用于以顯微術進行細胞分析的系統和方法技術方案

一種用于區分圖像元素和背景的計算機實施的方法，包括：輸入圖像，該圖像包括形成元素視圖和背景的像素（１００）；提供模型，該模型用于為每個像素分配屬于預定類別的概率（１０１）；為每個像素分配屬于預定類別的概率（１０２）；根據相應概率和預定閾值對每個像素進行標記（１０３）；確定相似標記的像素群之間的邊界（１０４）；以及輸出邊界的可視圖（１０６）。

【技術實現步驟摘要】
【國外來華專利技術】
本公開涉及圖像處理，并且更具體地涉及用于分割顯微圖像中的細胞并計算其數量的系統和方法。2.
技術介紹
可從2D和3D顯微術(和其它來源)獲得的細胞圖像越來越普遍。 對于許多不同應用來說，重要的是通過將圖像中的細胞從背景分割出來 以及彼此分割開來而分析圖像。這種分割通常是可用于回答各種診斷問 題的細胞計數或分類(通過細胞形狀、顏色等)的先行步驟。在市場上 可獲得若干軟件包來執行自動的細胞計數，然而這些軟件包高度特定于 具體類型的顯微圖像并且不允許進一步分析。另外，很多這種軟件包都 需要附加的硬件設備和安裝，并且可能相當昂貴。這種軟件的示例包括MACE (Mammalian Cell Colony Analysis (哺享L動物細胞群落分析)--Weiss Associates )、 Bio-Optics Corp. 、 Guava Technologies、 Nexcelom Bioscience、 New-Brunswick Science、 Dako Corp. 、 QM Solutions、 Partec Corp. 、 Synoptics Inc.以及其他。因此，存在對顯微圖像進行圖像分割的一般化方法的需要。
技術實現思路
根據本公開的實施例， 一種用于區分圖像的元素和背景的計算機實施 的方法包括輸入圖像，該圖像包括形成元素的視圖和形成背景的像素；提 供模型，該模型用于為每個像素分配屬于預定類別的概率；為每個像素分配 屬于預定類別的概率；根據相應概率和預定閾值對每個像素進行標記；確定 相似標記的像素群之間的邊界；以及輸出這些邊界的可視圖。根據本公開的實施例， 一種用于區分圖像元素和背景的系統包括存儲 器裝置，存儲包括圖像數據的數據集和多個指令，所述圖像數據包括形成圖 像元素的視圖的像素，所述多個指令體現用于區分圖像元素和背景的系統； 以及處理器，用于接收該數據集和執行所述多個指令以執行包括下述步驟的 方法提供模型，該模型用于為每個像素分配屬于預定類別的概率；為每個 像素分配屬于預定類別的概率；根據相應概率和預定閾值對每個像素進行標 記；確定相似標記的像素群之間的邊界；以及輸出這些邊界的可視圖。附圖說明下面參考附圖更詳細地描述本專利技術的優選實施例，在附圖中 圖1是根據本公開的實施例用于區分細胞的方法的流程圖； 圖2A-B是根據本公開實施例的輸入圖像和分割結果；以及 圖3是根據本公開的實施例用于執行體現用于區分細胞的指令的計 算機可讀代碼的計算機系統的圖。具體實施例方式根據本公開的實施例，公開了系統和方法執行細胞區分和分割。該 方法可以應用于2D和3D顯微細胞圖j象，并且可以應用于各種細胞類型。 該方法可以擴展到4D,在4D中時間是附加參數，諸如在活細胞顯微術 (live microscopy)中或者為了取得實時圖像以跟蹤某些類型細胞的 演變。該方法實現不同類型的分析，包括計算細胞數量；識別細胞內部 的結構(例如細胞核的存在和形狀)；細胞的形態測定分析(例如用于 形狀變化估計和形狀分析)；細胞表面積、體積測量；顏色變化估計(例 如在熒光成像中)等等。參考圖1，用于細胞區分和分割的方法包括獲取細胞的顏色/強度模 型101-102，將該模型用作隨機游標分割算法(random walker segmentation algorithm)的一組先驗值(prior),將"細胞，，像素從 "背景"像素中分割出來103,并且對于"細胞"像素的每個連接部分， 使用等周分割算法將所述部分分成組分細胞104-105。參考獲取細胞的顏色/強度模型101，存在各種方法來產生細胞的外觀模型。