CN101853507B

CN101853507B - 一种仿射传播聚类的细胞分类方法

Info

Publication number: CN101853507B
Application number: CN2010101913324A
Authority: CN
Inventors: 陈胜勇; 陈敏; 姚春燕; 赵明珠; 柳刚锋; 张厚祥; 张建伟
Original assignee: Zhejiang University of Technology ZJUT
Current assignee: First Branch Of Rizhao Donggang Lanxiang Food Co ltd; Shenzhen Chengze Information Technology Co ltd
Priority date: 2010-06-03
Filing date: 2010-06-03
Publication date: 2012-05-23
Anticipated expiration: 2030-06-03
Also published as: CN101853507A

Abstract

一种仿射传播聚类的细胞分类方法，包括以下步骤：1)、选取细胞图像的圆形度参数C和矩形度参数R，设计样本坐标X_sample＝λ·C+(1-λ)·R，其中λ代表先验输入值；选取细胞图像的面积参数Area作为另一样本坐标Y_sample，选取细胞图像的核质比参数prop作为再一样本坐标Z_sample；2)、以所述三维的样本坐标的欧式距离作为样本距离，仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均；3)、初始情况下，设置归属度矩阵A(i，k)＝0，更新矩阵R，更新矩阵A；4)、在迭代设定次数后停止，从分类结果得到不同类型的细胞。本发明提供一种适合于处理海量数据、实时性良好、能有效进行细胞分类的仿射传播聚类的细胞分类方法。

Description

一种仿射传播聚类的细胞分类方法

技术领域

本发明涉及图像处理、生物医学、计算机视觉、计算方法，尤其是一种针对细胞图像分割后的细胞分类方法。

背景技术

细胞图像的分割目的是提取出细胞体，在成功分割出细胞体后，可以将图像信息转换成数值量，也就是本文第四章完成的工作。尽管不同的分割方法分割效果大相径庭，但都能获得细胞单体，之后完成细胞单体转换成数字统计量，也就是形态参数。大部分研究成果只提出了分割的思想或统计形态参数，致使研究学者必须面对海量的数据，增加了研究难度和分析时间。

商业细胞形态分析软件——IMT组织形态学分析软件，对于细胞形态参数的分析也仅停留在参数统计阶段。首先该软件对于分割效果来说并不理想，没有分割出全部的目标体。其次，更没有给出如何分类细胞。在此错误结果上完成的细胞统计，对于研究者来说的意义聊胜于无。

传统的细胞形态分析方法存在的缺陷：1、面对海量数据，实时性差、计算复杂度高；2、无法进行细胞分类。

发明内容

为了克服已有的细胞形态分析方法的计算复杂度高、实时性差、无法进行细胞分类的不足，本发明提供一种适合于处理海量数据、实时性良好、能有效进行细胞分类的仿射传播聚类的细胞分类方法。

本发明解决其技术问题所采用的技术方案是：

一种仿射传播聚类的细胞分类方法，所述细胞分类方法包括以下步骤：

1)、选取细胞图像的圆形度参数C和矩形度参数R，设计样本坐标X_sample＝λ·C+(1-λ)·R，其中λ代表先验输入值；选取细胞图像的面积参数Area作为另一样本坐标Y_sample，选取细胞图像的核质比参数prop作为再一样本坐标Z_sample；

2)、以所述三维的样本坐标的欧式距离作为样本距离，对于样本点x_i和x_k，i≠k，S(i，k)＝-||x_i-x_k||²，仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均值；

3)、初始情况下，设置归属度矩阵A(i，k)＝0，更新矩阵R，R(i，k)＝S(i，k)-max{A(i，k′)+S(i，k′)}，其中k′≠k；更新矩阵A，A(i，k)＝min{0，R(k，k)+∑max{0，R(i′，k)}}，其中i′≠i，k；(注：R(i，k)描述数据点k适合作为样本点i的聚类中心的程度；A(i，k)描述样本点i选择样本点k作为其聚类中心的适合程度；i′为更新的样本点，k′为竞争聚类中心)；

