CN104237121B - 一种精子活力性能检测方法 - Google Patents

一种精子活力性能检测方法 Download PDF

Info

Publication number
CN104237121B
CN104237121B CN201410478118.5A CN201410478118A CN104237121B CN 104237121 B CN104237121 B CN 104237121B CN 201410478118 A CN201410478118 A CN 201410478118A CN 104237121 B CN104237121 B CN 104237121B
Authority
CN
China
Prior art keywords
sperm
target
image
neighborhood
average
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410478118.5A
Other languages
English (en)
Other versions
CN104237121A (zh
Inventor
刘伯强
刘广宇
刘忠国
李卫宾
边京华
刘肖肖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201410478118.5A priority Critical patent/CN104237121B/zh
Publication of CN104237121A publication Critical patent/CN104237121A/zh
Application granted granted Critical
Publication of CN104237121B publication Critical patent/CN104237121B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种精子活力性能检测方法,该方法利用动、静态目标分离的方法实现了多目标的准确路径识别,从而使检测结果大大提高。包括步骤:1)采集精子运动图像;2)对所采集的所有图像预处理;3)动、静态目标分离:利用图像叠加、平均和相差实现动、静态目标的分离;4)图像分割:对动、静态目标分离后的图像进行二值化、杂质的滤除,所述杂质的滤除选用实际经验值作为输入对杂质进行滤除;5)目标跟踪:设定邻域半径r,并以此邻域为查询范围,查找落在此邻域内的精子目标,并根据不同的查询结果做不同处理,最终实现目标的轨迹跟踪;6)参数的计算。

