（计算机应用技术专业论文）骨髓病理图像中细胞与骨小梁的识别与定位技术研究.pdf

r d e p a r t m e n t ： 墨q 鱼盟i ! 盟量堕g i 旦曼曼煎n g ! 旦墨! i 地! 曼 m a j o r ：q 坐卫坠l 曼卫卫! i 壁垒! i q 望堡h 望q ! q g y r e s e a r c ha r e a ： g q 堕乜望! 丛i 亟曼亟旦i 旦g 堕q 墨i 墨 s u p e r v i s o r ：q 坠i 盟q 煦箜墨q 堡i 垦! 曼p 煦鱼墨墨q ! a p p l i c a n t ： 2 0l0 5 华东师范大学学位论文原创性声明 郑重声明：本人呈交的学位论文骨髓病理图像中细胞与骨小梁的识别与定位技术 研究，是在华东师范大学攻读硬4 博士( 请勾选) 学位期间，在导师的指导下进行的 研究工作及取得的研究成果。除文巾已经注明引用的内容外，本论文不包含其他个人已 经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中作 了明确说明并表示谢意。 作者签名：套沦日期：加f ，年厂月知日 华东师范大学学位论文著作权使用声明 骨髓病理图像中细胞与骨小梁的识别与定位技术研究系木人在华东师范大学攻 ， 读学位期间在导师指导下完成的嗵正博士( 请勾选) 学位论文，本论文的研究成果归华 东师范大学所有。木人同意华东师范大学根据相关规定保留和使用此学位论文，并向主 管部门和相关机构如同家图书馆、中信所和“知网 送交学位论文的印刷版和电子版； 允许学位论文进入华东师范大学图书馆及数据库被查阅、借阅；同意学校将学位论文加 入全国博士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编出 版，采h j 影印、缩印或者其它方式合理复制学位论文。 本学位论文属于( 清勾选) ( ) 1 经华东师范大学相关部门审查核定的“内部”或“涉密”学位论文幸， 于年月日解密，解密后适用上述授权。 | ( ) 2 不保密，适用上述授权。 导师签名本人签名搬 沙f ，年r 月；o 日 “涉密”学位论文应是已经华东师范人学学位评定委员会办公室或保密委员会审定过的学位 论文( 需附获批的华东师范人学研究生申请学位论文“涉密”审批表方为有效) ，未经上 述部门审定的学何论文均为公开学何论文。此声明栏不填写的，默认为公开学位论文，均适用 上述授权) 。 李玲硕士学位论文答辩委员会成员名单 姓名职称单位备注 华东师范大学主席 朱明华研究员 软件学院 华东师范大学 刘献忠副教授 软件学院 华东师范大学 琚小明副教授 软件学院 l 芦东师范大学2 0 1 l 届硕i j 研究生学位论文骨髓病理图像l l i 细胞与骨小梁的识别与定位技术研究 摘要 随着计算机技术的迅速发展，计算机学科与其他学科的结合日益紧密，计算 机医学图像处理技术已成为计算机辅助诊断的一个重要工具，具有广泛的应用前 景。 骨髓病理图像中，幼稚前体细胞的定位、定量分析对早期白血病诊断研究具 有重要意义。但是，由于医学图像木身具有极高的复杂性，现有的医学图像处理 方法在骨髓病理图像巾幼稚前体细胞和骨小梁识别和定位中都没有达到很好的 效果。 针对以上问题，本文在分析已有的图像分割技术基础上，结合目标物体自身 特点对骨髓病理图像中的幼稚前体细胞和骨小梁进行定位、识别及定量分析做了 相关研究。主要工作包括：( 1 ) 结合数学形态学等知识及幼稚前体细胞自身特性 检测出骨髓病理图像巾的幼稚前体细胞。先用o t s u 阈值法进行图像二值化、去 噪等预处理，然后通过形态学的运算和面积筛选定位细胞；( 2 ) 利用骨小梁面积 特性及阈值分割技术，从病理图像中分割出骨小梁的区域：( 3 ) 基于前两步的结 果，利用距离变换技术，计算出细胞距离骨小梁的距离，并对骨小梁周围区域进 行划分，以及对各区域中的细胞进行定量分析。 本研究通过一系列实验验证，具有较好的效果，并为骨髓切片中幼稚前体细 胞异常定位样结构与白j f l l 病复发关系的定量分析统计奠定了基础。 关键词：骨髓病理；图像分割；形态学；细胞识别；距离分布 i m m a t u r ep r e c u r s o rc e l l sa r es i g n i f i c a n t l yi m p o r t a n tf o rt h er e s e a r c ho fe a r l yl e u k e m i a d i a g n o s i s h o w e v e r ，b e c a u s eo ft h eh i g hc o m p l e x i t yo ft h em e d i c i n ei m a g e s ，c u l l r e n t m e t h o d so fm e d i c i n ei m a g ep r o c e s s i n gc a n n o ta c h i e v ead e s i r e dr e s u