CN104700422A - 一种尿沉渣图像中粘结红白细胞的自动分割方法 - Google Patents
一种尿沉渣图像中粘结红白细胞的自动分割方法 Download PDFInfo
- Publication number
- CN104700422A CN104700422A CN201510138940.1A CN201510138940A CN104700422A CN 104700422 A CN104700422 A CN 104700422A CN 201510138940 A CN201510138940 A CN 201510138940A CN 104700422 A CN104700422 A CN 104700422A
- Authority
- CN
- China
- Prior art keywords
- cell
- bottleneck
- point
- blood cells
- urine sediment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000013049 sediment Substances 0.000 title claims abstract description 35
- 210000003743 erythrocyte Anatomy 0.000 title abstract description 6
- 230000002485 urinary effect Effects 0.000 title abstract description 4
- 210000000265 leukocyte Anatomy 0.000 title abstract 5
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 210000002700 urine Anatomy 0.000 claims description 38
- 238000002372 labelling Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 abstract description 37
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012113 quantitative test Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种尿沉渣图像中粘结红白细胞的自动分割方法,包括下述步骤:A1、对尿沉渣图像进行自动分割,得到各个细胞的轮廓区域;A2、根据瓶颈准则找到细胞区域轮廓线上的瓶颈点;A3、根据细胞轮廓区域的面积、瓶颈点之间的欧氏距离和轮廓区域的外接矩形宽度比值、两个瓶颈点和各自前后P个点之间的欧氏距离来确定分割条件是不是满足;A4、使用瓶颈点之间连接直线的方法完成对细胞轮廓的分割。本发明中的尿沉渣图像中粘结红白细胞的自动分割方法,实现了对粘结红白细胞的全自动分割,提高了全自动尿有形成分分析设备对红白细胞的计数的准确度,减少了红白细胞的假阴性率,极大的提高了医院检验科的工作效率。
Description
技术领域
本发明公开一种图像处理方法,特别是一种尿沉渣图像中粘结红白细胞的自动分割方法,属于医学图像处理技术领域。
背景技术
尿沉渣有形成分定量分析是医院中临床常规检验工作中重要的项目之一,对临床泌尿系统疾病诊断、治疗监测及健康普查具有重要意义。传统的尿沉渣有形成分定量分析是利用人工显微镜检查的方法劳动强度大,效率低。全自动尿有形成分分析设备利用自动化技术和智能识别技术,对尿液中的有形成分自动进行分析识别,分类计数,极大的提高了医院检验科的工作效率。全自动尿有形成分分析设备对尿沉渣的检测内容为尿沉渣的有形成分,主要包括:红细胞、白细胞、上皮细胞、管型、结晶等,为了准确的对各类成分的细胞计数,需要对拍摄的尿沉渣图像中各类细胞进行准确的分割。尿沉渣图像经常有几个红白细胞粘结在一起的现象,影响了红白细胞的计数精度,引起红白细胞检测假阴性率提高的问题。这样为了对红白细胞进行精确的计数,必须实现对粘结的红白细胞进行准确的自动分割。
发明内容
针对上述提到的现有技术中的尿沉渣有形成分定量分析中存在几个红白细胞粘结在一起的现象,影响技术精度的缺点,本发明提供一种尿沉渣图像中粘结红白细胞的自动分割方法,可提高全自动尿有形成分分析设备对红白细胞的计数精度。
本发明解决其技术问题采用的技术方案是:一种尿沉渣图像中粘结红白细胞的自动分割方法,该方法包括下述步骤:
A1、对尿沉渣图像进行自动分割,得到各个细胞的轮廓区域;
A2、根据瓶颈准则找到细胞区域轮廓线上的瓶颈点;
A3、根据细胞轮廓区域的面积、瓶颈点之间的欧氏距离和轮廓区域的外接矩形宽度比值、两个瓶颈点和各自前后P个点之间的欧氏距离来确定分割条件是不是满足;
A4、使用瓶颈点之间连接直线的方法完成对细胞轮廓的分割。
本发明解决其技术问题采用的技术方案进一步还包括:
所述的步骤A1中,对尿沉渣图像进行自动分割时,先打开指定路径中的尿沉渣图像文件,读取图像数据到内存后,对尿沉渣图像使用自适应2值化方法对图像做2值化处理并得到2值图像,然后对2值图像做标签化处理得到图像中存在的全部轮廓区域,根据细胞的最小面积阈值,删除标签图像中的小于该阈值的区域后,获取各个待处理细胞领域的轮廓线区域。
