基于凹点搜寻的重叠细胞图像自动分离的算法研究

提出了一种重叠细胞图像自动分离的新算法。根据重叠细胞的凹凸性,从细胞重叠区域的凹区域中寻找到凹点,根据凹点数与细胞个数的关系,判断是细胞串联还是细胞并联:如果是串联的情况,则直接将成对的凹点连成直线分离重叠区域;如果是并联的情况,则将凹点与重叠区域的中心连接成直线分离重叠区域。该算法在Matlab环境下对重叠细胞图像进行了自动分离,实验结果表明该算法实现简单,效果理想,且能基本保持原细胞的大小和形状。

一种改进的重叠细胞图像分割研究

在医学细胞图像处理中,经常遇到细胞图像重叠现象。传统的分水岭算法存在严重的过分割现象。使用距离变换的分水岭算法能很好地避免过分割现象。考虑到细胞具有类圆形的特点,使用固定的结构元素进行极限腐蚀容易导致细胞失真。使用交替结构元素对重叠细胞进行腐蚀,能准确地标记出单个细胞种子,同时能避免细胞因腐蚀而失真。最后使用膨胀处理找出重叠细胞的分界线。实验结果表明,算法有效地避免了过分割现象,并提高了分割处理的准确度。

分水岭算法分割显微图像中重叠细胞

为实现医学临床显微图像自动快速分析,通过先将二值化后的图像进行距离变换,然后采用快速灰度重建算法重建距离变换后图像,最终用分水岭算法分割变换图像,有效地避免了为防止过分割而提取分水岭标记点过分依赖于图像先验知识的缺陷,实现自动探测目标细胞并分割重叠细胞,并使其适合于临床对算法速度的要求。将算法进行了C++程序实现,并应用于实际临床脱落细胞和病理免疫组化显微图像的自动分割。经过多幅不同疾病、不同背景的临床图像的分割验证,在光照均匀的情况下,该算法可以快速实现图像中细胞的提取以及粘连细胞的自动分割,完成一幅768×576图片的分割在AMD1600+的CPU上处理时间小于2 s,分割效果得到主任医师的认可,因此,该算法应用于临床细胞图像的分割是可行的。

基于稀疏轮廓点模型的彩色重叠细胞图像分割

根据对细胞轮廓结构的分析,提出了描述细胞轮廓特征的稀疏轮廓点模型.该模型将细胞轮廓划分为强轮廓和弱轮廓2部分,并用一系列稀疏的轮廓点来近似表示细胞轮廓.在该模型的基础上,算法综合了彩色图像处理与灰度图像处理的方法,首先提取细胞与背景交界处的强轮廓作为基准轮廓.然后提出了一种环形动态轮廓搜索算法,沿着基准轮廓搜索位于重叠细胞区域的弱轮廓.经过轮廓搜索算法获得细胞的稀疏轮廓点组成初始轮廓,采用GVF(gradient vector flow)Snake模型进行细胞的精确分割.通过对2个细胞图像数据集的图像样本进行的分割实验验证了算法对于分割单细胞图像、同种颜色重叠细胞图像和不同颜色重叠细胞图像的准确性.

结合细胞散点图和改进Snake模型的重叠细胞分割修复的方法

针对医学显微图像中常出现细胞重叠的现象,提出一种组合细胞散点图和改进Snake模型的分割方法:先使用可变腐蚀元的迭代腐蚀方法,获取细胞散点和分离细胞;再利用原始边缘信息,初始化活动轮廓;最后结合细胞散点信息,利用加入约束能量的改进Snake算法,获取细胞的完整边界。在获取边界重叠掩膜图像的基础上,针对因重叠导致重叠区域图像信息变化的情况,采用一种自适应迭代卷积的快速图像修复方法。实验表明,该方法能有效地分离重叠细胞,并能准确快速地获取细胞的完整边界,并在重叠掩膜图像的基础上快速修复重叠部分。

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.