l ti nr e c o g n i t i o n a n dl o c a l i z a t i o no fi m m a t u r ep r e c u r s o rc e l l sa n db o n et r a b e c u l a ei nm a r r o w p a t h o l o g i c a li m a g e s b a s e do nt h ea _ b o v e p r o b l e m s ， t h i sd i s s e r t a t i o ns t u d i e st h e l o c a “z a t i o n ， r e c o g n i t i o na n dq u a n t i t a t i v ea j l a l y s i so fi m m a t u r ep r e c u r s o rc e l l sa n d b o n et r a b e c u l a e i nm a r r o wp a t h o l o g i c a l i m a g e sa c c o r d i n gt ot h ec h a r a c t e r so ft h er e s e a r c ho b j e c t sa n d c u r r e n ti m a g ep r o c e s s i n gt e c h n o l o g y t h e r ea r et h r e em a i np a r t si nt h i sp 印e r ： 1 d e t e c tt h ei m m a t u r ep r e c u r s o rc e l l si nm a r r o wp a t h o l o g i c a li m a g e sw i t h m o 印h o l o g i c a lo p e r a t i o n sa n dt h ec h a r a c t e r s o ft h ec e l l st h e m s e l v e s f i r s t ly u s e m o d i f i e do t s ut ob i n 撕z et h ei m a g e ；t h e np r o c e s sm ei m a g ew i t hm o 叩h o l o g i c a l o p e r a t i o n s ，a n dl o c a l i z et h ec e l l sw i t ht h es i z e so f c e l l s 2 i d e n t i f yt h ea r e ao f b o n et r a b e c u l a ew i t ht h e i rs i z e sa n dt h r e s h o l d s 3 b a s e do nt h ea b o v er e s u l t s c a l c u l a t et h ed i s t a n c eb e t w e e nc e u sa n db o n e t r a b e c u l a ew i t hd i s t a n c et r a n s f 0 m a t i o n d i v i d et h ea r e aa r o u n db o n et r i b e c u l a ei n t o s e v e r a lp a n sa n dt h e nq u a n t i t a t i v e l ya n a l y z et h ec e l l si nd i 腩r e n tp a n s t h er e s u l ti n t h i sd i s s e r t a t i o ni sv e r i f i e dt h r o u g has e r i e so fe x p e 打m e n t sa n d p r o v e dt ob ee 仃e c t i v e ，w h i c hl a y sa f o u n d a t i o nf o rq u a n t i t a t i v ea n ds t a t i s t i c a la n a l y s i s o fr e l a t i o nb e t w e e nt h el o c a l i z a t i o no fa _ b n o n l l a l i m m a t u r ep r e c u r s o rc e l l si nm a r r o w p a t h 0 1 0 9 i c a ls l i c e sa n dl e u k e m i ar e c l l 1 d e s c e n c e k e yw o r d ：b o n em a r r o wp a t h o l o g y ；m o 叩h o