CN109859179B - 系膜细胞图像处理方法、装置、计算机设备及存储介质 - Google Patents
系膜细胞图像处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109859179B CN109859179B CN201910069306.5A CN201910069306A CN109859179B CN 109859179 B CN109859179 B CN 109859179B CN 201910069306 A CN201910069306 A CN 201910069306A CN 109859179 B CN109859179 B CN 109859179B
- Authority
- CN
- China
- Prior art keywords
- image
- cell
- edge detection
- mesangial
- gray level
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000004027 cell Anatomy 0.000 claims abstract description 125
- 239000012528 membrane Substances 0.000 claims abstract description 46
- 210000003855 cell nucleus Anatomy 0.000 claims abstract description 45
- 210000003584 mesangial cell Anatomy 0.000 claims description 120
- 238000003708 edge detection Methods 0.000 claims description 95
- 238000000605 extraction Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 11
- 238000004043 dyeing Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- KHIWWQKSHDUIBK-UHFFFAOYSA-N periodic acid Chemical compound OI(=O)(=O)=O KHIWWQKSHDUIBK-UHFFFAOYSA-N 0.000 claims description 5
- 210000004379 membrane Anatomy 0.000 description 35
- 238000003672 processing method Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010186 staining Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000011800 void material Substances 0.000 description 4
- 229920002527 Glycogen Polymers 0.000 description 3
- 229940096919 glycogen Drugs 0.000 description 3
- 208000017169 kidney disease Diseases 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 210000002889 endothelial cell Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001434 glomerular Effects 0.000 description 2
- 210000004940 nucleus Anatomy 0.000 description 2
- 210000000557 podocyte Anatomy 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000007447 staining method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- SWGJCIMEBVHMTA-UHFFFAOYSA-K trisodium;6-oxido-4-sulfo-5-[(4-sulfonatonaphthalen-1-yl)diazenyl]naphthalene-2-sulfonate Chemical compound [Na+].[Na+].[Na+].C1=CC=C2C(N=NC3=C4C(=CC(=CC4=CC=C3O)S([O-])(=O)=O)S([O-])(=O)=O)=CC=C(S([O-])(=O)=O)C2=C1 SWGJCIMEBVHMTA-UHFFFAOYSA-K 0.000 description 2
- AXDJCCTWPBKUKL-UHFFFAOYSA-N 4-[(4-aminophenyl)-(4-imino-3-methylcyclohexa-2,5-dien-1-ylidene)methyl]aniline;hydron;chloride Chemical compound Cl.C1=CC(=N)C(C)=CC1=C(C=1C=CC(N)=CC=1)C1=CC=C(N)C=C1 AXDJCCTWPBKUKL-UHFFFAOYSA-N 0.000 description 1
