TWI774120B - 生物組織影像分析方法及生物組織影像分析系統 - Google Patents
生物組織影像分析方法及生物組織影像分析系統 Download PDFInfo
- Publication number
- TWI774120B TWI774120B TW109139224A TW109139224A TWI774120B TW I774120 B TWI774120 B TW I774120B TW 109139224 A TW109139224 A TW 109139224A TW 109139224 A TW109139224 A TW 109139224A TW I774120 B TWI774120 B TW I774120B
- Authority
- TW
- Taiwan
- Prior art keywords
- biological tissue
- tissue image
- image data
- image
- target
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000004458 analytical method Methods 0.000 claims description 77
- 238000003703 image analysis method Methods 0.000 claims description 61
- 238000010191 image analysis Methods 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 30
- 238000007781 pre-processing Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 22
- 238000000879 optical micrograph Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 238000002591 computed tomography Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000001000 micrograph Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 11
- 230000002349 favourable effect Effects 0.000 abstract 1
- 210000001519 tissue Anatomy 0.000 description 330
- 210000004027 cell Anatomy 0.000 description 26
- 210000003746 feather Anatomy 0.000 description 24
- 210000000845 cartilage Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 210000003127 knee Anatomy 0.000 description 9
- 241000287828 Gallus gallus Species 0.000 description 8
- 210000003491 skin Anatomy 0.000 description 8
- 210000001188 articular cartilage Anatomy 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 241000699666 Mus <mouse, genus> Species 0.000 description 5
- 206010021198 ichthyosis Diseases 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 241000699670 Mus sp. Species 0.000 description 4
- 238000010205 computational analysis Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 210000002510 keratinocyte Anatomy 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000037311 normal skin Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 210000004927 skin cell Anatomy 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012567 medical material Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 210000003463 organelle Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000007447 staining method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/12—Edge-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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
Abstract
本發明提供一種生物組織影像分析系統,包含一影像擷取裝置以及一處理器。影像擷取裝置用以擷取一目標組織的複數個生物組織影像資料。處理器電性連接前述之影像擷取裝置,其中所述之處理器包含一生物組織影像分析程式。當生物組織影像分析程式由處理器執行時可評估目標組織的狀態,使生物組織影像資料所隱含的資訊可被具體量化,以利於直觀且正確地分析目標組織組成形態的空間分布特徵,並具有相關領域的應用潛力。
Description
本發明是有關於一種影像分析系統與方法,特別是一種用以分析生物組織影像之生物組織影像分析方法及生物組織影像分析系統。
組織切片(biopsy)是指一種將取自於植物、動物或人類的生物組織處理為薄片並以顯微鏡觀察組織形態的方法,並廣泛應用於生物學、醫學(如病理學、傳染病學等)、植物病理學等相關領域。
在實際應用上,組織切片之辨識與判讀大多需要該領域之專業人士觀察顯微鏡下的放大影像後再行進行比對與判讀,非該領域之人士並無法透過直接觀察組織切片的外觀而直接獲得相關之組織狀態。再者,同一組織切片的判讀結果常因不同判讀者的主觀判讀習慣而有所不同,如此一來恐會造成活體組織切片的判斷正確度與實際情形產生落差。另外,現行之組織切片的判讀僅對組織切片進行形態質化說明並直接導出對應之判讀結果,並無法對組織切片的形態進行量化,進而導致組織切片的應用廣度受到侷限而不利於相關科技的發展。
因此,如何發展出一種快速且具有高度判讀準確度之組織切片的分析系統與方法,實為一具有臨床應用價值之技術課題。
本發明之一態樣在於提供一種生物組織影像分析方法,包含下述步驟。提供複數個生物組織影像資料,其中前述之生物組織影像資料分別對應一目標組織於一限定縱深空間範圍內的複數個切片,且各生物組織影像資料包含複數個目標物件影像區塊。進行一影像前處理步驟,其係調整各生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料。進行一擬合步驟,其係對各處理後生物組織影像資料影像中的各目標物件影像區塊之一邊緣區域進行一像素框選處理,以得前述之複數個目標物件影像區塊的複數個物件擬合圖像,其中前述之像素框選處理的一像素參數為至少3,且各物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數。進行一採樣步驟,其係框選各處理後生物組織影像資料的一目標區域,其中前述之複數個處理後生物組織影像資料的目標區域的形狀與面積彼此相等,任一個處理後生物組織影像資料中的目標區域之水平座標位置與另一個處理後生物組織影像資料中的目標區域之水平座標位置重合,且所述之目標區域包含前述之複數個物件擬合圖像。進行一計算分析步驟,其係重疊前述之複數個處理後生物組織影像資料並使所述之複數個目標區域重合,並根據前述之複數個目標區域之物件擬合圖像的長度向量參數及寬度向量參數計算複數個物件擬合圖像的一區域平均物件尺寸大小或物件擬合圖像之一區域平均物件伸長率,及根據複數個物件擬合圖像之指向角度參數計算一物件區域指向角度平均值,且所述之計算分析步驟係根據所述之區域平均物件尺寸大小、所述之區域平均物件伸長率或所述之物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果。
依據前述之生物組織影像分析方法,其中前述之影像資訊可包含一對比度與一灰階值,且所述之影像前處理步驟可以對比限制適應性直方圖等化(Contrast Limited Adaptive Histogram Equalization, CLAHE)演算法調整各生物組織影像資料的對比度,並可以二值化(binarization)處理法調整各生物組織影像資料的灰階值。
依據前述之生物組織影像分析方法,可更包含進行一影像增強步驟,其係對各生物組織影像資料進行一去噪處理以及一輪廓閉合處理,以得前述之物件擬合圖像。
依據前述之生物組織影像分析方法,其中前述之像素框選處理的像素參數可為5-50,且前述之各生物組織影像資料的目標區域包含至少五個物件擬合圖像。
依據前述之生物組織影像分析方法,其中各物件擬合圖像的形狀可為橢圓形,且前述之長度向量參數可為所述之橢圓形之一半長軸的長度的2倍,前述之寬度向量參數可為所述之橢圓形之一半短軸的長度的2倍。
依據前述之生物組織影像分析方法,其中各目標區域的形狀可為正方形,且所述之正方形之一邊長可等於前述之物件擬合圖像之半長軸的平均長度的2倍至10倍。
依據前述之生物組織影像分析方法,其中,在各物件擬合圖像中,半長軸的長度為a,半短軸的長度為b,物件擬合圖像的尺寸為πab,物件擬合圖像的伸長率為b/a,其中π為圓周率;其中,在各處理後生物組織影像資料的目標區域的複數個物件擬合圖像中,所述之區域平均物件尺寸大小為PS,所述之區域平均物件伸長率為PEL,其可滿足下述條件:PS = Σ(πab)/n;以及PEL = Σ(b/a)/n;其中n為所述之目標區域的物件擬合圖像的數量。
依據前述之生物組織影像分析方法,其中各生物組織影像資料可為一電腦斷層攝影影像、一光學顯微鏡影像或一電子顯微影像。
依據前述之生物組織影像分析方法,可更包含進行一分析結果輸出步驟,其係以一粗粒化分析方法(coarse-graining method)而根據前述之目標區域之區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值而輸出複數個生物組織影像資料於重合之目標區域的生物組織影像特定區域中心的分析結果。
依據前述之生物組織影像分析方法,其中前述之目標組織的各切片的一厚度可為0.5至10 μm,且所述之生物組織影像資料的數量可為至少5。
藉此,本發明之生物組織影像分析方法透過提取各生物組織影像資料之特定目標區域中複數個物件擬合圖像的長度向量參數、寬度向量參數及指向角度參數,並計算依序重疊之處理後生物組織影像資料之目標區域所堆疊而成之三維區域中的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值後,以輸出一經過取樣區域加權之生物組織影像特定區域中心的分析結果。如此一來將有利於直接將資訊重疊後所得之物件形態量化分布結果與原目標組織在限定縱深空間範圍內之物件形態進行量化分布比對,進而使生物組織影像資料所隱含的資訊可具體被量化呈現,以利於直觀且正確地分析目標組織的組織形態的空間分布特徵,並具有相關領域的應用潛力。
本發明之另一態樣在於提供一種生物組織影像分析系統,包含一影像擷取裝置以及一處理器。影像擷取裝置用以擷取複數個生物組織影像資料,其中所述之生物組織影像資料分別對應一目標組織於一限定縱深空間範圍內的複數個切片,且各生物組織影像資料包含複數個目標物件影像區塊。處理器電性連接前述之影像擷取裝置,其中所述之處理器包含一生物組織影像分析程式,且生物組織影像分析程式包含一影像前處理模組、一擬合模組、一採樣模組及一計算分析模組。影像前處理模組用以調整各生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料。擬合模組用以對各處理後生物組織影像資料影像中的各目標物件影像區塊之一邊緣區域進行一像素框選處理,以得前述之複數個目標物件影像區塊的複數個物件擬合圖像,其中前述之像素框選處理的一像素參數為至少3,且各物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數。採樣模組用以框選各處理後生物組織影像資料的一目標區域,其中前述之複數個處理後生物組織影像資料的目標區域的形狀與面積彼此相等,任一個處理後生物組織影像資料中的目標區域之水平座標位置與另一個處理後生物組織影像資料中的目標區域之水平座標位置重合,且所述之目標區域包含前述之物件擬合圖像。計算分析模組係用以重疊前述之複數個處理後生物組織影像資料並使所述之複數個目標區域重合,並根據前述之複數個目標區域之物件擬合圖像的長度向量參數及寬度向量參數計算複數個物件擬合圖像的一區域平均物件尺寸大小或複數個物件擬合圖像之一區域平均物件伸長率,及根據複數個物件擬合圖像之指向角度參數計算一物件區域指向角度平均值,且所述之計算分析模組係根據所述之區域平均物件尺寸大小、所述之區域平均物件伸長率或所述之物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果。
依據前述之生物組織影像分析系統,其中前述之影像資訊包含一對比度與一灰階值,且所述之影像前處理模組可以對比限制適應性直方圖等化演算法調整各生物組織影像資料的對比度,並可以二值化處理法調整各生物組織影像資料的灰階值。
依據前述之生物組織影像分析系統,可更包含一影像增強模組,其可用以對各生物組織影像資料進行一去噪處理以及一輪廓閉合處理,以得前述之物件擬合圖像。
依據前述之生物組織影像分析系統,其中前述之像素框選處理的像素參數可為5-50,且前述之各生物組織影像資料的目標區域可包含至少五個物件擬合圖像。
依據前述之生物組織影像分析系統,其中前述之各物件擬合圖像的形狀可為橢圓形,且前述之長度向量參數可為所述之橢圓形之一半長軸的長度的2倍,前述之寬度向量參數可為所述之橢圓形之一半短軸的長度的2倍。
依據前述之生物組織影像分析系統,其中前述之各目標區域的形狀可為正方形,且所述之正方形之一邊長可等於前述之物件擬合圖像之半長軸的平均長度的2倍至10倍。
依據前述之生物組織影像分析系統,其中,在所述之各物件擬合圖像中,半長軸的長度為a,半短軸的長度為b,物件擬合圖像的尺寸為πab,物件擬合圖像的伸長率為b/a,其中π為圓周率;其中,在各處理後生物組織影像資料的目標區域的複數個物件擬合圖像中,區域平均物件尺寸大小為PS,區域平均物件伸長率為PEL,其可滿足下述條件:PS = Σ(πab)/n;以及PEL = Σ(b/a)/n;其中n為所述之目標區域的物件擬合圖像的數量。
依據前述之生物組織影像分析系統,其中前述之各生物組織影像資料可為一電腦斷層攝影影像、一光學顯微鏡影像或一電子顯微影像。
依據前述之生物組織影像分析系統,更包含一結果輸出模組。結果輸出模組可以一粗粒化分析方法而根據前述之目標區域之區域平均物件尺寸大小、前述之區域平均物件伸長率或前述之物件區域指向角度平均值而輸出複數個生物組織影像資料於重合之目標區域的生物組織影像特定區域中心的分析結果。
依據前述之生物組織影像分析系統,其中前述之目標組織的各切片的一厚度可為0.5至10 μm,且前述之生物組織影像資料的數量可為至少5。
藉此,本發明之生物組織影像分析系統透過影像擷取裝置擷取目標組織於限定縱深空間範圍內的複數個切片的生物組織影像資料,並以擬合模組提取各生物組織影像資料之特定目標區域中複數個物件擬合圖像的長度向量參數、寬度向量參數及指向角度參數,以及利用採樣模組與計算分析模組依序重疊處理後生物組織影像資料並計算其目標區域所堆疊之三維區域中的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值後,以輸出一經過取樣區域加權之生物組織影像特定區域中心的分析結果。如此一來將有利於直接將資訊重疊後所得之物件形態量化分布結果與原目標組織在限定縱深空間範圍內之物件形態量化分布進行比對,進而使生物組織影像資料所隱含的資訊可被具體量化,以利於直觀且正確地分析目標組織的組織形態的空間分布特徵,並具有相關領域的應用潛力。
下述將更詳細討論本發明各實施方式。然而,此實施方式可為各種發明概念的應用,可被具體實行在各種不同的特定範圍內。特定的實施方式是僅以說明為目的,且不受限於揭露的範圍。
[本發明之生物組織影像分析方法]
請參照第1圖,其係繪示本發明一實施方式之生物組織影像分析方法100的步驟流程圖。生物組織影像分析方法100包含步驟110、步驟120、步驟130、步驟140以及步驟150。
步驟110為提供複數個生物組織影像資料,其中前述之複數個生物組織影像資料分別對應一目標組織於一限定縱深空間範圍內的複數個切片,且各生物組織影像資料包含複數個目標物件影像區塊。詳細而言,本發明之生物組織影像資料為目標組織在限定縱深空間範圍內的複數個切片影像,而生物組織影像資料中每一個細胞或特定組織結構(如細胞膜、胞器或其他能獲得清晰影像的物件)的影像則分別為一個目標物件影像區塊。另外,各生物組織影像資料可為一電腦斷層攝影(Computed Tomography, CT)影像、一光學顯微鏡影像、一電子顯微影像或其他得以呈現組織內結構的生物醫學影像,並可為平面圖像或立體圖像,但本發明並不以此為限。另外,目標組織的各切片的一厚度可為0.5至10 μm,且生物組織影像資料的數量可為至少5,以提升分析的準確率。具體而言,當生物組織影像資料的數量大於5時即可對生物組織影像資料進行分析,而當生物組織影像資料的數量越多,量化量測解析度將更為優異,是以本發明之生物組織影像資料的數量為至少5,以進行後續的分析。
步驟120為進行一影像前處理步驟,其係調整各生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料。較佳地,前述之影像資訊可包含一對比度與一灰階值,且影像前處理步驟係以對比限制適應性直方圖等化(Contrast Limited Adaptive Histogram Equalization, CLAHE)演算法調整各生物組織影像資料的對比度,並以二值化(binarization)處理法調整各生物組織影像資料的灰階值。詳細而言,對比限制適應性直方圖等化演算法可避免普通的直方圖等化演算法中過度放大圖像中相同區域的雜訊問題,而二值化處理法則可將影像資料的灰階值設置為0或255,使影像中的資料量大為減少,從而凸顯目標影像的輪廓而使本案之目標物件影像區塊更為清晰,以利於後續的分析。
步驟130為進行一擬合步驟,其係對各處理後生物組織影像資料影像中的各目標物件影像區塊之一邊緣區域進行一像素框選處理,以得前述之複數個目標物件影像區塊的複數個物件擬合圖像,其中像素框選處理的一像素參數為至少3,且各物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數。詳細而言,為了增強各目標物件影像區塊的大小、方向和長寬比等資訊,本發明之生物組織影像分析方法100進一步取至少3個像素參數對各目標物件影像區塊之邊緣區域進行框選,以參數化目標物件影像區塊而得複數個物件擬合圖像。具體而言,若像素參數的數量越少,擬合的準確度將會較低,但此時計算速度較為快速;反之,若像素參數的數量越多,擬合的準確度將會提高,但此時計算速度則較為緩慢。另外,前述之像素框選處理的像素參數可為5-50,以在提升物件擬合圖像的正確性和計算效率之間取得最佳的平衡。再者,各物件擬合圖像的形狀可為橢圓形,且前述之長度向量參數可為橢圓形之一半長軸的長度的2倍,前述之寬度向量參數可為橢圓形之一半短軸的長度的2倍。另外,若本發明之生物組織影像資料為立體圖像,各物件擬合圖像的形狀則可為橢球,其長度向量參數與寬度向量參數則可視需求而設定為橢球中不同長度之半主軸,但本發明並不以此為限。
另外,在此須說明的是,本發明之生物組織影像分析方法100不僅可用以分析活體細胞所組成之生物組織影像資料,當目標組織為死細胞或細胞間質堆積而成時,本發明之生物組織影像分析方法100亦可對所欲分析之特定組織結構進行框選與量化,進而使其應用範圍更為廣泛並具有相關市場的發展潛力。另外,在此須說明的事,本發明之生物組織影像分析方法100亦可用於分析生物醫材或其他人造之多孔材質上,以對材料結構進行框選與量化,但本發明並不以此為限。
步驟140為進行一採樣步驟,其係框選各處理後生物組織影像資料的一目標區域,其中前述之複數個處理後生物組織影像資料的目標區域的形狀與面積彼此相等,任一個處理後生物組織影像資料中的目標區域之水平座標位置與另一個處理後生物組織影像資料中的目標區域之水平座標位置重合,且所述之目標區域包含前述之物件擬合圖像。
詳細而言,各目標區域的形狀可為正方形,且所述之正方形之一邊長等於物件擬合圖像之半長軸的平均長度的2倍至10倍,而目標區域包含多個物件擬合圖像的方式則可有效增加後續生物組織影像分析方法的正確率,以利於後續的分析。或者,各生物組織影像資料的目標區域可包含至少五個物件擬合圖像,所述之五個物件擬合圖像具有較佳的影像品質,且所述之正方形之一邊長可等於物件擬合圖像之半長軸的平均長度的6倍。
步驟150為進行一計算分析步驟,其係重疊前述之複數個處理後生物組織影像資料並使所述之複數個目標區域重合,並根據複數個目標區域之物件擬合圖像的長度向量參數及寬度向量參數計算複數個物件擬合圖像的一區域平均物件尺寸大小或物件擬合圖像之一區域平均物件伸長率,及根據複數個物件擬合圖像之指向角度參數計算一物件區域指向角度平均值,且前述之計算分析步驟係根據所述之區域平均物件尺寸大小、所述之區域平均物件伸長率或所述之物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果。另外,計算分析步驟亦可依實際需求而根據複數個目標區域之物件擬合圖像的長度向量參數及寬度向量參數,計算重合之目標區域之中的區域偏心率或區域孔隙率,且本發明並不以此為限。
在各物件擬合圖像中,半長軸的長度為a,半短軸的長度為b,物件擬合圖像的尺寸為πab,物件擬合圖像的伸長率為b/a,其中π為圓周率。而在各處理後生物組織影像資料的目標區域的複數個物件擬合圖像中,所述之區域平均物件尺寸大小為PS,所述之區域平均物件伸長率為PEL,其可滿足下述條件:PS = Σ(πab)/n;以及PEL = Σ(b/a)/n,其中n為目標區域的物件擬合圖像的數量。詳細而言,物件擬合圖像的孔徑大小可用以代表物件的尺寸。再者,區域平均物件尺寸大小即為區域內所有物件尺寸大小的平均值,區域平均物件伸長率即為區域內所有物件伸長率的平均值,是以前述之區域平均物件尺寸大小是以複數個物件擬合圖像的孔徑大小進行計算,而利用物件擬合圖像的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值分別計算生物組織影像資料中的物件或細胞或特定組織結構的尺寸、形狀與分布,將有利於分析組織內形態的空間分布,進而使本發明之生物組織影像資料所隱含的微觀形態資訊可被具體量化,以利於直觀且正確地分析目標組織的微觀形態的空間分布特徵,並具有相關領域的應用潛力。
請參照第2圖,其係繪示本發明另一實施方式之生物組織影像分析方法100a的步驟流程圖。生物組織影像分析方法100a包含步驟110a、步驟120a、步驟130a、步驟140a、步驟150a、步驟160以及步驟170,其中步驟110a、步驟120a、步驟130a、步驟140a及步驟150a與第1圖之步驟110、步驟120、步驟130、步驟140及步驟150相同,在此將不再贅述。
步驟160為進行一影像增強步驟,其係對各生物組織影像資料進行一去噪處理以及一輪廓閉合(closing)處理,以得複數個物件擬合圖像。詳細而言,影像增強步驟是將生物組織影像資料中非目標分析區域之影像及背景的雜訊去除,並以輪廓閉合處理進一步調整複數個目標物件影像區塊的邊緣而使其封閉,進而取得呈現補丁(patch)形狀之物件擬合圖像,以增強影像之對比並有利於提升後續擬合步驟的準確度。
步驟170為進行一分析結果輸出步驟,其係以一粗粒化分析方法(coarse-graining method)而根據複數個目標區域之區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值而輸出複數個生物組織影像資料於重合之目標區域的生物組織影像特定區域中心的分析結果。
如此一來,本發明之生物組織影像分析方法100a將有利於直接將資訊重疊後所得之物件形態量化分布結果與原目標組織在限定縱深空間範圍內之物件形態量化分布進行比對,進而使生物組織影像資料所隱含的資訊可具體被量化,以利於直觀且正確地分析目標組織的組織形態的空間分布特徵。
藉此,本發明之生物組織影像分析方法100與生物組織影像分析方法100a透過提取各生物組織影像資料之特定目標區域中複數個物件擬合圖像的長度向量參數、寬度向量參數及指向角度參數,並計算依序重疊之處理後生物組織影像資料之目標區域所堆疊而成之三維區域中的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值後,以輸出一經過取樣區域加權之生物組織影像特定區域中心的分析結果,進而使生物組織影像資料所隱含的資訊可具體被量化,並可對應於目標組織在限定縱深空間範圍內之物件形態量化分布,以利於直觀且正確地分析目標組織的組織形態的微觀形態的空間分布特徵,並具有相關領域的應用潛力。
[本發明之生物組織影像分析系統]
請參照第3圖,其係繪示本發明又一實施方式之生物組織影像分析系統200的架構示意圖。生物組織影像分析系統200包含一影像擷取裝置210以及一處理器220。
影像擷取裝置210用以擷取複數個生物組織影像資料,其中所述之生物組織影像資料分別對應一目標組織在一限定縱深空間範圍內的複數個切片,且各該生物組織影像資料包含複數個目標物件影像區塊。詳細而言,本發明之生物組織影像資料為目標組織的切片影像,而生物組織影像資料中每一個細胞或特定組織結構的影像則分別為一個目標物件影像區塊。另外,各生物組織影像資料可為一電腦斷層攝影影像、一光學顯微鏡影像、一電子顯微影像或其他可呈現組織內結構的生物醫學影像,並可為平面圖像或立體圖像,但本發明並不以此為限。
另外,目標組織的各切片的一厚度可為0.5至10 μm,且生物組織影像資料的數量可為至少5,以提升分析的準確率。具體而言,當生物組織影像資料的數量大於5時即可有效地對生物組織影像資料進行分析,而當生物組織影像資料的數量越多,量化量測解析度將更為優異,是以本發明之生物組織影像資料的數量為至少5,以進行後續的分析。
處理器220電性連接影像擷取裝置210,其中處理器220包含一生物組織影像分析程式230,且生物組織影像分析程式230包含一影像前處理模組231、一擬合模組232、一採樣模組233及一計算分析模組234。
影像前處理模組231係用以調整各生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料。具體而言,前述之影像資訊包含一對比度與一灰階值,且影像前處理模組231係以對比限制適應性直方圖等化演算法調整各生物組織影像資料的對比度,並以二值化處理法調整各生物組織影像資料的灰階值,以避免普通的直方圖等化演算法中過度放大圖像中相同區域的雜訊問題,並可調整影像資料的灰階值而使其資料量大為減少,進而使本案之生物組織影像資料的目標物件影像區塊更為清晰而利於後續的分析。
擬合模組232係用以對各處理後生物組織影像資料影像中的各目標物件影像區塊之一邊緣區域進行一像素框選處理,以得前述之複數個目標物件影像區塊的複數個物件擬合圖像,其中像素框選處理的一像素參數為至少3,且各物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數。詳細而言,為了增強各目標物件影像區塊的大小、方向和長寬比等資訊,擬合模組232將進一步取至少3個像素參數對各目標物件影像區塊之邊緣區域進行框選,以對其進行參數化處理而得複數個物件擬合圖像。具體而言,若像素參數的數量越少,擬合的準確度將會較低,但此時計算速度較為快速;反之,若像素參數的數量越多,擬合的準確度將會提高,但此時計算速度則較為緩慢。另外,前述之像素參數可為5-50,以在提升物件擬合圖像的正確性和計算效率之間取得最佳的平衡。再者,各物件擬合圖像的形狀可為橢圓形,且前述之長度向量參數可為橢圓形之一半長軸的長度的2倍,前述之寬度向量參數可為橢圓形之一半短軸的長度的2倍。另外,若本發明之生物組織影像資料為立體圖像,各物件擬合圖像的形狀則可為橢球,其長度向量參數與寬度向量參數則可視需求而定為橢球中不同長度之半主軸,但本發明並不以此為限。
採樣模組233係用以框選各處理後生物組織影像資料的一目標區域,其中前述之複數個處理後生物組織影像資料的目標區域的形狀與面積彼此相等,任一個處理後生物組織影像資料中的目標區域之水平座標位置與另一個處理後生物組織影像資料中的目標區域之水平座標位置重合,且所述之目標區域包含前述之物件擬合圖像。詳細而言,各目標區域的形狀可為正方形,且所述之正方形之一邊長等於物件擬合圖像之半長軸的平均長度的2倍至10倍,而目標區域包含多個物件擬合圖像的方式則可有效增加後續生物組織影像分析方法的正確率。或者,各生物組織影像資料的目標區域包含至少五個物件擬合圖像,且所述之正方形之一邊長可等於物件擬合圖像之半長軸的平均長度的6倍。
計算分析模組234係用以重疊前述之複數個處理後生物組織影像資料並使所述之複數個目標區域重合,並根據複數個目標區域之物件擬合圖像的長度向量參數及寬度向量參數計算複數個物件擬合圖像的一區域平均物件尺寸大小或物件擬合圖像之一區域平均物件伸長率,及根據複數個物件擬合圖像之指向角度參數計算一物件區域指向角度平均值,且計算分析模組234係根據所述之區域平均物件尺寸大小、所述之區域平均物件伸長率或所述之物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果。
具體而言,在各物件擬合圖像中,半長軸的長度為a,半短軸的長度為b,物件擬合圖像的尺寸為πab,物件擬合圖像的伸長率為b/a,其中π為圓周率。而在各處理後生物組織影像資料的目標區域的複數個物件擬合圖像中,所述之區域平均物件尺寸大小為PS,所述之區域平均物件伸長率為PEL,其可滿足下述條件:PS = Σ(πab)/n;以及PEL = Σ(b/a)/n,其中n為目標區域的物件擬合圖像的數量。
另外,在此須說明的是,本發明之生物組織影像分析系統200不僅可用以分析活體細胞所組成之生物組織影像資料,當目標組織為死細胞或細胞間質堆積而成時,本發明之生物組織影像分析系統200亦可對所欲分析之特定組織結構進行框選與量化,進而使其應用範圍更為廣泛並具有相關市場的發展潛力。另外,在此須說明的事,本發明之本發明之生物組織影像分析系統200亦可用於分析生物醫材或其他人造之多孔材質上,以對材料結構進行框選與量化,但本發明並不以此為限。
請參照第4圖,其係繪示本發明再一實施方式之生物組織影像分析系統200a的架構示意圖。生物組織影像分析系統200a包含一影像擷取裝置210a以及一處理器220a,其中處理器220a包含一生物組織影像分析程式230a,且生物組織影像分析程式230a包含一影像前處理模組231a、一擬合模組232a、一採樣模組233a、一計算分析模組234a、一影像增強模組235及一結果輸出模組236。其中,生物組織影像分析系統200a的影像擷取裝置210a及處理器220a與第3圖之影像擷取裝置210及處理器220相同,生物組織影像分析程式230a的影像前處理模組231a、擬合模組232a、採樣模組233a及計算分析模組234a與第3圖之生物組織影像分析程式230的影像前處理模組231、擬合模組232、採樣模組233及計算分析模組234相同,是以相同之結構的細節將不再贅述。
影像增強模組235係用以對各生物組織影像資料進行一去噪處理以及一輪廓閉合處理,以得複數個物件擬合圖像。詳細而言,影像增強模組235是將生物組織影像資料中非目標分析區域之影像及背景的雜訊去除,並以輪廓閉合處理進一步調整複數個目標物件影像區塊的邊緣而使其封閉而取得呈現補丁形狀之物件擬合圖像,以增強影像之對比並有利於提升後續分析的準確度。
結果輸出模組236係以一粗粒化分析方法而根據複數個目標區域之區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值而輸出生物組織影像資料於重合之目標區域的該生物組織影像特定區域中心的分析結果。如此一來將有利於直接將資訊重疊後所得之物件形態量化分布結果與原目標組織在限定縱深空間範圍內之物件形態量化分布進行比對,進而使生物組織影像資料所隱含的資訊可具體被量化,以利於直觀且正確地分析目標組織的微觀形態的空間分布特徵。
藉此,本發明之生物組織影像分析系統200與生物組織影像分析系統200a透過提取各生物組織影像資料之特定目標區域中複數個物件擬合圖像的長度向量參數、寬度向量參數及指向角度參數,並依序重疊處理後生物組織影像資料並計算其目標區域所堆疊之三維區域中的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值後,以輸出一經過取樣區域加權之生物組織影像特定區域中心的分析結果,進而使本發明之生物組織影像分析系統200與生物組織影像分析系統200a可將生物組織影像資料所隱含的資訊具體量化,並可對應於目標組織在限定縱深空間範圍內之物件形態量化分布,以利於直觀且正確地分析目標組織的微觀形態的空間分布特徵,並具有相關領域的應用潛力。
[試驗例]
以下將參照圖式示範說明本發明之具體試驗例,以利於本發明所屬領域之通常知識者,可在不需過度解讀與實驗的情形下完整利用並實踐本發明。然而,閱讀者應瞭解到,這些實務上的細節不應用以限制本發明,也就是說,在本發明部分試驗例中,這些實務上的細節是非必要的,而是用以說明如何實施本發明之材料與方法。
一、生物組織影像分析
請參照第5圖,其係繪示本發明一實施例之生物組織影像分析方法的影像前處理步驟300的流程圖,而以下將以鳥類羽毛之羽軸的組織切片說明本發明之生物組織影像分析方法與生物組織影像分析系統的操作細節。
1. 生物組織影像資料擷取
首先,目標鳥類之羽軸組織將被包埋於石蠟中或以冷凍切片的方式進行切片,以得一限定縱深空間範圍中,厚度為0.5至10 μm的複數個羽軸組織的切片,而前述之限定縱深空間範圍內的切片將於顯微鏡下放大10倍進行鏡檢,並以數位單眼相機(Canon EOS 550D, Tokyo, Japan)進行拍攝,以得複數個生物組織影像資料301,其中各生物組織影像資料301包含複數個目標物件影像區塊3011,以進行後續的處理。
2. 影像前處理
如第5圖所示,在影像前處理步驟300中,目標鳥類之羽軸組織的生物組織影像資料301將先以影像前處理模組進行對比度調整步驟310之處理。對比度調整步驟310係以對比限制適應性直方圖等化演算法調整生物組織影像資料的對比度,以得第一生物組織影像資料301a,此時不同的目標物件影像區塊3011a之間將會出現明顯的區隔。
接著,第一生物組織影像資料301a將以影像前處理模組進行灰階值調整步驟320之處理。灰階值調整步驟320係以二值化處理法調整第一生物組織影像資料301a的灰階值後,以得第二生物組織影像資料301b,此時第二生物組織影像資料301b的目標物件影像區塊3011b的輪廓將會更加清晰。
接著,第二生物組織影像資料301b將以影像前處理模組進行去噪步驟330之處理而移除羽軸組織的皮質部分的影像與背景雜訊,以得第三生物組織影像資料301c,而後續將以包含目標物件影像區塊3011c的羽軸組織的髓質部分的第三生物組織影像資料301c進行分析。
最後,第三生物組織影像資料301c將以影像前處理模組進行輪廓閉合處理步驟340之處理,以調整目標物件影像區塊3011c的邊緣而使其封閉,以得處理後生物組織影像資料302,藉以增強影像之對比度並有利於提升後續分析的準確率。
3. 擬合與採樣
請同時參照第6A圖、第6B圖與第7圖,第6A圖係繪示生物組織影像分析方法中擬合步驟350的框選操作示意圖,第6B圖係繪示生物組織影像分析方法的採樣步驟360的操作示意圖,第7圖係繪示本發明之生物組織影像分析方法的長度向量參數、寬度向量參數及指向角度參數的參數示意圖。
在完成影像前處理步驟300的處理後,如第6A圖所示,處理後生物組織影像資料302中的目標物件影像區塊3021之一邊緣區域3022將以擬合模組進行擬合步驟350之處理,擬合步驟350係取至少3個像素參數351沿著目標物件影像區塊3021之邊緣區域3022進行框選,以參數化目標物件影像區塊3021而獲得由複數個物件擬合圖像3031所組成之處理後生物組織影像資料303(標示於第6B圖),其中各物件擬合圖像3031包含一長度向量參數、一寬度向量參數及一指向角度參數。較佳地,擬合步驟350將取5-50個像素參數351沿著目標物件影像區塊3021之邊緣區域3022進行框選。
如第6B圖所示,在採樣步驟360中,採樣模組將框選處理後生物組織影像資料303的一目標區域361,其中目標區域361的形狀可為正方形並包含至少五個物件擬合圖像3031,以增加後續生物組織影像分析方法的正確率。
再者,如第6B圖與第7圖所示,各物件擬合圖像3031的形狀可為橢圓形,且前述之長度向量參數可為橢圓形之半長軸a的長度的2倍,前述之寬度向量參數可為橢圓形之半短軸b的長度的2倍,且目標區域361之一邊長s等於物件擬合圖像3031之半長軸a的平均長度的2倍至10倍。另外,第7圖之生物組織影像資料與前述之目標鳥類的羽軸組織的生物組織影像資料301並不相同,其僅用以示意本發明之生物組織影像資料中長度向量參數、寬度向量參數及指向角度參數所量測的位置,在此先敘明。
4. 計算與分析
請參照同時參照第6B圖與第8圖,第8圖係繪示本發明之生物組織影像分析方法的計算分析步驟370的操作流程圖。在計算分析步驟370中,計算分析模組將重疊複數個處理後生物組織影像資料303並使複數個處理後生物組織影像資料303的所有目標區域361重合,並根據複數個目標區域361之物件擬合圖像3031的長度向量參數及寬度向量參數計算所有物件擬合圖像3031的一區域平均物件尺寸大小PS或一區域平均物件伸長率PEL,及根據所有物件擬合圖像3031之指向角度參數計算一物件區域指向角度平均值,並根據所述之區域平均物件尺寸大小、所述之區域平均物件伸長率或所述之物件區域指向角度平均值而以粗粒化分析方法輸出一生物組織影像特定區域中心的分析結果。
二、本發明之生物組織影像分析方法與生物組織影像分析系統的分析效果評估
1. 以電腦斷層攝影影像分析鳥類羽毛之羽軸的組織分布情形
請參照第9圖,其係繪示以本發明之生物組織影像分析方法分析雞羽之羽軸組織之電腦斷層攝影影像。第9圖中的羽軸切片影像1與羽軸切片影像2是取自雞羽全長度中點處之羽軸組織的電腦斷層攝影影像,其中放大圖11、放大圖12及放大圖13分別代表羽軸切片影像1中區域B1、區域B2及區域B3的放大圖,而放大圖21、放大圖22及放大圖23則分別代表羽軸切片影像2中區域B1、區域B2及區域B3的放大圖。
放大圖11、放大圖12、放大圖13、放大圖21、放大圖22及放大圖23中呈現的網格組織是由羽軸組織中髓質之不同區域的角化細胞所構成的,而本發明之生物組織影像分析方法與生物組織影像分析系統將進一步分析羽軸組織中髓質的角質化細胞分布情形。
另外,本試驗中將以20張以上的羽軸組織的電腦斷層攝影影像進行分析,並以第9圖之羽軸切片影像1與羽軸切片影像2為代表進行說明,且本試驗的分析的範圍包含羽軸組織中髓質的所有部位,非單以前述之放大圖11、放大圖12、放大圖13、放大圖21、放大圖22及放大圖23所框選的範圍進行分析,特此先敘明。
請參照第10圖,其係繪示第9圖中雞羽之羽軸組織的細胞分布結果圖。如第9圖所示,透過重疊雞羽全長度中點處之羽軸組織的電腦斷層攝影影像並使20張以上之羽軸組織的電腦斷層攝影影像中的區域B1、區域B2及區域B3分別重合後,雞羽之羽軸組織中髓質的角質化細胞的區域平均物件尺寸分布、區域平均物件伸長率分布與物件區域指向角度平均值分布將可以熱圖(heatmap)的方式呈現,以直觀地呈現特定區域之細胞分布形態的分析結果。
詳細而言,在細胞的區域平均物件尺寸分布的結果可見,羽軸組織中髓質的角質化細胞的尺寸分布形態以髓質的中心切線為基準而概呈鏡像分布,且髓質兩側的中心處具有較大尺寸的細胞(即深色部位所示之處),在細胞的區域平均物件伸長率分布的結果可見,髓質皺摺處之一側的細胞形狀較為狹長,而在細胞的物件區域指向角度平均值分布的結果可見,細胞的指向角度以髓質的中心切線為基準而呈現相反方向之指向分布,且前述之結果皆與雞羽之羽軸組織的光學顯微鏡鏡檢結果相符。
2. 以光學顯微鏡影像分析小鼠之膝關節軟骨的組織分布情形
請參照第11圖,其係繪示本發明之生物組織影像分析方法分析小鼠之膝關節軟骨組織之光學顯微鏡影像。第11圖的軟骨組織切片影像是以蘇木精-伊紅染色方法對小鼠之膝關節軟骨組織切片進行染色並於顯微鏡下拍攝而得,其中放大圖3代表軟骨組織切片影像中區域C1的放大圖,而放大圖31、放大圖32及放大圖33分別代表區域C1中表層軟骨區域RZ、中層軟骨區域PZ及深層軟骨區域HZ的放大圖,而本發明之生物組織影像分析方法與生物組織影像分析系統將進一步分析小鼠之膝關節軟骨組織切片影像中的細胞分布情形。
另外,本試驗中將以6張以上的軟骨組織的光學顯微鏡影像進行分析,並以第11圖之軟骨組織切片影像為代表進行說明,且本試驗的分析的範圍包含軟骨組織切片影像的所有部位,非單以前述之放大圖31、放大圖32及放大圖33所框選的範圍進行分析,特此先敘明。
請參照第12圖,其係繪示第11圖中小鼠之膝關節軟骨組織的細胞分布結果圖。如第11圖所示,透過重疊小鼠之膝關節軟骨組織的光學顯微鏡影像並使6張以上之膝關節軟骨組織的光學顯微鏡影像中的表層軟骨區域RZ、中層軟骨區域PZ及深層軟骨區域HZ分別重合後,小鼠之膝關節軟骨組織的細胞的區域平均物件尺寸分布、區域平均物件伸長率分布與物件區域指向角度平均值分布將可以熱圖的方式呈現,且前述之結果皆與臨床上之膝關節軟骨組織的光學顯微鏡鏡檢結果相符。
3. 以光學顯微鏡影像分析皮膚組織中細胞的分布情形
本試驗是分析魚鱗病(ichthyosis)患者之皮膚切片的蘇木精-伊紅染色的光學顯微鏡影像進行分析,並進一步與正常人之皮膚組織切片的蘇木精-伊紅染色的光學顯微鏡影像比較,以評估魚鱗病患者之皮膚細胞形態與分布狀態。另外,本試驗中同樣將以7張以上的魚鱗病患者皮膚的光學顯微鏡影像與5張以上正常人皮膚的光學顯微鏡影像分別進行分析,且本試驗的分析的範圍包含皮膚組織切片的光學顯微鏡影像中的所有部位,並以第13圖之光學顯微鏡影像為代表進行說明,特此先敘明。
請參照第13圖,其係繪示本發明之生物組織影像分析方法應用於分析皮膚組織中細胞分布的結果圖。如第13圖所示,魚鱗病患者皮膚的光學顯微鏡影像與正常人皮膚的光學顯微鏡影像相比,魚鱗病患者皮膚的表皮較厚,且魚鱗病患者之皮膚細胞的細胞核尺寸小於正常人之皮膚細胞的細胞核尺寸。而由本發明之生物組織影像分析方法與生物組織影像分析系統進行分析的結果可見,其同樣顯示魚鱗病患者之皮膚細胞的尺寸小於正常人之皮膚細胞的尺寸,在細胞形狀上也有所差異。
由上述結果可知,本發明之生物組織影像分析方法與生物組織影像分析系統透過提取各生物組織影像資料之特定目標區域中複數個物件擬合圖像的長度向量參數、寬度向量參數及指向角度參數,並計算依序重疊之處理後生物組織影像資料之複數個目標區域所堆疊而成之三維區域中的區域平均物件尺寸大小、區域平均物件伸長率或物件區域指向角度平均值後,以輸出一經過取樣區域加權之生物組織影像特定區域中心的分析結果,進而使生物組織影像資料所隱含的資訊可具體被量化,以利於直觀且正確地分析目標組織內微觀形態的空間分布特徵,並具有相關領域的應用潛力。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100,100a:生物組織影像分析方法
110,110a,120,120a,130,130a,140,140a,150,150a,160,170:步驟
200,200a:生物組織影像分析系統
210,210a:影像擷取裝置
220,220a:處理器
230,230a:生物組織影像分析程式
231,231a:影像前處理模組
232,232a:擬合模組
233,233a:採樣模組
234,234a:計算分析模組
235:影像增強模組
236:結果輸出模組
300:影像前處理步驟
301:生物組織影像資料
301a:第一生物組織影像資料
301b:第二生物組織影像資料
301c:第三生物組織影像資料
3011,3011a,3011b,3011c,3021:目標物件影像區塊
302,303:處理後生物組織影像資料
3022:邊緣區域
310:對比度調整步驟
320:灰階值調整步驟
330:去噪步驟
3031:物件擬合圖像
340:輪廓閉合處理步驟
350:擬合步驟
351:像素參數
360:採樣步驟
361:目標區域
370:計算分析步驟
a:半長軸
b:半短軸
s:邊長
C1,B1,B2,B3:區域
RZ:表層軟骨區域
PZ:中層軟骨區域
HZ:深層軟骨區域
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:
第1圖係繪示本發明一實施方式之生物組織影像分析方法的步驟流程圖;
第2圖係繪示本發明另一實施方式之生物組織影像分析方法的步驟流程圖;
第3圖係繪示本發明又一實施方式之生物組織影像分析系統的架構示意圖;
第4圖係繪示本發明再一實施方式之生物組織影像分析系統的架構示意圖;
第5圖係繪示本發明一實施例之生物組織影像分析方法的影像前處理步驟的流程圖;
第6A圖係繪示生物組織影像分析方法中擬合步驟的框選操作示意圖;
第6B圖係繪示生物組織影像分析方法的採樣步驟的操作示意圖;
第7圖係繪示本發明之生物組織影像分析方法的長度向量參數、寬度向量參數及指向角度參數的參數示意圖;
第8圖係繪示本發明之生物組織影像分析方法的計算分析步驟的操作示意圖;
第9圖係繪示以本發明之生物組織影像分析方法分析雞羽之羽軸組織之電腦斷層攝影影像;
第10圖係繪示第9圖中雞羽之羽軸組織的細胞分布結果圖;
第11圖係繪示本發明之生物組織影像分析方法分析小鼠之膝關節軟骨組織之光學顯微鏡影像;
第12圖係繪示第11圖中小鼠之膝關節軟骨組織的細胞分布結果圖;以及
第13圖係繪示本發明之生物組織影像分析方法應用於分析皮膚組織中細胞分布的結果圖。
100:生物組織影像分析方法
110,120,130,140,150:步驟
Claims (16)
- 一種生物組織影像分析方法,其係以一處理器進行分析,該生物組織影像分析方法包含:提供複數個生物組織影像資料,其中該些生物組織影像資料分別對應一目標組織於一限定縱深空間範圍內的複數個切片,且各該生物組織影像資料包含複數個目標物件影像區塊;進行一影像前處理步驟,其係調整各該生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料;進行一擬合步驟,其係對各該處理後生物組織影像資料影像中的各該目標物件影像區塊之一邊緣區域進行一像素框選處理,以得該些目標物件影像區塊的複數個物件擬合圖像,其中該像素框選處理的一像素參數為5-50,各該生物組織影像資料的該目標區域包含至少五該物件擬合圖像,且各該物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數;進行一採樣步驟,其係框選各該處理後生物組織影像資料的一目標區域,其中該些處理後生物組織影像資料的該些目標區域的形狀與面積彼此相等,任一該處理後生物組織影像資料中的該目標區域之一水平座標位置與另一該處理後生物組織影像資料中的該目標區域之一水平座標位置重合,且該目標區域包含該些物件擬合圖像;進行一計算分析步驟,其係重疊該些處理後生物組織影像資料並使該些目標區域重合,並根據該些目標區域之該 些物件擬合圖像的該些長度向量參數及該些寬度向量參數計算該些物件擬合圖像的一區域平均物件尺寸大小或該些物件擬合圖像之一區域平均物件伸長率,及根據該些物件擬合圖像之該些指向角度參數計算一物件區域指向角度平均值,且該計算分析步驟係根據該區域平均物件尺寸大小、該區域平均物件伸長率或該物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果;以及進行一分析結果輸出步驟,其係以一粗粒化分析方法(coarse-graining method)而根據該些目標區域之該區域平均物件尺寸大小、該區域平均物件伸長率或該物件區域指向角度平均值而輸出該些生物組織影像資料於重合之該些目標區域的該生物組織影像特定區域中心的分析結果。
- 如請求項1所述之生物組織影像分析方法,其中該影像資訊包含一對比度與一灰階值,且該影像前處理步驟係以對比限制適應性直方圖等化(Contrast Limited Adaptive Histogram Equalization,CLAHE)演算法調整各該生物組織影像資料的該對比度,並以二值化(binarization)處理法調整各該生物組織影像資料的該灰階值。
- 如請求項2所述之生物組織影像分析方法,更包含: 進行一影像增強步驟,其係對各該生物組織影像資料進行一去噪處理以及一輪廓閉合處理,以得該些物件擬合圖像。
- 如請求項1所述之生物組織影像分析方法,其中各該物件擬合圖像的形狀為橢圓形,且該長度向量參數為該橢圓形之一半長軸的長度的2倍,該寬度向量參數為該橢圓形之一半短軸的長度的2倍。
- 如請求項4所述之生物組織影像分析方法,其中各該目標區域的形狀為正方形,且該正方形之一邊長等於該些物件擬合圖像之該半長軸的平均長度的2倍至10倍。
- 如請求項4所述之生物組織影像分析方法,其中:在各該物件擬合圖像中,該半長軸的長度為a,該半短軸的長度為b,該物件擬合圖像的尺寸為πab,該物件擬合圖像的伸長率為b/a,其中π為圓周率;以及在各該處理後生物組織影像資料的該目標區域的該些物件擬合圖像中,該區域平均物件尺寸大小為PS,該區域平均物件伸長率為PEL,其滿足下述條件:PS=Σ(πab)/n;以及PEL=Σ(b/a)/n; 其中n為該目標區域的該些物件擬合圖像的數量。
- 如請求項1所述之生物組織影像分析方法,其中各該生物組織影像資料為一電腦斷層攝影影像、一光學顯微鏡影像或一電子顯微影像。
- 如請求項1所述之生物組織影像分析方法,其中該目標組織的各該切片的一厚度為0.5至10μm,且該些生物組織影像資料的數量為至少5。
- 一種生物組織影像分析系統,包含:一影像擷取裝置,用以擷取複數個生物組織影像資料,其中該些生物組織影像資料分別對應一目標組織於一限定縱深空間範圍內的複數個切片,且各該生物組織影像資料包含複數個目標物件影像區塊;以及一處理器,電性連接該影像擷取裝置,其中該處理器包含一生物組織影像分析程式,該生物組織影像分析程式包含:一影像前處理模組,其係用以調整各該生物組織影像資料的一影像資訊,以得複數個處理後生物組織影像資料;一擬合模組,其係用以對各該處理後生物組織影像資料影像中的各該目標物件影像區塊之一邊緣區域進行一像素框選處理,以得該些目標物件影像區塊的複數個物 件擬合圖像,其中該像素框選處理的一像素參數為5-50,各該生物組織影像資料的該目標區域包含至少五該物件擬合圖像,且各該物件擬合圖像包含一長度向量參數、一寬度向量參數及一指向角度參數;一採樣模組,其係用以框選各該處理後生物組織影像資料的一目標區域,其中該些處理後生物組織影像資料的該些目標區域的形狀與面積彼此相等,任一該處理後生物組織影像資料中的該目標區域之一水平座標位置與另一該處理後生物組織影像資料中的該目標區域之一水平座標位置重合,且該目標區域包含該些物件擬合圖像;一計算分析模組,其係用以重疊該些處理後生物組織影像資料並使該些目標區域重合,並根據該些目標區域之該些物件擬合圖像的該些長度向量參數及該些寬度向量參數計算該些物件擬合圖像的一區域物件平均尺寸大小或該些物件擬合圖像之一區域物件平均伸長率,及根據該些物件擬合圖像之該些指向角度參數計算一物件區域指向角度平均值,且該計算分析模組係根據該區域平均物件尺寸大小、該區域平均物件伸長率或該物件區域指向角度平均值輸出一生物組織影像特定區域中心的分析結果;及一結果輸出模組,其係以一粗粒化分析方法而根據該些目標區域之該區域平均物件尺寸大小、該區域平均物件伸長率或該物件區域指向角度平均值而輸出該些生物組織影像資料於重合之該些目標區域的該生物組織影像 特定區域中心的分析結果。
- 如請求項9所述之生物組織影像分析系統,其中該影像資訊包含一對比度與一灰階值,且該影像前處理模組係以對比限制適應性直方圖等化演算法調整各該生物組織影像資料的該對比度,並以二值化處理法調整各該生物組織影像資料的該灰階值。
- 如請求項10所述之生物組織影像分析系統,更包含:一影像增強模組,其係用以對各該生物組織影像資料進行一去噪處理以及一輪廓閉合處理,以得該些物件擬合圖像。
- 如請求項9所述之生物組織影像分析系統,其中各該物件擬合圖像的形狀為橢圓形,且該長度向量參數為該橢圓形之一半長軸的長度的2倍,該寬度向量參數為該橢圓形之一半短軸的長度的2倍。
- 如請求項12所述之生物組織影像分析系統,其中各該目標區域的形狀為正方形,且該正方形之一邊長等於該些物件擬合圖像之該半長軸的平均長度的2倍至10倍。
- 如請求項12所述之生物組織影像分析系統,其中:在各該物件擬合圖像中,該半長軸的長度為a,該半短軸的長度為b,該物件擬合圖像的尺寸為πab,該物件擬合圖像的伸長率為b/a,其中π為圓周率;以及在各該處理後生物組織影像資料的該目標區域的該些物件擬合圖像中,該區域平均物件尺寸大小為PS,該區域平均物件伸長率為PEL,其滿足下述條件:PS=Σ(πab)/n;以及PEL=Σ(b/a)/n;其中n為該目標區域的該些物件擬合圖像的數量。
- 如請求項9所述之生物組織影像分析系統,其中各該生物組織影像資料為一電腦斷層攝影影像、一光學顯微鏡影像或一電子顯微影像。
- 如請求項9所述之生物組織影像分析系統,其中該目標組織的各該切片的一厚度為0.5至10μm,且該些生物組織影像資料的數量為至少5。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139224A TWI774120B (zh) | 2020-11-10 | 2020-11-10 | 生物組織影像分析方法及生物組織影像分析系統 |
US17/105,718 US11551358B2 (en) | 2020-11-10 | 2020-11-27 | Method for analyzing biological-tissue image and system for analyzing biological-tissue image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139224A TWI774120B (zh) | 2020-11-10 | 2020-11-10 | 生物組織影像分析方法及生物組織影像分析系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202219896A TW202219896A (zh) | 2022-05-16 |
TWI774120B true TWI774120B (zh) | 2022-08-11 |
Family
ID=81454729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109139224A TWI774120B (zh) | 2020-11-10 | 2020-11-10 | 生物組織影像分析方法及生物組織影像分析系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11551358B2 (zh) |
TW (1) | TWI774120B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI774120B (zh) * | 2020-11-10 | 2022-08-11 | 中國醫藥大學 | 生物組織影像分析方法及生物組織影像分析系統 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201941750A (zh) * | 2017-03-31 | 2019-11-01 | 安瑪莉 希普斯里 | 用於眼部雷射手術及治療處理的系統及方法 |
US20200058140A1 (en) * | 2017-03-02 | 2020-02-20 | Arizona Board Of Regents On Behalf Of Arizona State University | Live-cell computed tomography |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8386015B2 (en) * | 2008-10-27 | 2013-02-26 | Siemens Aktiengesellschaft | Integration of micro and macro information for biomedical imaging |
WO2013155300A1 (en) * | 2012-04-11 | 2013-10-17 | The Trustees Of Columbia University In The City Of New York | Techniques for segmentation of organs and tumors and objects |
US9177378B2 (en) * | 2013-02-11 | 2015-11-03 | Definiens Ag | Updating landmarks to improve coregistration as regions of interest are corrected |
US10509023B2 (en) * | 2014-12-09 | 2019-12-17 | Konica Minolta, Inc. | Image processing apparatus and computer readable medium for image processing |
US10943350B2 (en) * | 2015-02-25 | 2021-03-09 | London Health Science Center Research Inc. | Automated segmentation of histological sections for vasculature quantification |
CN107430771B (zh) * | 2015-03-20 | 2021-07-02 | 文塔纳医疗系统公司 | 用于图像分段的系统和方法 |
JP6843121B2 (ja) * | 2015-08-25 | 2021-03-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 組織マイクロアレイ分析 |
KR101902621B1 (ko) * | 2016-07-12 | 2018-10-01 | 주식회사 인피니트헬스케어 | 디지털 병리 시스템의 샘플 유사도 측정 방법 |
WO2020174862A1 (ja) * | 2019-02-28 | 2020-09-03 | ソニー株式会社 | 情報処理装置、情報処理方法および情報処理システム |
TWI774120B (zh) * | 2020-11-10 | 2022-08-11 | 中國醫藥大學 | 生物組織影像分析方法及生物組織影像分析系統 |
-
2020
- 2020-11-10 TW TW109139224A patent/TWI774120B/zh active
- 2020-11-27 US US17/105,718 patent/US11551358B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200058140A1 (en) * | 2017-03-02 | 2020-02-20 | Arizona Board Of Regents On Behalf Of Arizona State University | Live-cell computed tomography |
TW201941750A (zh) * | 2017-03-31 | 2019-11-01 | 安瑪莉 希普斯里 | 用於眼部雷射手術及治療處理的系統及方法 |
Non-Patent Citations (3)
Title |
---|
;紀紅蕾;王君臣;陳誠豪;曾騏,"基於改進型Haller指數的兒童雞胸自動化診斷",生物醫學工程學雜誌2018年8月第35卷第4期,http://www.rrsurg.com/article/10.7507/1001-5515.201712024,2018/06/22 * |
紀紅蕾;王君臣;陳誠豪;曾騏,"基於改進型Haller指數的兒童雞胸自動化診斷",生物醫學工程學雜誌2018年8月第35卷第4期,http://www.rrsurg.com/article/10.7507/1001-5515.201712024,2018/06/22。 |
陳淵琮,"生物玻片影像登錄與立體重構之研究 研究成果報告(精簡版)", 行政院國家科學委員會專題研究計畫成果報告,NSC 100-2221-E-168-027-, 101年10月06日 * |
Also Published As
Publication number | Publication date |
---|---|
US11551358B2 (en) | 2023-01-10 |
US20220148160A1 (en) | 2022-05-12 |
TW202219896A (zh) | 2022-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272492B (zh) | 一种细胞病理涂片的处理方法及系统 | |
Bayramoglu et al. | Towards virtual H&E staining of hyperspectral lung histology images using conditional generative adversarial networks | |
CN109670510A (zh) | 一种基于深度学习的胃镜活检病理数据筛查系统和方法 | |
Sigal et al. | Eye-specific IOP-induced displacements and deformations of human lamina cribrosa | |
EP2188779B1 (en) | Extraction method of tongue region using graph-based approach and geometric properties | |
CN109584254A (zh) | 一种基于深层全卷积神经网络的心脏左心室分割方法 | |
Quinn et al. | Rapid quantification of pixel-wise fiber orientation data in micrographs | |
SG190730A1 (en) | Method and an apparatus for determining vein patterns from a colour image | |
CN107437068B (zh) | 基于Gabor方向直方图和猪体毛发模式的猪个体识别方法 | |
CN106709967A (zh) | 一种内窥成像算法及控制系统 | |
Jabbar et al. | Using convolutional neural network for edge detection in musculoskeletal ultrasound images | |
CN112700390B (zh) | 一种基于机器学习的白内障oct图像修复方法及系统 | |
TWI774120B (zh) | 生物組織影像分析方法及生物組織影像分析系統 | |
Zhao et al. | Attention residual convolution neural network based on U-net (AttentionResU-Net) for retina vessel segmentation | |
TWI399194B (zh) | 基於細胞自動機之半自動膝蓋mri軟骨影像分割方法 | |
Scarpa et al. | Segmentation of corneal endothelial cells contour by means of a genetic algorithm | |
CN111640097B (zh) | 皮肤镜图像识别方法及设备 | |
Niemeijer et al. | Automated localization of the optic disc and the fovea | |
CN109949279A (zh) | 一种基于皮肤图像的年龄分析系统 | |
CN109003659A (zh) | 胃幽门螺旋杆菌感染病理诊断支持系统和方法 | |
Rosioru et al. | Morphometric assessments for the healthy rat hepatocytes | |
JP7439990B2 (ja) | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 | |
CN110263753A (zh) | 一种对象统计方法和装置 | |
CN115661152A (zh) | 基于模型预测的目标发展情况分析方法 | |
Salehi et al. | Investigation and simulation of different medical image processing algorithms to improve image quality using simulink matlab |