4)、在迭代设定次数后停止，从分类结果得到不同类型的细胞。

进一步，所述步骤4)中，在同一类型的细胞中选出聚类中心，所述聚类中心对应的细胞为具有代表性的形态参数的典型细胞。

本发明的技术构思为：仿射传播(Affinity Propagation)是近期提出的一种先进快速的聚类算法。仿射传播将各个样本间的相似度用实数表示，N个样本的相似度矩阵S为N×N，其中元素S(i，k)表示点k被选择作为点i的聚类点的倾向度。对于样本点，S(i，k)的取值理解为样本距离，在欧式空间中，对于空间内的两点，欧氏距离可以当作两样本间的样本距离。由于聚类的目的是使方差最小化，因此对于点x_i和x_k，s(i，k)＝-||x_i-x_k||²。

将负的两个点之间距离设想为吸引度或归属度，则点k对较近的点i吸引力比较大，同样点i认同点k为其聚类中心的归属度也较大。这样，处于聚类中心处的数据点k对其他数据点的吸引力之和较大，成为聚类中心的可能性也越大；反之，处于聚类边缘处的数据点对其他数据点的吸引力之和比较小，成为聚类中心的可能性也越小。

由此可知，仿射聚类算法为选出合适的聚类中心而不断从样本数据中搜集累积的证据：为候选聚类中心点k从每个样本点i搜集证据R(i，k)来描述数据点k适合作为样本点i的聚类中心的程度，也为样本点i从候选聚类中心点k搜集证据A(i，k)(称为点i对点k的归属度)来描述样本点i选择样本点k作为其聚类中心的适合程度。累积证据越强，即R(i，k)与A(i，k)越大，样本点k作为最终聚类中心的可能性就越大。

仿射聚类算法流程如下：

1、设置相似度矩阵S，对角线上的值代表该点作为潜在聚类中心的可能性，该值越大，说明该点被选择聚类中心的倾向度越大。

2、初始情况下，设置归属度矩阵A(i，k)＝0。

3、更新矩阵R，r(i，k)＝s(i，k)-max{a(i，k′)+s(i，k′)}，其中k′≠k。

4、更新矩阵A，a(i，k)＝min{0，r(k，k)+∑max{0，r(i′，k)}}，其中i′≠i，k。

5、在迭代一定次数后或者数据更新稳定后，停止。

各个样本点发送的信息如图1所示。

为了直观地验证仿射传播聚类在处理大类数据时良好的分类能力。对于100个落在区间x∈[0，1]和y∈[0，1]的随机数，如图2所示。

对于这空间中的100个数据，空间坐标是唯一可以作为样本距离的参数。定义s(i，k)＝-||x_i-x_k||²，其中x_i和x_k分别为点i和点k的空间坐标。S矩阵的对角线坐标各个s(i，k)的均值，其中i≠k。图3为输出样本及聚类中心的示意图。输出结果的耗时和迭代次数：

Nunber of exemplars identified：9(for 100 data points)

Nunber of iterations：147

Elapsed tine：5.063000sec

该仿射传播聚类对处理大量无规则数据时分类效果较好且耗时少，符合系统实时性的要求。

本发明的有益效果主要表现在：适合于处理海量数据、实时性良好、能有效进行细胞分类。

附图说明

图1是仿射传播聚类的样本间发送信息的示意图。

图2是100各随机数的示意图。

图3是聚类中心的示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图3，一种仿射传播聚类的细胞分类方法，所述细胞分类方法包括以下步骤：

所述步骤4)中，在同一类型的细胞中选出聚类中心，所述聚类中心对应的细胞为具有代表性的形态参数的典型细胞。

本实施例中，作为样本的多个参数，细胞图像的形态参数：周长、面积、高度、宽度分别为绝对数值，圆形度、矩形度、伸长度、核质比分别为相对参数。如果要区分细胞的种类，相对参数比绝对参数更具有代表性，更能体现出细胞的整体轮廓特征，但是在某些情况下，如果细胞大小是重要参考参数的时候，绝对参数就比相对参数更有区分度。综上所述，由于本文的分割模型侧重分割细节，绝对参数对于本文来说具有重要参考意义。同时，本文提出的核质比参数也是研究细胞生理状态的重要参数，因此本节给出的细胞分类策略结合绝对参数和相对参数，设计样本间的距离如下：

对于相对参数，选取圆形度参数C和矩形度参数R，设计样本坐标X_sample＝λ·C+(1-λ)·R，其中λ代表先验输入值，如果图像中细胞常态下显示为圆形，那么圆形度的参数就相对重要，本文λ＝0.9。