- ZNZYKNKBJPZETN-WELNAUFTSA-N Dialdehyde 11678 Chemical group N1C2=CC=CC=C2C2=C1[C@H](C[C@H](/C(=C/O)C(=O)OC)[C@@H](C=C)C=O)NCC2 ZNZYKNKBJPZETN-WELNAUFTSA-N 0.000 description 1
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical group OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 1
- 102000009123 Fibrin Human genes 0.000 description 1
- 108010073385 Fibrin Proteins 0.000 description 1
- BWGVNKXGVNDBDI-UHFFFAOYSA-N Fibrin monomer Chemical compound CNC(=O)CNC(=O)CN BWGVNKXGVNDBDI-UHFFFAOYSA-N 0.000 description 1
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 1
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 1
- 235000010703 Modiola caroliniana Nutrition 0.000 description 1
- 244000038561 Modiola caroliniana Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000002469 basement membrane Anatomy 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229950003499 fibrin Drugs 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- QFWPJPIVLCBXFJ-UHFFFAOYSA-N glymidine Chemical compound N1=CC(OCCOC)=CN=C1NS(=O)(=O)C1=CC=CC=C1 QFWPJPIVLCBXFJ-UHFFFAOYSA-N 0.000 description 1
- 230000036732 histological change Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种系膜细胞图像处理方法,通过将待识别图像分为R、G、B三通道图像,再从G通道图像中提取系膜区域,得到系膜灰度图;从R通道图像中提取细胞核区域,得到细胞核灰度图;对系膜灰度图进行孔洞填充,得到填充后的系膜灰度图。最后将细胞核灰度图和填充后的系膜灰度图进行图像交集处理,得到系膜细胞区域图像。通过不同通道中不同的辨识程度更好地定位出系膜细胞区域图像。本发明还公开了一种系膜细胞图像处理装置及相关计算机设备及存储介质。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种系膜细胞图像处理方法、装置、计算机设备及存储介质。
背景技术
我国慢性肾脏病患者的数量非常庞大,而且由于肾脏疾病的种类繁多,病因及发病机制复杂,许多肾脏疾病的临床表现与肾脏的组织学改变并不完全一致,其治疗方案及病情的发展结果也差别极大。目前,病理医生在得到肾小球图像之后,需要凭肉眼以及经验观测得到一些重要的医学指标,其中肾小球图像中系膜区的系膜细胞数量是判断肾脏疾病的一个重要参考指标。然而,这种以肉眼观测的方式过于依赖主观判断,需要时间和经验的积累,对于经验不足的医生或者相关人员而言,观测的误差较大。
发明内容
本发明实施例提供一种系膜细胞图像处理方法、装置、计算机设备及存储介质,以解决系膜细胞识别精度不高的问题。
一种系膜细胞图像处理方法,包括:
获取待识别图像,所述待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像;
对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;
对所述系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;
采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量。
一种系膜细胞图像处理装置,包括:
待识别图像获取模块,用于获取待识别图像,所述待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像;
系膜细胞区域提取模块,用于对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;
孔洞填充模块,用于对所述系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;