所述的细胞的最小面积区域阈值为3800像素。
所述的步骤A2中,寻找细胞区域轮廓线上的瓶颈点时,在细胞区域轮廓线上首先定义两点 点和点,点和点代表粘连细胞轮廓上的任意两点,定义如下的瓶颈准则:
其中代表、两点之间的欧氏距离,代表、两点在轮廓线上的距离,按照不同的方向计算得到两个值,取两者中的较小值;
定义、为所需要寻找的一对位于细胞区域轮廓线上瓶颈位置上的分割点,如下式所示:
。
所述的步骤A3中,细胞轮廓区域需要进行分割,应满足以下几个条件:
1)区域面积应满足:>;其中MinArea是细胞面积阈值;
2)瓶颈点、之间的欧氏距离与该区域的外接矩的宽的比值应小于一个比例阈值,本实施例中,此处阈值是0.3;
3)以瓶颈点、为基准,在轮廓线上依次找到位于点前方和后方的第个点,分别记为点、,同样对点也做类似处理,找到的点记为、,分别计算两组点与,与之间的欧氏距离,与每组点的欧氏距离之比应大于1。
所述的细胞面积阈值是3800像素。
所述的比例阈值是0.3。
所述的P取值为5。
所述的步骤A4采用递归分割,使用瓶颈点之间连接直线的方法完成对细胞轮廓的第一次分割后,对分割出的两个轮廓区域根据步骤A2所述再次寻找瓶颈点,找到瓶颈点后,依据步骤A3中设定的条件再进行一次判断;一旦满足,则重复以上步骤,继续对两个轮廓区域做瓶颈法分割,直到分割出的区域不再满足相应的分割条件为止。
本发明的有益效果是:本发明中的尿沉渣图像中粘结红白细胞的自动分割方法,实现了对粘结红白细胞的全自动分割,提高了全自动尿有形成分分析设备对红白细胞的计数的准确度,减少了红白细胞的假阴性率,极大的提高了医院检验科的工作效率。
下面将结合附图和具体实施方式对本发明做进一步说明。
附图说明
图1为本发明工作流程图。
图2为本发明中粘结细胞的二值图像图。
图3为本发明中瓶颈点定位结果(十字标注)示意图。
具体实施方式
本实施例为本发明优选实施方式,其他凡其原理和基本结构与本实施例相同或近似的,均在本发明保护范围之内。
本发明的目的在于提供一种尿沉渣图像中粘结红白细胞的自动分割方法,以提高全自动尿有形成分分析设备对红白细胞的计数精度。
为了达到上述目的,本发明的技术方案是:一种尿沉渣图像中粘结红白细胞的自动分割方法,包括以下步骤:
A1,得到粘结细胞区域的轮廓,对尿沉渣图像进行自动分割,得到各个细胞的轮廓区域。本实施例中,打开指定路径中的尿沉渣图像文件,读取图像数据到内存后,对尿沉渣图像使用自适应2值化方法对图像做2值化处理并得到2值图像,然后对2值图像做标签化处理得到图像中存在的全部轮廓区域,根据细胞的最小面积阈值,删除标签图像中的小于该阈值的区域后,获取各个待处理细胞领域的轮廓线区域,即得到全部待分割的细胞轮廓区域。本实施例中,细胞的最小面积区域阈值为3800像素。
A2,定位细胞轮廓区域上的瓶颈点。根据瓶颈准则找到细胞区域轮廓线上的瓶颈点,在细胞区域轮廓线上首先定义两点点和点,点和点代表粘连细胞轮廓上的任意两点,由此可以定义如下的瓶颈准则:
其中代表、两点之间的欧氏距离。代表、两点在轮廓线上的距离。按照不同的方向计算会有两个值,本实施例中,指的是取两者中的较小值。定义、为所需要寻找的一对位于细胞区域轮廓线上瓶颈位置上的分割点,本发明中将其称为瓶颈点,如下式所示。
A3,分割条件的判定。因为每一个闭合轮廓按照瓶颈准则都会找到一对瓶颈点,但有些区域本身就是单个细胞区域,此时应该避免对其进行分割,根据细胞轮廓区域的面积、瓶颈点之间的欧氏距离和轮廓区域的外接矩形宽度比值、两个瓶颈点和各自前后P个点之间的欧氏距离来确定分割条件是不是满足。
本实施例中,轮廓区域是不是需要进行分割,应满足以下几个条件:
1)区域面积应满足:>;其中MinArea是细胞面积的阈值,本实施例中,面积阈值(即MinArea)是3800像素,区域面积(即Area)是整个轮廓区域中全部像素点的总和;
2)瓶颈点、之间的欧氏距离与该区域的外接矩的宽的比值应小于一个阈值,本实施例中,此处阈值是0.3;
3)以瓶颈点、为基准,在轮廓线上依次找到位于点前方和后方的第个点,分别记为点、,同样对点也做类似处理,找到的点记为、。分别计算两组点与,与之间的欧氏距离。与每组点的欧氏距离之比应大于1,本实施例中,P取值为5。
A4,递归分割。使用瓶颈点之间连接直线的方法完成对细胞轮廓的第一次分割后,对分割出的两个轮廓区域根据A2所述再次寻找瓶颈点,找到瓶颈点后,依据A3中设定的条件再进行一次判断;一旦满足,则重复以上步骤,继续对两个轮廓区域做瓶颈法分割,直到分割出的区域不再满足相应的分割条件为止。本实施例中,对细胞轮廓区域进行一次分割后,分割出的两个区域分别记为,;此时对,依据步骤A2和步骤A3中设定的条件继续对或者进行瓶颈法分割,直到分割出的区域不再满足相应的条件为止。这样依次循环,使得该算法不仅能处理两个细胞粘连的现象,同时还能解决多细胞粘连问题。
以上是本发明的实施实例,凡是以本发明技术方案做所的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的范围。
Claims (9)
1.一种尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的方法包括下述步骤:
A1、对尿沉渣图像进行自动分割,得到各个细胞的轮廓区域;
A2、根据瓶颈准则找到细胞区域轮廓线上的瓶颈点;
