（分析化学专业论文）医学图像处理——染色体配对及骨髓片粒细胞形态学分析.pdf

同济久学审请硕七学位论文 摘要 摘要 数字图像处理技术是目前研究非常活跃的一个领域，被广泛应用于军事、医 疗健康、工业生产、文化娱乐等方面。 本论文在研究计算机图像处理的理论和算法的基础上，将计算机图像处理技 术应用于医学领域。主要工作集中在染色体的识别配对、骨髓片粒细胞的分离计 数和形态学参数的计算上，最后，我们采用化学计量学方法结合图像的统计学方 面的特征对图像进行了初步的探讨和研究，并将其应用于活血中正常血红细胞和 变异血红细胞的分类判别。 在染色体识别配对中，通过对染色体图像的一些特殊处理后，可以自动从图 像中分离出染色体对象。对于试验中的极少部分没有成功分离而粘联或重叠在一 起染色体，可以通过简单的图像处理方便地通过人工分离。在染色体单体分离成 功后，我们用提取骨架的方法提取每个染色体的特征带纹、着丝粒位置和长 度，并根据这些特征对染色体进行配对识别，识别结果比较满意。一个病人的染 色体分析工作可以在较短的时间内完成，可以大大缩短医生分析时间。程序已经 基本上形成了商业软件，有较好的商业前景。 在骨髓片的粒细胞读片中，本文运用了h s i 、色彩补偿等彩色图像的处理技 术，基本实现了对粒细胞的自动计数，并且可以根据粒细胞细胞核和细胞质染色 深浅的不同，分离出胞浆和核，从而计算出任何粒细胞的多种形态学方面的参数， 为医生的临床判断提供了比较准确的量化依据； 最后，我们初步研究了图像统计学方面的特征。用数值遗传算法优化彩色图 像r g b 三色变换参数，再结合图像的一维自相关光谱，并将快速傅里叶变换、 p c a 等方法应用于活血细胞中正常细胞和柠檬状细胞图像分类判别，成功将两 类血红细胞进行了分类。 同济大学申请硕t 学位论文 a bs t r a c t d i g i t a li m a g ep r o c e s s i n gt e c h n o l o g yi sw i d e l yr e s e a r c h e di nr e c e n ty e a r s i ti s a p p l i e di nl o t s o ff i e l d sl i k em i l i t a r ya f f a i r s ，m e d i c a lt r e a t m e n ta n dh e a l t h ，i n d u s t r y , e n t e r t a i n m e n te t c i nt h i sa r t i c l e ，f i r s tw es t u d i e dt h et h e o r ya n da r i t h m e t i co fi m a g ea n a l y s i s ，a n d t h e nw e a p p l i e d i ti nm e d i c a l i m a g ep r o c e s s o u rw o r ki sc o n c e n t r a t e do n c h r o m o s o m er e c o g n i z i n ga n dp a r t n e r s h i p ，s e p a r a t i n gc e l lo fm e d u l l aa n dc a l c u l a t i n g m o r p h o l o g i cp a r a m e t e r s ，f i n a l l yw ep r o b e di n t oi m a g ec h a r a c t e ru s i n gc h e m o m e t r i c s c o m b i n e dw i t hs t a t i s t i c a lc h a r a c t e ro fi m a g e i nc h r o m o s o m er e c o g n i z i n ga n dp a r t n e r s h i p ，w eu s es o m es p e c i a lt e c h n o l o g yt o p r e p r o c e s sc h r o m o s o m ei m a g e ，a n dt h e nw ec a l ls e p a r a t ee a c hs i n g l ec h r o m o s o m e f o rt h o s ec h r o m o s o m e sw h i c ha r ej o i n to ro v e r l a p ，w es e p a r a t e dt h e mb yh a n d s t h r o u g hs i m p l yi m a g ep r o c e s s w h e nc h r o m o s o m e sw e r es u c c e s s f u l l yr e c o g n i z e dw e d i s t i l ls o m ec h r o m o s o m ec h a r a c t e