边缘检测模块,用于采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述系膜细胞图像处理方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述系膜细胞图像处理方法。
上述系膜细胞图像处理方法、装置、计算机设备及存储介质中,在获取待识别图像之后,对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;再对系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;最后采用边缘检测算法对完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据边缘检测图像得到系膜细胞的数量。通过上述方式可以使得图像中系膜细胞更加清晰,并且可以直接输出待识别图像中的系膜细胞中的数量,在保证系膜细胞统计的准确性的同时也提高了处理效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中系膜细胞图像处理方法的一应用环境示意图;
图2是本发明一实施例中系膜细胞图像处理方法的一示例图;
图3是本发明一实施例中系膜细胞图像处理方法的另一示例图;
图4是本发明一实施例中系膜细胞图像处理方法的另一示例图;
图5是本发明一实施例中系膜细胞图像处理方法的另一示例图;
图6是本发明一实施例中系膜细胞图像处理方法的另一示例图;
图7是本发明一实施例中系膜细胞图像处理装置的一原理框图;
图8是本发明一实施例中系膜细胞图像处理装置的另一原理框图;
图9是本发明一实施例中系膜细胞图像处理装置的另一原理框图;
图10是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的系膜细胞图像处理方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务器进行通信。服务端获取客户端发送的待识别图像,对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;对系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;采用边缘检测算法对完整系膜细胞图像进行边缘检测,根据边缘检测结果得到系膜细胞的数量。其中,客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种系膜细胞图像处理方法,以该方法应用在图1中的服务端为例进行说明,包括:
S10:获取待识别图像,待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像。
其中,待识别图像为服务端获取的要进行系膜细胞识别的图像。过碘酸雪夫氏染色法(Periodic Acid-Schiff stain,PAS染色法)在组织学上,主要用来检测组织中的糖类。PAS染色法又名糖原染色法,组织中含有的糖原或多糖类物质中的乙二醇基经过碘酸氧化,变为二醛基,然后与雪夫氏试剂中的无色品红结合,形成紫红色化合物。在PAS染色法中,糖原被染成紫红色,基底膜、系膜基质、纤维蛋白、血管玻璃样变、淀粉样纤维等均可成阳性反应,呈紫红色或淡染,而系膜细胞与足细胞、内皮细胞形态无明显形态差异。因此,待识别图像即为经过PAS染色法进行染色处理的肾小球图像。具体地,服务端可以获取客户端发送的待识别图像,该客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。可选地,获取的待识别图像可以为单幅,也可以为复数幅。
S20:对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像。
其中,系膜细胞区域是指待识别图像中由系膜细胞构成的区域。在待识别图像中,包括了多个不同区域(例如系膜细胞、足细胞、内皮细胞等分别所处的区域)。在该步骤中,需要从待识别图像中提取出系膜细胞区域图像。本申请发现,系膜细胞区域在待识别图像中不好分辨,但是在单一通道图像中,其辨别度会较高。具体地,可以通过将待识别图像分成R、G、B三通道图像,然后根据预设的灰度值从R通道图像、G通道图像或者B通道图像的至少一个图像中进行提取,即可以得到系膜细胞区域图像。例如,可以通过一个预设灰度值从G通道图像中提取出系膜区域图像,再通过另一个预设灰度值从R通道提取细胞区域图像,再将系膜区域图像和细胞区域图像做一个图像的交集处理,即可得到系膜细胞区域图像。该预设的灰度值可以预先通过实验测得或者通过经验值确定得到。
进一步地,在从G通道图像中提取出系膜区域图像之后,对系膜区域图像进行孔洞填充处理。由于在PAS染色法进行染色处理过程中的不稳定可能会导致系膜区域颜色不均衡,在所提取的系膜区域中可能会存在孔洞区域而影响后续的图像处理,因此,通过孔洞填充可以消除颜色不均衡带来的不良影响,以更好地进行系膜区域的定位。具体地,可以采用漫水填充法对系膜区域图像进行区域填充。在进行孔洞填充之后再和细胞区域图像做交集处理,得到系膜细胞区域图像。即该系膜细胞区域图像即为系膜细胞所在的区域的图像。
S30:对系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像。
在得到系膜细胞区域图像之后,在所提取的系膜细胞区域图像中可能存在孔洞区域,若直接对该系膜区域图像进行边缘识别,则这些孔洞区域的存在有可能影响到最后的识别结果。因此,在该步骤中对系膜区域图像进行孔洞填充,以填充系膜细胞中的孔洞区域,得到填充后的完整系膜细胞图像。具体地,可以采用漫水填充法对系膜区域图像进行区域填充,得到填充后的完整系膜细胞图像。
