[发明专利]一种细胞图像记录系统及分类方法

说明书

本申请提供一种细胞图像记录系统及细胞分类方法，由激光器发出的激光经过偏振分束镜后分为两路光波，其中一路光波透射细胞样品从而携带细胞样品信息，并经第一显微物镜成像，另外一路光波经电致变焦透镜形成球面光波，且所述球面光波的中心到CCD的距离与第一显微物镜的焦点到CCD的距离相等，且所述球面光波与所述像干涉后形成图像，所述图像被CCD采集后传输到计算机经算法再现得到细胞的位相图像，通过该细胞位相图像对细胞进行精准分类。

技术领域

本申请涉及一种细胞图像记录系统及自动分类方法，属于光学信息处理和生物医学领域。

背景技术

血常规检验是临床医学检验最常用、最基本和最重要的手段之一，细胞分类计数是其中的一项重要内容。人体在发生疾病时，常可导致血细胞发生数量或质量的变化，血液中各类白细胞的数量和百分比是医生判断有无疾病、疾病的种类和严重程度的重要基础数据，有极其重要的意义。由于待检测血液样品中细胞数量巨大，细胞图像的自动分类在血液检测中具有非常重要的作用，尤其是在血液病和血癌的早期诊断中更为重要。

当前医院对细胞的分类计数主要借助于自动血球计数仪结合血图片人工显微镜下检查，这个自动血球计数仪的临床应用减轻了临床检验人员的劳动量，但仍存在分类精度不够高的问题。许多检验人员为避免手工镜检的巨大工作量而疏于结合显微镜下检查，导致误报误诊的现象还屡屡出现。同时，现有的分类均基于细胞的强度图像，由于细胞是透明的，未加染色处理的细胞图像对比度较低，因而在获得强度图像之前通常需要对细胞染色，这个过程不仅耗时，对操作者要求较高，且检测结果受到染色液质量、PH环境及时间等多种因素的影响。

数字全息术是一种新型的无损干涉测量技术，它用光电耦合器件(CCD或CMOS)采集被测样品的全息图，然后将全息图输入计算机中，利用算法模拟实际的全息图再现过程，样品定量的强度图像和位相图像可以同时给出，而位相图像呈现的是样品的三维形貌分布。数字全息术对透明和不透明样品均可以直接成像，实现对样品的实时、无损、三维可视化检测，这对生物细胞检测非常有益，近年来已成功应用于活体细胞的实时检测与监测。与传统的光学显微镜相比，数字全息术具有许多突出的优点，如灵活方便的存储、传输、数字畸变矫正、数字聚焦、消噪等特点，这些优点使数字全息术得到了广泛关注，已成为一个研究热点。

人工神经网络是模拟生物神经元系统之间的复杂激励行为的并行非线性系统，具有分布式存储、大规模自适应并行处理、结构可变性、高度非线性、高度容错性、自学习性和自组织性等特点。近年来，神经网络呈现出巨大的优势：它可将原始图像直接作为输入，且具有强大的学习特征的能力，从而可以从不同的层次来自动获取图像特征；它具有其端到端的性质，可以一步完成特征提取与分类。

将数字全息术与神经网络相结合用于细胞图像的自动识别与分类，不仅可以解决细胞染色问题，还可以提高细胞分类精度、降低检验人员的劳动强度，同时可以实现可视化自动检测与分类，实现自动存储、传输及数据共享。

发明内容

本申请提供一种细胞图像自动分类方法，利用像面数字全息技术对细胞直接进行成像获得细胞精准的位相图像，解决细胞常规检测之前需要染色带来的问题。同时，利用前向反馈神经网络对细胞图像进行自动识别与分类，从而提高细胞分类精度，并减轻检验人员的劳动强度。

本申请采用如下技术方案，一种细胞图像自动分类方法，包括以下步骤：

1)、数字图像的记录和重现：利用像面数字全息记录系统对细胞样品进行记录，然后利用傅里叶变换重建算法获得细胞位相图像；

2)、图像预处理：(1)根据阈值分割方法，对上述细胞位相图像进行边界分割，并令边界之外的位相值为零；(2)对上述细胞位相图像进行裁剪，以减小计算量，并降低噪声影响，裁剪后的图像大小以能够显示一个完整的细胞为宜；(3)对图像灰度作归一化处理，以降低不同图像之间亮度和对比度的变化；其中，依据下面的公式进行图像归一化处理：