Description

一种精子活力性能检测方法
技术领域
本发明涉及一种精子活力性能检测方法。
背景技术
通常的精子运动检测是对提取到的精液直接进行显微镜观测,再根据观测结果进行精子密度、活率等指标的检测。常规的检测方法受检测环境、检验人员经验和水平等条件的影响很大,并且费时、费力、准确率不高,容易造成检测结果的误差,给临床治疗和科研工作带来困难。计算机辅助精子运动分析能够弥补医务工作者无法对精子运动能力进行检测的缺陷,通过自动的处理方法得到更客观、精确的检测结果,不但提高了检测效率、精度,同时使精子质量分析更全面。本课题主要针对图像处理算法进行设计,对从显微镜采集到的的图像或视频进行计算机自动分析,最终实现对精子运动轨迹和的检测,分析过程不需要人工介入。计算机辅助精子分析系统能够克服人工观察的主观性,并且可以检测到人眼观测不到的细微形态特征,能够更有效的对精子运动能力和形态进行评估。这种方法速度快,简单,快捷,实验结果可重复。
计算机辅助精子质量分析系统虽然能够提高工作效率,节省人力,并提供大量的功能指标,但仍存在一些问题:
1、由于采集手段造成的精子垂直运动对目标检测的影响;
2、精液中与精子类似大小的杂质如何去除的问题;
3、被测精液中精子的密度对精子计数和活动精子计数准确性的影响。
目前,市场上供应的计算机辅助精子质量分析系统只提供人机操作界面,而具体的算法实现没有较多的公开,并且,对于该系统的检测结果至今还未形成一套完善的、统一的检测标准。因此,不能实现不同系统检测结果的统一比较。
发明内容
为了解决上述问题,本发明采用的技术方案为:
一种精子活力性能检测方法,其特征是,包括以下步骤:
1)采集精子运动图像;
2)对所采集的所有图像预处理:包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;
3)动、静态目标分离:利用图像叠加、平均和相差实现动、静态目标的分离;
4)图像分割:对动、静态目标分离后的图像进行二值化、杂质的滤除,所述杂质的滤除选用实际经验值作为输入对杂质进行滤除;
5)目标跟踪:设定邻域半径r,并以此邻域为查询范围,查找落在此邻域内的精子目标,并根据不同的查询结果做不同处理,最终实现目标的轨迹跟踪;
6)参数的计算:所述参数包括曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度。
所述步骤1)采集精子运动图像为精子20倍运动图像25帧。
所述步骤3)具体操作,包括步骤:
3a、静止精子目标图像是通过对25帧图像进行加和、平均得到,该平均化过程通过对25帧图像进行叠加使背景和静止精子目标区域增强,使运动精子目标区域衰减,从而能更容易进行静止精子和运动精子的分离;
3b、运动精子目标图像是利用背景减除法,将25帧图像分别和叠加平均图像做差得到,该过程使原始图像和叠加平均图像中相同的区域,即静止精子目标和背景,衰减,增强运动精子目标区域。通过以上两个过程可以实现动、静态目标的分离,为下一步图像分割做好了准备。
所述步骤5)具体操作,包括步骤:
5a、设定初始值r=10,假设在第i帧中第n个精子目标的质心为(xi,yi),则在第i+1帧中以r为搜索半径的搜索初始邻域设定为x∈(xi-r,xi+r),y∈(yi-r,yi+r);其中i为正整数,1≤i≤25。
5b、进行第i+1帧图像中所有目标的遍历,搜索质心落在邻域内精子目标;
5c、进行搜索结果分析:
搜索到的匹配精子个数为0,说明在第i+1帧中没有精子目标落在该邻域内;
匹配到的精子数目为1,说明在该邻域内匹配到唯一的精子目标;
搜索到的匹配精子目标大于1,说明匹配到大于一个的精子目标;
5d、进行不同搜索结果的处理:
如果搜索到的匹配精子个数为0,则对该邻域进行局部阈值二值化,从新确定邻域内的搜索目标;若搜索目标仍为0,首先检查r是否小于30,再进行半径r的增大,增大幅度为Δr=5,重复第一步;如果r大于30,则终止搜索,进行最终赋值,标示匹配失败;
如果匹配到的精子数目为1,则直接将此目标作为其匹配对象,进行下一个目标的匹配;
搜索到的匹配精子数目大于1,则对匹配的精子进行逐一遍历,从中找出距离(xi,yi)最近的目标作为最终匹配的目标。
所述曲线速度为检测到的精子运动轨迹的平均速度,该指标能够显示精子的运动活力;
所述直线速度为精子头部的直线位移与时间的比值,直接反映了精子的运动效率;
所述平均路径速度指精子头部在其平均轨迹上运动的速度;
所述精子头侧摆幅度为精子头部偏离其平均轨迹的最大幅度;
所述平均移动角度为精子头部在实际轨迹上的平均偏角。
本发明的有益效果为:通过利用普通显微镜和相差显微镜采集到的图片实现了两种环境下的精子路径分析以及活力分析,使硬件应用环境得到扩展;同时针对精子密度过大问题,利用动、静态目标分离的方法实现了多目标的准确路径识别,从而使检测结果大大提高。
附图说明
图1为本发明的流程图;
图2为实际采集图像;
图3为预处理后的图像;
图4为静止目标图像;
图5为第一帧运动目标图像;
图6为静止目标二值图;
图7为运动精子二值图;
图8为精子运动轨迹图;
图9为运动参数定义示意图。
具体实施方式
为了更好的了解本发明的技术方案,下面结合附图对本发明作进一步说明。
如图1所示,一种精子活力性能检测方法,包括以下步骤:
1)采集精子运动图像;
2)对所采集的所有图像预处理:包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;
3)动、静态目标分离:利用图像叠加、平均和相差实现动、静态目标的分离;
4)图像分割:对动、静态目标分离后的图像进行二值化、杂质的滤除,所述杂质的滤除选用实际经验值作为输入对杂质进行滤除;
5)目标跟踪:设定邻域半径r,并以此邻域为查询范围,查找落在此邻域内的精子目标,并根据不同的查询结果做不同处理,最终实现目标的轨迹跟踪;
6)参数的计算:所述参数包括曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度。
步骤1)采集精子运动图像为精子20倍运动图像25帧。
步骤3)具体操作,包括步骤:
3a、静止精子目标图像是通过对25帧图像进行加和、平均得到,该平均化过程通过对25帧图像进行叠加使背景和静止精子目标区域增强,使运动精子目标区域衰减,从而能更容易进行静止精子和运动精子的分离;
3b、运动精子目标图像是利用背景减除法,将25帧图像分别和叠加平均图像做差得到,该过程使原始图像和叠加平均图像中相同的区域,即静止精子目标和背景,衰减,增强运动精子目标区域。通过以上两个过程可以实现动、静态目标的分离,为下一步图像分割做好了准备。
步骤5)具体操作,包括步骤:
5a、设定初始值r=10,假设在第i帧中第n个精子目标的质心为(xi,yi),则在第i+1帧中以r为搜索半径的搜索初始邻域设定为x∈(xi-r,xi+r),y∈(yi-r,yi+r);其中i为正整数,1≤i≤25。
5b、进行第i+1帧图像中所有目标的遍历,搜索质心落在邻域内精子目标;
5c、进行搜索结果分析:
搜索到的匹配精子个数为0,说明在第i+1帧中没有精子目标落在该邻域内;
匹配到的精子数目为1,说明在该邻域内匹配到唯一的精子目标;
搜索到的匹配精子目标大于1,说明匹配到大于一个的精子目标;
5d、进行不同搜索结果的处理:
如果搜索到的匹配精子个数为0,则对该邻域进行局部阈值二值化,从新确定邻域内的搜索目标;若搜索目标仍为0,首先检查r是否小于30,再进行半径r的增大,增大幅度为Δr=5,重复第一步;如果r大于30,则终止搜索,进行最终赋值,标示匹配失败;
如果匹配到的精子数目为1,则直接将此目标作为其匹配对象,进行下一个目标的匹配;
搜索到的匹配精子数目大于1,则对匹配的精子进行逐一遍历,从中找出距离(xi,yi)最近的目标作为最终匹配的目标。
曲线速度为检测到的精子运动轨迹的平均速度,该指标能够显示精子的运动活力;
直线速度为精子头部的直线位移与时间的比值,直接反映了精子的运动效率;
平均路径速度指精子头部在其平均轨迹上运动的速度;
精子头侧摆幅度为精子头部偏离其平均轨迹的最大幅度;
平均移动角度为精子头部在实际轨迹上的平均偏角。
图2为实际采集的图像,由于实际拍摄过程中曝光设定的原因,导致获得的图像灰度较小,目标不明显,不适于直接进行分割和识别,需要首先进行预处理,改善图像质量。
图3为预处理后的图像,精子样本图像经过去噪和平滑处理后,去除了颗粒噪声的干扰,弱化了颗粒状杂质对目标的影响,使图中精子头部异常突出,便于对其进行提取、分割,同时也提高了对目标提取、分割的准确性。
图4为静止目标图像,是通过叠加平均法得到的静止目标图像,图中能够清晰的辨认出静止的精子目标。
图5为第一帧运动目标图像,是利用背景减除法得到的第一帧图像中的运动目标图像,其中能够清晰分辨出运动目标。
图6为利用双峰法对精子目标灰度图像进行二值化的二值图。
图7为利用最大类间差法对图6进行二值化得到的二值图,为下一步目标匹配做好准备。
图8为精子运动轨迹图,是最终匹配结果的示意图,图中的曲线展现了精子的运动途径。
匹配的过程中对于每个精子目标我们可以得到包含25个坐标的数组(25帧图像,每张图像中每个精子目标对应一个坐标),每一帧之间精子的相对位移可以通过相邻坐标计算出来。实际位移要根据显微镜的放大倍数,计数板面积等进行换算获取每个像素占多少μm。
如图9所示,曲线速率、直线速率、平均路径速度及精子头侧摆幅度可根据实际位移和相应帧间隔时间进行计算。
1、VCL=曲线速度(μm/s)。精子头沿其实际的曲线,即在显微镜下见到的二维方式运动轨迹的平均速度。检测细胞活力。
2、VSL=直线速度(μm/s)。根据精子头在开始检测时的位置与最后所处位置之间的直线运动的时间平均速度。
3、VAP=平均路径速度(μm/s)。精子头沿其空间平均轨迹移动的时间平均速度。这个轨迹是根据计算机辅助精液检测(CASA)仪器中的算法对实际轨迹平整后计算出来的;这些算法因仪器不同而有所不同,故不同CASA系统的数值不能直接相比较。
4、ALH=精子头侧摆幅度(μm)。精子头沿其空间平均轨迹侧摆的幅度。以侧摆的最大值或平均数值表示。不同的CASA仪器用不同的算法计算ALH,故不同CASA系统的数值不能直接相比较。
平均移动角度可直接根据25个坐标计算相对位移获得,实际计算比较复杂,只能获取估计值。
5、MAD=平均移动角度(度)。精子头沿其曲线轨迹瞬间转折角度的时间平均绝对值。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (4)