外觀模型為每個像素",分配概率A，該概率A表示與屬于細胞 類別的像素相關聯的顏色/強度的可能性。給定一組屬于該細胞的像素的預標記訓練樣本，則 一種用于獲取從顏色/強度到概率的映射的示例性方法是通過核估計(Parzen窗操作)。給定針對集合"細胞"的一小組訓練示例，則形成為每個像素強度 /顏色分配屬于類別"細胞"的概率的模型102。接近一 (unity)的概 率被映射成白色，而接近零的概率被映射成黑色(可實施不同的映射)。參考對細胞群集的分割103;外觀模型足以將像素粗略地分類成"細 胞"和"背景"。由于該模型純粹基于與每個像素相關聯的強度，而不 基于該像素在相鄰像素之間的環境背景，因此該模型自身易受到噪聲影 響。為了克服該噪聲問題，使用經過學習的概率作為隨機游標的先驗值 以將每個像素的標記提煉成"細胞，，或者"背景"103。該解決方案對 于噪聲具有魯棒性，并且每個像素都被標記為"細胞"或者"背景"。 可將針對本示例中的圖所釆用的加權函數寫為w,,exp-/(||/,.-/』)2 (1)其中/,表示像素^處的顏色，/是自由參數，而l.ll表明顏色向量的模。 在這里可以等同地應用任何分配權重(例如顏色、概率差、紋理梯度等) 的類似措施。在采用形成模型101時的概率作為用于隨機游標分割算法103的概 率之后，為每個像素獲取了作為"細胞，，或者"背景，，的標記。線條指 示出被標記為"細胞"或者"背景，，的區域之間的邊界。注意雖然標記 在像素等級上是正確的，但是細胞仍然合并在一起，因此需要額外的處 理來區分單個細胞。示例性的隨機游標從包含多個指明待分割目標的種子像素的圖像 開始。給定隨機游標從每隔一個像素開始，則確定了該隨機游標到達種 子像素之一的概率。隨機游標行進到特定方向的概率由圖像結構來確 定。像素強度的變化是對隨機游標跨越到相鄰像素的概率的度量。因此， 隨機游標在分割出的目標內部游動的可能性很高，但是跨越邊界的可能 性相對較低。通過乘以沿著從像素到種子點的路徑所確定的概率，得到 了表示非二值分割的概率分布。參考對細胞群集的區分104-105;雖然標記步驟103的輸出為每個 像素給出是屬于"細胞"還是"背景"的標記，但是本方法利用指明"細 胞1"、"細胞2"等的標記來進一步區分每個^t標記為"細胞，，的像素 104。出于該目的，順序地應用等周圖分區4支術(isoperimetric graphpartitioning technique)來劃分群集，直到所建+義的劃分的等周比太 大以至于不能接受，這由閾值來表示。在該階段中，再次使用根據103 的相同加權函數(1)。等周比的示例性實施被確定為邊界和給定組S的體積的比，由 表示。圖G的等周組(圖是一對( = (「￡)，其中頂點(節點)ver，并且邊緣eeEeFxr )是任意組S和f，對此/^) = &。滿足體積限制r《"的組的規范與該組的補集一起可被認為是分區。組S的邊界被定義為a = k|v,s&、E^,其中f表示組的補集，并且 ,2>(~)。跨越兩個頂點v,和"的邊緣e由^表示。當最小化i刮時，該分區使得r《最大化。可對該細胞分割進一步后處理以消除小細胞或者其它不需要的(即 錯誤標記的)細胞。在這個示例中，任何具有低于預定閾值大小的細胞 都被重新標記為"背景"。可根據成像細胞的類型來設定閾值，例如， 某種類型的細胞可具有已知的大小范圍，可使用該大小范圍來將上限和 下限用于將細胞從背景中區分出來。以類似方式，任何分割出的、具有 是細胞的概率很高的百分比的細本文檔來自技高網...

【技術保護點】
一種用于區分圖像的元素和背景的計算機實施的方法，包括：　輸入圖像，該圖像包括形成所述元素的視圖和形成背景的像素；　提供模型，該模型用于為每個像素分配屬于預定類別的概率；　為每個像素分配屬于預定類別的概率；　根據相應概 率和預定閾值對每個像素進行標記；　確定相似標記的像素群之間的邊界；以及　輸出這些邊界的可視圖。

【技術特征摘要】
【國外來華專利技術】...

【專利技術屬性】
技術研發人員：弗雷德S阿扎爾，L格拉迪，
申請(專利權)人：西門子醫療保健診斷公司，
類型：發明
國別省市：US[]