UA75628C2 - Method for automated analysis of histological preparations of brain - Google Patents
Method for automated analysis of histological preparations of brain Download PDFInfo
- Publication number
- UA75628C2 UA75628C2 UA2003076540A UA2003076540A UA75628C2 UA 75628 C2 UA75628 C2 UA 75628C2 UA 2003076540 A UA2003076540 A UA 2003076540A UA 2003076540 A UA2003076540 A UA 2003076540A UA 75628 C2 UA75628 C2 UA 75628C2
- Authority
- UA
- Ukraine
- Prior art keywords
- image
- brightness
- images
- drug
- histological preparations
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000002360 preparation method Methods 0.000 title claims abstract description 23
- 210000004556 brain Anatomy 0.000 title claims abstract description 9
- 238000004458 analytical method Methods 0.000 title claims abstract description 7
- 239000003814 drug Substances 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 229940079593 drug Drugs 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 210000001103 thalamus Anatomy 0.000 description 2
- 210000001736 capillary Anatomy 0.000 description 1
- 238000010562 histological examination Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
Опис винаходуDescription of the invention
Винахід належить до області медицини, а власне до гістології, і може бути використаний при проведенні 2 лабораторних досліджень гістологічних препаратів головного мозку людини.The invention belongs to the field of medicine, and actually to histology, and can be used in conducting 2 laboratory studies of histological preparations of the human brain.
Відомим є спосіб автоматизованого аналізу гістологічних препаратів головного мозку |див. Аврунин О.Г.,A method of automated analysis of histological preparations of the brain is known | see Avrunyn O.G.,
Масловский С.Ю. Программное обеспечение для автоматического распознавания обьектов на гистологических изображениях // Вісник проблем біології і медицини.-2003.- Мо 2.- С. 19-20). Спосіб заснований на одержанні цифрових зображень гістологічних зрізів, проведенні попередньої обробки та цифрової фільтрації для 70 підвищення якості зображень, введенні матриці опорних точок, які належать до об'єктів дослідження, сегментації зображення препарату методом нарощування областей і одержанні геометричних характеристик сегментованих мікро-об'єктів.Maslovsky S.Yu. Software for automatic recognition of objects on histological images // Bulletin of problems of biology and medicine.-2003.- Mo 2.- P. 19-20). The method is based on obtaining digital images of histological sections, performing pre-processing and digital filtering to improve the quality of the images, entering a matrix of reference points that belong to the objects of research, segmenting the image of the drug by the method of increasing regions and obtaining geometric characteristics of segmented micro-objects .
Однак у описаному способу необхідність інтерактивного введення матриці опорних точок для проведення сегментації не дає можливості досягнути високої ступені автоматизації дослідження, а неоднорідність 72 освітлення препарату знижує точність визначення геометричних характеристик мікрооб'єктів.However, in the described method, the need to interactively enter a matrix of reference points for segmentation does not make it possible to achieve a high degree of automation of the study, and the inhomogeneity of 72 drug illumination reduces the accuracy of determining the geometric characteristics of microobjects.
Найбільш близьким за сукупністю ознак є спосіб автоматизованої комп'ютерної мікротелефотометрії, реалізований у системі Гістоцитоскан (Автандилов Г.Г. Компьютерная микротелефотометрия в диагностической гистоцитопатологии. М.: РМАПО, 1996, с. 216-235)|. Даний спосіб включає до себе одержання цифрових зображень гістологічних зрізів, проведення попередньої корекції яскравості та контрасту зображень, виконання цифрової фільтрації для підвищення якості зображень, проведення сегментації зображення препарату граничним методом, виконання морфологічних операцій над зображенням і одержання геометричних характеристик сегментованих мікро-об'єктів.The method of automated computer microtelephotometry implemented in the Histocytoscan system is the closest in terms of features (Avtandylov H.G. Computer microtelephotometry in diagnostic histocytopathology. Moscow: RMAPO, 1996, pp. 216-235). This method includes obtaining digital images of histological sections, carrying out preliminary correction of brightness and contrast of images, performing digital filtering to improve the quality of images, performing image segmentation of the drug using the boundary method, performing morphological operations on the image and obtaining geometric characteristics of segmented micro-objects.
Однак у даному способу проведення сегментації зображення препарату виконується за допомогою інтерактивного вибору граничного рівня яскравості дослідником, що зменшує рівень автоматизації способу та с 29 знижує точність та швидкість виконання гістологічного дослідження. Ге)However, in this method of segmentation of the image of the preparation, it is performed using the interactive selection of the threshold level of brightness by the researcher, which reduces the level of automation of the method and reduces the accuracy and speed of the histological examination. Gee)
В основу винаходу поставлена задача створення такого способу автоматизованого аналізу гістологічних препаратів головного мозку, який дозволяв би, за рахунок автоматизованого визначення граничного значення яскравості при проведенні сегментації зображення препарату спростити та підвищити точність визначення геометричних характеристик мікрооб'єктів, а також збільшити швидкість досліджень гістологічних препаратів. соThe invention is based on the task of creating such a method of automated analysis of histological preparations of the brain, which would allow, due to the automated determination of the limit value of brightness when segmenting the image of the preparation, to simplify and increase the accuracy of determining the geometric characteristics of micro-objects, as well as to increase the speed of studies of histological preparations. co
Такий технічний результат може бути досягнутий, якщо в способі автоматизованого аналізу гістологічних Га препаратів головного мозку, що складає одержання цифрових зображень гістологічних препаратів, проведення попередньої корекції яскравості та контрасту зображень, виконання цифрової фільтрації для підвищення якості ее, зображень, проведення сегментації зображення препарату, виконання морфологічних операцій над ою зображенням і одержання геометричних характеристик сегментованих мікро-об'єктів, згідно винаходу, проведення сегментації зображення препарату включає в себе автоматизоване формування усередненої - гістограми розподілу яскравості на зображенні препарату і знаходження глобального та найбільшого локального максимумів усередненої гістограми розподілу яскравості на зображенні препарату, автоматизоване визначення граничного рівня яскравості, який відповідає головному мінімуму між цими двома максимумами, та виконання « процедури розділення зображення препарату на області об'єктів і фону згідно границі, яка відповідає значенню З головного мінімуму усередненої гістограми зображення препарату. с Таким чином, за рахунок автоматизованого визначення граничного значення яскравості при проведенні з» сегментації зображення препарату досягається підвищення точності визначення геометричних характеристик мікро-об'єктів, а також спрощення та підвищення швидкості виконання лабораторних досліджень гістологічних препаратів.Such a technical result can be achieved if in the method of automated analysis of histological preparations of the brain, which consists of obtaining digital images of histological preparations, carrying out preliminary correction of the brightness and contrast of the images, performing digital filtering to improve the quality of the images, performing image segmentation of the preparation, performing morphological operations on the image and obtaining geometric characteristics of segmented micro-objects, according to the invention, the segmentation of the image of the drug includes the automated formation of the averaged histogram of the brightness distribution on the image of the drug and finding the global and the largest local maxima of the averaged histogram of the brightness distribution on the image of the drug , automated determination of the threshold level of brightness, which corresponds to the main minimum between these two maxima, and the execution of the "procedure for dividing the image of the drug into areas of objects and background according to the border that corresponds to the value of the main minimum of the averaged histogram of the drug image. c Thus, due to the automated determination of the limit value of the brightness during the segmentation of the image of the preparation, an increase in the accuracy of the determination of the geometric characteristics of micro-objects is achieved, as well as a simplification and an increase in the speed of performing laboratory studies of histological preparations.
На фіг.1 приведено цифрове зображення гістологічного препарату медіального ядра таламусу головного і мозку людини; на фіг. 2.а) приведено характеристична гістограма яскравості зображення препарату, на фіг. 2.6) 4! -усереднена гістограма розподілу рівнів яскравості зображення препарату (пунктиром позначені глобальний та найбільший локальний максимуми, штрихпунктиром - мінімум, який відповідає границі між рівнями відображення б мікро-об'єктів та фону); на фіг. 3. - цифрове зображення гістологічного препарату медіального ядра таламусу ка 20 головного мозку людини після виконання автоматизованої процедури граничної сегментації зображення препарату. со Спосіб, що пропонується, може бути реалізований так: зображення гістологічних препаратів перетворюються у цифрову форму за допомогою цифрової фотокамери, що вмонтована у оптичному мікроскопі, і передаються доFigure 1 shows a digital image of a histological preparation of the medial nucleus of the thalamus of the human brain; in fig. 2.a) shows a characteristic histogram of the brightness of the image of the drug, in fig. 2.6) 4! - the averaged histogram of the distribution of the brightness levels of the image of the drug (the global and largest local maxima are indicated by dotted lines, the minimum that corresponds to the border between the display levels of micro-objects and the background is indicated by dashed lines); in fig. 3. - digital image of the histological preparation of the medial nucleus of the thalamus ka 20 of the human brain after performing the automated procedure of marginal segmentation of the image of the preparation. The proposed method can be implemented as follows: images of histological preparations are converted into digital form using a digital camera mounted in an optical microscope and transmitted to
ЕОМ. Для підвищення якості отриманих зображень і усунення неоднорідності освітлення та локальних завад на 22 ЕОМ виконується попередня обробка зображень, що містить в собі процедури корекції яскравості та контрасту,computer In order to improve the quality of the received images and eliminate the inhomogeneity of lighting and local interference, pre-processing of images is performed on 22 computers, which includes brightness and contrast correction procedures,
ГФ) медіанної та статистичної фільтрації. Апріорною інформацією для проведення сегментації є те, що мікро-об'єкти (нейрони, капіляри та гліальні клітини) на зображеннях препаратів мають менший рівень яскравості, чим фон. о Після проведення попередньої обробки зображення препарату (див. фіг. 1.) виконується побудова гістограми розподілу рівнів яскравості даного зображення. Гістограма (див. фіг. 2.4) має ступеневий характер із великою 60 кількістю помилкових екстремумів. Для усунення цих екстремумів виконується згладжування розподілу яскравості зображення за допомогою методу змінного середнього і формування усередненої гістограми (див. фіг. 2.6), на якої чітко виділяються глобальний (у області світлих відтінків якості, що відповідають фону) і локальний (у області темних відтінків, що відповідають мікро-об'єктам) максимуми, що позначені пунктирними рисками. При реалізації алгоритму автоматичного визначення екстремумів, незначні неоднорідності, що бо остаються на усередненої гістограмі, не враховуються. На усередненої гістограмі проводиться пошук мінімумуGF) median and statistical filtering. The a priori information for segmentation is that micro-objects (neurons, capillaries and glial cells) in the images of the preparations have a lower level of brightness than the background. o After the preliminary processing of the image of the drug (see Fig. 1.), a histogram of the distribution of brightness levels of this image is constructed. The histogram (see Fig. 2.4) has a graded character with a large number of 60 false extremes. To eliminate these extremes, the image brightness distribution is smoothed using the variable average method and an averaged histogram is formed (see Fig. 2.6), on which the global (in the area of light shades of quality corresponding to the background) and local (in the area of dark shades, corresponding to micro-objects) maxima indicated by dashed lines. When implementing the algorithm for automatic determination of extremes, minor inhomogeneities that remain on the averaged histogram are not taken into account. A search for a minimum is performed on the averaged histogram
(позначається штрих-пунктирною рискою) між цими максимуми, який відповідає граничному значенню яскравості між фоном та мікро-об'єктами. Заключним етапом виконання процедури сегментації є формування двомірної бінарної характеристичної функції зображення препарату, що свідчить про наявність мікро-об'єкту і приймає(indicated by a dash-dotted line) between these maxima, which corresponds to the threshold value of brightness between the background and micro-objects. The final stage of the segmentation procedure is the formation of a two-dimensional binary characteristic function of the image of the drug, which indicates the presence of a micro-object and takes