l o g y ；c e l lr e c o g n i z a t i o n ；d i s t a n c e d i s t r i b u t i o n 3 4 小结3 5 第四章幼稚前体细胞在骨小梁周围距离分布统计3 6 4 1 问题分析3 7 4 2 距离变换介绍3 7 4 2 1 距离变换概念3 7 4 2 2 基丁c h a m f e r 算子的距离变换3 9 4 3 本文算法及实现4 l 4 3 实验结果及分析4 5 4 3 1 实验结果4 5 4 3 2 算法效果分析5 2 4 4 小结5 3 第五章总结与展望5 4 5 1 总结5 4 5 2 展望5 4 华东师范大学2 0 1 1 厢硕i j 研究生学位论文骨髓病理罔像巾细胞与骨小梁的识别与定位技术研究 附录一o t s u 二值化权值选择5 6 附录二细胞面积筛选实验结果5 9 附录三本研究所用实验图像及细胞识别效果图6 5 附录四骨小梁面积筛选实验结果k 6 8 附录五本研究所用实验图像及骨小梁识别效果图7 l 附录六研究生期间发表的论文。7 4 参考文献7 5 致谢7 8 i v 华东师范 随 兴的研 以及医 广 或脏器 疗提供了帮助，最常见的如白血病诊断和治疗。这些医学图像数据提供的信息使 得医牛对临床病人的病情诊断更直接、便利，确诊率也大人提高；另外，在医学 研究中，传统的人工计数、观察容易导致误诊、费时，而研究人员在这些医学图 像及各种计算机技术帮助下，能够有效的避免这些缺点。计算机科学与医学的融 合作为一个新兴的研究方向，对于促进医学科学和临床事业的发展具有重大的意 义，对辅助医生进行医学图像临床诊断具有重要的实用价值【l 弓j 。 基于医学图像对于医学领域研究的重要价值，关于各种医学图像的处理技术 和方法成为了目前的研究热点。本文r 丰要对骨髓病理图像进行医学图像处理与分 析，先通过定位、识别病理图像中的目标物体，然后对目标物体进行定量分析， 为医牛研究和诊断急性髓系白血病( a c u t em y e l o i dl e u k e m i a ，a m l ) 提供重要的 依据。 1 1 研究背景和意义 白血病是威胁人类健康的卜大高发恶性瘤之一，尤其居3 5 岁以下成人及小 儿恶性肿瘤的第一位。其中急性髓系白血病占成人白血病的7 5 ，因此，有必要 进行急性髓系白血病( a m l ) 复发的早期诊断、早期_ 下预治疗的研究。 目前对于白血病复发的临床检测丰要采用骨髓形态学、分子乍物学及细胞免 疫学技术三大类方法。其中骨髓细胞形态学方法已广泛应用于临床，并适用于所 有类型的白血病，但白血病细胞必须达到一定的程度方能判断复发，因此敏感性 低，很难实现a m l 复发的早期柃测。分子牛物学及细胞免疫学方法虽敏感性高， 但患者必须带有特异性的基因异常或表面标记，因此适应症有限，尤其对于a m l 来说，只有2 0 2 5 的患者有标志基因或特异性免疫表型，对7 5 以上的a m l 】 华东师范大学2 0 1 1 届硕1 研究生学位论文骨髓病理图像i f l 细胞与骨小梁的识别与定位技术研究 患者不能采用先进分子牛物学或细胞免疫学技术检测复发。因此，迫切需要深入 研究白血病复发的早期检测方法。而骨髓切片中幼稚前体细胞异常定位结构 ( a b n o m a l l o c a l i z a t i o no f i m m a t u r ep r e c u r s o r s ，a l i p ) 与复发关系密切【4 。而原始 细胞从正常位置到出现a l i p 样结构的渐进性衍变过程目前研究尚属空白，主要 与目前的检测手段无法精确定位或定量其问的微小变化有关。所以通过计算机图 像处理技术，对骨髓显微图像中幼稚前体细胞进行定位、定量分析的研究，成为 a m l 早期复发探索性的检测手段，对早期急性髓系白血病诊断研究具有重要意 义。 1 2 图像分割技术现状 1 2 1 图像分割技术介绍 图像分割技术是本文运用的关键技术之一，- 它可以作为后续研究中量化分析 的基础。所渭图像分割是指将图像中具有特殊含义的不同区域分开来，这些区域 是互相不交叉的，每一个区域都满足特定区域的一致性。目前常用的分割技术有： 基于灰度特征的阈值分割技术，基于边缘检测和边缘链接的分割技术，基于区域 分割方法，基于数学形态学的分割方法，基于活动轮廓线的方法，基于神经网络 的分割技术，基于模糊数学的分割算法等等。 基于灰度特征的阈值分割就是先对灰度图像根据灰度直方分布图确定一个 灰度阈值( 该图像阂值处于灰度取值范围之中) ，然后比较这个阂值与图像中各 个像素的灰度值大小，若像素的灰度值大于闽值，则将其归为一类，反之归为另 一类，最终将图像中的像素划分为两类。这样将图像中的两类区域经过划分达到 了分割的目的。此方法的关键在于如何确定一个合适的阈值使分割更方便和有 效。常见的丰要有：全局单闽值法、双阈值法、自适应闽值法。 基于边缘检测和边缘链接的分割技术进行图像分割主要有两个步骤：先检测 目标的边缘点，然后将边缘点连接组成目标的边界。这类边缘检测算法中常见的 有：( 1 ) 梯度算子边缘检测算法，如r o b e n s 算子、p r e w i t t 算子、s o b e l 算子、 l a p l a c e 差分算子、马尔算子、坎尼算子等。其中p r e w i t t 算子、s o b e l 算子、l 印l a c e 差分算子等有利于对有较多噪声而且灰度图像渐变的图像进行分割。( 2 ) 拟合算 子，在对边缘建立模型的情况下，设计相应的理想边缘对实际边缘进行拟合以确 定边缘位置。此类算法计算开销大，相对复杂h 对边缘类型要求较高【5 6 j 。 2 华东师范大学2 0 1 l 届硕i ：研究! l 学位论文骨髓病理图像t l - 细胞与骨小粱的谚! 别与定位技术研究 区域牛长法是最常见的一种基于区域的分割方法，即集合所有相似并连续的 像素构成区域。其思想足先对每个需要分割的区域找一个种子像素作为牛长的起 点，然后，根据相似准则寻找种f 像素点周围邻域中与其有相同或相似性质的像 素，并合并到种子像素所在的区域中，重复上述操作直到再没有满足条件的像素 可被包括进来。w uh s 【7 】等提出的区域增长分割算法分割肺部痛细胞纹理图像， 取得了较好的结果。此方法抗噪性较好，但开销大，一般适合图像目标物体的边 缘光滑、无重叠的情况。此外，基丁二区域的分割方法还有区域分裂、聚合分割算 法等。 活动轮廓线模型方法( a c t i v ec o n t o u rm o d e l ) ，也称s n a k e 模型方法，目前被 广泛应用于医学图像分割领域，该方法的丰要思想是在图像域上，通过设定初始 轮廓i | i 线，然后在该曲线其自身卡 1 关的内力和由图像数据定义的外力的共同作用 下，使曲线不断逼近物体的边缘。其中曲线受内力和外力两个能量的作用，外力 用于推动活动轮廓线“拉向”物体边缘，而内力用来保持活动轮廓线的光滑性和 连续性。在使用传统的活动轮廓线方法分割图像时要求初始轮廓线必须给定在图 像边缘附近，具有难以收敛到凹形边缘的缺陷。目前已经提出了很多的改进算法， 随着大量研究人员的探索与研究，薛冰等人提出了一种基于梯度矢量流活动轮廓 模型的医学图像分割算法能有效的对心脏m r i 图像进行分割。由于该方法的速 度较慢，不适于复杂目标的检测8 1 。 基于数学形态学的分割算法的基木思想是用具有一定形态的结构元素去度 量和提取图像中的对应形状以达到对图像分析和识别的目的。它利用数学中的集 合论对图像进行非线性变换。数学形态学的基本操作有四个：膨胀( 或扩张) 、 腐蚀( 或侵蚀) 、开启和闭合。其公式定义如下所示( a 表示图像，b 表示结构 元素) ： 膨胀：a o 曰= x l 【( 口) ，n 彳】囝) 腐蚀：彳圆曰= n ( 彳) 一6 开运算( 先腐蚀后膨胀) ：彳。b = ( 么 b ) o b 闭运算( 先膨胀后腐蚀) ：彳b = ( a o b ) o b 腐蚀的意义是去除图像中小h 无意义的点，开运算的作用是消除图像中细小 物体，在纤细处分离物体，闭运算的作用是填充图像内部细小孔，连接邻近物体。 基于数学形态学方法的优点在于比较灵活，可以通过构造不同的算子来处理不同 的要求，几何意义明确，运算简单，而且在抗噪性方面优于传统的算子，获得了 华尔帅范大学2 0 1 1 脯硕i ：研究生学位论文骨髓病理图像i 细胞与骨小梁的识别与定位技术研究 一定程度的鲁棒性【91 0 1 。 其他的还有基于模糊学的分割算法，基于遗传算法的分割方法，基于神经网 络分割算法等。以上这些算法都各有其优缺点，而且由于医学图像的复杂性和细 胞组织自身特点的多样性，导致在骨髓病理图像中幼稚前体细胞和骨小梁的识别 和定位都没有达到很好的效果【l i 】。 。 1 2 2 细胞分割方法研究现状 细胞分割是本文研究的关键部分，细胞分割的研究近几年一直是一个热点和 难点，已有很多科研人员进行了探索与研究。目前，对细胞的分割主要采用颜色 模型、数学形态学以及模糊数学三种图像分割的算法，已经取得了很多重要的进 展，比如早期由c h a s s e r y 和g a r b a 提出了一种区域生长法，这种区域牛长法基于 特定的细胞的颜色相似性以及形态 性准则，它的特点在于融合了r g b ( r e d ， g r e e n 。b l u e ) 三色空间在骨髓细胞图像中的性质，它停止生长的依据是通过假设 细胞形态的模型为凸性，能够达到较好的分割效果，然而它还存在一些不足，比 如它并不适用于对非凸性形态的血细胞进行检测【1 2 】。h i s ( h u e ，i n t e n s i t y ， s a t u r a t i o n ) 模型是被使用最多的模型，g r e a v e s 等人【1 3 ，1 4 】使用该模型对骨髓细胞凸 性进行分割，能够较好的区分出细胞核与细胞质。这种方法的优点是比较简单容 易实现，但是它的不足在于图像中像素的空间信息没有得到很好利用，而且在目 标物体和背景对比度反差不大的图像中效果并不理想。在h s i 模型的基础上， h e n g e n 等f 1 5 】利用距离变换方法，计算出图像的空间信息，能准确的得到分割结 果。针对复杂背景下细胞核及粘连细胞核的分割问题，吴大伟等人【i6 1 分别对图像 中细胞核与细胞质进行分割，然后结合细胞的几何特征，进行综合调整，从而得 到了较好的分割效果。分水岭算法也是一种常片j 的细胞分割方法，p a r k 采用该方 法将细胞跟复杂的图像背景进行分离，然后将得到的细胞边界作为初始轮廓，利 用s n a k e 模型进行细胞图像分割【1 7 】。关于聚簇细胞图像分割方面的研究，n i l s s o n 等【1 8 1 采用水平集的方法，另外结合改进的分水岭变换算法在一定程度上克服了过 度分割的问题。 由于图像的复杂性以及细胞形态变化复杂，难以明确区分细胞的边缘轮廓， 针对此问题小少研究人员引入了模糊数学思想，利川模糊理沦方法对骨髓切片图 像中的细胞进行分割。如p a r k 利用基于模糊块的松弛算法来实现骨髓图像中细 胞的分割，通过反复的过程达到精确分割的目的，此方法的优点在于，在利用松 4 华东师范大学2 0 1 l 脐硕f ：研究尘学位论文 骨髓病理图像i | l 细胞与骨小梁的识别与定位技术研究 弛标示算法后，能大大减少计算量【1 9 】。从模糊论角度，s o b r e v i l l a 等人对骨髓 图像的白细胞进行分割，通过不断积累局部信息直到分割出白细胞，这种方法仪 仪完成了初步细胞定位，但能够为之后的精确分割奠定基础。m o n t s e n y 利用模 糊理论与h s i 颜色模型相结合的方法，得到了比参考文献【2 l 】更加精确的结果。 n i p o n 等人【2 2 】采用模糊c 均值( f c m ) 聚类的方法，实现骨髓切片图像中细胞的自 动分割，分割结果得到六种不同成熟阶段的粒细胞，将结果与人工分割的结果进 行比较，具有较好的效果。以上各类方法并非都是以白血病图像的样木作为研究 对象，但是在白血病分割巾都具有一定的参考价值。然而根据待处理图像的不同 特点，结合已知的先验知识，分割算法只能适用于具体的某类图像，这一定程度 上也限制了医学图像处理技术的发展【2 3 1 。 尽管在白血病相关的图像研究领域，已提出了很多细胞分割定位方法，但没 有一种能够准确定位和识别骨髓病理图像巾幼稚前体细胞和骨小梁的通用算法， 而且目前对于a l i p 方面的图像研究资料很有限，再加上骨髓图像木身的复杂性、 多样性、以及各组织之问颜色相近，无法用类似r g b 或h i s 模犁等方法来加以 区分，这加深了研究难度。 1 3 课题研究的主要内容及论文结构 1 3 1 课题研究主要内容 基于a m l 早期复发检测的需求，木论文研究的内容主要分三部分。 第一，结合数学形态学等知识及病理图像中幼稚前体细胞自身特性，对前体 细胞进行定位分割研究，包括图像的去噪、阈值分割、形态学运算，初步定位出 细胞，然后通过区域面积筛选精确定位细胞，以及聚簇细胞检测等相关内容。 第二，基于区域分割的理论及骨小梁自身特性，对骨小梁进行识别。包括图 像预处理、阈值分割、面积筛选、骨小梁识别等相关内容。 第三，对第二部分得到的结果，采用距离变换技术，得到一个灰度值按阶梯 状分布的灰度图像，然后根据第一步得到细胞信息计算出细胞距离骨小梁的距 离，对幼稚前体细胞进行定量分析及分布规律统计等研究。 华尔! i i i j 范大学2 0 1 1 届顾l ：研究尘学位论文骨髓病理图像 细胞与骨小梁的i 只别与定位技术研究 1 3 2 论文结构与内容安排 本论文总共分为五章，具体结构安排如下： 第一章，绪论。 介绍了图像处理与分析技术在医学领域的应用及现状，关于a m l 早期复发诊 断的目的、意义及本文研究主要内容，还介绍常用的图像分割方法及其特点。最 后介绍了本论文的主要工作和结构安排。 第二章，骨髓病理图像中幼稚前体细胞的检测。 本章主要介绍了目前医学图像中一些细胞检测方法在骨髓病理图像中幼稚 前体细胞检测中遇到的问题，并详细介绍了本文通过将图像学的相关技术和细胞 本身的特性相结合进行细胞检测的方法，以及相关的实验结果和数据。 第三章，骨髓病理图像中骨小梁的检测。 本章丰要介缁了目前有关骨小梁分割技术方面的现状，然后详细介绍了本文 利用的一种基于区域分割与骨小梁自身特性相结合的骨小梁检测方法，以及最后 与方法相关的实验过程和结果。 第四章，幼稚前体细胞在骨小梁周围分布情况的统计。 本章主要分析了当前计算目标物体间的一些距离计算思路，及本文采用距离 变换技术来计算细胞在骨小梁周围的分布情况的详细过程，最后对骨小梁周围区 域进行划分并对各区域中的前体细胞进行定量分析，统计出相应的实验数据。 第五章，总结与展望。 本章对本文的工作做了总结，对还可以改进的地方做了分析和展望。 6 华东师范大学2 0 1 1 届硕l j 研究生学位论文骨髓病理图像i l l 细胞与骨小梁的识别与定位技术研究 第二章骨髓病理图像中幼稚前体细胞的检 测 ： 蚤警；? | 孓祭奠：囊 0 臻。静争 荔；凌露嘞斓捞谬 h 一囔懑溪 二? 潆o ：，i ：一。：? 壤二。，：- 萎冬。， 图2 一l 骨髓病理图像及需要识别的幼稚前体细胞 ( a ) 骨髓病理图像( b ) 红色标记出的两个细胞为需要识别的幼稚前体细胞 2 1 问题分析 目前对于细胞分割方面的研究一直是图像分割领域的热点和难点，经典的边 缘分割法有s o b e l 算子【2 4 2 5 1 法、c a n n y 算子法2 6 1 、分水岭算法【2 7 1 等。图2 2 列出 了采用上述各方法的效果图。其f p ( a ) 足骨髓病理图像，红色圈出了需要检测的幼 稚前体细胞，图( b ) 是采用8 一s o b e l 算子方法进行边缘检测的效果图，结果显示未 7 华尔师范大学2 0 1 1 届颁 ：研究生学位论文 骨髓病理幽像- i 细胞与骨小梁的识别与定位技术研究 能检测到幼稚前体细胞。图( c ) 是采用分水岭方法的效果图，只能分割出幼稚前体 细胞的内核结构，而无法检测出整个细胞。图( d ) 是c a n n y 算法提取的边缘效果 图，使用的阈值为0 2 ，该方法得到的细胞边缘复杂，而且不连续。 r 灞，每壤魏 ； ，魏 髯瓣眷 。参每攀蝴穆2 参黛镰：。穆! ， ，| ，；鞭豢l 、，、西7参妒 ” 竺二0 i ? & 篓麓纛磷i 。丸：二乏，o ： 一奈 ；鼍卜? 莹奢爨0 囊 ，0 铹? 二4 专 ，痧雾 - 。、- 一l鼍莲。运 ，专，毒蠢? 一。t 碧”m 墨爹羔是二爨矗j 纛s i 二? 复二掩二纛二誓 _ 譬嚣曩 舞誊辔哟黪04 豢黪 穆。 豢卵t 飞? l 。 。蟹 。 ，豢黪t 一孝耧 ”； j譬0 二羔譬兰是j纛镶z 一盛s ：二圣也羔 华东师范大学2 0 1 1 厢硕一j ：研究生学位论文骨髓病理图像i f l 细胞与骨小梁的识别与定位技术研究 这些经典方法虽然对于一般图像分割有一定的作用，但由于骨髓病理图像不 仪复杂，而且图中还包含很多其他类型的细胞和组织，需要检测的幼稚前体细胞 颜色较浅，形状不规则，这些闲扰为检测特定细胞增加了难度，目前的方法对于 骨髓病理图像巾的前体细胞的谚! 别定位没有达到很好的效果。 针对以上问题，本文结合形态学等相关知识及前体细胞自身特性提出了一种 新方法，首先通过o t s u 阈值法【2 叽3 i 】将图像二值化，然后对图像应用形态学操作， 并结合细胞本身特点及细胞晤i 积对图像进行处理，从而获得细胞定位结果。图 2 2 ( e ) 即为使用木文提出的基于形态学方法得到的效果图，绿色足检测到的边界。 通过比较可以发现，采用其他方法不能得到理想的效果，而采用木文提供的方法 定位准确，提取的边缘效果图也较清晰。 2 2 本文算法及实现 本文的方法主要结合图像阈值、形态学及幼稚前体细胞本身的特点进行，幼 稚前体细胞的定位。细胞识别算法流程图如图2 3 所示1 3 2 】。 9 华尔帅范大学2 0 1 1 届硕l ：研究生学位论文骨髓病理图像i 一细胞与骨小梁的i = 只别与定位技术研究 开始 ( 1 ) 读入图像h ( 2 ) 图像二值化 ( 4 ) 图像优化h( 3 ) 滤波 ( 5 ) 图像取反 ( 6 ) 填充细胞空隙 ( 7 ) “开”运算 ( 9 ) “开”运算 ( 8 ) 图像优化li ( 1 0 ) 图像优化 甚! ，鼍缝热p “卜一( 1 2 ) 面积筛选 减”并优化ll ：! ：竺! ：竺竺 q 4 藿蕊细胞hn 3 甥瀚位 ( 1 5 ) 细胞统计 及图像输出 结束 图2 3 细胞识别算法流程图 图2 3 中第( 1 ) 步先读入骨髓病理图像，第( 2 ) 步图像二值化丰要采用o t s u 阈 值法【2 9 3 1 求出闽值p ，但阈值p 不能直接用来二值化图像，需先乘以个权值 h ，这是为了保证二值化后的图像中幼稚前体细胞的边缘区域保持连通，通过实 验验证h 值在1 0 2 5 左右检测效果较佳。取闽值p = p 宰h 对图像进行二值化。第 ( 3 ) 步将二值化处理后的图像进行滤波操作，以减小噪声干扰，为保留细胞细节 这里采用了中值滤波的方法【3 3 。3 引，其模板大小为3 3 。第( 4 ) 步将二值化后的图 像与中值滤波后的图像进行“或”运算以优化图像。第( 5 ) 步将优化图像取反。 第( 6 ) 步为关键的一步，对图像进行细胞填充，使内部有空隙细胞成为个连续 完整的区域，然后进入第( 7 ) 步对图像进行“开”运算【3 6 3 7 1 以分割粘连的细胞簇， 其结构元如图2 4 所示。在( 8 ) 巾对图像进行优化，将图像同此图像经过一次“闭” 运算和“开运算后的结果相“或 。步骤( 9 ) 和( 1 0 ) 的操作分别同( 7 ) 和( 8 ) 一致， 华东师范大学2 0 儿届硕上| 研究生学位论文骨髓病理图像l f l 细胞与骨小梁的谚! 别弓定位技术研究 步骤( 1 1 ) 巾图像相“减”时可以将没有内部结构的细胞去除，即将除幼稚前体细 胞外的其他细胞或组织去掉。然后，在( 1 2 ) 中根据细胞面积特性进行细胞筛选， 以得到要检测的细胞。从实验图像中可得到幼稚前体细胞的晤i 积基本分布在 1 5 0 1 0 0 0 范围之间，所以通过扫描图像保留图像中面积在2 0 0 一8 0 0 内的区域即可， 在( 1 3 ) 中求出这些区域的中心，作为细胞的圆心，加以定位。另外提取区域的轮 廓线结合原图分割出幼稚前体细胞。在( 1 4 ) 中根据( 1 3 ) 中得到的细胞信息，计 算每一个细胞与其他细胞中心之间的距离，并与设定的阈值( 三个细胞半径大小) 进行比较，若某两个细胞之问的距离小于该阈值便将它们标记为聚簇细胞，反之 标记为单个细胞。这样通过两个循环遍历可以标记出所有细胞属丁二单个细胞还是 聚簇细胞。另外这里所设定的闽值为一个动态阈值，根据每张图巾已检测出的所 有细胞半径的平均值作为半径，取该半径的三倍作为阈值，这样可以根据不同的 图像动态调整适合的阈值大小，以减少错误率，由于阈值的动态性，所以这里没 法给出确定值，但半径的范围大致在1 0 2 0 像素之内。( 1 5 ) 是根据前面步骤所 得到的相关数据对单个和聚簇两种类型的前体细胞的信息进行统计，包括两种类 型幼稚前体细胞个数，各个细胞而积及在图像中所在的位置，这里所指的位置是 细胞圆心的位置，聚簇细胞的位置包括单个细胞的位置及几个聚簇细胞的中心位 置。通过上述的步骤能基木准确定位出聚簇的和单个的幼稚前体细胞。 图2 4 “开”运算结构元 按照上述算法流程，图2 5 给出了一系列实验结果。输入( a ) 骨髓病理图像， 根据图2 3 中步骤( 2 ) 可得到图6 中( b ) 骨髓病理图像的二值化图像，从图中可见 经过图像二值化后幼稚前体细胞保持了内部结构明显的特点，而其他大部分细胞 或组织不具备这个特点，呈现出整个连续的实区域，这是提出木文方法的关键点 之一。图( c ) 是步骤( 3 ) 去噪和步骤( 4 ) 优化处理、图像取反后的结果，该图像 为后续实验做准备。图( d ) 是经过步骤( 6 ) ( 7 ) ( 8 ) 后的实验结果，将幼稚前体细 胞进行了填充，然后优化，得到的幼稚前体细胞为整个连续的实区域。图( e ) 为进 华尔帅范大学2 0 1 1 届硕i ：研究生学位论文骨髓病理图像i 细胞与骨小梁的识别与定位技术研究 行步骤( 9 ) ( 1 0 ) 后的结果，从图中可见，幼稚前体细胞消失了，这是在没经过 第( 6 ) 步细胞空隙填充而直接进行“开”运算的结果，形态学中“开”运算具有 把比结构元素小的突刺滤掉的作用，巧妙利用细胞具有内核结构这一特性，将幼 稚前体细胞滤掉了。对于其他无内部结构或内部结构不明显的组织，不会受此操 作影响或影响很小。将图( d ) 与图( e ) 做比较，会发现两幅图的差别就在于幼稚前 体细胞区域，这样，很自然的会想到将两幅图像进行“减 操作，这样就可以得 到要检测的细胞，为达到理想效果，必须保持步骤( 7 ) 与( 9 ) ，( 8 ) 与( 1 0 ) 一致，这 样其他组织经过“减”操作才会被去掉。相“减”操作后的实验结果如图( f ) 所示， 图( g ) 是图( f ) 进行面积筛选并优化的结果。图( h ) 是幼稚前体细胞检测的结果，其 中红色点表示细胞定位的坐标，图( i ) 是细胞边缘轮廓提取结果，图( j ) 是聚簇细胞 检测的结果，其中黑色小方块表示每个细胞的坐标位置，绿色小方块表示整个聚 簇团的中心位置。 华东师范大学2 0 1 1 届硕f ：研究生学 薹菇0 譬茎筹酝案菇敏二，一蓁。； ( j ) 图2 5 根据本文算法得到的实验结果图 ( a ) 骨髓病理图像，( b ) 为图像二值化厉的结果，( c ) 是图像经过去噪、优化并取反的结果，( d ) 是将图像( c ) 经过孔洞填充、“开”运算、图像优化处理后的结果，( e ) 是将图像( c ) 经过“开” 运算、图像优化处理后的结果，( f ) 是将图像( d ) 和( e ) 进行“减”运算得到的实验结果，( g ) 是 将图像( d 进行面积筛选和图像优化的实验结果，( h ) 是在骨髓病理图像原图定位前体细胞的 结果，( i ) 为在骨髓病理图像提取前体细胞边缘的结果，( j ) 为聚簇细胞检测的结果 华尔j j i i i 范大学2 0 1 1 届硕洱究生学位论文骨髓病理i i 像l ，细胞与骨小梁的识别与定位技术研究 在本研究中，面积筛选对提高细胞的检测精度具有非常重要的作用。接下 来验证图2 3 中第( 1 2 ) 步面积筛选的重要性。由于图像中有可能存在其他同样具 备内部结构的细胞或组织，以及图像在预处理阶段中受各种因素影响可能导致被 误检为前体细胞。以图2 6 所示实验图像为例，其中( a ) 中用红色圈出的细胞 为需要检测的前体细胞，将( b ) 所示图像作为术论文提出方法的输入图像，按 照流程图中所示的一系列处理，但未进行第( 1 2 ) 步面积筛选处理，得到的实验结 果如图( c ) 所示，多检测了左下角的细胞，为解决此问题有必要进行面积筛选 操作，根据幼稚前体细胞面积较大而百相之间面积相差不大的特点，将区域面积 超过某个阂值范嘲的细胞都剔除，经过这样处理后将会得到准确的检测的结果， 如图( d ) 所示。 。徽辔+ ：一了囊 ；篓恃梦0 磐。嚣攥簿黪t 蠢， 氐? 要二翟一警爹。，辙，。极篮叔1 麟。囊 i 一稿磊一，” 期 “爹0 专燎铉鼋黪- 一 学圣羔二翟一 酶。赫一。毂霪，叔二童 。气f 穗 ”j 僻p 梦_? 二穆茹梦 爨二，冁菇繇篓：t 孑菠二誊_ 分躲每磊“。7 。，? 簟 僻穸爹誓i0k 爹 黪。襟糯壤菇皤篓：_ 参艘二毫一 ( d ) 图2 6 面积筛选实验图像 ( a ) 红色圈出的为幼稚前体细胞( b ) 骨髓病理图像( c ) k 经过面积筛选操作得剑的实验结果 ( d ) 经过面积筛选后的实验结果 1 4 华东师范大学2 0 1 1 厢硕i j 研究生学位论文骨髓病理图像| | l 细胞与骨小梁的谚! 别与定位技术研究 2 3 实验结果及分析 2 3 1 实验结果 木研究的实验环境为w i n 3 2 m a t l a b 7 o 1 ，实验数据采用上海交通大学附属 第六人民医院提供的骨髓病理图像。以下分别对o t s u 方法二值化的权值、面积 筛选范围以及聚簇细胞阈值等各类参数的选取进行实验，并给i l j 最终的细胞检测 结果。 ( 一) o t s u 方法二值化时权值的选择 用o t s u 方法进行二值化时，取权值分别为1 0 1 、1 0 2 、1 0 2 5 、1 0 3 、1 0 3 5 等五种情况对图像进行实验，得到的实验数据表及图像详见附录一中的表2 1 至 2 6 ，对表进行统计得到统计图2 7 ，其中( a ) 为根据附录中各表数据得到的折 线图，横坐标表示权值，纵坐标表示检测率，数值越大检测效率越高，每条折线 表示每幅骨髓病理图像在不同权值下的细胞检测率分布情况，图中是对1 到8 幅 图像在不同权值情况下的检测率统计。图( b ) 是根据图( a ) 相应数据得到的堆 积折线图，即折线上的每一点的纵举标为前面各点纵坐标的累加值，能更清楚的 反应在不同权值情况下检测率的分布趋势，从统计图可见当权值取1 0 2 5 时检测 率最高，所以本方法一般情况下设定权值为1 0 2 5 ，使图像的检测效率达到最优。 华尔师范大学2 0 1 1 肺硕i ：研究生学位论文骨髓病理图像i 一细胞与骨小梁的识别与定位技术研究 i a ) 折线图 ( b ) 堆积折线图 图2 7 骨髓病理图像在不同权值卜的细胞检测率情况统计 ( a ) 为根据附录一表2 1 至2 6 对8 幅图像在不同权值情况下通过统计检测率得到的折线图， 横坐标表示权值，纵坐标表示检测率，数值越人检测率越高，每条折线表示每幅骨髓病理图 像在不同权值下的细胞检测率的分布情况( b ) 是对鹿( a ) 得到的堆积折线图，即折线上的每一 点纵坐标为前面各点纵坐标的累加值，每条折线能更清楚的反应不同权值下的检测率分布趋 势 ( 二) 筛选面积的选择 进行面积筛选时，首先确定筛选面积的上限值。选取7 张图像，如附录三 中的附图1 至附图7 中的( a ) 所示，统一设定权值为1 0 2 5 ，面积筛选范围的下 限为o ，然后通过不断增大面积筛选范围上限的值，依次取1 0 0 、2 0 0 至2 0 0 0 像 素，进行实验，通过查看检测率的高低来确定合适的上限值，检测率是正确的细 胞检测个数除以检测总数，这里检测总数包括j f 确的细胞数、多检测的细胞数及 少检测的细胞数，若检测率越大表示正确的细胞数越多或者误检的细胞数越少， 1 6 华东师范大学2 0 1 1 厢硕。i ：研究，上学位论文骨髓病理图像t i t 细胞与骨小梁的识别与定位技术研究 及检测效率越佳。附录二中的表2 7 至2 1 6 是通过选取不同上限值的情况下的 实验结果，经统计得到如图2 8 所示的结果，其中图( a ) 是根据各表中的数据 得到的折线图，横 垮标表示不同筛选面积范围上限，单位为像素，纵坐标表示检 测率，数值越大检测效率越高，每条折线表示每幅骨髓病理图像在选择不同筛选 面积范围上b 诞时所得到的细胞榆测率情况。图( b ) 是根据图( a ) 相应数据得到 的堆积折线图，即折线上的每一点的纵华标为前面各点纵挫标的累加值，能更清 楚的反应在不同权值情况下细胞检测率的分布趋势。 i a ) 折线图 ( b ) 堆积折线图 图2 8 骨髓病理图像在不同筛选面积上限时的细胞检率情况统计 本统计图是在权值和面积筛选f 限一致取不同筛选面积上限时对细胞检测情况进行统计，其 中( a ) 为根据附录二表2 7 至2 一1 6 对7 幅图像在权值和面积筛选下限一致选取不同而积上限 情况卜通过统计检测率得到的折线图，横坐标表示筛选面积上限值，纵坐标表示检测率，数 值越人检测率越高，每条折线表示每i 瞒骨髓病理图像在取不同上限值的情况+ 卜细胞榆测率的 统计情况( b ) 是对应( a ) 得到的堆积折线图，即折线上的每一点纵坐标为前面各点纵坐标的累 加值，每条折线能更清楚地反应出不同上限值对的细胞检测率的影响 1 7 一 一一二 一 华东师范人学2 0 1 l 届硕i j 研究生学位论文骨髓病理图像一l 细胞与骨小梁的识别与定位技术研究 从图中可以看出，在取1 0 0 像素和2 0