[发明专利]一种检测与筛选类圆形细胞区域的方法及系统

说明书

本发明公开了一种检测与筛选类圆形细胞区域的方法及系统，用以解决现有技术不能有效地检测与筛选类圆形细胞区域的问题。该方法包括：S1、定义相差显微镜细胞图像中具有不同重要性的灰度层级结构信息；S2、通过手动标记或者帧间关联的方式确定当前帧的细胞主要信息；S3、针对原图进行霍夫圆检测并获得各霍夫圆的位置参数与半径参数；S4、通过比较各细胞的主要信息与各霍夫圆区域关系对霍夫圆检测结果进行筛选。本发明基于灰度层级结构信息，通过比较各细胞的主要信息与各霍夫圆区域关系，能有效地区分和筛选霍夫圆检测结果，从而有利于确定细胞形态及其变化。

技术领域

本发明涉及本发明涉及医学图像处理技术领域，尤其涉及一种检测与筛选类圆形细胞区域的方法及系统。

背景技术

细胞运动的研究一直是细胞学和生物学研究的重要组成部分，但是传统的研究方法在技术日益革新的现在已经渐渐变得不这么适用了，传统的在显微镜下利用细胞计数板用人眼进行染色、分类、计数、跟踪等这类不但需要大量繁琐的人为操作而且容易使得操作者变得疲劳从而影响结果的正确性，且其可重用性比较低。

国内外的医学专家经过长期地实践与研究取得一致共识认为应该在细胞运动研究中引入数字视频技术和数字图像处理技术，从而极大地提高研究效率，减轻研究人员负担。用计算机来跟踪细胞运动，部分代替人类始终盯着显微镜来观察细胞的眼睛，尽量地把人从繁重的重复劳动中解脱出来进行更有创造性的工作。

因此，如何利用计算机图像处理、视频分析等相关技术手段来提高生物研究过程中的自动化程度已成为当前急需解决的非常有意义的难题。

当前，常用的目标检测与识别算法，可以在确定目标大致位置之后，提取区域内部的特征，再采用适当的分类器对检测区域进行识别与分类。多数目标检测与识别算法的实现都是依赖于提取的高维度特征与不同的训练算法。在检测时，这些算法多采用矩形框，且将矩形框覆盖的大致区域作为表征目标的检测结果。虽然，其检测结果可以覆盖目标，但并不是在所有情况下都可以通过外接矩形框的方式定义目标区域。矩形框内目标占整个矩形框区域的比例有时非常小，那么提取的特征就不是非常准确，不利于应用目标识别与分类等后续算法。

公开号为CN103559724A的专利提供了一种高粘连度细胞环境下的多细胞同步跟踪方法。细胞序列图像中，多细胞的分割和同步跟踪是一个尚未解决的难题，尤其在高粘连度情况下多细胞检测与分割，更加迫切需要解决。该发明首先提出了一种改进的基于分水岭和多特征匹配的分割算法实现细胞分割，然后，建立适用于卡尔曼滤波的运动模型并加入多特征匹配实现细胞的预测和跟踪。该发明不能很好地处理细胞核粘连情况与独立情况的分析。

发明内容

本发明要解决的技术问题目的在于提供一种检测与筛选类圆形细胞区域的方法及系统，用以解决现有技术不能有效地检测与筛选类圆形细胞区域的问题。

为了实现上述目的，本发明采用的技术方案为：

一种检测与筛选类圆形细胞区域的方法，包括步骤：

S1、定义相差显微镜细胞图像中具有不同重要性的灰度层级结构信息；

S2、通过手动标记或者帧间关联的方式确定当前帧的细胞主要信息；

S3、针对原图进行霍夫圆检测并获得各霍夫圆的位置参数与半径参数；

S4、通过比较各细胞的主要信息与各霍夫圆区域关系对霍夫圆检测结果进行筛选。

进一步地，步骤S 1具体包括：

通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及封闭区域；

定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。