰度圖像和灰度圖像分別進行差異化預處理具體過程包括：
4.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述進行分割流程獲取二值圖的具體過程包括：在細胞圖像上設計滑動窗口，設置滑動窗口大小和移動步長為一定值，使圖像分為若干小塊，圖像塊的大小與圖像的復雜度有關，圖像的復雜度越小，圖像塊可以越大，對每個圖像塊進行灰度級聚類算法以及自適應閾值處理，最后合并所有圖像塊構成細胞圖像分割結果。
5.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對二值圖進行處理，分離出單細胞圖和細胞簇圖的具體過程為：對前景目標區域運用距離變換生成種子點，對ROI區域進行種子點檢測，若存在只有
6.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述根據單細胞圖，分析并獲取單細胞特征的具體過程為：計算單細胞圖上所有單細胞周長平均值和標準差，對單細胞圖中的細胞進行細胞形態類別判定，所述類別判定包括兩類：細胞大小均勻的細胞和細胞大小不均勻的細胞，其中，計算單細胞圖上所有單細胞周長平均值和標準差，對單細胞圖中的細胞進行細胞形態類別判定的具體過程為：對每張新生成的單細胞二值圖像的每個ROI區域進行周長計算并計算周長標準差，標準差較大的則歸為細胞大小不均勻的類別，標準差較小的則歸為細胞大小均勻的類別。
7.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述根據單細胞特征，對細胞簇圖進行分割的具體過程為：對細胞大小不均勻的細胞圖像采用分水嶺算法進一步分割細胞簇；對細胞大小均勻的細胞圖像進行曲率分析，結合使用對單細胞圖像計算的細胞平均周長和標準差來輔助進一步分割，最終得到分割結果。
8.根據權利要求7所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對細胞大小均勻的細胞圖像進行曲率分析，結合使用對單細胞圖像計算的細胞平均周長和標準差來輔助進一步分割，最終得到分割結果的具體過程為：
9.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述進行細胞計數，并生成基于點標注的細胞定位圖的具體過程為：獲得最終單細胞形態分割結果，對ROI區域數量進行統計，即為細胞數量，對ROI區域進行種子點生成，生成的結果在細胞中心的定位點位置，即為基于點的細胞定位圖。
10.一種基于多模態細胞圖像的無監督細胞計數與定位系統，應用于權利要求1-9任一項所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：包括：
...【技術特征摘要】
1.一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對細胞圖像進行分析的具體步驟包括；
3.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對非灰度圖像和灰度圖像分別進行差異化預處理具體過程包括：
4.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述進行分割流程獲取二值圖的具體過程包括：在細胞圖像上設計滑動窗口，設置滑動窗口大小和移動步長為一定值，使圖像分為若干小塊，圖像塊的大小與圖像的復雜度有關，圖像的復雜度越小，圖像塊可以越大，對每個圖像塊進行灰度級聚類算法以及自適應閾值處理，最后合并所有圖像塊構成細胞圖像分割結果。
5.根據權利要求2所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述對二值圖進行處理，分離出單細胞圖和細胞簇圖的具體過程為：對前景目標區域運用距離變換生成種子點，對roi區域進行種子點檢測，若存在只有一個種子點的連通roi區域，則證明此處為單細胞所在的區域，把所有此類情況的區域保存在一張圖像上；若存在多個種子點同時存在于一個連通的roi區域，則說明此區域為多細胞粘連區域，即為細胞簇所在區域，把所有此類情況的區域保存為新的圖像；最終生成的兩張新二值圖像，一張為全是單細胞的二值圖像，一張為全是細胞簇的細胞圖像。
6.根據權利要求1所述的一種基于多模態細胞圖像的無監督細胞計數與定位方法，其特征在于：所述根據單細胞圖，分析并獲取單細胞特征的具體過程為...
【專利技術屬性】
技術研發人員：徐曉峰，李帥，董晨曦，胡天驕，鄭偉，蘭義華，徐嘉樹，
申請(專利權)人：南陽師范學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。