S40:采用边缘检测算法对完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据边缘检测图像得到系膜细胞的数量。
对完整系膜细胞图像进行边缘检测,得到包括有多个连通区域的边缘检测图像。具体地,可以通过canny边缘检测算法对完整系膜细胞图像进行边缘检测,得到边缘检测图像。在得到边缘检测图像之后,根据边缘检测图像中的连通区域的数量来得到系膜细胞的数量。可选地,可以将连通区域的数量作为系膜细胞的数量。进一步地,为了更好地为后续的病理识别提供参考,可以预设一个误差阈值,在得到连通区域的数量之后,根据该连通区域的数量和误差阈值共同确定系膜细胞的数量。例如:若连通区域的数量为30,而预设的误差阈值为1%,则最后得到的系膜细胞的数量为27~33个。
在本实施例中,在获取待识别图像之后,对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;再对系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;最后采用边缘检测算法对完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据边缘检测图像得到系膜细胞的数量。通过上述方式可以使得图像中系膜细胞更加清晰,并且可以直接输出待识别图像中的系膜细胞中的数量,在保证系膜细胞统计的准确性的同时也提高了处理效率。
在一个实施例中,如图3所示,对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像,包括:
S21:将待识别图像分为R、G、B三通道图像。
将待识别图像通过图像提取分别得到R、G、B三个通道的图像。具体地,可以通过OpenCV来实现对待识别图像的分离,分别得到R、G、B三个通道的图像或者像素矩阵。可选地,可以通过到void split()和void merge()这两个函数来实现将待识别图像分为R、G、B三通道图像,即R通道图像、G通道图像和B通道图像。
S22:从G通道图像中提取系膜区域,得到系膜灰度图。
具体地,系膜区域在G通道图像中的辨识度较高,可以通过预设的系膜灰度阈值从G通道图像中进行筛选,得到系膜灰度图。示例性地,该系膜灰度阈值可以为95-115。即将G通道图像中灰度值在95-115之间的像素点筛选出来。可选地,通过预设的系膜灰度阈值将G通道图像转化成二值图像,即将G通道图像中灰度值在系膜灰度阈值中的像素点的值置为1,灰度值不在系膜灰度阈值中的像素点的值置为0,从而得到由0和1两个值表示的系膜灰度图。
S23:对系膜灰度图进行孔洞填充,得到填充后的系膜灰度图。
在该步骤中,对系膜灰度图进行孔洞填充处理,得到填充后的系膜灰度图。具体地,可以采用漫水填充法对系膜灰度图进行区域填充。
S24:从R通道图像中提取细胞核区域,得到细胞核灰度图。
具体地,细胞核区域在R通道图像中的辨识度较高,可以通过预设的细胞核灰度阈值从R通道图像中进行筛选,得到细胞核灰度图。示例性地,该细胞核灰度阈值可以为70-100。即将R通道图像中灰度值在70-100之间的像素点筛选出来。可选地,通过预设的细胞核灰度阈值将R通道图像转化成二值图像,即将R通道图像中灰度值在细胞核灰度阈值中的像素点的值置为1,灰度值不在细胞核灰度阈值中的像素点的值置为0,从而得到由0和1两个值表示的细胞核灰度图。
S25:将细胞核灰度图和填充后的系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
在该步骤中,通过将细胞核灰度图和填充后的系膜灰度图进行图像的交集处理,即可以得到在系膜区域里的细胞核(系膜细胞)的图像,即系膜细胞区域图像。可选地,细胞核灰度图和填充后的系膜灰度图均为二值图像。即将细胞核灰度图和填充后的系膜灰度图中相同位置的像素点的像素值做交集处理,若两个值均为1,则得到的结果为1,否则得到的结果为0。
在这个实施例中,通过将待识别图像分为R、G、B三通道图像,再从G通道图像中提取系膜区域,得到系膜灰度图;从R通道图像中提取细胞核区域,得到细胞核灰度图;对系膜灰度图进行孔洞填充,得到填充后的系膜灰度图。最后将细胞核灰度图和填充后的系膜灰度图进行图像交集处理,得到系膜细胞区域图像。通过不同通道中不同的辨识程度更好地定位出系膜细胞区域图像。
在一个实施例中,如图4所示,对待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像,包括:
S21’:将待识别图像分为R、G、B三通道图像。
将待识别图像通过图像提取分别得到R、G、B三个通道的图像。具体地,可以通过OpenCV来实现对待识别图像的分离,分别得到R、G、B三个通道的图像或者像素矩阵。可选地,可以通过到void split()和void merge()这两个函数来实现将待识别图像分为R、G、B三通道图像,即R通道图像、G通道图像和B通道图像。
S22’:从G通道图像中提取系膜区域,得到第一系膜灰度图。
具体地,系膜区域在G通道图像中的辨识度较高,可以通过预设的系膜灰度阈值从G通道图像中进行筛选,得到第一系膜灰度图。示例性地,该系膜灰度阈值可以为95-115。即将G通道图像中灰度值在95-115之间的像素点筛选出来。可选地,通过预设的系膜灰度阈值将G通道图像转化成二值图像,即将G通道图像中灰度值在系膜灰度阈值中的像素点的值置为1,灰度值不在系膜灰度阈值中的像素点的值置为0,从而得到由0和1两个值表示的第一系膜灰度图。
