CN110363056A - 动力学视频图像中的精子识别方法 - Google Patents

动力学视频图像中的精子识别方法 Download PDF

Info

Publication number
CN110363056A
CN110363056A CN201811633206.2A CN201811633206A CN110363056A CN 110363056 A CN110363056 A CN 110363056A CN 201811633206 A CN201811633206 A CN 201811633206A CN 110363056 A CN110363056 A CN 110363056A
Authority
CN
China
Prior art keywords
sperm
video image
image
dynamics
recognition methods
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
Application number
CN201811633206.2A
Other languages
English (en)
Inventor
毛仁建
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.)
Shanghai North Medicine Polytron Technologies Inc
Original Assignee
Shanghai North Medicine Polytron Technologies Inc
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 Shanghai North Medicine Polytron Technologies Inc filed Critical Shanghai North Medicine Polytron Technologies Inc
Priority to CN201811633206.2A priority Critical patent/CN110363056A/zh
Publication of CN110363056A publication Critical patent/CN110363056A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种动力学视频图像中的精子识别方法，包含以下步骤:采集精子动力学视频图像、对精子动力学视频图像进行图像二值化处理、计算经过图像二值化处理的精子动力学视频图像中的每个精子的特征值、提供预设的阈值范围、判断每个精子的特征值是否满足预设的阈值范围内，若是，则将精子定义为候选精子；若否，则将精子由可能的真正精子中予以排除、及分析候选精子的周围线条区域的长度，若长度在预设阈值的范围内，可判定存在尾巴，据此能够对少精和高浓度的粘连精子进行识别，能够将对比度不高(即发亮度不高)、有气泡干扰的精子进行识别，藉此可以识别出真正的精子。

