專利名稱：胸腺切片多尺度圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用方法，具體是一種胸腺切 片多尺度圖像分割方法。
背景技術(shù)：
胸腺(thymus)為機(jī)體的重要淋巴器官。其功能與免疫緊密相關(guān)，分泌胸腺激素及 激素類物質(zhì)，具內(nèi)分泌機(jī)能的器官。胸腺被認(rèn)為對(duì)重癥肌無(wú)力(MG)的發(fā)病中起重要作用。經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，Wekerle，H.和Miiller-Hermelink，H.(The thymus inmyasthenia gravis. Current topics in pathology, 1986, 75 179), l^XM, Palace, J., Vincent, A.等(Myasthenia gravis !diagnostic and management dilemmas. Current Opinion inNeurology, 2001,14(5) 583)針對(duì)胸腺的病理檢查對(duì)重癥肌無(wú)力(myasthenia gravis,MG)的發(fā)病、診斷和治療有重要意義。對(duì)于胸腺切片主要依靠經(jīng)驗(yàn)豐富的病理專家 在一個(gè)個(gè)的顯微視野中對(duì)異常細(xì)胞的數(shù)量和位置進(jìn)行識(shí)別，人工分析的強(qiáng)度大，操作人員 易疲勞，人為誤差不可避免。此外，大量文檔式的胸腺切片數(shù)據(jù)，對(duì)于數(shù)據(jù)的存儲(chǔ)與利用也 相當(dāng)不便。同時(shí)，經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，馬春梅，劉貴如和王陸林(圖像分割技術(shù) 在醫(yī)學(xué)圖像處理中的應(yīng)用研究.太原科技，2007，28(3) 64-67)以及Ma，Ζ·，Tavares, J.禾口 Jorge R. (Segmentation of structures in medical images :review and a new computationalframework. In Proceedings of the CMBBE 2008_8th International Symposium on ComputerMethods in Biomechanics and Biomedical Engineering,2008.) 隨著圖像處理技術(shù)飛速發(fā)展，各種圖像分割及分類技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用也極為廣泛。 故利用數(shù)字圖像處理技術(shù)，對(duì)胸腺切片圖像進(jìn)行多尺度分割。自動(dòng)獲得胸腺組織圖像，減輕 了人員工作強(qiáng)度。同時(shí)減少了進(jìn)一步細(xì)分切片圖像組織的計(jì)算量。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提供一種胸腺切片多尺度圖像分割方法， 解決原始識(shí)別所帶來(lái)的人員疲勞及誤差問(wèn)題，既解決了人工分析造成的強(qiáng)度大的問(wèn)題，也 提高了組織分割的精度，可以用于胸腺組織的識(shí)別，為診斷提供依據(jù)。獲得胸腺切片組織圖 像的同時(shí)，由于去除了背景噪聲，從而也減少了進(jìn)一步精細(xì)分割的計(jì)算量。本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括如下步驟第一步，將原始圖像線性劃分成若干個(gè)子圖像塊并構(gòu)建多尺度圖像數(shù)據(jù)關(guān)系；所述的若干個(gè)子圖像塊的面積相等。所述的多尺度圖像數(shù)據(jù)關(guān)系是指將原始圖像的左上角頂端的子圖像塊記為(1，1)，按照歐式坐標(biāo)對(duì)所有子圖像塊進(jìn)行二維坐標(biāo)標(biāo)記為(X，y)，其中X為子圖像塊所在的行 的位置，y為子圖像塊所在的列的位置。第二步，獲取相鄰子圖像塊信息，即每個(gè)子圖像塊依次獲取其周圍相鄰的其他子圖像塊的坐標(biāo)信息，并將其坐標(biāo)信息記錄到該中心子圖像塊中；第三步，圖像向下采樣處理生成聚類等級(jí)圖像對(duì)每個(gè)子圖像塊降低分辨率采樣 后得到聚類等級(jí)圖像。第四步，圖像聚類處理生成聚類等級(jí)子圖像將聚類等級(jí)圖像按照原先建立的多 尺度圖像數(shù)據(jù)關(guān)系重新合成，然后通過(guò)聚類處理對(duì)圖像進(jìn)行前后景分類后，按照線性劃分 成若干個(gè)聚類等級(jí)子圖像。所述的聚類處理是指采用非監(jiān)督K平均算法聚類，即K平均算法接受輸入量k ； 然后將n個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類以便使得所獲得的聚類滿足同一聚類中的對(duì)象相似 度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得 一個(gè)“中心對(duì)象”(引力中心)來(lái)進(jìn)行計(jì)算的。