S23’:从待识别图像中提取系膜区域,得到第二系膜灰度图。
采用特定的颜色阈值从待识别图像中提取系膜区域,得到第二系膜灰度图。具体地,该特定的颜色阈值可以预先通过实验测得或者通过经验值确定。示例性地,该颜色阈值可以为R:G:B=160-200:80-110:125-150。即将待识别图像中颜色值在R:G:B=160-200:80-110:125-150之间的像素点筛选出来。可选地,通过预设的颜色阈值将待识别图像转化成二值图像,即将待识别图像中颜色值在颜色阈值中的像素点的值置为1,颜色值不在颜色阈值中的像素点的值置为0,从而得到由0和1两个值表示的第二系膜灰度图。
进一步地,还可以对第二系膜灰度图进行孔洞填充处理。具体处理过程和步骤S23类似,在此不再赘述。
S24’:将第一系膜灰度图和第二系膜灰度图进行图像交集处理,得到系膜灰度图。
其中,第一系膜灰度图和第二系膜灰度图是分别通过不同的维度确定的代表系膜区域的图像。在得到这两幅图像之后,将这两幅图像做交集处理,就可以更好地得到一个准确的系膜灰度图。可选地,第一系膜灰度图和第二系膜灰度图均为二值图像。即将第一系膜灰度图和第二系膜灰度图中相同位置的像素点的像素值做交集处理,若两个值均为1,则得到的结果为1,否则得到的结果为0。
S25’:从R通道图像中提取细胞核区域,得到细胞核灰度图。
具体地,细胞核区域在R通道图像中的辨识度较高,可以通过预设的细胞核灰度阈值从R通道图像中进行筛选,得到细胞核灰度图。示例性地,该细胞核灰度阈值可以为70-100。
S26’:将细胞核灰度图和系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
在该步骤中,通过将细胞核灰度图和系膜灰度图进行图像的交集处理,即可以得到在系膜区域里的细胞核(系膜细胞)的图像,即系膜细胞区域图像。
在本实施例中,通过两个不同的维度来共同确定系膜细胞区域图像,进一步保证了系膜细胞区域图像定位的准确性。
在一个实施例中,如图5所示,采用边缘检测算法对完整系膜细胞图像进行边缘检测,根据边缘检测结果得到系膜细胞的数量,包括:
S41:采用canny边缘检测算法检测完整系膜细胞图像的系膜细胞边缘,得到边缘检测图像,边缘检测图像包括连通区域。
Canny边缘检测算法是一种多级边缘检测算法,该算法旨在通过最优检测、最优定位准则和检测点与边缘点一一对应这三个原则来实现一个最优边缘检测算法。具体地,采用canny边缘检测算法检测完整系膜细胞图像的系膜细胞边缘可以包括以下实现步骤:
(1)图像灰度化:将完整系膜细胞图像进行灰度化处理,以进行边缘检测。
(2)图像去噪:完整系膜细胞图像中存在的噪声点会影响边缘检测的准确性,对灰度化之后的完整系膜细胞图像采用高斯模糊去除该完整系膜细胞图像中的噪声,以降低填充系膜图像中伪边缘的识别。
(3)求解梯度幅度和方向:可以利用以下边缘差分算子来求解图像去噪之后的完整系膜细胞图像的梯度幅度和方向:Rober、Prewitt或Sobel。在这个实施方式中,选择采用Sobel算子来求解该完整系膜细胞图像中的梯度幅度和方向,可以使完整系膜细胞图像中的边缘粗大明亮,便于后续的进一步识别。
(4)非极大值抑制:通过非极大值抑制对上一步骤中得到的边缘粗大明亮的完整系膜细胞图像进行边缘细化。具体地,比较完整系膜细胞图像中当前点的梯度强度和正负梯度方向点的梯度强度;如果当前点的梯度强度和同方向的其他点(即正梯度方向点)的梯度强度相比较是最大的,则保留当前点的梯度强度。否则对其进行抑制,即把当前点的梯度强度设为0。通过对填充系膜图像进行非极大值抑制处理,可以在定位准确边缘的同时缩小边缘线宽,保留了梯度变化中最锐利的位置。
(5)双阀值算法检测:对经过上一步骤处理的完整系膜细胞图像采用一个高阀值和一个低阀值来区分边缘像素点。如果边缘像素点的梯度值大于高阀值,则标记为强边缘点。如果边缘像素点的梯度值小于高阀值且大于低阀值,则标记为弱边缘点。如果边缘梯度值小于低阀值的点则将其抑制掉。
(6)滞后边界跟踪:通过双阀值算法检测对完整系膜细胞图像中边缘像素点进行强边缘点和弱边缘点标记之后,完整系膜细胞图像中的强边缘点可以认为是完整系膜细胞图像中真实边缘。而弱边缘点则有可能是真实边缘,也有可能仅是噪声或颜色变化引起的误差。为得到精确的结果,应该将完整系膜细胞图像中噪声或颜色变化引起的弱边缘点去掉。通常认为真实边缘引起的弱边缘点和强边缘点是连通的,而由噪声引起的弱边缘点则不会。具体地,通过滞后边界跟踪检查填充系膜图像中一个弱边缘点的8连通领域像素,只要有强边缘点存在,则保留该弱边缘点,否则对该弱边缘点进行抑制。由此,得到在图片中存在一个轮廓清晰的边框的完整系膜细胞图像。
通过Canny算法经过上述步骤对完整系膜细胞图像进行边缘检测后,得到边缘检测图像,而边缘检测图像中包括完整系膜细胞图像中的系膜细胞边缘,即连通区域。
S42:统计边缘检测图像中的连通区域的数量,得到系膜细胞的数量。
在该步骤中,统计边缘检测图像中的连通区域的数量,并将该连通区域的数量确定为系膜细胞的数量。
在本实施例中,先通过采用canny边缘检测算法检测完整系膜细胞图像的系膜细胞边缘,得到边缘检测图像,边缘检测图像包括连通区域,并统计边缘检测图像中的连通区域的数量,得到系膜细胞的数量,以此保证系膜细胞数量确定的准确性。