rs u c ha sc h r o m o s o m el e n g t ha n db a n db y c a l c u l a t i n gt h ef r a m e w o r ko fac h r o m o s o m e ，a n dt h e nw eu s et h e s ec h a r a c t e r p a r t n e r s h i p st h ec h r o m o s o m e s t h er e s u l ti sq u i t eg o o d w eh a v ec o n v e n e do u rw o r k t oc o m m e r c i a ls o f t w a r e d o c t o rc a nf i n i s ha n a l y s i sq u i c k l ya n ds a v em u c ht i m e i nm e d u l l ai m a g ea n a l y s i s ，a f t e ru s i n gs o m ec o l o ri m a g ep r o c e s st e c h n o l o g ys u c h a sh s i ，c o l o rc o m p e n s a t i o n ，w ec a nc o u n tc e l la u t o m a t i c a l l y , a n db e c a u s eo ft h e d i f f e r e n c eo fk a r y o na n dc y t o p l a s m sd y ec o l o rw ec a l la l s oc a l c u l a t et h em o r p h o l o g i c p a r a m e t e r s t h i sw i l lp r o v i d ed o c t o rq u a n t i t yi n f o r m a t i o n f i n a l l yw es t u d i e dt h es t a t i s t i c a lc h a r a c t e ro fi m a g e u s i n gg e n e t i ca l g o r i t h mt o o p t i m i z et h et r a n s f o r mp a r a m e t e ro fr ，ga n db ，i n t e g r a t e dw i t ha c o vo fi m a g e ， f f ta n dp c a ，w ec a ns u c c e s s f u l l yd i s t i n g u i s hn o r m a lb l o o dc o r p u s c l ea n da b e r r a n c e b l o o dc o r p u s c l e 2 同济大学申请硕七学位论文 第一章勇言 第一章引言 计算机图像处理技术是集光学、微电子学、计算机科学、应用数学等学科的 - f 7 交叉学科，其处理技术可以追溯到1 9 4 6 年世界上第一台电子计算机的诞生， 但在5 0 年代计算机主要还是用于数值计算，满足不了处理大数据量图像的要求。 在6 0 年代，第三代计算机的研制成功，以及快速傅里叶变换算法的出现和应用， 使得对图像的某些计算得以实际实现，人们从而逐步开始利用计算机对图像进行 加工处理并付诸应用。在7 0 年代，图像处理技术有了长足的进展，而且第一本 重要的图像处理专著n3 也得以出版。自8 0 年代以来，计算机硬件的飞速发展特 别是个人计算机处理能力的大幅度飞跃，使得图象处理所需要的大容量计算得以 在短时间内完成，从而进一步推动了图象应用在各个领域的深入，各种新的算法、 技术得到进步的研究和发展口3 1 。如果说，在图象处理的开始阶段我们的研究 是围绕2 一d 图像，那么现在人们的注意力已经开始转移到处理3 一d 图像，许多能 获取3 - d 图像的设备和处理3 一d 图像的系统研制成功就证明了这一点。进入9 0 年代，图像处理技术已经逐步深入到人类生活和科学研究的各个方面。 图象处理技术的首要应用是在模式识别领域，例如道路交通中车辆自动牌照 识别系统，通过高速拍照，可以将高速行进中的车辆的牌照自动拍摄下来并进行 识别。海关车辆型号的识别，可以帮助海关自动识别车身的重量，结合申报材料 的大约比重，可以向海关报告报关的合理性。在金属制造业中，采用射线探伤技 术，通过射线照片进行分析，可以检测到金属连接、焊接工艺中焊接质量的好坏。 在电子生产领域，图象识别技术用于多层印制线路板的焊接质量控制。图象处理 技术也被应用于食品质量的控制，还有目前高新技术领域遥感技术，也需要对图 像进行分析识别。 在所有的图象处理应用领域中，医学图象的处理无疑是目前图象处理的热 点，这不仅是因为生命医药是当今科学研究的最热门的话题之一，更重要的一点 是由于目前医学图象处理的复杂性和多样性、标准的确定以及迫切性。