对于绝对参数，选取面积参数Area作为另一样本坐标，Y_sample。

选取核质比参数prop作为样本坐标Z_sample。对于prop列，由于混合主动轮廓模型没有分割出细胞核致使该列中存在参数NaN，在此统一赋值为0.1，即该细胞的细胞核部分占细胞面积的10％。

由于考虑到三个样本坐标的精度对齐问题，将Y_sample中的值除以1000，使X_sample、Y_sample、Z_sample的数值处于同一数量级上。

至此，对于三维的样本坐标，以它们的欧式距离作为样本距离。初始情况下没有主观选择的倾向性，即仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均，S矩阵如表1所示。

-1.29807	-0.08146	-1.19416	-0.43261	-0.76099	-0.47878	-0.42025	-0.24603	-0.75797	-0.82685	-8.50538	-0.57427
												-0.08146	-1.29807	-1.27047	-0.49348	-0.83638	-0.40646	-0.50115	-0.30257	-0.83292	-0.90286	-8.58369	-0.64822
-1.19416	-1.27047	-1.29807	-0.81892	-0.43649	-1.67183	-0.84857	-0.99293	-0.44096	-0.36975	-7.31847	-0.62512
												-0.43261	-0.49348	-0.81892	-1.29807	-0.39326	-0.89752	-0.37704	-0.19129	-0.38594	-0.46108	-8.1331	-0.22107
-0.76099	-0.83638	-0.43649	-0.39326	-1.29807	-1.23964	-0.45365	-0.55911	-0.0117	-0.06836	-7.75448	-0.19678
												-0.47878	-0.40646	-1.67183	-0.89752	-1.23964	-1.29807	-0.86348	-0.70626	-1.23671	-1.3052	-8.97666	-1.05214
-0.42025	-0.50115	-0.84857	-0.37704	-0.45365	-0.86348	-1.29807	-0.36512	-0.4564	-0.50472	-8.12084	-0.32361
												-0.24603	-0.30257	-0.99293	-0.19129	-0.55911	-0.70626	-0.36512	-1.29807	-0.55376	-0.62733	-8.31079	-0.37177
-0.75797	-0.83292	-0.44096	-0.38594	-0.0117	-1.23671	-0.4564	-0.55376	-1.29807	-0.07516	-7.75924	-0.19256
												-0.82685	-0.90286	-0.36975	-0.46108	-0.06836	-1.3052	-0.50472	-0.62733	-0.07516	-1.29807	-7.68695	-0.26317
-8.50538	-8.58369	-7.31847	-8.1331	-7.75448	-8.97666	-8.12084	-8.31079	-7.75924	-7.68695	-1.29807	-7.94146
												-0.57427	-0.64822	-0.62512	-0.22107	-0.19678	-1.05214	-0.32361	-0.37177	-0.19256	-0.26317	-7.94146	-1.29807

表1

选取固定的迭代次数，100次迭代运算后，结果如表2所示。其中细胞序号和图4-9中的图像序号一致，归属序号代表样本的聚类中心。从表中可以看出在图4-9中，图像序号为1、2、6、7、8的图的聚类中心是1号图像，图像序号为3、4、5、9、10、12的图的聚类中心是5号图像，图11为单独的一个聚类中心，只有自己这个样本。

细胞序号	1	2	3	4	5	6	7	8	9	10	11	12
													归属序号	1	1	5	5	5	1	1	1	5	5	11	5

表2

直接从分类结果可以得出该图中存在三种类型的细胞，至于聚类中心的图像1和图像5之所以划分为两类，是因为图像显示时某些细胞为部分显示，因此像图像序号为1、2、6的细胞只显示了部分，图像序号为7的细胞为破损的细胞，仿射传播聚类将这些细胞区别于正常态的细胞。对于细胞11这样的样本坐标Z_sample和其他细胞存在明显差异的细胞，在迭代计算后，也能成功的将其划分为一类。

在完成分类后，实质上是从众多的样本中选出了最具代表性的聚类中心。对于图像中众多的细胞体，将其分类对生物医学研究的意义是明显的。根据选出的样本中心可以得到该类细胞具有代表性的形态参数，由于图像采集过程中的不确定性和分割处理时可能存在信息丢失，得到的某一种类的细胞形态参数需要确定一个能代表若干个相差不大的样本中心。参考表2，样本3，4，5，9，10，12几个类似样本可选用样本5的形态参数作为参考，判别该类细胞形态参数是否属于正常范围内。而对于样本11，其形态参数显著异于其他样本，本章引入的分类器能将其从其他细胞中分离出来。

此处再对形态参数计样本坐标如下：

X_sample＝λ·C+(1-λ)·R，λ＝0.9。

Y_sample＝A/1000。

Z_sample＝prop，对于未计算出数值解得prop，此处统一赋值为0.05。

计算出的各个样本坐标如表3所示。其中序号代表了各个单体细胞的序号。

X_sample Y_sample Z_sample1 0.218541 0.228625 0.31252 0.144939 0.820125 0.24973 0.17897 0.201 0.054 0.306242 0.4845 0.31525 0.646222 1.022375 0.31256 0.646993 1.12775 0.29717 0.651802 1.198375 0.30128 0.655862 1.08225 0.3329 0.659246 1.180375 0.152310 0.277118 0.600375 0.275311 0.261626 0.658375 0.05

12 0.623736 0.836625 0.275613 0.635496 1.13525 0.309814 0.654308 0.960625 0.310215 0.524008 0.266875 0.0516 0.628805 1.066625 0.275317 0.622635 1.18775 0.172518 0.661576 0.97375 0.169219 0.658355 0.6455 0.0520 0.650025 1.24275 0.319121 0.342085 0.6125 0.220822 0.633795 0.905625 0.0523 0.633218 0.959625 0.05

表3

由表3建立的相似度矩阵S，分类结果如表4所示。

样本序号 1 2 3 4 5 6 7 8 9 10 11 12样本中心 16 16 16 16 16 16 16 16 16 16 16 16样本序号 13 14 15 16 17 18 19 20 21 22 23样本中心 16 16 16 16 16 16 16 16 16 16 16

表4

结合形体参数可知，23个单体细胞选择了同一个样本16作为代表。众多细胞在形态上都表现为同一类红细胞，对于细胞切片采样时的挤压和重叠，采用本文第四章算法计算得到的形态参数在仿射传播聚类分类后也将各样本点归为一类。

在处理细胞图像中大量样本时，由于细胞数目众多且不同种类的细胞混杂在一起，该方法能够方便研究者提取具有代表性的形态参数，重点研究某些显著异于其他细胞的单体，这对于检测正在发生畸变的细胞体具有显著意义。

在临床医学上，病变时的细胞表现作者将其归纳为两类——骤时突变和持久突变。例如，人在发热时，伴有白细胞增高或中性粒细胞增高及“核左移”现象，这是化脓性细胞感染的显著特点。在此表现的骤时突变是血细胞中某类细胞在短时间内的形态及数目变化。此时仿射传播聚类方法分类时，将能直接反应病变状况的中性粒细胞的核质变化即核质比参数作为样本坐标，而该参数和其他红细胞的样本具有较大的样本距离，在分类结果表2中也体现出来。对于另一种突变——持久突变，表现为组织发生癌变时部分区域组织持续性病变表现。此时细胞在形态上的表现有异于正常细胞，但彼此间却十分相似。表4就是此类情况，根据选取的样本点形态参数，并参考正常参数，判断其参数是否在正常范畴内。若是则该类细胞均为正常细胞，否则均为病变细胞。

Claims

1.一种仿射传播聚类的细胞分类方法，其特征在于：所述细胞分类方法包括以下步骤：

2)、以所述三维的样本坐标的欧式距离作为样本距离，对于样本点x_i和x_k，S(i，k)＝-‖x_i-x_k‖²，仿射传播聚类的S矩阵的对角线取值为各个样本间距离的平均值；

3)、初始情况下，设置归属度矩阵A(i，k)＝0，更新矩阵R，R(i，k)＝S(i，k)-max{A(i，k′)+S(i，k′)}，其中k′≠k；更新矩阵A，A(i，k)＝min{0，R(k，k)+∑max{0，R(i′，k)}}，其中i′≠i，k，注：R(i，k)描述数据点k适合作为样本点i的聚类中心的程度；A(i，k)描述样本点i选择样本点k作为其聚类中心的适合程度；i′为更新的样本点，k′为竞争聚类中心；

2.如权利要求1所述的一种仿射传播聚类的细胞分类方法，其特征在于：所述步骤4)中，在同一类型的细胞中选出聚类中心，所述聚类中心对应的细胞为具有代表性的形态参数的典型细胞。