病變細胞顯微圖像分析與識別技術(shù)的研究

1、    病變細胞顯微圖像分析與識別技術(shù)的研究作者：尹聰，欒秋平，馮念倫    作者單位：1.山東電子職業(yè)技術(shù)學(xué)院，濟南 250014；2.山東省省立醫(yī)院，濟南 250021【摘要】  依據(jù)病變細胞的形態(tài)和顏色特征，我們提出了一種基于RGB和HIS彩色空間的自適應(yīng)自動閾值分割算法，該算法能有效地將病變細胞的胞核從復(fù)雜的背景中提取出來。在分割圖像的基礎(chǔ)上，應(yīng)用canny邊緣檢測算法提取出細胞邊緣，采用八鏈碼跟蹤技術(shù)提取出細胞的特征值。為了同正常細胞比較，同時提取了正常細胞的特征值，并提出了二步識別算法以對正常和病變細胞

2、進行識別。實驗結(jié)果表明，該系統(tǒng)能有效地分割血細胞圖像并且診斷率較高?！娟P(guān)鍵詞】  病變細胞；彩色空間；自動閾值分割；特征識別 Microscopic Image Analysis and Recognition on Pathological CellsYIN Cong1,LUAN Qiuping1,FENG Nianlun2    (1.Shandong College of Electronic Technology, Jinan 250014, China；    2.Shandong Provincial

3、Hospital, Jinan 250021, China)    Abstract：According to the features of the configuration and color information on the pathological cells, an adaptive automatic threshold segmentation based on the RGB and HIS color spaces was presented, which was available to segment suspected cancer

4、cells and nucleus from the complex backgrounds in the microscopic images. The edges of the suspected cells and nucleus were detected by using Canny operator. Using the technology of eight chain codes tracking, the feature values of suspected cells were extracted. The transcendental features and calc

5、ulating formulas were presented to recognize the suspected cells. Meanwhile, by comparing the natural cells and suspected cells, the detection method was decided. The results show that the proposed algorithm can efficiently segment cell images and receive higher accuracy of cell diagnosis  

6、;  Key words：Pathological cell；Color space；Automatic threshold segmentation；Feature recognition    1  引  言    我們對病變細胞圖像的識別進行了研究，將脫落細胞顯微圖像作輸入，首先對圖像進行去噪、平滑等預(yù)處理，為了充分利用病變細胞的彩色特征，在彩色空間對細胞進行自動閾值分割，將圖像中的可疑細胞和細胞核分割出來，用Canny邊緣檢測算法求出可疑細胞和胞核的邊緣，再利用八鏈碼邊緣跟蹤技術(shù)，將可疑細胞及細胞

7、核的形態(tài)特征值抽取出來，根據(jù)病變細胞的先驗形態(tài)特征，對提取出來的形態(tài)特征值進行檢驗，以此判斷該細胞是病變細胞還是正常細胞。本系統(tǒng)還將病變細胞和正常細胞的形態(tài)特征進行了比較，以確定可疑病變細胞的二次識別算法。實驗結(jié)果表明，該算法能有效分割病變細胞并獲得較高診斷率。    2  病變細胞的彩色圖像分割    對于細胞分析而言，細胞核包含了識別細胞的主要特征，因此要測量病變細胞的形態(tài)特征值，首先將該細胞和細胞核從背景中割離出來。在臨床專家的指導(dǎo)下，對此類細胞核的色彩進行了分析研究。經(jīng)驗表明，和正常細胞相比，病變細胞的核顏色偏深，彩

8、色分量有較大的差異，因此，這里采用細胞核的色彩特征進行分析識別。圖像分割過程包括彩色空間選擇和細胞自動閾值分割兩部分。    2.1  彩色空間的選擇    通過實驗，本研究采用RGB和HIS彩色空間相結(jié)合的自動閾值分割方法。    本系統(tǒng)中采集的圖像為24位RGB真彩圖像，而在HSI空間中，H(hue)表示不同顏色，如黃、紅、綠等；S(saturation)表示顏色的深淺如深紅、淺紅；I(intensity)表示顏色的明暗程度1-3。從RGB到HSI的轉(zhuǎn)換關(guān)系為：  