在一个实施例中,如图6所示,在采用边缘检测算法对完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据边缘检测图像得到系膜细胞的数量之后,该系膜细胞图像处理方法还包括:
S50:获取细胞误差阈值,根据细胞误差阈值对系膜细胞的数量进行处理,得到系膜细胞的数量区间。
其中,该细胞误差阈值为一个预设的阈值,具体地,该细胞误差阈值可以为预先设置并存储在服务端中,也可以通过实时获取。可选地,该细胞误差阈值可以为一个数量值,也可以为一个比例阈值。根据细胞误差阈值对系膜细胞的数量进行处理,即得到系膜细胞的数量区间。
S60:根据连通区域对待识别图像进行标记,得到待显示图像。
具体地,根据系膜区域图像中的连通区域对待识别图像进行标记可以根据连通区域的坐标点来对待识别图像进行标记,以得到待显示图像。即根据连通区域的坐标或者轮廓再待识别图像上还原,得到待显示图像,以供后续进行二次确认或者复核。
S70:将待显示图像和系膜细胞的数量区间进行可视化呈现。
在该步骤中,将待显示图像和系膜细胞的数量区间进行合并,例如,可以在待显示图像上显示系膜细胞的数量区间,然后形成可视化数据,即进行可视化呈现。后续可以将该可视化发送到客户端,客户端以进行可视化显示。
在本实施例中,通过获取细胞误差阈值,根据细胞误差阈值对系膜细胞的数量进行处理,得到系膜细胞的数量区间;再根据连通区域对所述待识别图像进行标记,得到待显示图像。最后将待显示图像和系膜细胞的数量区间进行可视化呈现。通过待显示图像和系膜细胞的数量区间构成的可视化呈现,可以保证数据更加直观地呈现。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种系膜细胞图像处理装置,该系膜细胞图像处理装置与上述实施例中系膜细胞图像处理方法一一对应。如图7所示,该系膜细胞图像处理装置包括待识别图像获取模块10、系膜细胞区域提取模块20、孔洞填充模块30和边缘检测模块40。各功能模块详细说明如下:
待识别图像获取模块10,用于获取待识别图像,所述待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像;
系膜细胞区域提取模块20,用于对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;
孔洞填充模块30,用于对所述系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;
边缘检测模块40,用于采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量。
优选地,系膜细胞区域提取模块20包括第一图像分割单元、第一系膜区域提取单元、第一孔洞填充单元、第一细胞核区域提取单元和第一系膜细胞区域图像获取单元。
第一图像分割单元,用于将所述待识别图像分为R、G、B三通道图像;
第一系膜区域提取单元,用于从G通道图像中提取系膜区域,得到系膜灰度图;
第一孔洞填充单元,用于对所述系膜灰度图进行孔洞填充,得到填充后的系膜灰度图;
第一细胞核区域提取单元,用于从R通道图像中提取细胞核区域,得到细胞核灰度图;
第一系膜细胞区域图像获取单元,用于将所述细胞核灰度图和所述填充后的系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
优选地,系膜细胞区域提取模块20包括第二图像分割单元、第一系膜灰度图提取单元、第二系膜灰度图提取单元、系膜灰度图获取单元、第二细胞核区域提取单元和第二系膜细胞区域图像获取单元。
第二图像分割单元,用于将所述待识别图像分为R、G、B三通道图像;
第一系膜灰度图提取单元,用于从G通道图像中提取系膜区域,得到第一系膜灰度图;
第二系膜灰度图提取单元,用于从待识别图像中提取系膜区域,得到第二系膜灰度图;
系膜灰度图获取单元,用于将所述第一系膜灰度图和所述第二系膜灰度图进行图像交集处理,得到系膜灰度图;
第二细胞核区域提取单元,用于从R通道图像中提取细胞核区域,得到细胞核灰度图;
第二系膜细胞区域图像获取单元,用于将所述细胞核灰度图和所述系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
优选地,如图8所示,边缘检测模块40包括边缘检测图像获取单元41和连通区域统计单元42。
边缘检测图像获取单元41,用于采用canny边缘检测算法检测所述完整系膜细胞图像的系膜细胞边缘,得到边缘检测图像,所述边缘检测图像包括连通区域;
连通区域统计单元42,用于统计所述边缘检测图像中的所述连通区域的数量,得到系膜细胞的数量。
优选地,如图9所示,该系膜细胞图像处理装置还包括数量区间获取模块50、待显示图像获取模块60和可视化呈现模块70。
数量区间获取模块50,用于获取细胞误差阈值,根据所述细胞误差阈值对所述系膜细胞的数量进行处理,得到系膜细胞的数量区间;
待显示图像获取模块60,用于根据所述连通区域对所述待识别图像进行标记,得到待显示图像;
可视化呈现模块70,用于将所述待显示图像和所述系膜细胞的数量区间进行可视化呈现。