病理图像中重叠细胞自动分离的研究

目的 :针对病理图像中重叠细胞的形态特征 ,建立一个基于数学形态学的重叠细胞自动分离方法。方法 :利用距离变换和膨胀技术 ,找出重叠细胞堆中各细胞的连接点。结果 :实现了对重叠细胞的自动分离。结论 :该方法可得到比较理想的结果。

基于形状参数的重叠细胞图像判别研究

利用计算机技术分割重叠细胞图像是目前图像处理中重要一部分，对诊断一些疑难杂症具有重要意义。而目前存在的分割重叠细胞图像大部分都直接对图像进行分割，容易造成单细胞被分割现象，同时降低效率。该文在对重叠细胞图像进行分割之前，首先利用形状参数时其进行判别，从而得到一幅只剩重叠细胞的图像，有效避免误分割现象。

一种改进的重叠细胞分离算法

在细胞图像识别中,经常会遇到细胞重叠的现象,需要有一种有效的方法将重叠在一起的细胞分离成单个的细胞。目前很多分离算法都是基于数学形态学的,但这些算法都存在着一定的局限性。为此,提出了一种改进的基于数学形态学的分离算法,该算法首先采用一种简单、快速的边界剥离方法得到距离变换结果,然后再用分水岭方法对细胞图像进行分离。实验结果表明,算法获得了较好的分离效果。

基于控制标记符分水岭的重叠细胞分割

医学上存在细胞之间有重叠的现象,可以利用图像处理的方法解决。由于传统的图像处理法—分水岭算法容易产生过分割和对噪声敏感的问题,所以,本文首先对图像计算梯度,然后对目标和背景进行标记,最后根据被标记的二值图像进行修正,通过分水岭算分进行分割。实验证明,该方法能很好地分割重叠细胞,并给出其MATLAB程序。

重叠牛乳体细胞判别和分割方法的研究

重叠细胞的识别和分割是细胞精确计数的关键,为此,针对牛乳重叠体细胞自身的形状特征,经过实验数据分析,选定重叠牛乳体细胞的形状因子阈值,判别其是否发生了重叠,减少重叠细胞的误分割,并对出现的重叠细胞采用细胞种子点提取和合并算法,通过引入正跳变数的概念确定分割点,选取合适的分割线,从而有效分割牛乳重叠体细胞。实验结果表明,该方法能准确、快速地分割牛乳重叠体细胞,并能有效抑制分水岭的过分割现象。

一种分割重叠粘连细胞图像的改进算法

为了专门分割重叠粘连细胞的图像,提出一种基于局部流域变换的迭代剥离算法。具体分割过程分为两个阶段,序贯处理胞浆和核区重叠,逐渐剥离重叠细胞。每个阶段均通过自适应距离变换分离重叠细胞,利用单个细胞形态特征控制腐蚀程度使得种子区域最大化,然后通过流域变换重建得到细胞间边界。算法能够克服细胞多核、胞浆颗粒性等干扰,适合自动化处理。骨髓和外周血涂片的分割试验表明分割精度约是传统流域算法的2倍,而运算时间并没有增加很多。

基于形状因子分析的重叠细胞自动判别技术研究

重叠细胞的判别在细胞计数和参数测量中有非常重要的意义。本文根据重叠细胞的形态特征,提出根据形状因子来判断细胞是否重叠。首先研究了形状因子的计算方法,对重叠细胞形状因子的阈值P0进行了探讨和实验,得出P0=0.5:当PE≤P0,认为目标存在细胞重叠;PE>P0,认为目标不存在细胞重叠。实验结果证明本技术能检测出不同形状的重叠细胞,准确率为95%。