1.一种精子活力性能检测方法,其特征是,包括以下步骤:
1)采集精子运动图像;
2)对所采集的所有图像预处理:包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;
3)动、静态目标分离:利用图像叠加、平均和相差实现动、静态目标的分离;
4)图像分割:对动、静态目标分离后的图像进行二值化、杂质的滤除,所述杂质的滤除选用实际经验值作为输入对杂质进行滤除;
5)目标跟踪:设定邻域半径r,并以此邻域为查询范围,查找落在此邻域内的精子目标,并根据不同的查询结果做不同处理,最终实现目标的轨迹跟踪;
6)参数的计算:所述参数包括曲线速度、直线速度、平均路径速度、精子头侧摆幅度、平均移动角度;
所述步骤5)的具体步骤是:
5a、设定初始值r=10,假设在第i帧中第n个精子目标的质心为(xi,yi),则在第i+1帧中以r为搜索半径的搜索初始邻域设定为x∈(xi-r,xi+r),y∈(yi-r,yi+r);其中i为正整数,1≤i≤25;
5b、进行第i+1帧图像中所有目标的遍历,搜索质心落在邻域内精子目标;
5c、进行搜索结果分析:
搜索到的匹配精子个数为0,说明在第i+1帧中没有精子目标落在该邻域内;
匹配到的精子数目为1,说明在该邻域内匹配到唯一的精子目标;
搜索到的匹配精子目标大于1,说明匹配到大于一个的精子目标;
5d、进行不同搜索结果的处理:
如果搜索到的匹配精子个数为0,则对该邻域进行局部阈值二值化,从新确定邻域内的搜索目标;若搜索目标仍为0,首先检查r是否小于30,再进行半径r的增大,增大幅度为Δr=5,重复第一步;如果r大于30,则终止搜索,进行最终赋值,标示匹配失败;
如果匹配到的精子数目为1,则直接将此目标作为其匹配对象,进行下一个目标的匹配;
搜索到的匹配精子数目大于1,则对匹配的精子进行逐一遍历,从中找出距离(xi,yi)最近的目标作为最终匹配的目标。
2.如权利要求1所述的一种精子活力性能检测方法,其特征是,所述步骤1)采集精子运动图像为精子20倍运动图像25帧。
3.如权利要求2所述的一种精子活力性能检测方法,其特征是,所述步骤3)具体操作,包括步骤:
3a、静止精子目标图像是通过对25帧图像进行加和、平均得到,该平均化过程通过对25帧图像进行叠加使背景和静止精子目标区域增强,使运动精子目标区域衰减,从而能更容易进行静止精子和运动精子的分离;
3b、运动精子目标图像是利用背景减除法,将25帧图像分别和叠加平均图像做差得到,该过程使原始图像和叠加平均图像中相同的区域,即静止精子目标和背景,衰减,增强运动精子目标区域,通过以上两个过程可以实现动、静态目标的分离,为下一步图像分割做好了准备。
4.如权利要求1所述的一种精子活力性能检测方法,其特征是,
所述曲线速度为检测到的精子运动轨迹的平均速度,该指标能够显示精子的运动活力;
所述直线速度为精子头部的直线位移与时间的比值,直接反映了精子的运动效率;
所述平均路径速度指精子头部在其平均轨迹上运动的速度;
所述精子头侧摆幅度为精子头部偏离其平均轨迹的最大幅度;
所述平均移动角度为精子头部在实际轨迹上的平均偏角。
CN201410478118.5A 2014-09-18 2014-09-18 一种精子活力性能检测方法 Expired - Fee Related CN104237121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410478118.5A CN104237121B (zh) 2014-09-18 2014-09-18 一种精子活力性能检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410478118.5A CN104237121B (zh) 2014-09-18 2014-09-18 一种精子活力性能检测方法