关于系膜细胞图像处理装置的具体限定可以参见上文中对于系膜细胞图像处理方法的限定,在此不再赘述。上述系膜细胞图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述实施例中的系膜细胞图像处理方法中使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种系膜细胞图像处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中的系膜细胞图像处理方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行上述实施例中的系膜细胞图像处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种系膜细胞图像处理方法,其特征在于,包括:
获取待识别图像,所述待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像;
对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;
对所述系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;
采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量;
所述对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像,包括:
将所述待识别图像分为R、G、B三通道图像;
从G通道图像中提取系膜区域,得到第一系膜灰度图;
从待识别图像中提取系膜区域,得到第二系膜灰度图;
将所述第一系膜灰度图和所述第二系膜灰度图进行图像交集处理,得到系膜灰度图;
从R通道图像中提取细胞核区域,得到细胞核灰度图;
将所述细胞核灰度图和所述系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
2.如权利要求1所述的系膜细胞图像处理方法,其特征在于,所述采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量,包括:
采用canny边缘检测算法检测所述完整系膜细胞图像的系膜细胞边缘,得到边缘检测图像,所述边缘检测图像包括连通区域;
统计所述边缘检测图像中的所述连通区域的数量,得到系膜细胞的数量。
3.如权利要求1所述的系膜细胞图像处理方法,其特征在于,在所述采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量之后,所述系膜细胞图像处理方法还包括:
获取细胞误差阈值,根据所述细胞误差阈值对所述系膜细胞的数量进行处理,得到系膜细胞的数量区间;
根据连通区域对所述待识别图像进行标记,得到待显示图像;
将所述待显示图像和所述系膜细胞的数量区间进行可视化呈现。
4.一种系膜细胞图像处理装置,其特征在于,包括:
待识别图像获取模块,用于获取待识别图像,所述待识别图像为经过过碘酸雪夫氏染色法进行染色处理的肾小球图像;
系膜细胞区域提取模块,用于对所述待识别图像进行系膜细胞区域的提取,得到系膜细胞区域图像;
孔洞填充模块,用于对所述系膜细胞区域图像进行孔洞填充,得到填充后的完整系膜细胞图像;
边缘检测模块,用于采用边缘检测算法对所述完整系膜细胞图像进行边缘检测,得到边缘检测图像,根据所述边缘检测图像得到系膜细胞的数量;
所述系膜细胞区域提取模块包括:
第二图像分割单元,用于将所述待识别图像分为R、G、B三通道图像;
第一系膜灰度图提取单元,用于从G通道图像中提取系膜区域,得到第一系膜灰度图;
第二系膜灰度图提取单元,用于从待识别图像中提取系膜区域,得到第二系膜灰度图;
系膜灰度图获取单元,用于将所述第一系膜灰度图和所述第二系膜灰度图进行图像交集处理,得到系膜灰度图;
第二细胞核区域提取单元,用于从R通道图像中提取细胞核区域,得到细胞核灰度图;
第二系膜细胞区域图像获取单元,用于将所述细胞核灰度图和所述系膜灰度图进行图像交集处理,得到系膜细胞区域图像。
5.如权利要求4所述的系膜细胞图像处理装置,其特征在于,所述边缘检测模块包括:
边缘检测图像获取单元,用于采用canny边缘检测算法检测所述完整系膜细胞图像的系膜细胞边缘,得到边缘检测图像,所述边缘检测图像包括连通区域;
连通区域统计单元,用于统计所述边缘检测图像中的所述连通区域的数量,得到系膜细胞的数量。
6.如权利要求4所述的系膜细胞图像处理装置,其特征在于,所述系膜细胞图像处理装置还包括:
数量区间获取模块,用于获取细胞误差阈值,根据所述细胞误差阈值对所述系膜细胞的数量进行处理,得到系膜细胞的数量区间;
待显示图像获取模块,用于根据连通区域对所述待识别图像进行标记,得到待显示图像;
可视化呈现模块,用于将所述待显示图像和所述系膜细胞的数量区间进行可视化呈现。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述系膜细胞图像处理方法。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述系膜细胞图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910069306.5A CN109859179B (zh) | 2019-01-24 | 2019-01-24 | 系膜细胞图像处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910069306.5A CN109859179B (zh) | 2019-01-24 | 2019-01-24 | 系膜细胞图像处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859179A CN109859179A (zh) | 2019-06-07 |