A3、根据细胞轮廓区域的面积、瓶颈点之间的欧氏距离和轮廓区域的外接矩形宽度比值、两个瓶颈点和各自前后P个点之间的欧氏距离来确定分割条件是不是满足;
A4、使用瓶颈点之间连接直线的方法完成对细胞轮廓的分割。
2.根据权利要求1所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的步骤A1中,对尿沉渣图像进行自动分割时,先打开指定路径中的尿沉渣图像文件,读取图像数据到内存后,对尿沉渣图像使用自适应2值化方法对图像做2值化处理并得到2值图像,然后对2值图像做标签化处理得到图像中存在的全部轮廓区域,根据细胞的最小面积阈值,删除标签图像中的小于该阈值的区域后,获取各个待处理细胞领域的轮廓线区域。
3.根据权利要求2所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的细胞的最小面积区域阈值为3800像素。
4.根据权利要求1所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的步骤A2中,寻找细胞区域轮廓线上的瓶颈点时,在细胞区域轮廓线上首先定义两点 点和点,点和点代表粘连细胞轮廓上的任意两点,定义如下的瓶颈准则:
其中代表、两点之间的欧氏距离,代表、两点在轮廓线上的距离,按照不同的方向计算得到两个值,取两者中的较小值;
定义、为所需要寻找的一对位于细胞区域轮廓线上瓶颈位置上的分割点,如下式所示:
。
5.根据权利要求1所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的步骤A3中,细胞轮廓区域需要进行分割,应满足以下几个条件:
1)区域面积应满足:>;其中MinArea是细胞面积阈值;
2)瓶颈点、之间的欧氏距离与该区域的外接矩的宽的比值应小于一个比例阈值,本实施例中,此处阈值是0.3;
3)以瓶颈点、为基准,在轮廓线上依次找到位于点前方和后方的第个点,分别记为点、,同样对点也做类似处理,找到的点记为、,分别计算两组点与,与之间的欧氏距离,与每组点的欧氏距离之比应大于1。
6.根据权利要求5所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的细胞面积阈值是3800像素。
7.根据权利要求5所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的比例阈值是0.3。
8.根据权利要求5所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的P取值为5。
9.根据权利要求1所述的尿沉渣图像中粘结红白细胞的自动分割方法,其特征是:所述的步骤A4采用递归分割,使用瓶颈点之间连接直线的方法完成对细胞轮廓的第一次分割后,对分割出的两个轮廓区域根据步骤A2所述再次寻找瓶颈点,找到瓶颈点后,依据步骤A3中设定的条件再进行一次判断;一旦满足,则重复以上步骤,继续对两个轮廓区域做瓶颈法分割,直到分割出的区域不再满足相应的分割条件为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510138940.1A CN104700422A (zh) | 2015-03-27 | 2015-03-27 | 一种尿沉渣图像中粘结红白细胞的自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510138940.1A CN104700422A (zh) | 2015-03-27 | 2015-03-27 | 一种尿沉渣图像中粘结红白细胞的自动分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104700422A true CN104700422A (zh) | 2015-06-10 |
Family
ID=53347504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510138940.1A Pending CN104700422A (zh) | 2015-03-27 | 2015-03-27 | 一种尿沉渣图像中粘结红白细胞的自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104700422A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659717A (zh) * | 2018-07-12 | 2020-01-07 | 赛业(广州)生物科技有限公司 | 一种智能识别染色体数量的方法及系统 |
CN110717465A (zh) * | 2019-10-15 | 2020-01-21 | 周兴祥 | 一种基于草酸钙结晶的识别方法及系统 |
CN115049642A (zh) * | 2022-08-11 | 2022-09-13 | 合肥合滨智能机器人有限公司 | 一种颈动脉血管内中膜测量与斑块检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900737A (zh) * | 2010-06-10 | 2010-12-01 | 上海理工大学 | 基于支持向量机的尿沉渣有形成分自动识别系统 |
-
2015
