血液細(xì)胞圖像自動識別系統(tǒng)的開發(fā)

1、血液細(xì)胞圖像自動識別系統(tǒng)的開發(fā)湯學(xué)民1林學(xué)訚2何林11 (深圳市人民醫(yī)院 518020 2 (清華大學(xué)計算機科學(xué)與技術(shù)系摘要運用計算機模式識別技術(shù)自動識別血細(xì)胞圖像是模式識別在醫(yī)學(xué)圖像領(lǐng)域應(yīng)用的一個重要研究課題。由于血細(xì)胞的種類多、圖像復(fù)雜而使這項工作不易實現(xiàn),目前,臨床醫(yī)學(xué)中對血細(xì)胞形態(tài)的識別都是人工操作。本系統(tǒng)運用模式識別技術(shù)可對外周血中的血細(xì)胞圖像實現(xiàn)自動識別。本文所用的圖像分割方法是在對圖像距離變換的基礎(chǔ)上,綜合區(qū)域和邊界方法,充分利用圖像中包含的信息,實現(xiàn)血細(xì)胞圖像的分割。根據(jù)細(xì)胞的形狀、紋理、顏色等的特點選取并測定22個特征值,用統(tǒng)計分類的方法設(shè)計分類器。通過對50幅圖像共88個細(xì)

2、胞的測試表明,此系統(tǒng)的識別正確率為96%,經(jīng)臨床專家評估,此系統(tǒng)具有較好的實用價值。關(guān)鍵詞模式識別血液細(xì)胞自動識別Abstract ItisanimportanttopicinthefieldofmedicineimagetomakeresearchonBloodCellimagerecognitionwithComputerPatternRecognitiontechnique.However,therearesomanytypesofbloodcellsandtheimageiscomplex.Therefore,itisnoteasytofulfillimagerecognitionwi

3、ththistechnique.Uptonow,therecognitionofbloodcellsinclinicisbymanualwork.Thesysteminthispapercanrecognizethebloodcellsbypatternrecognitiontechniqueautomatically.Inordertofulfillthesegmentation,theimagesegmentationmethodisbasedondistancetransformationimage,combiningtheregionapproachandedgeapproach,an

4、dtakingfulladvantageofimageinformation.Thereare22featuresselectedandmeasuredinaccordancetotheshapeofcell,thetextureofcell,andcolorappearanceofcell.Theclassifierisdesignedwiththestatisticalclassification.Theexperimentalresultsshowthattheclassificationaccuracyis96%fromthe88bloodcellsfoundinasetof50ima

5、ges.Thesystemalsoconfirmsthevalidityandtheclinicalvalue.Keywords Pattern recognition, Blood Cell, Automatic recognition1 引言隨著計算機技術(shù)的不斷發(fā)展,計算機技術(shù)在醫(yī)學(xué)中的應(yīng)用也越來越多,其中一個重要方面是對顯微鏡下細(xì)胞形態(tài)的自動圖像識別。細(xì)胞形態(tài)的檢測是醫(yī)學(xué)檢測中的一個重要部分,很多疾病的診治主要依靠醫(yī)學(xué)專家觀察標(biāo)本中細(xì)胞在顯微鏡下的形態(tài),對細(xì)胞進行識別和分類。目前最普遍和主要的方法是使用光學(xué)顯微鏡,觀察經(jīng)過染色的標(biāo)本,根據(jù)每種細(xì)胞形態(tài)的不同進行分類和計數(shù)。這種人工分類的工

6、作重復(fù)而單調(diào)、效率低下。隨著計算機模式識別技術(shù)和人工智能研究的不斷發(fā)展,人們把目光投向了對細(xì)胞圖像的自動識別上,希望計算機能做到與醫(yī)學(xué)專家一樣快速準(zhǔn)確地識別各類細(xì)胞并做出相應(yīng)的診斷,這樣將大大的提高檢查效率,減少人為誤差。由于圖像中細(xì)胞形態(tài)復(fù)雜、細(xì)胞常重疊,標(biāo)本制作時染色不好等原因,使細(xì)胞自動圖像識別過程的關(guān)鍵圖像分割變得困難。又由于細(xì)胞種類較多,某些種類差別細(xì)微,因此對特征向量的選取和測定也提出了較高要求。國外相關(guān)學(xué)者在這方面作了較廣泛的研究,已提出一些分割方法,如Snakes 算法。Snakes方法是一種邊界檢定和圖像分割的方法,也可用于細(xì)胞邊界的定位。Snakes 模型是一條由n個控制點