9、60; H=cos-1(R-G)+(R-B)2(R-G)2+(R-B)(G-B)    (RG或RB)(1)    S=1-3R+B+Gmin(R，G，B)(2)    I=R+G+B3(3)    2.2  細胞自動閾值分割    本系統(tǒng)所采用的分割過程如下：通過對大量病變細胞圖像的實驗觀察和臨床經(jīng)驗，表明偏藍紫色是病變細胞核的共有特征，所以B分量應(yīng)該加以重視，通過對B分量進行閾值分割，即可完成對細胞核的定位和分割；由于RGB空間存在

10、各分量之間相關(guān)性強的缺點，而H，S，I空間各分量能通過明暗度、飽和度來有效識別病變細胞，所以選擇在HSI空間中完成對胞漿的分割，至此通過在兩種彩色空間中的兩次分割，完成對病變細胞核、細胞漿的精確分割。自動獲取閾值T的算法步驟為4：    (1)根據(jù)實際需要，選擇一個T的初始估計值。    (2)用T分割圖像，這樣會生成兩組像素：G1由所有灰度值大于T的像素組成，而G2由所有灰度值小于或等于T的像素組成。    (3)對區(qū)域G1和G2中的所有像素計算平均灰度值1和2。    (

11、4)計算新的門限值：    T=1(l+2)(4)    (5)重復(fù)步驟(2)(4)，直到逐次迭代后T值不再變化。    2.3  基于自動閾值分割的細胞分割結(jié)果    基于以上算法得到胞核和胞漿的分割結(jié)果如下：    （1）胞核分割  通過觀察彩色空間RGB的B分量圖像，可以明顯看出圖像分成兩部分：胞核和背景（包含一些菌團和雜質(zhì)）。因此，可以在此分量上完成對胞核和背景的分割。圖1(b)為最終的胞核分割結(jié)果。 

12、60;  （2）胞漿分割  在HIS空間，采用完成病變細胞最終的分割（見圖1c）。   3  形態(tài)特征提取    分別提取兩類細胞（病變細胞和正常細胞）的形態(tài)特征，由臨床經(jīng)驗知病變細胞比正常細胞核大，形狀更近似于圓或橢圓。根據(jù)這些主要的差異，確定后續(xù)的判定規(guī)則。本階段首先采用Canny邊緣檢測算法對可疑細胞胞核和胞漿的分割圖像進行邊緣檢測，得到細胞和細胞核的輪廓圖，后采用八鏈碼跟蹤技術(shù)對細胞和胞核的輪廓圖提取細胞和胞核的形態(tài)特征。    3.1  邊緣檢測 

13、0;  如圖2示，圖2(a)為胞核邊緣檢測結(jié)果，圖2(b)為胞漿邊緣檢測結(jié)果。    為了將病變細胞與正常細胞進行比較以取得后繼的判定準則，這里也按上述步驟提取了正常細胞的輪廓圖，見圖2(c)、圖2(d)。    在本方法中，使用的細胞的主要形態(tài)學(xué)特征包括：它們是細胞及細胞核各自的周長、面積、寬度、高度、似圓度、矩形度、伸長度，以及細胞核與細胞的面積之比。在求取以上形態(tài)特征時，本系統(tǒng)采用對輪廓圖進行邊緣跟蹤，求取其鏈碼表示，從而獲得其形態(tài)特征的方法。3.2  八鏈碼跟蹤    考慮數(shù)字

14、圖像像素點（x,y）的一個8鄰域，該點處的邊界只能在以下幾個方向：正東、東北、正北、西北、正西、西南、正南和東南。對于每一種方向賦以一種碼表示，8個方向分別對應(yīng)于0、1、2、3、4、5、6和7，這些碼再加上一些標志碼，即可構(gòu)成鏈碼。    從鏈碼可以得出邊界的許多形狀特征5：    圖2  病變細胞和正常細胞的邊緣檢測結(jié)果    (a)胞核邊緣檢測；(b)胞漿邊緣檢測；    (c)正常細胞原始圖像；(d)正常細胞輪廓    Fig 2