首先在医 学中，各种医疗仪器包括x 光透视图、b 超声波透视图、c t 断层扫描等输出的都 是图象，这些图象是一些黑白的多灰度图象。病理切片诊断、穿刺以及脱落细胞 分析、遗传疾病检查、不孕症的检查、各种病毒、细菌等的检查都是先通过一定 同济夫学申请硕士学位论文第一章飘言 的化学染色后在光学或荧光显微镜下观察，检查者看到的也是一幅幅关于组织结 构、细胞形态、精子、染色体等彩色图象h 副。除了图象的色彩有区别之外，这些 图象的处理目的也有很大的区别，对于b 超、c t 、x 光等图象，医疗工作者感兴 趣的是病变的位置和大小，而对病理、穿刺及脱落细胞等的分析则侧重于组织及 细胞形态的变化，在显微镜下的观察主要表现在色彩上的变化，医疗工作者可以 根据这些色彩上的差异观察细胞的各种形态参数，并判断组织和细胞的性质。高 准确度地处理、分析、识别这些图象将有助于提高医疗工作的效率，大大减轻医 疗工作者的劳动强度。 上面提到的所有图象处理应用中，都需要一些基本的图象处理技术，这包括 图象的去噪、边界探测、分割、特征提取和识别，近几年很多科研方面的工作都 是围绕着这些图象处理工作而开展的。在x 光图象处理方面，j i a n n - d e r 和 y u l i nh s i a 0 于1 9 9 9 年发展了一个基于小波变换的改进的径向搜索方法3 ，从 图像中提取肿瘤区域的信息。此径向搜索方法的优点在于：( 1 ) 不经过图像分割 而直接得到肿瘤区域的边界；( 2 ) 此算法是一个半自动的算法，只需计算者在肿 瘤区域内部指定一个点，剩下的计算就会自动完成。c t 图象的研究处理更加引 起了医疗科研工作者极大的兴趣，工作主要围绕在2 dc t 到3 dc t 图象的重构口3 、 识别m 1 以及图象的增强阳3 。医院在显微镜下开展的工作是目前对图象处理要求最 迫切的地方，例如上海市长海医院的病理科的医生平均每天需要观察9 0 个病人 的病理图片。而医院的检验科、血液科的医生每天也需要在显微镜下观察大量的 骨髓片、血片、各种体液涂片，工作方式基本上还是维持在最原始的状态，工作 强度也很大。调查显示，在硬件技术上，通过先进的数码图象硬件设备，我们可 以方便地把显微镜下所见图象同步显示在计算机大屏幕上，实时采集、压缩存储， 国内和国外几乎是同步的，然而，在图象软件处理水平上，我们和先进国家还有 1 0 年的差距，例如美国x i l l i xt e c h o l o g i e sc o r p 公司研制的自动图像细胞定时仪 ( a u t o m a t e di m a g ec y t o m e t e r ) 能够自动将载玻片输送到显微镜载物台上，计算 机控制载物台在x 、y 方向移动，每移动一个视野，计算机自动聚焦并控制数 码相机照相，对照片进行肿瘤细胞自动识别后，将识别出来的细胞进行定量，一 张玻片扫描完成后，自动更换玻片，每次总共可定量1 0 - 1 0 0 万个细胞。这一点 目前还是国产软件不能做到的。 同济大学申请硕士学位论文 第一章萌言 计算机图象处理除了用于图象的分割、识别等目的外，现在也用于完成某些 方面的定量分析，例如判断细胞癌变程度时经常需要测定细胞中d n a 的含量， 过去，这种测量需要使用流式细胞仪或显微分光光度计来完成，由于仪器价格和 需要的分析时间长等原因，只有少数医院使用，并且不直观、不能存储。用计算 机图象学来测定细胞d n a 倍体含量则有迅速、直观、长久保存的优点。其原理 同显微分光光度计。涂片经过酸性溶剂处理后，把细胞核中的d n a 中的戊糖析 出，经过化学试剂染色( f e u l g e n 染色) 后，显示品红色，正常二倍体细胞d n a 含 量比癌细胞少，光吸收少，而癌细胞光吸收大，通过测定图象中细胞核染色的积 分光密度，就可以得到病理图片中细胞的平均d n a 含量或指定细胞的d n a 倍 体含量。 然而，医学图象处理正处于发展的起步阶段，这主要体现在以下几个方面： 图象采样硬件的发展：几年前，配带在显微镜上的c c d 摄像头还维持在4 7 0 线左右，这种硬件存在着图象的部分失真，导致图象变色，影响诊断，医生 不愿使用。现在，高清晰度的c c d 硬件( 8 5 0 线) 已经出现，为医生在计算机 大屏幕上观察病例提供了先决条件。 国内外医学图象处理软件近几年发展很快，逐步引入了图象处理的基本技 术，但判断的准确率有待提高，人为的因素也比较多。 细胞、病毒等形态学的特征标准规范不够齐全，加上形态特征的多样性、活 体细胞的运动等原因，医学图象处理的智能水平有待进一步发展，细胞种类 的划分和形态学的研究仍然有很多等待解决的问题。就骨髓图片的图象处理 来说，图片在瑞氏染色下，细胞的分类多达4 0 一6 0 种，这一分类工作目前 仍然难以通过计算机自动读片来实现自动分类。 计算机处理医学图象的必要性还体现在能够量化指标，避免医生的主观判断 因素。例如，医生判断病理涂片时，都要进行细胞免疫组化分析，主要依据 是染色片中细胞的染色来判断强阳性、中阳性、弱阳性、阴性细胞的数量， 从而判断整个涂片的阳性程度。这种判断过程有很大的主观性，不同的医生 看同一张片会有不同的结论，同一个医生在不同的时期看同一张片也会有不 同的结论，计算机图象处理的目的就是要建立一个参照标准，进行病理、细 胞图象判断准则的量化。 