7、組成的連續(xù)閉合曲線,它用一個能量函數(shù)作為匹配度的評價函數(shù),定義為E snake=E internal + E external,其中,E internal 和E external 分別為內(nèi)部和外部函數(shù),前者定義了模型的內(nèi)部屬性和內(nèi)在運動趨向,后者則與被測區(qū)域的圖像屬性相關(guān),使模型偏離內(nèi)在運動趨向。該法總能找到一條閉合曲線,能有效將大多數(shù)細(xì)胞分割開來。但缺點是運算量很大,易受初始位置的影響,而且模型本身不包含目標(biāo)對象信息,因此對模糊邊界、局部變形或胞漿顆粒較大的細(xì)胞分割效果不佳。又如基于邊界方法的各類邊界檢測算子,如馬爾(Marr-Hidreth算子,馬爾算子是以拉普拉斯算子為基礎(chǔ),實現(xiàn)分為3步

8、:首先,通過一個二維高斯函數(shù)對圖像卷積以減低圖像噪聲的影響。其次,使用二階導(dǎo)數(shù)差分算子如拉普拉斯算子來計算圖像強度的二階導(dǎo)數(shù)。最后,利用二階導(dǎo)數(shù)過零點的性質(zhì)確定邊界位置。馬爾算子的優(yōu)點是快速,能得到一個閉合的輪廓。缺點是由于使用二階導(dǎo)數(shù),對噪聲敏感。也有基于紋理或顆粒度的分割方法,由于白細(xì)胞有胞核,胞漿中大都有顆粒,這個紋理特點明顯不同于紅細(xì)胞,因此基于紋理或顆粒度的方法對多數(shù)白細(xì)胞分割效果較好。但對與紅細(xì)胞紋理相似的小淋巴細(xì)胞和白細(xì)胞聚集時分割效果不理想。文獻中還有其它圖像分割的方法,或區(qū)域方法或邊界方法,但這些方法對血細(xì)胞圖像的分割都沒有達到一個較理想的效果。一種方法對某類圖像可能取得好的

9、效果,但在其它場合下可能就不適合。正是由于細(xì)胞圖像分割的困難和血細(xì)胞某些種類差別的細(xì)微,使得對所有血細(xì)胞實現(xiàn)自動識別在當(dāng)前還是一個難題。目前,國內(nèi)所有關(guān)于血液細(xì)胞形態(tài)檢查的軟件,如血細(xì)胞圖文報告系統(tǒng),都沒有對細(xì)胞自動識別的功能,細(xì)胞的分類計數(shù)還是人工操作,不能提高檢查效率。國外已有公司宣稱開發(fā)出針對外周血標(biāo)本的白細(xì)胞圖像識別系統(tǒng)。此類系統(tǒng)能自動識別外周血中5種成熟白細(xì)胞,分別是中性桿狀粒細(xì)胞、中性分葉粒細(xì)胞、嗜堿性粒細(xì)胞、淋巴細(xì)胞、單核細(xì)胞,每小時可檢測50個樣品。但在國內(nèi)外均未見此類系統(tǒng)已投入實際使用的報告。本文在對圖像距離變換的基礎(chǔ)上,綜合區(qū)域和邊界方法,充分利用圖像中包含的信息,提高血細(xì)

10、胞圖像的分割的準(zhǔn)確率。根據(jù)血細(xì)胞的特點選取了22個特征向量并建立了測定方法,用統(tǒng)計分類的方法設(shè)計分類器,開發(fā)出血液細(xì)胞圖像自動識系統(tǒng),并獲得了較好的效果。2 血細(xì)胞圖像分割方法的設(shè)計外周血中的血液細(xì)胞主要是由紅細(xì)胞和白細(xì)胞組成,本文需識別的是外周血中的各類白細(xì)胞。要正確識別白細(xì)胞,須將細(xì)胞和細(xì)胞核圖像正確分割出來,下面將分別介紹細(xì)胞和細(xì)胞核的分割方法,但實際分割過程中兩者是互相聯(lián)系的。2.1 細(xì)胞圖像分割血液細(xì)胞圖像形態(tài)各異、細(xì)胞常互相接觸,實際工作中圖像常染色不好、光照不均,因此選擇圖像分割技術(shù)時,考慮以一種分割技術(shù)為主綜合其它方法,充分利用圖像的信息,注重細(xì)節(jié)、考慮各種特殊情況來提高細(xì)胞分

11、割的準(zhǔn)確率。通過不斷實踐,本文摸索出的一套在距離變換圖像上,結(jié)合區(qū)域和邊界的方法較好地實現(xiàn)了血細(xì)胞圖像的分割。方法簡介Ø 將彩色圖像轉(zhuǎn)換為灰度圖,方便各種分割算法的處理。Ø 獲取圖像的灰度直方圖,根據(jù)灰度直方圖得到背景閾值。Ø 通過背景閾值得到二值圖像,獲取二值圖像的距離變換圖,并標(biāo)識區(qū)域最大值,可得知每個細(xì)胞的大小。Ø 根據(jù)細(xì)胞大小和細(xì)胞中心的灰度平均值,初選出白細(xì)胞。Ø 通過區(qū)域增長法,標(biāo)識每個白細(xì)胞周圍的紅細(xì)胞。標(biāo)識紅細(xì)胞的目的是為了在確定白細(xì)胞邊界時提供更多的信息作判斷。Ø 確定最終的白細(xì)胞輪廓。方法是置一圓環(huán)于白細(xì)胞中,圓環(huán)

12、向外擴展,根據(jù)距離圖、灰度梯度、紅細(xì)胞的標(biāo)識等信息共同確定最后的邊界。2 .2 細(xì)胞核分割每個白細(xì)胞都有細(xì)胞核,細(xì)胞核的分葉數(shù)、形狀、大小、紋理等特征對白細(xì)胞的識別具有重要意義。圖像中細(xì)胞核的染色一般較深,根據(jù)這一特點,可通過求區(qū)域灰度閾值的方法來將細(xì)胞核從細(xì)胞中分割出來。方法的實現(xiàn)1、獲取此細(xì)胞象素的灰度直方圖(包含細(xì)胞核和細(xì)胞漿象素,并平滑直方圖。2、通過直方圖獲取閾值細(xì)胞象素的灰度直方圖常有多個峰,因此須兼顧一般細(xì)胞核的特點和個別類別細(xì)胞的特例來選取最合適的閾值。一般細(xì)胞核的特點是胞核面積占細(xì)胞總面積的1/3至3/4,胞核染色較深。小淋巴細(xì)胞的細(xì)胞核占細(xì)胞面積的4/5以上,且胞核深染。因

13、此,選取胞核分割閾值時,其閾值的定位須滿足以上條件。3、根據(jù)閾值標(biāo)識細(xì)胞核將灰度值小于閾值的象素標(biāo)識為細(xì)胞核。細(xì)胞漿中有些染色較深的顆粒在此過程中可能會誤作為細(xì)胞核,但這可在計算特征胞核分葉數(shù)時通過數(shù)學(xué)形態(tài)的方法消除。3 特征向量的選取由于血液細(xì)胞的種類很多,并且某些類別差別細(xì)微,要識別它們需要選取較多的特征,選取的特征向量如下。1、細(xì)胞的基本特征細(xì)胞半徑:細(xì)胞核分葉數(shù):核/漿面積比:細(xì)胞核灰度平均值:細(xì)胞漿色度(hue平均值:細(xì)胞核色度(hue平均值:2、細(xì)胞的形狀特征細(xì)胞核圓形度:細(xì)胞核凹性:細(xì)胞核偏心率:3、細(xì)胞紋理 細(xì)胞漿紋理(能量,熵,對比度: 細(xì)胞核紋理(能量,熵,對比度:4 分類

14、器的設(shè)計由于血細(xì)胞分類的決策規(guī)則是已確定的,本文采用專家系統(tǒng)的產(chǎn)生式規(guī)則來識別細(xì)胞。分類器的實現(xiàn)1 根據(jù)血細(xì)胞分類的先驗知識建立規(guī)則庫,規(guī)則庫中每一條規(guī)則對應(yīng)唯一一類細(xì)胞。2 將測出的細(xì)胞的特征向量轉(zhuǎn)換成規(guī)則中涉及到的條件(事實。將細(xì)胞特征轉(zhuǎn)換為條件分兩種情況:Ø 定性條件判斷主要指定性的條件。如細(xì)胞的特征分葉數(shù)為3,則可直接判斷規(guī)則中的條件多核為真。Ø 計量性規(guī)則主要指定量的、不容易判斷的條件。如細(xì)胞的特征圓形度值為15.6,則條件細(xì)胞核圓形度屬圓型的獲得須與圓型度的閾值比較。閾值的確定通過樣本訓(xùn)練獲取。3 根據(jù)已知的條件(事實去掃描規(guī)則庫,尋找可匹配的規(guī)則。如找到,則根

15、據(jù)規(guī)則對應(yīng)的細(xì)胞確定細(xì)胞的分類,否則判斷為其它細(xì)胞。5 系統(tǒng)設(shè)計本系統(tǒng)是用VC6.0開發(fā)的,在Win98和Win2000下調(diào)試通過。后臺數(shù)據(jù)庫是微軟Access數(shù)據(jù)庫。系統(tǒng)的硬件由一套圖像采集系統(tǒng)、圖形工作站、彩色打印機組成。圖像采集 系統(tǒng)包括一個高分辯率的彩色攝像頭，一臺光學(xué)顯微鏡、一張視頻捕捉卡。 6 6.1 實驗 實驗方法的設(shè)計 由作者和血液學(xué)專家共同選出 50 幅圖像，選擇原則是既滿足對象集的總體 分布，同時又包括一些很少見的對象以及不同放大倍數(shù)的圖像。用 25 幅圖像訓(xùn) 練分類器，通過對全部 50 幅圖像測試來評價自動識別系統(tǒng)的整體性能。 實驗結(jié)果及分析 實驗用電腦為 Pentium

16、 2.6G CPU，256M 內(nèi)存。完成 50 幅圖像的識別共耗 時 6 分鐘，平均一幅圖像的自動識別約需 45 秒左右。實驗結(jié)果見表 1。 實驗結(jié)果表明， 本文的識別方法對大部分血細(xì)胞圖像中的細(xì)胞具有良好的分 割效果和正確識別率。 白細(xì)胞分類 中性分葉細(xì)胞 中性桿狀細(xì)胞 淋巴細(xì)胞 單核細(xì)胞 嗜酸性粒細(xì)胞 嗜堿性粒細(xì)胞 其它細(xì)胞 細(xì)胞總計 表 1 血細(xì)胞圖像自動識別系統(tǒng)實驗結(jié)果 細(xì)胞數(shù)量 正確分割數(shù) 正確識別數(shù) 識別率(% 36 35 36 100 9 9 9 100 19 19 17 89 2 2 2 100 6 6 6 100 1 1 1 100 15 14 14 93 88 86 85

17、96 7 結(jié)論 通過不斷探索， 本文選擇在對圖像距離變換的基礎(chǔ)上， 綜合區(qū)域和邊界方法， 充分利用圖像中包含的信息，實現(xiàn)血細(xì)胞圖像的分割，根據(jù)血細(xì)胞的特點選取特 征向量， 用統(tǒng)計分類的方法設(shè)計分類器， 測試表明， 此系統(tǒng)的自動識別效果較好。 本文方法有如下特點： (1 大部分已有的對血細(xì)胞的分割方法較單一，或區(qū)域方法，或邊界方法， 沒有充分利用圖像中包含的全部信息。 本文的分割方法充分利用了血細(xì)胞圖像的 6 Culture. 6 Dwi Anoraganingrum. Cell Segmentation with Media Filter and Mathmatical Morphology

18、Operation.Proceeding:IEEE the 10th International Conference on Image Analysis and processing. 7 Guimaraes,L.V, et.al. A New Automatic Circular Decomposition Algorithm Applied to Blood Cells Image. Proceeding: IEEE international Symposium on Bio-Informatics and Biomedical Engineering (BIBE 2000 8 Nipon Theera-Umpon,er.al. Non-homothe