基于瓶颈检测和分水岭算法的重叠宫颈细胞图像分割方法

针对宫颈细胞图像存在大面积重叠的问题,该研究提出一种基于瓶颈检测和分水岭算法的图像分割方法。首先使用多边形近似得到细胞轮廓上的所有特征点,再通过瓶颈检测和椭圆拟合得到正确的分裂点对,从而确定重合区域的大致范围,对该区域的梯度图像使用分水岭算法得到内部的边界信息,最后与外轮廓进行叠加,得到重叠细胞的分割结果。实验结果表明:该算法能够从重叠的宫颈细胞图像中分割出单个细胞轮廓,具有很好的准确度和完整度。与医生手工标记的分割结果接近,与现有其它算法相比,分割效果更好。

分割重叠牛乳体细胞方法的对比

针对重叠牛乳体细胞图像,分别使用基于距离变化的分水岭方法、基于凹点的分割算法、基于重叠细胞判别和分割相结合的分割方法进行分割,从理论和实验两方面对分割方法进行了对比研究。第三种方法效果更好。

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。

基于细胞散点图构建的细胞核心自动提取技术

本文提出细胞散点图的概念和用途。通过分析比较经典的距离变换技术的原理和结果,提出基于细胞散点图构建的细胞核心提取技术,其基本思想是:如果是单个细胞,则根据区域内像素的平均坐标值来提取核心;如果是重叠细胞,则利用数学形态学的腐蚀操作,将重叠细胞边界一层剥离,直至分离成单个细胞,之后提取分离后单个细胞的核心作为重叠细胞区域中各个细胞的核心。实验结果证明这一提取技术可靠,准确度高。

基于瓶颈点探测与椭圆拟合的细胞图像分割方法探究

针对显微图像中常出现的细胞重叠现象,提出了一种基于瓶颈点探测与椭圆拟合的细胞图像自动分割方法。首先,对重叠细胞图像进行闽值分割并得到边缘特征点,然后通过计算特征点间瓶颈率选出候选瓶颈点对,并使用椭圆拟合法对瓶颈点对进行判断,最后使用正确瓶颈点对分割重叠细胞。实验结果表明本文算法能够有效地抑制过分割和欠分割现象,且分割准确率高。

基于语义分割及主动轮廓的宫颈细胞实例分割方法

宫颈细胞图像的分割问题研究对宫颈癌筛查诊断具有重要意义,但大量的重叠细胞给这项研究带来了巨大挑战。针对这一问题提出了新的宫颈细胞实例分割方法,该方法在语义分割的基础上,根据先验信息为细胞初始化轮廓并建立能量函数,通过最小化能量函数完成轮廓演化,解决复杂宫颈细胞图像中细胞实例分割问题。首先,改进U-net神经网络,完成宫颈细胞图像精确语义分割,将图像像素分为细胞、细胞核及背景3类;其次,在语义分割的基础上,识别图像中的游离细胞与细胞团块,并直接提取游离细胞的轮廓;最后,对于包含重叠细胞的细胞团块,使用Snake主动轮廓模型完成细胞团块中每个细胞的轮廓提取,实现细胞的实例分割。实验结果表明,算法可对包含重叠细胞的宫颈细胞图像进行有效实例分割。

基于U-Net网络的多主动轮廓细胞分割方法研究

细胞及细胞核的准确分割是宫颈癌计算机辅助筛查中的关键技术,针对具有重叠现象的宫颈细胞分割及其细胞核的提取,提出了一种U-Net网络语义分割下的多主动轮廓细胞分割提取方法。首先,对采集到的样本图像进行标注,将其分为背景、细胞、细胞核三部分;然后,对U-Net网络进行训练,并利用训练得到的模型对图像进行分语义分割,得到其中的细胞及细胞核区域;接着在UNet语义分割结果的基础上获得细胞团块信息,并通过像素点与细胞核之间的距离为每个细胞初始化一个水平集函数表示的细胞轮廓;最后,结合细胞的形状先验信息、图像的边缘信息和不同轮廓之间的相互信息建立水平集函数的能量泛函,通过最小化能量泛函得到细胞轮廓,最终完成每个细胞的分割。实验表明:文中提出的分割方法可以对复杂情况下的宫颈细胞进行分割,包括独立细胞和互相重叠的细胞及其细胞核,取得了良好的分割效果。