CN110796668B - 一种基于稀疏限制的白细胞细胞核分割方法 - Google Patents

一种基于稀疏限制的白细胞细胞核分割方法 Download PDF

Info

Publication number
CN110796668B
CN110796668B CN201911027633.0A CN201911027633A CN110796668B CN 110796668 B CN110796668 B CN 110796668B CN 201911027633 A CN201911027633 A CN 201911027633A CN 110796668 B CN110796668 B CN 110796668B
Authority
CN
China
Prior art keywords
sparse
image
segmentation
cell nucleus
image representation
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
Application number
CN201911027633.0A
Other languages
English (en)
Other versions
CN110796668A (zh
Inventor
肖国宝
钟振
李佐勇
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.)
Shaanxi Xiangshan Cell Biotechnology Co ltd
Original Assignee
Minjiang 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 Minjiang University filed Critical Minjiang University
Priority to CN201911027633.0A priority Critical patent/CN110796668B/zh
Publication of CN110796668A publication Critical patent/CN110796668A/zh
Application granted granted Critical
Publication of CN110796668B publication Critical patent/CN110796668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及一种基于稀疏限制的白细胞细胞核分割方法，首先准备包括白细胞图像在内的数据集；接着通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；最后用稀疏约束进行细胞核的分割。本发明能够有效提高白细胞细胞核分割方法的计算效率，并同时提高其分割准确率。

Description

一种基于稀疏限制的白细胞细胞核分割方法
技术领域
本发明涉及图像处理技术领域，特别是一种基于稀疏限制的白细胞细胞核分割方法。
背景技术
白细胞是人体血细胞的重要防御细胞，它们含有5种细胞，即嗜中性粒细胞，嗜碱性粒细胞，嗜酸性粒细胞，单核细胞和淋巴细胞。白细胞分割是各种医学诊断应用的变化任务。例如，在明视野显微镜下收集的血涂片中的白细胞的视觉检查可以诊断各种疾病，例如脓毒性细菌炎症，尿毒症等。
近年来已经提出了白细胞分割方法的数量。它们可以分为两类：无监督和监督的白细胞分割方法。监督白细胞分割方法将白细胞分割问题表述为多分类问题。它们通常以两步方式求解，即首先提取图像特征，然后对提取的特征进行分类。然而，监督方法需要大量训练样本，这些训练样本通常是手动标记的生物图像并且通常难以获得。此外，训练样本与测试样本不能有显着差异。否则，监督算法不能很好地工作。因此，监督算法的泛化能力不高。注意，无监督的白细胞方法(例如，阈值处理，K-均值(k-means)，模糊c-均值(FCM)和均值平移，不需要手动标记图像特征。但是，白细胞和红细胞经常粘在一起，因为它们在生物图像中具有相似的颜色。无监督的方法通常需要调整参数以防止拟合或过度拟合。
发明内容
有鉴于此，本发明的目的是提出一种基于稀疏限制的白细胞细胞核分割方法，能够有效提高白细胞细胞核分割方法的计算效率，并同时提高其分割准确率。
本发明采用以下方案实现：一种基于稀疏限制的白细胞细胞核分割方法，包括以下步骤：
准备包括白细胞图像在内的数据集；
通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；
用稀疏约束进行细胞核的分割。
进一步地，稀疏图像表示可以强调核心信息(即背景，红细胞，细胞质)。所述通过组合颜色空间和颜色通道构建稀疏图像表示具体为：
使用信息颜色空间(H，S，L)和颜色通道(R，G，B)构建新的稀疏图像表示，获得的组合图像的稀疏图像表示为：
Figure BDA0002249138700000021
式中，Ic表示构建的稀疏图像表示，S表示饱和度，G代表通道G，B代表通道B。
进一步地，所述用稀疏约束进行细胞核的分割具体包括以下步骤：
步骤S1：将获得的组合图像转换为直方图；
步骤S2：在直方图上获得前两个峰值T1与T2，取两个峰值之中的最小值作为分割阈值T，即：
T＝min[T1,T2]；
步骤S3：执行自动阈值分割，得到细胞核；
步骤S4：在图像上进行膨胀填补已分割细胞核中间细小的空洞；
步骤S5：对膨胀后的图像进行腐蚀以获得更准确的细胞核图像。
进一步地，步骤S3具体为，采用下式进行自动阈值分割：
Figure BDA0002249138700000031
式中，Cn(i,j)表示像素，I(i,j)表示组合字符的像素，T表示分割阈值。
与现有技术相比，本发明有以下有益效果：本发明通过组合颜色空间和颜色通道构建稀疏图像表示，能突出细胞核特征的有效信息，能够有效提高白细胞细胞核分割方法的计算效率，并同时提高其分割准确率。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例在数据集1上实现细胞核分割的效果图。
图3为本发明实施例在数据集2上实现细胞核分割的效果图。
图2与图3中，(a)为原图组，(b)为对应(a)的本实施例方法分割结果图组，(c)为对应(a)的标准结果图组。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种基于稀疏限制的白细胞细胞核分割方法，包括以下步骤：
准备包括白细胞图像在内的数据集；
通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；
用稀疏约束进行细胞核的分割。
特别的，为了更好地评估算法的准确性和鲁棒性，本实施例评估在两个数据上的性能。数据1是中国江西特康科技公司提供的138个大小120×120的快速染色的单白细胞图像。数据2由福建省第三人民医院提供的28个标准染色单白细胞图像的，其大小为大小250×250的。
在本实施例中，稀疏图像表示可以强调核心信息(即背景，红细胞，细胞质)。所述通过组合颜色空间和颜色通道构建稀疏图像表示具体为：
使用信息颜色空间(H，S，L)和颜色通道(R，G，B)构建新的稀疏图像表示，获得的组合图像的稀疏图像表示为：
Figure BDA0002249138700000041
式中，Ic表示构建的稀疏图像表示，S表示饱和度，G代表通道G，B代表通道B。
在本实施例中，所述用稀疏约束进行细胞核的分割具体包括以下步骤：
步骤S1：将获得的组合图像转换为直方图；
步骤S2：在直方图上获得前两个峰值T1与T2，取两个峰值之中的最小值作为分割阈值T，即：
T＝min[T1,T2]；
步骤S3：执行自动阈值分割，得到细胞核；
步骤S4：在图像上进行膨胀填补已分割细胞核中间细小的空洞；
步骤S5：对膨胀后的图像进行腐蚀以获得更准确的细胞核图像。
在本实施例中，步骤S3具体为，采用下式进行自动阈值分割：
Figure BDA0002249138700000051
式中，Cn(i,j)表示像素，I(i,j)表示组合字符的像素，T表示分割阈值。
表1为本实施例与SVM分割算法、分水岭分割算法(WS)、组合图像分割算法(CIS)以及直方图阈值分割(AHT)在数据1(快速染色)与数据2(标准染色)上分割细胞核的自适应误分类误差(ME)、误报率(FPR)、假阴性率(FNR)和kappa指数(KI)的平均值对比。从表中，可以看到本发明显著提升了检测准确率，在六种方法中取得最好的效果。同时，如图2与图3所示，可以看出，本实施例的方法所分割得到的细胞核图像与标准结果基本一致，具有较高的准确性。
表1
Figure BDA0002249138700000061
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (2)

1.一种基于稀疏限制的白细胞细胞核分割方法，其特征在于，包括以下步骤：
准备包括白细胞图像在内的数据集；
通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；
用稀疏约束进行细胞核的分割；
所述通过组合颜色空间和颜色通道构建稀疏图像表示具体为：
使用信息颜色空间(H，S，L)和颜色通道(R，G，B)构建新的稀疏图像表示，获得的组合图像的稀疏图像表示为：
Figure FDA0003502969570000011
式中，Ic表示构建的稀疏图像表示，S表示饱和度，G代表通道G，B代表通道B；
所述用稀疏约束进行细胞核的分割具体包括以下步骤：
步骤S1：将获得的组合图像转换为直方图；
步骤S2：在直方图上获得前两个峰值T1与T2，取两个峰值之中的最小值作为分割阈值T，即：
T＝min[T1,T2]；
步骤S3：执行自动阈值分割，得到细胞核；
步骤S4：在图像上进行膨胀填补已分割细胞核中间细小的空洞；
步骤S5：对膨胀后的图像进行腐蚀以获得更准确的细胞核图像。
2.根据权利要求1所述的一种基于稀疏限制的白细胞细胞核分割方法，其特征在于，步骤S3具体为，采用下式进行自动阈值分割：
Figure FDA0003502969570000012
式中，Cn(i,j)表示像素，I(i,j)表示组合字符的像素，T表示分割阈值。
CN201911027633.0A 2019-10-28 2019-10-28 一种基于稀疏限制的白细胞细胞核分割方法 Active CN110796668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911027633.0A CN110796668B (zh) 2019-10-28 2019-10-28 一种基于稀疏限制的白细胞细胞核分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911027633.0A CN110796668B (zh) 2019-10-28 2019-10-28 一种基于稀疏限制的白细胞细胞核分割方法

Publications (2)

Publication Number Publication Date
CN110796668A CN110796668A (zh) 2020-02-14
CN110796668B true CN110796668B (zh) 2022-04-01

Family

ID=69441447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911027633.0A Active CN110796668B (zh) 2019-10-28 2019-10-28 一种基于稀疏限制的白细胞细胞核分割方法

Country Status (1)

Country Link
CN (1) CN110796668B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985119A (zh) * 2014-05-08 2014-08-13 山东大学 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
CN104850860A (zh) * 2015-05-25 2015-08-19 广西师范大学 细胞图像识别方法及细胞图像识别装置
CN107016395A (zh) * 2017-03-18 2017-08-04 复旦大学 基于稀疏表示体系的原发性脑部淋巴瘤和胶质母细胞瘤的鉴别方法
CN108961208A (zh) * 2018-05-21 2018-12-07 江苏康尚生物医疗科技有限公司 一种聚集白细胞分割计数系统及方法
CN109690562A (zh) * 2018-05-18 2019-04-26 香港应用科技研究院有限公司 由全卷积神经网络加速细胞学图像分类的图像预处理
WO2019108888A1 (en) * 2017-11-30 2019-06-06 The Research Foundation For The State University Of New York SYSTEM AND METHOD TO QUANTIFY TUMOR-INFILTRATING LYMPHOCYTES (TILs) FOR CLINICAL PATHOLOGY ANALYSIS
CN109952614A (zh) * 2016-08-22 2019-06-28 艾瑞斯国际有限公司 生物粒子的分类系统和方法
CN110148126A (zh) * 2019-05-21 2019-08-20 闽江学院 基于颜色分量组合和轮廓拟合的血液白细胞分割方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985119A (zh) * 2014-05-08 2014-08-13 山东大学 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
CN104850860A (zh) * 2015-05-25 2015-08-19 广西师范大学 细胞图像识别方法及细胞图像识别装置
CN109952614A (zh) * 2016-08-22 2019-06-28 艾瑞斯国际有限公司 生物粒子的分类系统和方法
CN107016395A (zh) * 2017-03-18 2017-08-04 复旦大学 基于稀疏表示体系的原发性脑部淋巴瘤和胶质母细胞瘤的鉴别方法
WO2019108888A1 (en) * 2017-11-30 2019-06-06 The Research Foundation For The State University Of New York SYSTEM AND METHOD TO QUANTIFY TUMOR-INFILTRATING LYMPHOCYTES (TILs) FOR CLINICAL PATHOLOGY ANALYSIS
CN109690562A (zh) * 2018-05-18 2019-04-26 香港应用科技研究院有限公司 由全卷积神经网络加速细胞学图像分类的图像预处理
CN108961208A (zh) * 2018-05-21 2018-12-07 江苏康尚生物医疗科技有限公司 一种聚集白细胞分割计数系统及方法
CN110148126A (zh) * 2019-05-21 2019-08-20 闽江学院 基于颜色分量组合和轮廓拟合的血液白细胞分割方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A Color and Shape Based Algorithm for Segmentation of White Blood Cells in Peripheral Blood and Bone Marrow Images;Salim Arslan等;《Cytometry》;20140312;第85卷(第6期);480-490 *
Superpixel-Guided Two-View Deterministic Geometric Model Fitting;Guobao Xiao等;《International Journal of Computer Vision》;20180519;1-17 *
White Blood Cell Segmentation by Color-Space-Based K-Means Clustering;Congcong Zhang等;《Sensors》;20141231;第14卷(第9期);16128-16147 *
基于卷积神经网络的病理细胞核分割;吴宇雳等;《重庆工商大学学报(自然科学版)》;20190611;第36卷(第3期);第67-71页 *
血液白细胞显微图像分割与识别的研究;俞乐;《中国优秀硕士学位论文全文数据库_信息科技辑》;20130515(第05期);I138-1929 *

Also Published As

Publication number Publication date
CN110796668A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN112070772B (zh) 基于UNet++和ResNet的血液白细胞图像分割方法
Ahirwar et al. Advanced image analysis based system for automatic detection and classification of malarial parasite in blood images
CN110120056B (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
Miao et al. Simultaneous Segmentation of Leukocyte and Erythrocyte in Microscopic Images Using a Marker‐Controlled Watershed Algorithm
Alreza et al. Design a new algorithm to count white blood cells for classification leukemic blood image using machine vision system
CN110148126B (zh) 基于颜色分量组合和轮廓拟合的血液白细胞分割方法
CN111079620A (zh) 基于迁移学习的白细胞图像检测识别模型构建方法及应用
Chen et al. Cell nuclei detection and segmentation for computational pathology using deep learning
Mohamed et al. Automated classification of bacterial images extracted from digital microscope via bag of words model
CN112750132A (zh) 基于双路径网络和通道注意的白细胞图像分割方法
Ferdosi et al. White blood cell detection and segmentation from fluorescent images with an improved algorithm using k-means clustering and morphological operators
Bhavnani et al. Segmentation and counting of WBCs and RBCs from microscopic blood sample images
Muhamad et al. A comparative evaluation of deep learning methods in automated classification of white blood cell images
Sahastrabuddhe COUNTING OF RBC AND WBC USING IMAGE PROCESSING: A
CN113313719A (zh) 基于视觉注意机制和模型拟合的白细胞分割方法
McCann et al. Automated colitis detection from endoscopic biopsies as a tissue screening tool in diagnostic pathology
Vale et al. Automatic segmentation and classification of blood components in microscopic images using a fuzzy approach
CN110796668B (zh) 一种基于稀疏限制的白细胞细胞核分割方法
Zheng et al. White blood cell segmentation based on visual attention mechanism and model fitting
CN110766680B (zh) 一种基于几何约束的白细胞图像分割方法
Rege et al. Automatic leukemia identification system using otsu image segmentation and mser approach for microscopic smear image database
Adollah et al. Multilevel thresholding as a simple segmentation technique in acute leukemia images
CN112508931A (zh) 基于U-Net和ResNet的白细胞分割方法
Masoudi et al. Diagnosis of Hodgkin's disease by identifying Reed-Sternberg cell nuclei in histopathological images of lymph nodes stained with Hematoxylin and Eosin
Zhou et al. Color space volume and superpixel based leukocyte image segmentation

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240123

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Country or region after: China

Address before: 200 xiyuangong Road, Shangjie Town, Minhou County, Fuzhou City, Fujian Province

Patentee before: MINJIANG University

Country or region before: China

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240227

Address after: 710000 A608-3, 6th Floor, Xinyuanli Life Square, Chanba Avenue, Chanba Ecological Zone, Xi'an City, Shaanxi Province [Cluster]

Patentee after: Shaanxi Xiangshan Cell Biotechnology Co.,Ltd.

Country or region after: China

Address before: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Country or region before: China