- 2015-03-27 CN CN201510138940.1A patent/CN104700422A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900737A (zh) * | 2010-06-10 | 2010-12-01 | 上海理工大学 | 基于支持向量机的尿沉渣有形成分自动识别系统 |
Non-Patent Citations (3)
Title |
---|
张石等: "基于组合的尿沉渣粘连细胞分割算法的研究与实现", 《计算机应用与软件》 * |
赵少华: "尿沉渣图像中红白细胞的分割与识别", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
陈玉等: "尿沉渣检测中的一种自动图像分割算法", 《航天医学与医学工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659717A (zh) * | 2018-07-12 | 2020-01-07 | 赛业(广州)生物科技有限公司 | 一种智能识别染色体数量的方法及系统 |
CN110659717B (zh) * | 2018-07-12 | 2023-07-04 | 赛业(广州)生物科技有限公司 | 一种智能识别染色体数量的方法及系统 |
CN110717465A (zh) * | 2019-10-15 | 2020-01-21 | 周兴祥 | 一种基于草酸钙结晶的识别方法及系统 |
CN115049642A (zh) * | 2022-08-11 | 2022-09-13 | 合肥合滨智能机器人有限公司 | 一种颈动脉血管内中膜测量与斑块检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295588B (zh) | 一种白带显微图像中白细胞的自动识别方法 | |
CN106651846B (zh) | 视网膜血管图像的分割方法 | |
CN103984939B (zh) | 一种样本有形成分分类方法及系统 | |
Ahirwar et al. | Advanced image analysis based system for automatic detection and classification of malarial parasite in blood images | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN103985119B (zh) | 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法 | |
Yang et al. | Faster R-CNN based microscopic cell detection | |
CN110473167B (zh) | 一种基于深度学习的尿沉渣图像识别系统及方法 | |
CN107748256A (zh) | 一种循环肿瘤细胞的液体活检检测方法 | |
CN109801308B (zh) | 粘连类圆形目标图像的分割方法 | |
CN108320289B (zh) | 一种基于稀疏表示和形态学操作的骨髓细胞分割方法 | |
CN110120056A (zh) | 基于自适应直方图阈值和轮廓检测的血液白细胞分割方法 | |
CN106897682A (zh) | 一种基于卷积神经网络的白带中白细胞自动识别方法 | |
CN106875404A (zh) | 一种白带显微图像中上皮细胞的智能识别方法 | |
CN108257124A (zh) | 一种基于图像的白细胞计数方法和系统 | |
Meimban et al. | Blood Cells Counting using Python OpenCV | |
CN114283407A (zh) | 一种自适应的白细胞自动分割、亚类检测方法及系统 | |
CN104881679A (zh) | 一种基于改进模糊识别的白带中红细胞自动检测方法 | |
CN103489187A (zh) | 基于质量检测的宫颈lct图像中细胞核的分割方法 | |
CN103994964A (zh) | 针对荧光显微图像的凋亡细胞形态的量化分析方法 | |
Revanda et al. | Classification of Acute Lymphoblastic Leukemia on White Blood Cell Microscopy Images Based on Instance Segmentation Using Mask R-CNN. | |
CN104458747A (zh) | 一种水稻垩白测算方法 | |
CN110148126A (zh) | 基于颜色分量组合和轮廓拟合的血液白细胞分割方法 | |
CN105608694A (zh) | 视网膜细胞显微图像分割与计数方法 | |
CN102636656B (zh) | 一种全自动尿有形成分分析仪的校准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150610 |
|
RJ01 | Rejection of invention patent application after publication |