Значення 1 при яскравості елемента зображення менше граничного і 0 - при яскравості елемента зображення більше граничного. На фіг. 3. значенню 1 характеристичної функції зображення препарату відповідає чорний цвіт, 0 - білий. Після цього над сегментованим зображенням виконуються морфологічні і логічні операції для одержання геометричних характеристик роздільних мікрооб'єктів. За допомогою розробленого спеціалізованого програмного забезпечення аналіз зображень гістологічних препаратів реалізується з максимальним ступенем /о автоматизації.The value 1 when the brightness of the image element is less than the limit and 0 - when the brightness of the image element is more than the limit. In fig. 3. value 1 of the characteristic function of the image of the drug corresponds to black color, 0 to white. After that, morphological and logical operations are performed on the segmented image to obtain the geometric characteristics of separate micro-objects. With the help of developed specialized software, the analysis of images of histological preparations is implemented with the maximum degree of automation.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| UA2003076540A UA75628C2 (en) | 2003-07-14 | 2003-07-14 | Method for automated analysis of histological preparations of brain |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| UA2003076540A UA75628C2 (en) | 2003-07-14 | 2003-07-14 | Method for automated analysis of histological preparations of brain |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA75628C2 true UA75628C2 (en) | 2006-05-15 |
Family
ID=37457602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UA2003076540A UA75628C2 (en) | 2003-07-14 | 2003-07-14 | Method for automated analysis of histological preparations of brain |
Country Status (1)
| Country | Link |
|---|---|
| UA (1) | UA75628C2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EA012643B1 (en) * | 2008-12-19 | 2009-12-30 | Владимир Николаевич Бичигов | Method for evaluating image quality of fingerprint pattern |
-
2003
- 2003-07-14 UA UA2003076540A patent/UA75628C2/en unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EA012643B1 (en) * | 2008-12-19 | 2009-12-30 | Владимир Николаевич Бичигов | Method for evaluating image quality of fingerprint pattern |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5790692A (en) | Method and means of least squares designed filters for image segmentation in scanning cytometry | |
| Malpica et al. | Applying watershed algorithms to the segmentation of clustered nuclei | |
| Kothari et al. | Automatic batch-invariant color segmentation of histological cancer images | |
| Wu et al. | Live cell image segmentation | |
| Madhloom et al. | An image processing application for the localization and segmentation of lymphoblast cell using peripheral blood images | |
| Khan et al. | Content based image retrieval approaches for detection of malarial parasite in blood images | |
| Kareem et al. | A novel method to count the red blood cells in thin blood films | |
| Shahin et al. | A novel white blood cells segmentation algorithm based on adaptive neutrosophic similarity score | |
| Salem et al. | A comparative study of white blood cells segmentation using otsu threshold and watershed transformation | |
| CN112215790A (en) | KI67 index analysis method based on deep learning | |
| CN111504885B (en) | Analysis method of full-automatic blood smear morphological analysis device based on machine vision | |
| CN113781455B (en) | Cervical cell image anomaly detection method, device, equipment and medium | |
| CN108845153B (en) | Leukocyte particle analysis system and method | |
| Wang et al. | Quick leukocyte nucleus segmentation in leukocyte counting | |
| CN113470041B (en) | Immunohistochemical cell image cell nucleus segmentation and counting method and system | |
| CN113724235B (en) | Semi-automatic Ki67/ER/PR negative and positive cell counting system and method under condition of changing environment under mirror | |
| CN110490971B (en) | Method for reconstructing cell dynamic characteristic three-dimensional image under biological microscope | |
| Duarte et al. | Brain Extraction in Multiple T1-weighted Magnetic Resonance Imaging slices using Digital Image Processing techniques | |
| Shirazi et al. | Accurate microscopic red blood cell image enhancement and segmentation | |
| Rege et al. | Automatic leukemia identification system using otsu image segmentation and mser approach for microscopic smear image database | |
| UA75628C2 (en) | Method for automated analysis of histological preparations of brain | |
| CN115082379A (en) | Activated sludge phase contrast microscopic image floc and filamentous bacterium segmentation method | |
| CN110458042B (en) | Method for detecting number of probes in fluorescent CTC | |
| Zhang et al. | Automated segmentation of abnormal cervical cells using global and local graph cuts | |
| Kotyk et al. | Detection of dead stained microscopic cells based on color intensity and contrast |