用于单个活细胞显微图像动态检测的SPT技术

报道一种高灵敏度 ,高分辨率 ,可检测单个活细胞上膜受体等微粒运动的先进技术 SPT (single particletracking)技术 ,并在此基础上 ,研制开发了整套单个活细胞显微图像动态检测系统 .

细胞显微图像的处理与识别系统研究

介绍了模板匹配和特征识别两种识别方案,采用数字图像处理技术和模式识别技术,实现了细胞显微图像中的细胞自动识别与分类。实验结果表明,特征识别具有直接性、运算量小等特点,为细胞显微图像的模式识别提供了可靠有效的方法。

一种快捷的单细胞藻类计数方法--运用Photoshop软件分析细胞显微图像轮廓

细胞计数是藻类培养、赤潮调查和环境监测中的一个重要环节。本文设计并测试了一种单细胞藻类计数方法:利用体视显微镜及配套的CCD数字成像系统,获取固定体积样品的全视野图像,运用Photoshop软件对细胞显微图像轮廓进行分析计数。根据细胞粒径差异,实验选取5种代表性单细胞藻类,分别采用新方法和显微镜计数法对其进行细胞密度测定。研究结果表明,新方法在测定亚心形扁藻(Platymonas subcordiformis)时,结果较显微镜计数明显偏低。而在测定东海原甲藻(Prorocentrum donghaiense)、米氏凯伦藻(Karenia mikimotoi)、塔玛亚历山大藻(Alexandrium tamarense)和血红哈卡藻(Akashiwo sanguinea)时,计数结果与显微镜计数结果非常接近,较可信。其计数结果与显微镜计数结果具有较好的线性相关性(R2≥0.981 1,P<0.01)。新方法能够有效测定粒径15μm以上纯种或混合培养的单细胞藻类的生物量,简化了测定程序的同时,减少了人为误差,具有一定的应用价值。

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.

基于VGG16的急性淋巴细胞白血病血液细胞显微图像人工智能辅助诊断分类研究

针对临床医学中急性淋巴细胞白血病(Acute Lymphoblastic Leukemia,ALL)血液细胞显微图像分类易错、费时等问题,本文提出了一种基于深度学习VGG16卷积神经网络模型的方法去获取医学图像中高纬度的病理信息。该方法首先将样本数据进行预处理,清洗出符合要求的训练集和验证集,其中还用到了超像素的方法用于训练样本的目标区域提取,然后再将预处理好的数据,输入到VGG16卷积神经网络模型中,对其进行训练,最后输入验证集进入模型中进行验证,实验结果表明,该分类方法能有效地完成ALL血液细胞显微图像是否患病的分类。

融合Otsu与PCNN的细胞显微图像分割

针对细胞显微图像分割中由于纹理复杂较难定位轮廓信息的问题,提出了融合最大类间方差(Otsu)与脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的细胞图像分割算法。为定义PCNN中初始阈值,应用Otsu算法,确定细胞图像中目标与背景间最大方差,此为统计意义上的最佳阈值,以此作为PCNN细胞分割中初始阈值,提高了PCNN网络收敛速度;其次,构建PCNN细胞分割网络,通过初始化网络参数,实现细胞图像迭代分割;从视觉效果和客观评价指标两方面验证表明,相对于经典的最大类间方差(Otsu)算法和脉冲耦合神经网络(PCNN)算法,采用该算法分割的细胞显微图像的效果,其边缘与细节信息的清晰度、精细度均有较大程度改善。

模糊C-球壳聚类算法及其在血液细胞图像中的应用

文章从经典的模糊C均值算法开始通过改变其中相似性的度量形式,介绍了一种模糊C球壳聚类(FCSS)算法。在将该算法应用于细胞显微图像半径统计时,采用基于形态学的图像预处理措施,可以获得FCSS算法中有关原型模式的知识,加快收敛速度并避免随机初始化造成的局部极小问题。

模糊聚类方法在细胞图像分析中的应用

针对红细胞彩色显微图像的特点,利用表色系统转化可以实现降维、滤除噪声处理,演化模糊聚类准则函数,在确定有效性度量方式、算法实现图像分析后可以抽取相关图像层,对细胞图像处理有着积极意义.