Description

动力学视频图像中的精子识别方法
技术领域
本发明是涉及一种精子识别领域，特别是有关于利用动力学视频图像中的精子识别方法。
背景技术
目前对于精子常规分析，采用相差显微镜获取的动力学视频图像杂质较少，一般发亮的图像区域是精子。但是临床的精子检体样本充斥着大量的少精和高浓度样本，且精子计数池有一定的高度，无法保证精子运动在一个平面内，这就是所谓的分层现象。这样显微镜聚焦采集到的视频图像中，有些在底层运动的精子的亮度与在聚焦平面发亮的精子的亮度就会有很大的区别，据此很难用一个阈值将低亮度的精子与聚焦平面的精子统一进行识别。对于少精的检体样本，有些少量杂质也会产生亮度，这样便增加了精子识别的困难度。
对于高浓度的精子检体样本，发亮区域很大，一般的图像处理很难将黏连的精子分割开来。且加样的手法不相同也会导致玻片中精子的分布不一，有些检体样本中产生了大量的气泡，会影响聚焦效果，精子的运动导致明亮的晕图和精子头部相连，这些因素进一步增加了利用动力学视频突像中精子的识别难度。
发明内容
本发明的在于提供一种动力学视频图像中的精子识别方法，此种精子识别方法能够对少精和高浓度的黏连精子进行准确的分割和识别。
本发明的另一目的在于提供一种动力学视频图像中的精子识别方法，藉以能够对存在深度差和有气泡干染的精子图像进行准确的分割和识别。
根据上述目的，本发明提供一种动力学视频图像中的精子识别方法，包含以下步骤：采集精子动力学视频图像、对精子动力学视频图像进行图像二值化处理、计算经过图像二值化处理的精子动力学视频图像中的每个精子的特征值、提供预设的阈值范围、判断每个精子的特征值是否满足预设的阈值范围内，若是，则将精子定义为候选精子；若否，则将精子由可能的真正精子中予以排除、及分析候选精子的周围线条区域的长度，若长度在预设阈值的范围内，可判定存在尾巴，并证明候选精子为真正的精子。
据此，根据本发明所提供的一种动力学视频图像中的精子识别方法，能够对少精和高浓度的粘连精子进行识别，能够将对比度不高(即发亮度不高)、有气泡干扰的精子进行识别，藉此可以识别出真正的精子。
附图说明
图1为根据本发明所揭露的技术，表示动力学视频图像中的精子识别方法的步骤流程图。
图2A为根据本发明所揭露的技术，表示具有高粘连精子的视频原图的示意图。
图2B为根据本发明所揭露的技术，表示少精视频原图的示意图。
图2C为根据本发明所揭露的技术，表示存在气泡视频原图的示意图。
图3A为根据本发明所揭露的技术，表示将图2A经过图像二值化处理后的具有高粘连精子视频的示意图。
图3B为根据本发明所揭露的技术，表示将图3B经过图像二值化处理后的少精视频的示意图。
图3C为根据本发明所揭露的技术，表示将图3C经过图像二值化处理后的存在气泡视频的示意图。
图4A为根据本发明所揭露的技术，表示经过识别后的具有高粘连精子视频的示意图。
图4B为根据本发明所揭露的技术，表示经过识别后的少精视频的示意图。
图4C为根据本发明所揭露的技术，表示经过识别后的存在气泡视频的示意图。
具体实施方式
为了使本发明的目的、技术特征及优点，能更为相关技术领域人员所了解，并得以实施本发明，在此配合所附的图式、具体阐明本发明的技术特征与实施方式，并列举较佳实施例进一步说明。以下文中所对照的图式，为表达与本发明特征有关的示意，并未亦不需要依据实际情形完整绘制。而关于本案实施方式的说明中涉及本领域技术人员所熟知的技术内容，亦不再加以陈述。
首先请参考图1，图1为动力学视频图像中的精子识别方法的步骤流程图，并于陈述图1的步骤流程当中，同时配合图2A－图2B、图3A图3C及图4A－图4C来一并说明。
在图1中，步骤10，采集精子动力学视频图像。在此步骤中，采集精子动力学视频图像主要是利用显微摄像系统来达成，其中，显微摄像系统主要是由显微镜及CCD组成，其主要的功能是将被检测的生物检体信号通过显微放大之后，由CCD随机送往微机控制下的图像板进行抓拍。然后再藉由图像采集系统中的图像卡将CCD所发送的信号进行随机抓拍、识别、预处理、贮存，并进一步地将信号送到计算器进行处理。在此步骤中，进行视频图像采集的生物检体为精子。据此，在步骤10中所采集到的精子动力学图像可以是如图2A所表示的具有高粘连精子的视频原图、如图2B所表示的少精视频原图或是如图2C所表示的存在气泡视频原图。于另一实施例中，所采集到的视频原图也有可能是图2A、图2B、图2C的三者其中两个的组合或是三者的组合。
接着，对于所采集到的精子动力学视频图像(如图2A、图2B及/或图2C)要进行二值化处理。即进行步骤12，对精子动力学视频图像进行图像二值化处理。在此步骤中，根据视频图像的特点，利用高斯平滑，去除噪声，并且使用自适应阈值化方法对视频图像进行二值化(thresholding)处理，从而可以凸显出目标(正常的精子)的轮廓。于此步骤中，自适应阈值设定为T，其自适应阈值T的计算如下：
先将精子动力学视频图像的像素设为N，灰度范围为[0，L-1]，对应灰度级i的像素为ni，概率为＝ni/N，其中i＝0，1，2，…L-1，把精子动力学视频图像中的像素按灰度值用阈值T分为两类，为C0和C1，其中，C0由灰度值在[0，T]之间的像素组成，而C1由灰度值在[T+1，L-1]之间的像素组成，对于灰度分布概率，整幅图像的均值为则C0和C1的均值为在此，上述(式2)中的及(式3)由上述(式1)、(式2)及(式3)计算可以得到ut＝W0*u0+W1*u1(式4)，及类间方差定义为： 让T在[0，L-1]范围依次取值，使最大的T值即为所求的自适应阈值。并且要说明的是，在本发明中采用二值化的目的在于将灰度图像转换成二值图像，其目地是把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个临界值的像素灰度值设为灰度极小值，也就是将整个视频图像呈现出明显的黑白效果，去除视频图像中不必要的数据。而二值化法为一般对于图像处理的惯用手段，在此不做详细陈述。
因此，图3A是表示前述图2A的具有高浓度粘连精子的视频原图经过步骤12的图像二值化处理之后的视频图示、图3B是表示前述图2B的少精视频原图经过步骤12的图像二值化处理之后的视频图示以及图3C是表示前述图2C的存在气泡视频原图经过图像二值化处理之后的视频图示。由图3A与图2A比对可以得到在尚未进行处理之前的精子动力学视频图像的灰度并不明显，经过图像二值化处理之后，可以得到较深颜色的精子是在聚焦平面上，而较浅颜色的精子则是在底层，其图像二值化之后可以除去黏连精子的问题，清楚的将精子予以分层。而由图3B与图2B比对可以得到，经过图像二值化处理之后，可以将精子明确的呈现出来，而由图3C与图2C比对也可以得到，具有气泡的精子可以明显的呈现出来。故，在经过提并且除去视频中的噪声之后，即可以视为可能具有真正的精子存在，并且对这些精子进行提纯。
接着，进行步骤14，对于已经过图像二值化处理的精子动力学视频图像中的每个精子计算其精子特征。于此步骤中，提纯的步骤主要是计算出每个精子的特征，这些特征包括有轮廓面积、长度、圆度及/或凸凹度。于此步骤中，每个精子的轮廓面积是利用公式为各相连轮廓点向量的叉乘的和的一半)、每个精子的圆度的计算公式为4π*面积/长度、及每个精子的凸凹度为精子轮廓面积/拟合轮廓面积。而在此步骤中，根据上述公式计算出每个精子的轮廓面积和长度之后，亦可以通过轮廓面积和长度提出气泡，一般来说气泡的大小是精子的10倍以上。
步骤16，将每个精子的特征值与设定精子对应的阈值进行比对，若是精子的特征值在满足预设的阈值的范围内，则将该精子视为候选精子；若否，则将所述精子由可能是正常精子中予以排除。在此步骤中，其预设的阈值为正常精子的特征值，在此，正常精子的特征值是藉由找一个在视野中有一个正常的精子图像，提取精子，获取正常精子的轮廓面积、长度、长度、圆度及/或凸凹度，使用这些值作为正常精子的阈值(特征值)。将每个精子的特征值如轮廓面积、长度、圆度及/或凸凹度与阈值来相对应，若是精子的特征值满足预设的阈值的范围则可以将该精子视为候选精子，即该精子有可能为正常的精子。
步骤18，分析候选精子的周围线条区域的长度，若长度在预设阈值的范围内，可判定存在尾巴，并证明该候选精子为真正的精子。于步骤18即为识别步骤，其目的是为了从提纯后的高浓度粘连精子视频图、少精视频原图或是存在气泡视频原图中，将真正的精子由多个候选精子中识别出来，如图4A－图4C所示。除了藉由步骤16计算每个精子的特征值来找到候选精子之外，进一步的利用形态学来分析每个候选精子周围线条区域的长度，藉此以找到在精子动力学视频图像中真正的精子。在此，形态学分析步骤包括:在精子的周围10*10范围内统计相连轮廓点个数；以及统计相连的轮廓点之间距离的和则为候选长度值。
以上所述仅为本发明之较佳实施例，并非用以限定本发明之权利范围；同时以上的描述，对于相关技术领域之专门人士应可明了及实施，因此其他未脱离本发明所揭示之精神下所完成的等效改变或修饰，均应包含在申请专利范围中。