同济大学申请硕士学位论文第一章翻言 本论文的工作围绕着常用的图象处理技术进行了讨论，主要目标是将这些常 用的技术应用于医学图象处理中。 在第二章中，我们介绍了一些实际处理中常用的图像分析处理技术，并对我 们所用到的技术做了比较详细的讨论，使大家对图像处理技术有一个比较大致的 了解。 在第三章中，我们讨论了染色体图像的处理过程，包括用拉普拉斯算子和直 方图均衡化锐化图像；用直方图取阈值对背景着色；用逐点扫描法分割染色体； 用骨架法提取染色体的特征；对染色体识别配对等。 在第四章中，我们将彩色图像处理方法应用于骨髓片中粒细胞的识别。对 h s i 法、r g b 法和色彩补偿法进行了讨论，计算出图像中粒细胞的个数、核浆比、 核面积、浆面积、核染色均匀程度等，为医生的判断提供量化依据。 第五章中，我们用数值遗传算法优化、p c a 、f f t 结合图像的一维自相关光 谱对图像的统计学特征作了初步研究，并应用于正常红细胞( 圆形) 和变异红细胞 ( 柠檬状) 的特征，对两类细胞进行分类。 在实际应用中我们已经形成了软件化的商品，可以应用于临床的辅助诊断， 并取得了较为满意的效果。 两济大学申请硕七学位论文第二章谍甩豳象处理技术 第二章常用图像处理技术 图像处理技术广义上讲是各种与图像有关的技术的总称。目前人们主要研究 的是数字图像，主要应用的是计算机图像处理技术，内容包括图像采集、编码、 存储、显示、输出、变换、增强、恢复、分割、目标检测、特征提取以及识别等。 以下就本文所涉及的方面对图像处理技术作一个简单介绍。 一、图像变换 图像变换的目的是为了有效和快速地对图像进行处理和分析，将原来定义在 图像空间的图像以某种形式转换到另外一些空间，并利用这些空间的特有性质方 便的进行一定的加工，最后再转换回到图像空间以得到所需的效果。它是许多图 像处理和分析技术的基础，目前主要有傅里叶变换和快速傅里叶变换1 1 0 1 、小波 变换1 1 1 等。 一个1 d 离散傅立叶变换的定义为： f ( x ) = 丙1 缶n - i m ) e x p 一2 觥】 ，( x ) = 万| 刍n - i 似) e x p 【2 觥n 】 二个2 d 离散傅立叶变换对定义为： u = 0 ，1 ，n - 1 ( 2 1 ) x = 0 ，1 ，n 1 ( 2 2 ) f ( u , v ) = 寺厂( x ，y ) e x p 一j 2 x ( u x + v y ) n u ，v - - 0 ，l ，n - 1 ( 2 3 ) 1 x = 0 v = 0 f ( x ，y ) = 寺m ，v ) e x p j 2 万( u x + v y ) n x ，y = 0 ，1 ，n - 1 ( 2 4 ) v u = 0v = 0 在2 0 世纪6 0 年代，傅立叶变换快速算法的提出，成为傅立叶变换的广泛应 用的关键。例如，将图像进行傅立叶变换到频率域后，根据卷积定理，可过滤掉 频率域的低频分量或高频分量，再用傅立叶反变换转回图像域，可以得到模糊或 锐化后的图像。 井x 一申1 口璇 学位论文, j r 一章精嘞豫壤赴理挂求 二、图像增强 图像增强2 l 是- 一类基本的图像处理技术，其目的是对图像进行加l ，以得 到对具体应用来说视觉效果更好的图像。目前常用的图像增强技术根据其处理所 进行的空t l j 不同，可分为基于图像域的方法和基丁变换域的 浊，前者直接存幽 像所在窄n j 进j j ：处理：而后者对图像的处理足通过在罔像的变换域怕j 接进行的。 基于图像域的增强方法有t ) 直接灰度变换，如：图像求j 豆、增强对比、动态范围 压缩执度切分等：2 ) 直方图处理，如：直方图均衡化、直与图规定化等；3 ) 陶像 域滤波增强( 利用模板卷积) 。基于变换域的增强方法有低逋滤波( 使图像模_ l | ) 、 高通滤波( 使图像锐化) 。目前图像增强还没有通用的标准，吲此对于小同的图 像其具体的增强技术可能大不相同。周f 2 】) 是窄域增强效果。 自，强月比动忠范强油i 切姑 图( 21 ) 空域增强效果 三、图像恢复和重建 图像陕复和重建i2 】是图像处理中的一大类技术，其日的也是改进罔像，但 它与图象增强的不同之处是，图像增强技术般要借助人的视觉系统的特性以取 得看起来较好的视觉效果，而图像恢复和重建是认为图像1 j e 某种情况下退化或恶 化了( 图像品质下降r ) ，现在要建立一定的退化某型，井根据此退化模型采取 州反的过程以得到原始的图像。 在图像恢复和重建时，必须先确定一个退化模型，i n ( 22 ) 给出了一个简单 同济大学申请硕士学位论文 通用的退化模型。在这个模型中，图像退化过程被模型化为一个作用在输入图像 f ( x ，y ) 上的系统h ，它与一个加性噪声n ( x ，y ) 的联合作用导致产生退化图像g ( x ， y ) 。根据这个模型恢复图像就是要在给定g ( x ，y ) 和代表退化的h 基础上得到对 f ( x ，y ) 的某个近似的过程。 卜y ， y ，d h 一g ( i i y ) 图( 2 2 ) 简单通用的退化模型 四、图像分割 图像分割1 2 1 是由图像处理进行到图像分析的关键步骤，它是指把图像分成 各具有特性的区域并提取出感兴趣的目标的技术和过程。