基于种子点的粘连巨噬细胞图像的分割方法

粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一。然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取"种子点",并将其中距离小于某一阈值的两两"种子点"合并得到新的"种子点",在新"种子点"重新分布的距离图基础上使用分水岭分割。实验结果表明:该算法虽然要比传统分水岭算法多花费些时间,但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等。

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。

基于加权损失函数的粘连白细胞分割算法

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使模型学习到更多的细胞边界特征.实验结果表明,用该方法分割数据集ALL_IDB1中的白细胞,准确率达95.19%.

基于边界跟踪的红细胞分割与计数

在红细胞的分割与计数系统中,针对重叠、粘连细胞在分割时凹陷信息不完备以及在分水岭算法中不能实现真正的距离变换问题。本文从细胞的边界入手,用基于边界跟踪的方法来实现重叠、粘连细胞的分割算法并做了相应的改进。实验过程中引出了'最短删除距离'的概念,且获得了良好的分割效果。在分割完毕后对分割的细胞进行了计数研究。在顺序标记法的基础上提出了二次扫描标记法,实验结果良好。

结合局部对比阈值与光晕移除的亮场细胞图像分割方法

针对亮场细胞图像存在对比度差、光晕破碎、细胞粘连,难以精确分割的问题,提出一种结合局部对比阈值与光晕移除的分割方法。首先,利用局部对比阈值检测并分割出含有细胞区域,再采用梯度迭代法进行光晕移除;然后,通过形态学操作与设置面积阈值进行优化处理,得到全局分割结果;最后,提取粘连细胞区域实现更精细的局部分割。实验表明:本文提出的方法能够移除细胞边缘的光晕伪影,解决粘连细胞的分割问题,实现亮场细胞图像的准确分割。

阑尾神经内分泌肿瘤病理切片Ki-67的计算机辅助评估

阑尾神经内分泌肿瘤(ANENs)在各类阑尾恶性肿瘤中占很大比例,其重要的诊断标准之一为Ki-67增殖指数的大小。目前,Ki-67指数的计算主要取决于病理医生的经验,人工计数过程繁琐,工作量较大。本研究旨在利用计算机图像分析算法对ANENs病理切片图像中的细胞进行处理,统计阳性细胞和阴性细胞的数量,并计算Ki-67这一指标,辅助病理医生进行综合评估。针对传统分水岭算法的过分割问题,采用强制最小技术修改距离变换对其进行改进,提出了改进型分水岭算法,并采用该算法对病理图像中的阳性细胞和阴性细胞进行分割、计数,然后将结果与病理医生的金标准进行比对。结果表明:改进型分水岭算法分割阴性粘连细胞的平均准确率为93.4%,平均过分割率为3.3%;计算机辅助处理ANENs病理图像Ki-67指标的平均准确率为93.2%,平均误差率为6.8%,处理图像平均时间由人工的57.4 s缩短到29.5 s,大幅提高了工作效率。