Claims (9)

1.一种动力学视频图像中的精子识别方法，其特征在于，所述精子识别方法包含以下步骤：
采集精子动力学视频图像；
对所述精子动力学视频图像进行图像二值化处理；
计算经过所述图像二值化处理的所述精子动力学视频图像中的每个精子的特征值；
提供预设的阈值范围；
判断各所述精子的所述特征值是否满足所述预设的阈值范围内，若是，则将所述精子定义为候选精子；若否，则将所述精子由可能的真正精子中予以排除；及
分析所述候选精子的周围线条区域的长度，若长度在所述预设阈值的范围内，可判定存在尾巴，并证明所述候选精子为真正的精子。
2.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述精子动力学视频图像包括具有高粘连精子的视频原图、少精视频原图及/或存在气泡视频原图。
3.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述图像二值化处理步骤还包括以下步骤：
利用高斯平滑去除噪声；及
使用自适应阈值化方法对所述精子动力学视频图像进行二值化处理。
4.如权利要求3所述的动力学视频图像中的精子识别方法，其特征在于，所述自适应阈值为T。
5.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述预设的阈值为正常精子的特征值。
6.如权利要求5所述的动力学视频图像中的精子识别方法，其特征在于，取得所述正常精子的所述特征值的步骤包含:
找一个在视野中有一个正常的精子图像，提取精子；及
获取所述精子的轮廓面积、长度、圆度及/或凸凹度并作为所述精子的特征值。
7.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述特征值为轮廓面积、长度、圆度及/或凸凹度。
8.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述分析候选精子的周围线条区域的长度是利用形态学分析方法来达成。
9.如权利要求1所述的动力学视频图像中的精子识别方法，其特征在于，所述形态学分析法步骤包括:
在所述精子的周围10*10范围内统计相连轮廓点个数；以及
统计所述相连的轮廓点之间距离的和则为候选长度值。
CN201811633206.2A 2018-12-29 2018-12-29 动力学视频图像中的精子识别方法 Pending CN110363056A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811633206.2A CN110363056A (zh) 2018-12-29 2018-12-29 动力学视频图像中的精子识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811633206.2A CN110363056A (zh) 2018-12-29 2018-12-29 动力学视频图像中的精子识别方法

Publications (1)

Publication Number Publication Date
CN110363056A true CN110363056A (zh) 2019-10-22

Family

ID=68215061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811633206.2A Pending CN110363056A (zh) 2018-12-29 2018-12-29 动力学视频图像中的精子识别方法

Country Status (1)

Country Link
CN (1) CN110363056A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111104894A (zh) * 2019-12-17 2020-05-05 北京推想科技有限公司 一种精子标注方法、装置、电子设备及存储介质
CN112330660A (zh) * 2020-11-24 2021-02-05 成都朴华科技有限公司 一种基于神经网络的精子尾部检测方法及其系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104846054A (zh) * 2015-05-22 2015-08-19 电子科技大学 一种基于形态学特征的白带中霉菌的自动检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104846054A (zh) * 2015-05-22 2015-08-19 电子科技大学 一种基于形态学特征的白带中霉菌的自动检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任明响: "精子序列图像超长时间跟踪方法研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
吴文艺: "金刚石砂轮磨粒光学显微层析图像分析与识别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111104894A (zh) * 2019-12-17 2020-05-05 北京推想科技有限公司 一种精子标注方法、装置、电子设备及存储介质
CN112330660A (zh) * 2020-11-24 2021-02-05 成都朴华科技有限公司 一种基于神经网络的精子尾部检测方法及其系统
CN112330660B (zh) * 2020-11-24 2024-02-02 成都朴华科技有限公司 一种基于神经网络的精子尾部检测方法及其系统

Similar Documents

Publication Publication Date Title
CN104834912B (zh) 一种基于图像信息检测的天气识别方法及装置
US10453195B2 (en) Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium
WO2012169088A1 (ja) 画像処理装置、画像処理方法及び画像処理システム
CN109668909A (zh) 一种玻璃缺陷检测方法
CN104299196A (zh) 一种图像处理装置及方法、显示设备
US20190204292A1 (en) Image Processing Device, Image Processing Method, and Recording Medium
WO2014087689A1 (ja) 画像処理装置、画像処理システム及びプログラム
Shaikh et al. A novel approach for automatic number plate recognition
Nguyen et al. Cell splitting with high degree of overlapping in peripheral blood smear
CN110363056A (zh) 动力学视频图像中的精子识别方法
CN116091421A (zh) 一种体外受精胚胎卵裂球图像自动分割及面积计算的方法
CN108845153B (zh) 一种白细胞粒子分析系统及方法
CN105389820A (zh) 一种基于倒谱的红外图像清晰度评价方法
CN117036259A (zh) 一种基于深度学习的金属板材表面缺陷检测方法
CN110533626B (zh) 一种全天候水质识别方法
CN116228706A (zh) 基于深度学习的细胞自噬免疫荧光图像分析系统和方法
US8467590B2 (en) Microscopy analysis technique
Silva-Rodríguez et al. Predicting the success of blastocyst implantation from morphokinetic parameters estimated through CNNs and sum of absolute differences
CN103177244B (zh) 水下显微图像中快速检测目标生物的方法
CN115511814A (zh) 一种基于兴趣区域多纹理特征融合的图像质量评价方法
Bagui et al. Red blood cells counting by circular Hough transform using multispectral images
US10146042B2 (en) Image processing apparatus, storage medium, and image processing method
CN112465817B (zh) 一种基于方向滤波器的路面裂缝检测方法
CN112070771B (zh) 基于hs通道的自适应阈值分割方法、装置和存储介质
CN109993761B (zh) 一种三值图像获取方法、装置及车辆

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022