CN109859179B true CN109859179B (zh) | 2024-05-24 |
Family
ID=66895998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910069306.5A Active CN109859179B (zh) | 2019-01-24 | 2019-01-24 | 系膜细胞图像处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859179B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363762B (zh) * | 2019-07-23 | 2023-03-14 | 腾讯医疗健康(深圳)有限公司 | 细胞检测方法、装置、智能显微镜系统和可读存储介质 |
CN115760858B (zh) * | 2023-01-10 | 2023-05-02 | 东南大学附属中大医院 | 基于深度学习的肾脏病理切片细胞识别方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130094750A1 (en) * | 2011-10-12 | 2013-04-18 | Tolga Tasdizen | Methods and systems for segmentation of cells for an automated differential counting system |
-
2019
- 2019-01-24 CN CN201910069306.5A patent/CN109859179B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109859179A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349145B (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
Da et al. | Sub-pixel edge detection based on an improved moment | |
CN109859179B (zh) | 系膜细胞图像处理方法、装置、计算机设备及存储介质 | |
CN112734774B (zh) | 一种高精度眼底血管提取方法、装置、介质、设备和系统 | |
CN109614900B (zh) | 图像检测方法及装置 | |
US10937162B2 (en) | Image analysis algorithms using control slides | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
CN111310753B (zh) | 一种表计对准方法及装置 | |
CN108663382A (zh) | 基于视觉显著性的纸张表面缺陷检测的方法及装置 | |
KR20200031687A (ko) | 화상 해석 장치, 방법 및 프로그램 | |
Phoulady et al. | An approach for overlapping cell segmentation in multi-layer cervical cell volumes | |
Foucart et al. | Artifact identification in digital pathology from weak and noisy supervision with deep residual networks | |
CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
CN107578001B (zh) | 测试指纹采集设备的分辨率的方法及装置 | |
JP2016116461A (ja) | 細胞判定方法、細胞数計測方法 | |
CN108550142A (zh) | 一种牙孔检测方法及装置 | |
CN110363762B (zh) | 细胞检测方法、装置、智能显微镜系统和可读存储介质 | |
KR102080920B1 (ko) | 혈액 방울의 컬러 이미지로부터 헤모글로빈 농도를 정량적으로 분석하는 방법 및 그 장치 | |
Michelin et al. | Embryo cell membranes reconstruction by tensor voting | |
CN113591601B (zh) | 角膜共聚焦图像中菌丝识别方法及装置 | |
CN111127434A (zh) | 染色分离方法及装置 | |
Gadgil et al. | Jelly filling segmentation of fluorescence microscopy images containing incomplete labeling | |
CN109215068B (zh) | 图像放大率测量方法及装置 | |
CN111429440A (zh) | 显微病理图像细胞充足检测方法、系统、设备、装置及介质 | |
CN116152806B (zh) | 一种基于卷积神经网络的骨髓细胞识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |