荧光内窥镜的肿瘤明场图像标记实现方法

内窥镜是微创手术的必要设备,而国际现有荧光内窥镜不能在肿瘤切除手术中实时显示荧光诊断标记图,以致手术精度较低。为解决该问题,提出了一种在内窥镜正常使用的图像中增强显示荧光诊断标记图的实现方法。通过将摄像头的帧信号与照明光源开关信号同步,得到间隔出现的亮场图像和暗场荧光诊断标记图,之后针对两种图像的各自特点,使用灰度变换彩色化等一系列方法进行前期的预处理,最后将两种图像进行融合处理得到可实现荧光标记诊断图的明场图像。

浮游藻类细胞显微明场图像与荧光同步测量图像配准方法研究

通过融合浮游植物藻类细胞显微明场图像和荧光图像对浮游植物进行鉴定可以有效提高浮游植物鉴定的精度,然而在图像采集过程中存在明场图像与荧光图像中藻细胞位置不匹配的问题。为此,本文以刚体变换作为明场图像与荧光图像的空间变换模型,以明场HSV颜色空间S通道二值化图像与荧光灰度二值化图像的归一化互信息作为明场图像与荧光图像的相似度,利用粒子群优化算法对小波五级分解的低频分量进行粗配准,然后将初步配准的平移量和旋转角度作为初始值,利用鲍威尔算法对小波三级分解的低频分量进行配准精度微调。栅藻、羊角月牙藻和念珠藻的实验结果表明:对明场图像与荧光图像进行处理后的归一化互信息具有明显的峰值,可以更好地表征浮游藻细胞明场图像与荧光图像的相似度;将粒子群优化算法与鲍威尔算法结合的多分辨率图像配准方法,对栅藻、羊角月牙藻、念珠藻显微明场图像与荧光图像配准的误配率分别为0、9.4%、6.5%,平均配准时间分别为10.43、27.98、17.02 s,配准后的归一化互信息分别为0.673、0.495、0.631。研究结果验证了所提方法在配准精度、运行时间等方面的优势,为融合显微荧光图像和明场图像进行浮游植物鉴定奠定了基础。

基于卷积神经网络的细胞折射率显微图像和明场显微图像的融合方法

为了改善细胞折射率显微成像的质量,提高特征的辨识度,本文提出了一种基于卷积神经网络算法的细胞折射率显微图像和明场显微图像的融合方法,该方法克服了传统融合方法人工制定融合规则的困难,通过训练数据学习自适应强鲁棒融合函数,获得了更佳的融合效果。主观和客观评价结果表明,该方法有效地改善了细胞折射率显微图像的分辨率,提升了特征辨识度。

基于深度学习的虚拟相衬成像方法

对于传统的显微镜来说,其相衬成像模式需要通过配备专用光阑、聚光镜或者在物镜上添加嵌件来实现,这就增加了相衬显微成像的难度和成本。鉴于此,本文提出了一种基于深度学习算法的虚拟相衬成像方法,只需要采用一台普通的光学明场显微镜获取细胞明场图像,然后使用深度学习方法,就可以将明场图像转换成相衬图像。将虚拟相衬图像与显微镜获取的标准相衬图像进行对比,对比结果证明了这种虚拟相衬成像方法的有效性,为低成本相衬显微成像提供了范例。