K平均算法的工作過(guò)程首先從n個(gè)數(shù)據(jù)對(duì) 象任意選擇k個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類 中心的相似度(距離)，分別將它們分配給與其最相似的(聚類中心所代表的)聚類；然后 再計(jì)算每個(gè)所獲新聚類的聚類中心(該聚類中所有對(duì)象的均值)；不斷重復(fù)這一過(guò)程直到 標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù).k個(gè)聚類具有以下特 點(diǎn)各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。所述的若干個(gè)聚類等級(jí)子圖像的面積相等。第五步，圖像向上采樣處理對(duì)聚類子圖像進(jìn)行提高分辨率采樣后得到分割出的 胸腺組織的二值圖子圖像塊，實(shí)現(xiàn)胸腺切片多尺度圖像分割。所述的提高分辨率采樣是指采用第三步中向下采樣的采樣比例的倒數(shù)進(jìn)行重新 采樣得到的二值圖子圖像塊。本發(fā)明解決原始識(shí)別所帶來(lái)的人員疲勞及誤差問(wèn)題，既解決了人工分析造成的強(qiáng) 度大的問(wèn)題，也提高了組織分割的精度，可以用于胸腺組織的識(shí)別，為診斷提供依據(jù)。獲得 胸腺切片組織圖像的同時(shí)，由于去除了背景噪聲，從而也減少了進(jìn)一步精細(xì)分割的計(jì)算量。


圖1為本發(fā)明實(shí)施例多級(jí)圖像數(shù)據(jù)關(guān)系。圖2為本發(fā)明實(shí)施例原始胸腺切片子圖像塊(局部)。圖3為本發(fā)明實(shí)施例經(jīng)過(guò)向下采樣后的胸腺切片子圖像塊(局部)。圖4為本發(fā)明實(shí)施例經(jīng)過(guò)圖像合成后的胸腺切片圖像。圖5為本發(fā)明實(shí)施例經(jīng)過(guò)K平均分類后的胸腺組織圖像。圖6為本發(fā)明實(shí)施例原子圖像塊和聚類分割出的胸腺組織的二值圖子圖像塊的 對(duì)比圖像。
具體實(shí)施例方式下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。本實(shí)施例采用的細(xì)胞切片來(lái)源于胸腺組織切片，具體整個(gè)實(shí)施過(guò)程如圖1所示， 包括以下步驟
4
1、構(gòu)建多尺度圖像數(shù)據(jù)關(guān)系將原始圖像網(wǎng)格線性劃分成子圖像。分割的標(biāo)準(zhǔn)主 要考慮到圖像的大小與計(jì)算機(jī)的處理能力，為了便于計(jì)算，盡可能采用原圖像的整數(shù)倍。本 實(shí)施例實(shí)施例采用每個(gè)子圖像塊2000x2000像素點(diǎn)劃分原始圖像。各個(gè)子圖像塊以及各個(gè) 在不同分辨率尺度下的子圖像塊，就具有了各自所處于原始圖片行列的數(shù)據(jù)信息。將原始 圖像左上角的子圖像塊記為(1，1)，則其他的子圖像塊相應(yīng)地記為(x，y)。其中χ為子圖像 塊所在的行的位置，y為子圖像塊所在的列的位置。子圖像塊個(gè)數(shù)=原圖像總像素點(diǎn)/(子圖像塊行像素點(diǎn)X子圖像塊列像素點(diǎn)) (1)2、子圖像塊的周圍信息復(fù)制。根據(jù)建立的各個(gè)子圖像塊之間的關(guān)系，逐個(gè)獲取單個(gè)子圖像塊周圍3x3鄰域的其他子圖像塊信息，即假設(shè)該子圖像塊的位置為(x，y)，則獲取 (χ士l，y士 1)，8個(gè)領(lǐng)域子圖像塊的信息，并將這些鄰域的圖像信息復(fù)制到該子圖像塊中，這 樣每個(gè)子圖像塊就擁有各自相應(yīng)的擴(kuò)展子圖像信息。擴(kuò)展的子圖像塊在進(jìn)行向下采樣的時(shí) 候就不會(huì)因?yàn)樵歼吔绮贿B續(xù)而造成重新采樣的誤差。3、對(duì)獲得的子圖像塊進(jìn)行向下采樣。通過(guò)重新采樣，采用近鄰插值 (Nearest-neighborinterpolation)，獲得一個(gè)低分辨率的圖像?？s小圖像尺寸大小原則上 可以任意，但是必須遵循的依據(jù)是保證向下采樣后圖像的灰度分布與原始圖像的灰度分布 總體保持一致。此外為了便于計(jì)算，將向下采樣的尺度圓整為原圖尺寸的整數(shù)倍。本實(shí)施 例實(shí)施例將原始圖像縮小尺寸400倍。如圖2向下采樣后結(jié)果如圖3。4、將重新采樣后的圖像，即聚類等級(jí)圖像，按照原先建立的多尺度圖像數(shù)據(jù)關(guān)系 重新合成，如圖4。由于子圖像是經(jīng)過(guò)領(lǐng)域復(fù)制后的擴(kuò)展的子圖像，重新合成后的圖像克服 了圖像分割成子圖像塊后的邊緣不連續(xù)問(wèn)題。5、K平均聚類算法。