图象分割可借助集合概 念用如下比较正式的方法定义【1 3 】： 令集合r 代表整个图像区域，对r 的分割可看作将r 分成若干个满足以下 5 个条件的非空子集( 子区域) r l ，r 2 ，r n ： ( 1 ) r lur 2ur 3u ur n = r ( 2 ) 对所有的i 和j ，i j ，有r i n r j = 中 ， ( 3 ) 对i = l ，2 ，n ，有p ( r i ) = t r u e ( 4 ) 对所有的i 和j ，i j ，有p ( r i l j r j ) = f a l s e ( 5 ) 对i = l ，2 ，1 1 ，r i 是连通的区域 其中p ( r i ) 是对应所有在集合r i 中元素的逻辑谓词，o 是空集。 上述条件( 1 ) 指出分割所得的全部子集区域的总和应能包括图像中的所有象 素；条件( 2 ) 指出各子区域是互相不重叠的；条件( 3 ) 说明分割后得到的属于同一 个子区域的象素应该具有某些相同的性质；条件( 4 ) 指出分割后得到的属于不同 区域的象素应该具有某些不同的性质；条件( 5 ) 要求同一个子区域内的象素应当 是连通的。 根据上述的定义和讨论，对于灰度图像的分割通常基于象素灰度值的两个性 质：不连续性和相似性，即区域内部的象素一般具有灰度相似性，而在边界上的 同济大学矽i f f g t 学位论文第二章常毋图象处理技术 具有灰度不连续性。所以分割算法可据此分为利用区域间灰度不连续性的基于边 界的算法和利用区域内灰度相似性的基于区域的算法。另外根据分割过程中处理 策略的不同，分割算法又可以分为并行算法( 在并行算法中，所有判断和决定都 可以独立的和同时的作出) 和串行算法( 在串行算法中，早期的处理结果可能被 其后的处理过程所利用) 。尽管人们在图像分割方面做了许多研究工作，但是还 没有通用的分割理论。目前提出的分割算法大多是针对具体问题的，并没有一种 适合所有图像的通用分割算法。另一方面，给定一个实际图像分析问题要选择合 适的分割算法也还没有标准的方法。在染色体识别中所使用的技术就是并行区域 技术和串行边界技术相结合的一个技术。 五、目标表达和描述 图像分割【1 2 】的直接结果是得到了区域内的象素集合，或者位于区域边界上 的象素集合，但在图像分析中我们感兴趣的常常是图像中的某些区域，通常称之 为目标。常见的目标特征可以分为灰度特征、纹理特征、几何形状特征等。其中 灰度特征和纹理特征属于内部特征，需借助分割图从原始图上测量；几何形状特 征属于外部特征，可从分割图上测量。 对于这些目标的表达和描述，主要有边界表达、区域表达、边界描述符、区 域描述符、关系描述符等。在染色体匹配中，对目标的表达所用的骨架，就属于 区域表达。 形状分析1 5 1 是目标对象识别中最常用也是最有效的分析手段，可以通过一 类物体的形状将他们从其他物体中区分出来。在医学图象的各类细胞分析中，正 常细胞的形状以及核都是圆形，而变异细胞的核或细胞本身就偏离圆形，又如在 染色体的分析研究中，染色体的形状以矩形形状为主，这一特征也有助于我们将 染色体与背景块状杂质区分开来，并有利于骨架的提取。 几种典型形状的形状参数定义如下： 矩形常用的形状参数有，1 ) 矩形拟合因子：r = 氏a r ；2 ) 长宽比： a = w l 。其中氏为该物体的面积，a r 为包含该物体的矩形区域的面积，r 反应了物 体对包含该物体的矩形区域的充满程度；w 和l 分别为包含该物体的矩形区域 的长和宽。 两济火学申请硕士学位论文第二章常舄图象处理技术 圆形中常用的形状参数有，1 ) 圆形度定义为：c = p 2 4 a ，也就是周长的 平方与面积4 丌倍的比，这个特征对圆形形状取最小值1 ，越复杂的形状取值越 大：2 ) 边界能量定义为：e o - ( 1 r ) 2 ，其中1 r 为圆的曲率，可以方便的从链 码表达的边界中求得。 六、坐标变换 常见图像的坐标变换1 4 1 包括图像平移、旋转、缩放、镜相等。在计算机图 形学的研究中，已经把这些坐标变换进行了统一的表达。如： 懒ell x x 黼阡瞄劣 2 5 2 6 式2 5 表示将坐标原点平移多j x o ，y o 】，式2 6 表示以原点为支点旋转秒角度。 七、颜色模型【1 2 】 颜色可分为无彩色和有彩色两大类。无彩色指白色，黑色和各种深浅程度不 同的灰色，白色为一端，通过一系列从浅到深排列的各种灰色，达到另一端的黑 色。彩色是指除去上述黑白系列以外的各种颜色。不过我们通常所说的颜色一般 指彩色。 目前常用的颜色模型可分为两类，一类面向诸如彩色显示器或打印机之类的 硬件设备，称之为r g b 模型；另一类面向以彩色处理为目的的应用，称之为h s i 模型。 l 、r g b 模型 r g b 模型基于笛卡尔坐标系统，3 个轴分别为r 、g 、b 如图( 2 3 ) 。原点对 应黑色，离原点最远的顶点对应白色。在这个模型中，从黑到白的灰度值分布在 从原点到离原点最远的顶点间的连线上，而立方体内其余各点对应不同的颜色。 根据这个模型，每幅彩色图像包括3 个独立的基色平面，或者说可以分解到3 个平面上。 1j r y 。l r_j o o 两济大学申请硕士学位论文 图( 2 3 ) 彩色立方体 2 、h s i 模型 在h s i 模型中，h 表示色调0 1 u e ) ；s 表示饱和度( s a t u r a t i o n ) ；i 表示密度 ( i n t e n s i t y ，对应成像亮度和图像灰度) 。h s i 模型有两个特点，或者说有两个重要 的事实：其一，1 分量与图像的彩色信息无关；其二。h 和s 分量与人感受颜色 的方式紧密相连。这些特点使得h s i 模型非常适合借助人的视觉系统来感知彩 色特性的图像处理算法。 3 、从r g b 转换翻h s i 对于任何3 个在 o ，1 】范围内的r 、g 、b 值，其对应的h s i 模型中的i 、s 、 h 分量可由下面的公式计算： 1 = ( 足+ g + b ) 2 7 s = 1 一乙高m i n ( r ，g ，b ) 2 8 肚a r c c o s 碟篇潞b ) ( g - ) 2 9 【( r g ) 2 + ( r b ) j i “j 由式2 9 直接计算出的h 值在 0 0 ，1 8 0 。 之间，对应g b 的情况。在g 规定值，蓝 色分量一绿色分量 规定值) ，再经过一次过滤后，得图( d6 ) 。 j 麓 2 。 i 崎 h 口 c 0 图( 46 ) 蓝色分量过滤 从幽中我们也不难提取出每个粒细胞的边界并且对其计数，方法同第三章中 分离提取染色体所进。 四、骨髓片细胞形态学分析 在骨髓片临床诊断中，粒细胞的形态学分析也是一项重要的指标，原因是肿 瘤细胞的形态与正常细胞有很大的差异例如正常细胞的核浆比在l5 左右，而 8 十瘤细胞可以达到1 ：3 以上。粒细胞的形态参数包括：细胞核的面积、浆的面积、 核浆比、形状参数，染色的均匀程度等。这些细胞形态参数以前主要依靠医生肉 眼观察，凭自己的经验判断，容易造成误差。计算机图敦处理的目的就是在经过 上面的分离手段提取出粒细胞个体后，通过准确的测量来量化这曲细胞形态学方 面的参数。 仍以图象4l 为例，以色彩补偿法提取有核细胞，为了提取完整的有核细胞， ( 绌胞核和浆) ，需要增加色彩补偿的力度，为此把校正点选定于细胞浆上( 因为 核的颜色更兰) ，并且是染色较淡的细胞浆，以保证图象的蓝色成分都过滤出来。 个典型的色彩补偿矩阵为： c 一睢 圈( 47 ) 绿色分埘灰度斟 从图( 47 ) 和图( 1 ”的对比中，我们可以发现，粒细胞的轮廓被 米，珂j 第：章处理染色体的同样方法过滤掉背景段杂质，提取何 抖时卜粘肤枉一起的细胞，可以通过人上干预分割盯米。对于 粜要计算其形态参数，可以对指定的细胞再进行玖直方图分机 手口细胞核图( 47 ) 巾编号为j 的巨核细胞的直方豳显示于图( 4 l - - 。j u i 。j - 一 亮阿实的点lj蛙 强h 算 0 0 m q h 同济夫学申请硕士学位论文 细胞浆对应于较亮的部分，细胞核对应较暗的部分，从图( 4 8 ) 中可以看出细胞 核和细胞浆之间存在着明显的分界线，据此分别计算细胞核与细胞浆面积，及核 染色的均匀程度，就得到细胞形态学的参数。表4 1 中列出了一些粒细胞的形态 学参数： 表4 1 粒细胞形态学参数 细胞序号核浆比形状因子核面积( 象素) 浆面积( 象素) 染色均匀度 l1 ：1 6 4 81 0 9 62 8 04 6 10 1 4 4 21 ：1 0 5 7o 9 2 l3 1 83 3 60 1 2 0 31 ：0 8 2 5 0 9 7 3 2 5 2 6 80 1 1 9 41 ：0 2 8 60 7 3 72 1 06 00 1 8 8 51 ：0 7 1 40 9 6 09 7 56 9 60 1 2 5 61 ：0 3 4 50 8 7 26 9 22 3 90 1 5 0 71 ：0 6 6 10 8 9 33 1 02 0 5o 1 3 1 81 ：0 6 1 31 3 5 97 4 24 5 5o 1 7 2 9 1 ：1 2 9 11 2 2 03 2 64 2 l0 1 3 5 i 01 ：0 7 2 40 9 6 56 3 34 5 80 1 4 8 其中核染色均匀程度定义如下： ( 1 ) 将核中每一点做如下处理：s i - - - s i s m 戤，将核中象素点灰度分布在【0 ，1 】 之间，s m 默是核内象素灰度的最大灰度值； ( 2 ) 核染色均匀度：万= ，其中s 为均一化后核内象素的平均值， 1 1 为核内象素点个数。 根据定义，核染色均匀程度越接近于0 越好。 五、结论 根据对瑞氏染色骨髓片图像中粒细胞的处理分析，我们可以得到如下结论： 利用彩色补偿和h s i 及r g b 转换等技术，可以方便的处理彩色图象。只要待研 究对象在色彩上与背景有足够的区别，我们就能方便地从整个图象中分离出目标 - 3 8 - 同济大学申请硕士学位论文 对象，而这一点正是病理细胞分析中化学染色处理的目的。提取不同的彩色对象 时，可以适当改变色彩扩散矩阵的组成，或h s i 中h 分量的范围。以色彩补偿 为例，通过设定色彩扩散矩阵的初始值为一个3 木3 的单位矩阵，对于r 、g 、b 色彩顺序，如果要提取主色蓝色的目标对象，只要设置色彩扩散矩阵的第l 列。 同样，对于绿色或蓝色的目的，我们相应的设置第2 、3 列。通过这样的方法， 我们实现了骨髓瑞氏染色片中兰色的粒细胞计算机自动计数。在分离出单个细胞 的基础上，如果再结合图象的灰度直方图，可方便地分离出任何一个细胞的核与 浆，以此为依据，能够为临床医生提供量化的多种细胞形态学参数，为医生临床 诊断提供有意义的数据。 彩色图象处理在医学上具有很强的实用价值，除以上工作外，图象法细胞 d n a 倍体含量的测定，组织切片细胞核仁形成区嗜银蛋i 刍( a g n o r ) 的测定，也 需要在分离出染色细胞个体、细胞核、浆的基础上完成。 同济大学申请硕七学位论文 匝红细胞翔锄。 第五章血红细胞判别 计算机图像处理的个重要方面是对图像的分类识别。传统的处理习惯是在 对图像进行去噪、锐化、边界检测和图像分割等处理手段后，接下来利用边界特 征等信息来完成图像的分类。本章尝试用化学计量学方法，利用图像的统计学特 征，来完成图像的分类和识别工作。这样做的原因是病理图像在很多方面是纹理 结构在起作用。在处理中我们采用一维自相关光谱口5 1 对图像进行特征提取，结 合数值遗传算法、傅立叶变换【l o 】、p c a 【2 7 1 等化学计量学方法应用于图像处理，实 现不同类别的血红细胞的分离，取得了较满意的结果。 一、算法简介 1 、遗传算法简介 一般，遗传算法可以把待解决的问题转化为一个寻优问题，是具有“生成+ 检测”的迭代过程的搜索算法。基本流程如图5 1 所示。 图5 1 遗传算法是一种群体型操作，它的操作对象是一群二进制串( 称为染色体、 个体) ，即种群( p o p u l a t i o n ) 。这里每个染色体都对应于问题的一个解。选择 ( s e l e c t i o n ) 、交叉( c r o s s o v e r ) 和变异( m u t a t i o n ) 是遗传算法的三个主要操作算子。遗 传算法包含如下6 个基本要素： 两济大学申请硕士学位论文 血红细咆翔翻 ( 1 ) 参数编码：传统的遗传算法通过编码将它们表示成遗传空间的基因型串 结构数据。 ( 2 ) 生成初始群体：由于遗传算法的群体型操作需要，所以必须为遗传操作 准备一个由若干初始解组成的初始群体。初始群体的每个个体都是通过随机方法 产生的。 ( 3 ) 适应度评估检测：遗传算法在搜索进化过程中一般不需要其他外部信 息，仅用适应度( f i t n e s s ) 值来评估个体或解的优劣，并作为以后遗传操作的依据。 ( 4 ) 选择( s e l e c t i o n ) ：选择或复制操作是为了从当前群体中选出优良的个体， 使它们有机会作为父代的下一代。个体适应度越高，其被选择的机会就越多。一 般采用与适应度成比例的概率方法进行选择。具体地说，就是首先计算群体中所 有个体适应度的总和( f ) ，再计算每个个体的适应度所占的比例( f 1 2 f ) ，并以此 作为相应的选择概率p 。 ( 5 ) 交叉操作：交叉操作是遗传算法中最主要的遗传操作。简单的交叉( 即 一点交叉) 可分两步进行：首先对种群中个体进行随机配对；其次，在配对个体 中随机设定交叉处，配对个体彼此交换部分信息。 ( 6 ) 变异：变异操作是按位( b i t ) 进行的，即把某一位的内容进行变异。变异 操作同样也是随机进行的。一般而言，变异概率p m 都取得较小。变异操作是十 分微妙的遗传操作，它需要和交叉操作配合使用，目的是挖掘群体中个体的多样 性，克服有可能限于局部解的弊病。 遗传算法具有以下特点： ( 1 ) 遗传算法处理参数集合的编码，而不是参数本身。 ( 2 ) 遗传算法同时搜索空间中的许多个点，而不是一个点，因而能够达到概 率性的全局收敛。 ( 3 ) 遗传算法只需要一个适应度函数，而不需要其他辅助信息，因而有广泛 的适应性。 遗传算法是一种随机平行寻优算法，它不需要关于体系的先验知识，对于求 解的问题本身可以一无所知，只需要一个适应值来评价染色体。它的优越性表现 在利用简单的编码技术和繁殖机制来表现复杂的现象，从而解决非常困难的问 题。特别是它不受搜寻空间的限制，不受各种假设的约束。遗传算法通过在解空 同济大学申请硕士学位论文 间内不同区域多个点的搜寻，在搜寻过程中不易陷入局部最优，并且由于它的并 行性，它在最优化并行处理方面得到了广泛的应用【2 8 2 9 1 。 但是尽管遗传算法有许多方面值得褒扬，但也有其不足，遗传算法的缺陷之 一就是“爬山 能力弱，当搜索到局部最优时，有时很难跳向解空间的其他区域， 从而陷入到局部最优之中，使整个搜索停滞不前。造成这种停滞最主要的原因之 一就是遗传算法的变异概率太小、群体太小以及群体失去多样性等原因，以至于 不能驱使搜索转移。经常找到的是组合问题的次优解。而且，传统的遗传算法在 计算时间上也比较慢，在大规模库搜索优化时就需要改进。 为了提高遗传算法的搜寻能力，很多研究者提出了新的方法，使遗传算法在 近年来得到了很大的发展。如s y s w e r d a 提出了一致杂交因子，它是随机交换基 因序列位置来保证群体的多样性【3 0 】。e s h e l m a n 提出了阻止类似个体之间的杂交 来防止过早的收敛【3 。w h i t l e y 提出了编码方法通过对远离一些先前的局部节的 距离进行编码来找到更精确的解3 2 1 。同时，一些遗传算法与局部搜索混合算法 ( g e n e t i ca l g o r i t h ma n dl o c a ls e a r c hh y b r i d ，g a l s ) 得到了很大的发展，为了提 高运行的效率，李通化等人提出了数值遗传算法( n m e r i cg e n e t i ca l g o r i t h m ， n g a ) 2 6 ，3 3 1 。 2 、彩色图像灰度化 为提取彩色图像的一维自相关光谱，先将其转化为灰度图像。随机产生图 像r g b 变换比例r a t i o r 、r a t i o g 、r a t i o b 的值，作为遗传算法的一组p o p u l a t i o n ， 每一条染色体中r a t i o r 、r a t i o g 、r a t i o b 的和为1 ，则某一像素的灰度值： d = r a t i o r 木c o l o r r + r a t l o g 爿cc o l o r g + r a t i o b 木c o l o r b 其中：c o l o r r 、c o l o r g 、c o l o r b 为该像素点的红、绿、蓝的值。由此将一 幅彩色图像转换为一个二维的灰度矩阵。 3 、求取一维自相关谱( a c o v ) 对于一个给定的n n 的灰度矩阵，其维自相关光谱可以由一维协方差光 谱计算取得，但如果按此方法直接计算，则计算量会非常大，因此我们采用了依 据快速傅里叶变换的间接算法，其算法如下： ( 1 ) 求给定的n n 灰度矩阵的平均值 ( 2 ) 将n n 的矩阵张成2 n 2 n ，原矩阵放在左上部，其余以0 填充 恩济夫学申请硕士学位论文 ( 3 ) 对新矩阵作快速傅里叶变换，得到虚数矩阵a f t ( 4 ) 求a f 的模矩阵，并求模矩阵的平方，得矩阵a a ( 5 ) 对矩阵a a 作反傅里叶变换，并取其实部，得矩阵r f 丁 ( 6 ) 对矩阵r 丌作一三、二四象限交换，得新矩阵x ( 7 ) 分别取矩阵的四个像限，令： d = x ( 2 ：n + l ，2 ：n + 1 ) ；c = x ( 2 ：n + 1 ，n + l ：2 n ) b = x ( n + l ：2 n ，2 ：n + 1 ) ；a = x ( n + l ：2 n ，n + l ：2 n ) 此过程去除了矩阵x 的第一行第一列 ( 8 ) 整合新矩阵 e = ( a + f l i p l r ( b ) + f l i p u d ( c ) - ! - f l i p u d ( f l i p l r ( d ) ) ) 4 其中：f l i p l r ( m ) 是将矩阵左右翻转；f l i p u d ( m ) 是将矩阵上下翻转 ( 9 ) 根据矩阵e 求得一维自相关光谱 s = c e i l ( n 2 木s q r t ( 2 ) ) ； f r = 0 牢( 1 ：s ) ； c o u n t = 0 木( 1 ：s ) ； f o ri = 1 ：n 2 f o rj = 1 ：n 2 r = f l o o r ( s q r t ( i 2 - i - j 人2 ) ) ； f r ( r ) = f r ( r ) - t - e ( i ，j ) ； c o u n t ( r ) = c o u n t ( r ) + 1 ； e n d ： e n d ； 4 、p c a 分解 由若干幅图像得到的一维自相关光谱组成矩阵，每一个自相关光谱为一个行 向量。对此矩阵作主成份分解，取两个主成分，得到得分矩阵t ，设主成分矩阵 的样本被分成两类，分别求两类点的重心g 1 、g 2 ： g ( t l ，f 2 ) = l 芝e ( t 1 ，f 2 ) j 一i 以g l 、g 2 两点之间的距离作为遗传算法的评价评估函数，判断不同类型的 砖济九学申请碗| j 警位绝交 砚! 虹柏魂蚋艟 闰像的分离程度。此后再转“2 、彩色图像扶度化”继续优化。 二、实验数据及处理 本章实验数鼎采白人体血红细胞，在超高倍轻微镜( 最大3 0 0 0 0 倍) r 卣巨m 察到啦个的血红细胞。在人体中普遍存在着正常的f 圆形) 和变片的( 不规则) 纽 细胞，而两类细胞的比例则反应了血液的健康状况，旧此对此数搬进行分炎识别 且有较高的医学意义。 数据采集：用计算机从超高倍显微镜捕捉血样阁像兆1 3 幅，图像九小6 4 x 6 4 像素，符幅图像包含一个血红细胞，其中7 幅为下常的( 圆形) ，5 幅为变异的( 其 形状为柠檬状) ，并将柠檬状血红细胞调整到瑶直方向，如图52 所示： 正常血i 细胞( 剐开王j变异血红细胞( 柠檬状) 陶j2 出圈。得到的两个维自相关光谱如闭53 所示 正常血红细胞变异血红细胞 蚓53 自细胞维n 相关光谱 处理结果：在p i i l 6 5 0 p c 机上，墩遗传算法的p o p u l a t i or l 为2 0 ，用遗他饽 浊优化