Publications (2)

Publication Number Publication Date
CN104237121A CN104237121A (zh) 2014-12-24
CN104237121B true CN104237121B (zh) 2016-06-01

Family

ID=52225631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410478118.5A Expired - Fee Related CN104237121B (zh) 2014-09-18 2014-09-18 一种精子活力性能检测方法

Country Status (1)

Country Link
CN (1) CN104237121B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064469B (zh) * 2018-10-31 2023-08-15 北京新网视信传媒科技有限公司 精子质量检测仪及精子质量检测系统
CN110263872B (zh) * 2019-06-26 2022-05-17 上海鹰瞳医疗科技有限公司 训练数据处理方法及装置
CN111579466B (zh) * 2020-05-25 2023-06-30 上海师范大学 一种家用型精子检测装置和检测方法
CN112150415A (zh) * 2020-09-04 2020-12-29 清华大学 基于深度学习的多目标精子实时监测方法
CN112580476B (zh) * 2020-12-14 2024-03-22 深圳创怀医疗科技有限公司 一种精子识别与多目标轨迹跟踪方法
CN113724294B (zh) * 2021-08-31 2023-08-18 天津大学 精子活动能力特征提取方法及检测装置
CN114216901B (zh) * 2021-11-22 2024-03-19 江苏大学 基于微流控芯片复合智能手机的精子活性检测系统及方法
CN115496897B (zh) * 2022-10-10 2023-10-31 中国核动力研究设计院 基于数字图像处理的去离子水固体杂质检测方法和系统
CN116863388A (zh) * 2023-09-05 2023-10-10 青岛农业大学 一种基于神经网络的精子活力确定方法及系统
CN117455958B (zh) * 2023-12-22 2024-03-08 武汉以彼古罗咨询服务有限公司 一种面向精子识别的轨迹追踪方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0062126A1 (en) * 1981-03-31 1982-10-13 Syva Company Motility fertility test
GB2131972A (en) * 1982-12-14 1984-06-27 Bums Ben Zion Hai Channelled surface and cover for determining sperm quality
CN1385700A (zh) * 2001-05-10 2002-12-18 华中科技大学同济医学院 精子荧光染色计算机检测系统
CN101067866A (zh) * 2007-06-01 2007-11-07 哈尔滨工程大学 基于鹰眼技术的网球赛仿真装置及其仿真处理方法
CN202599807U (zh) * 2012-06-19 2012-12-12 北京穗加软件有限公司 精子活力检测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0062126A1 (en) * 1981-03-31 1982-10-13 Syva Company Motility fertility test
GB2131972A (en) * 1982-12-14 1984-06-27 Bums Ben Zion Hai Channelled surface and cover for determining sperm quality
CN1385700A (zh) * 2001-05-10 2002-12-18 华中科技大学同济医学院 精子荧光染色计算机检测系统
CN101067866A (zh) * 2007-06-01 2007-11-07 哈尔滨工程大学 基于鹰眼技术的网球赛仿真装置及其仿真处理方法
CN202599807U (zh) * 2012-06-19 2012-12-12 北京穗加软件有限公司 精子活力检测装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A segmentation algorithm for automated tracking of fast swimming unlabelled cells in three dimensions;J.A.PIMENTEL et al.;《Journal of Microscopy》;20120131;第245卷(第1期);第72-81页 *
精子运动图像的多目标检测与分割;匡宇 等;《第九届全国图象图形学术会议论文集》;19980531;第209-211,214页 *
精子运动视频的图像分割研究与实现;郑丽煊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111215(第12期);正文第22-33页 *
计算机图像处理技术辅助精子运动能力分析研究;朱安定;《中国优秀博硕士学位论文全文数据库(硕士) 医药卫生科技辑》;20021215(第02期);正文第5-24页,图2-1-2,图2-2-1,图2-2-3,图2-3-1 *

Also Published As

Publication number Publication date
CN104237121A (zh) 2014-12-24

Similar Documents

Publication Publication Date Title
CN104237121B (zh) 一种精子活力性能检测方法
CN111340797B (zh) 一种激光雷达与双目相机数据融合检测方法及系统
Hore et al. Finding contours of hippocampus brain cell using microscopic image analysis
CN105574527B (zh) 一种基于局部特征学习的快速物体检测方法
Xu et al. Automatic extraction of street trees’ nonphotosynthetic components from MLS data
CN103761743B (zh) 一种基于图像融合分割的实木地板表面缺陷检测方法
CN101826209B (zh) 一种基于Canny模型的三维医学图像分割方法
Nemoto et al. Building change detection via a combination of CNNs using only RGB aerial imageries
CN110827235B (zh) 钢板表面缺陷检测方法
CN105122308A (zh) 用于使用连续染色组织上的单细胞划分的多路生物标志定量的系统和方法
WO2002067195A2 (en) Extracting cell shape information contained in cell images
Sbalzarini Seeing is believing: quantifying is convincing: computational image analysis in biology
Kachouie et al. Probabilistic model-based cell tracking
Shah et al. Automatic detection and classification of tuberculosis bacilli from camera-enabled Smartphone microscopic images
Shah et al. Automatic detection and classification of tuberculosis bacilli from ZN-stained sputum smear images using watershed segmentation
Hao et al. Vp-detector: A 3d multi-scale dense convolutional neural network for macromolecule localization and classification in cryo-electron tomograms
Swiderska-Chadaj et al. Convolutional neural networks for lymphocyte detection in immunohistochemically stained whole-slide images
CN109493362A (zh) 一种神经网络结合边缘检测的人体前景分割算法
CN116109840B (zh) 一种基于机器视觉的樱桃孢子识别方法
JP2020006788A (ja) 建築限界判定装置
Costa et al. Multi-focus image fusion for bacilli images in conventional sputum smear microscopy for tuberculosis
Yang et al. Method for building recognition from FLIR images
Revathi et al. Classification of Cotton diseases using cross information gain_minimal resource allocation network classifier with particle swarm optimization
Aly et al. Intelligent algorithms for cell tracking and image segmentation
Xue et al. A general approach for segmenting elongated and stubby biological objects: extending a chord length transform with the radon transform

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160601

Termination date: 20210918