15、  The edge detection of pathological and normal cell    (a)the edge detection of the nucleus；(b)the edge detection of the cell；(c)the original image；(d)the result of the edge detection    （1）鏈碼所圍細胞區(qū)域的周長：    L=ne+no2(5)    其中，ne表示鏈碼中偶數(shù)碼

16、的數(shù)目；no表示鏈碼中奇數(shù)碼的數(shù)目。    （2）邊界所表示區(qū)域的寬度和高度    設(shè)方向鏈為a1a2a3an,定義ai在X軸上的分量為aix,在Y軸上的分量為aiy,則：設(shè)x0和y0是起始點的坐標，則：    ai01234567aix110-1-1-101aiy01110-1-1-1    寬度=maxi(ik=1akx+x0)-min(ik=1akx+x0)(6)    高度=maxi(ik=1aky+y0)-min(ik=1aky+y0)

17、(7)    （3）鏈碼所包圍區(qū)域的面積：    S=ni=1aix(yi-1+aiy/2)(8)    yi=ik=1aky+y0(9)    （4）細胞區(qū)域的圓度：    C=4A/L2(10)    圓度用于描述細胞區(qū)域與圓形的偏離程度。在相同面積的條件下，細胞區(qū)域邊界光滑且為圓形，則周長最短，其圓度C=1。細胞區(qū)域的形狀越偏離圓形，則C值越小。    （5）細胞區(qū)域的矩形度：&#

18、160;   R=A/(W×H)(11)    其中，W為寬度，H為高度。矩形度用于描述細胞區(qū)域與矩形的偏離程度，當細胞區(qū)域為矩形時，R取最大值1。    （6）細胞區(qū)域的伸長度：    E=min(W，H)/max(W,H)(12)    細胞區(qū)域越呈細長形，E越小，當細胞區(qū)域為圓形時，E=1。    （7）細胞核與細胞的面積之比：    B=S胞核/S細胞(13) 

19、0;  B的值越大，越接近于癌細胞。    由以上公式計算出的圖像形態(tài)特征信息見表1。    表1  胞核和胞漿的形態(tài)特征值    Table 1  The feature values of the nucleus and the cells    病變細胞LSWHCRE胞核30753148859772626280.4480.79430.9544胞漿40393419775840785400.2630.57460.96100.92正常細胞胞核15

20、42849636924289680.4180.89120.7845胞漿26481178645084454920.2110.57680.99100.72    4  二次識別算法    4.1  形態(tài)學(xué)特征識別    求得胞漿和胞核的形態(tài)學(xué)特征后，利用以下算法來選取可疑病變細胞。    圖3  識別算法流程圖    Fig 3  Flow chart of the recognication algorith

21、m    其中，Sth1為胞核面積的下限值，Bth、Cth、Rth、Eth為核漿比例、圓度、矩形度和伸長度約束。另外，由于小病變細胞有聚堆的特點，難以將聚堆的細胞核分為單個胞核，只能將其分割為一個“大細胞核”，面積大于其它任何一種細胞核的面積，因此，采用了另一個核面積上限值Sth2，選擇小細胞病變細胞。    4.2  色度學(xué)特征識別    經(jīng)過上述形態(tài)學(xué)識別后，絕大多數(shù)病變細胞被正確檢測出來，卻有一些正常細胞被錯誤地分類為病變細胞，為了提高識別率，我們采用色度學(xué)特征進行進一步的識別。和正常細胞相比，病變細胞的核顏色偏深，彩色分量有較大差異。因此，對于錯分的細胞，我們分別計算每個彩色分量的均值和方差，比較后確定均值和方差的閾值，對錯分的細胞進一步分類，提高了識別率。