基于Mask R-CNN的宫颈细胞图像分割

宫颈细胞图像中目标分割的精度直接影响对疾病的判别和诊断,宫颈细胞图像中有不同种类的多个目标,所以有必要对宫颈细胞图像进行实例分割。为了获得更好的宫颈细胞图像实例分割效果,文章在Mask R-CNN的基础上提出了一种宫颈细胞图像实例分割方法,在网络中的特征金字塔网络(FPN)中加入空洞卷积将其改造为DFPN,减少图像信息的损失来提升分割的准确度。在TCTCOCO数据集的测试结果表明,该方法提高了宫颈细胞图像分割的精度。

基于卷积神经网络的医学宫颈细胞图像的语义分割

显微细胞分割的精度直接影响疾病的判别诊断,特别在宫颈细胞的显微病理图像中,细胞核的形态大小、与细胞质之间的比例参数等对于病情的良恶诊断具有重大的意义.为提高宫颈细胞核质分割的精度,提出一种基于卷积神经网络的医学宫颈细胞图像的语义分割方法.标定宫颈细胞显微图像中的细胞核和细胞质轮廓,制作基于长沙市第二人民医院的基于新柏氏液基细胞学检测TCT(Thinprep cytologic test)制片技术的宫颈TCT细胞涂片的CCTCT数据集;通过卷积神经网络对核质分割模型进行训练,避免人工提取特征;通过反卷积达到图像的语义分割.实验结果表明,该算法在宫颈细胞的显微病理图像中的核质分割准确率高达94.7%,具有很高的鲁棒性和适应性.

中枢神经系统感染疾病脑脊液细胞形态特征分析

目的探讨中枢神经系统感染者脑脊液中细胞形态的特征改变,提高脑脊液细胞学分类的准确性,实现在中枢神经系统疾病的早期诊断。方法应用细胞玻片离心仪制片、瑞氏-姬姆萨(MGG)染色,细胞显微图像分析系统观察细胞形态。选择"抓图"以688×512像素摄取细胞图像,对三组病脑、化脑、结脑颅内感染疾病脑脊液的各类有核细胞进行细胞面积、直径等测量,分析不同疾病中细胞大小特征的变化。结果 391份临床送检标本中,根据形态特征分类,化脓性脑膜炎88份(化脑),以均匀一致的中性粒细胞反应为主,占白细胞分类(80.88±10.30)%以上。病毒性脑膜炎260份(病脑),脑脊液细胞学形态以淋巴细胞反应为主而中性粒细胞偶见,大小淋巴细胞占(75.65±15.88)%,激活淋巴细胞占(17.95±14.09)%。结核性脑膜炎43份(结脑),结脑以单核吞噬细胞、淋巴样细胞为主,伴中性粒细胞占(36.79±1.65)%。三种脑膜炎间白细胞数、未激活淋巴细胞、激活淋巴细胞、未激活单核细胞、激活单核细胞、嗜中性粒细胞、浆细胞差异均有统计学意义(P<0.05);嗜酸性粒细胞三者间差异无统计学意义(P=0.063)。中性粒细胞面积结脑大于化脑和病脑患者(P<0.01),病脑中性粒细胞面积大于化脑(P<0.05);结脑和病脑的中性粒细胞直径均大于化脑组(P<0.01);化脑淋巴细胞面积大于病脑(P<0.05);结脑淋巴细胞面积大于病脑(P<0.01);化脑和结脑的淋巴细胞直径均大于病脑(P<0.01),结脑淋巴细胞直径大于化脑(P<0.05);结脑和病脑的单核细胞面积与直径均大于化脑(P<0.01)。结论脑脊液细胞形态学特征的改变是诊断神经系统感染疾病的重要指标。

多特征聚类与粘连分离模型的细胞抹片图像分割与分类

胰腺癌的诊断非常重要,而细胞抹片显微图像的病理分析是其诊断的主要手段。图像的准确自动分割和分类是病理分析的重要环节,因此本文提出了一种新的胰腺细胞抹片显微图像自动分割与分类算法。在分割方面,首先采用多特征Mean-shift聚类算法(MFMS)定位细胞核区域;接着采用弹性数学形态学结合角点检测的去粘连模型(CSM)对粘连重叠细胞核进行去粘连处理,实现了分割的准确性和鲁棒性。在分类方面,首先针对分割的细胞核提取了4个形状特征和138个不同颜色空间的纹理特征;然后结合支持向量机(SVM)和链式遗传算法(CAGA)实现封装式特征选择;最后将优选特征送入SVM进行分类,完成了胰腺细胞抹片显微图像的分类识别。本文采用了15幅图像一共461个细胞核进行测试。实验结果显示,本文算法可以实现不同类型的胰腺细胞抹片显微图像的自动分割与准确分类。就分割来说,本文算法可获得较高的正确率(93.46%±7.24%);就正常和癌变细胞的分类来说,本文算法可获得较高的分类正确率(96.55%±0.99%)、灵敏度(96.10%±3.08%)和特异度(96.80%±1.48%)。