K平均算法接受輸入量k ；然后將η個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚 類以便使得所獲得的聚類滿足同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似 度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”(引力中心)來(lái)進(jìn) 行計(jì)算的。K平均算法的工作過(guò)程首先從η個(gè)數(shù)據(jù)對(duì)象任意選擇k個(gè)對(duì)象作為初始聚類 中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度(距離)，分別將它們 分配給與其最相似的(聚類中心所代表的)聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心 (該聚類中所有對(duì)象的均值)；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都 采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù)。k個(gè)聚類具有以下特點(diǎn)各聚類本身盡可能的緊湊，而各聚 類之間盡可能的分開。通過(guò)K平均聚類算法操作后，胸腺切片的前后景得到良好區(qū)分(如 圖5)，即整個(gè)胸腺組織得到很好地分割。去除后景噪聲后，減少了后續(xù)進(jìn)一步精細(xì)分割的計(jì)
鈴旦昇里。6、按照按照之前建立的多尺度圖像數(shù)據(jù)關(guān)系將聚類后的圖像進(jìn)行分割，得到聚類 子圖像塊。分割的子圖像塊個(gè)數(shù)=聚類后二值圖總像素點(diǎn)/(聚類子圖像塊行像素點(diǎn)X聚類子圖像塊列像素點(diǎn)) (2)7、圖像合成，對(duì)分割后的圖像按照先前向下采樣率的倒數(shù)，向上采樣回原始尺寸 得到得到聚類后分割出的胸腺組織的二值圖子圖像塊。如圖6，為原子圖像塊和聚類分割后胸腺組織的二值子圖像塊的對(duì)比圖像。 本實(shí)施例的胸腺切片多尺度圖像分割方法，利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)胸腺切片 組織的分割。利用MATLAB，提供一種胸腺切片多尺度圖像分割方法，使其解決原始識(shí)別所帶 來(lái)的人員疲勞及誤差問(wèn)題，既解決了人工分析造成的強(qiáng)度大的問(wèn)題，也提高了組織分割的 精度，可以用于胸腺組織的識(shí)別，為診斷提供依據(jù)。以本實(shí)施例實(shí)施例的一張完整的胸腺切 片，數(shù)據(jù)大小為542M字節(jié)，圖像數(shù)據(jù)相當(dāng)龐大，普通的分類算法應(yīng)用于普通運(yùn)算能力的計(jì) 算機(jī)將導(dǎo)致內(nèi)存溢出。采用多尺度圖像分割方法，則大大減少了單步的計(jì)算量，克服了數(shù)據(jù) 溢出的問(wèn)題。通過(guò)計(jì)算，獲得的分類后的胸腺切片組織圖像，占原始圖像的43. 7%，即去除 了原始數(shù)據(jù)中56. 3%的背景噪聲信息，從而很大程度地減少了進(jìn)一步精細(xì)分割的計(jì)算量。
權(quán)利要求
一種胸腺切片多尺度圖像分割方法，其特征在于，包括如下步驟第一步，將原始圖像線性劃分成若干個(gè)子圖像塊并構(gòu)建多尺度圖像數(shù)據(jù)關(guān)系；第二步，獲取相鄰子圖像塊信息；第三步，圖像向下采樣處理生成聚類等級(jí)圖像第四步，圖像聚類處理生成聚類等級(jí)子圖像第五步，圖像向上采樣處理，實(shí)現(xiàn)胸腺切片多尺度圖像分割。
2.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，第一步中所述的 若干個(gè)子圖像塊的面積相等。
3.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，第一步中所述的 多尺度圖像數(shù)據(jù)關(guān)系是指將原始圖像的左上角頂端的子圖像塊記為(1，1)，按照歐式坐 標(biāo)對(duì)所有子圖像塊進(jìn)行二維坐標(biāo)標(biāo)記為(x，y)，其中x為子圖像塊所在的行的位置，y為子 圖像塊所在的列的位置。
4.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，所述的第二步具 體是指每個(gè)子圖像塊依次獲取其周圍相鄰的其他子圖像塊的坐標(biāo)信息，并將其坐標(biāo)信息 記錄到該中心子圖像塊中。
5.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，所述的第三步具 體是指對(duì)每個(gè)子圖像塊降低分辨率采樣后得到聚類等級(jí)圖像。
6.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，所述的第四步具 體是指將聚類等級(jí)圖像按照原先建立的多尺度圖像數(shù)據(jù)關(guān)系重新合成，然后通過(guò)聚類處 理對(duì)圖像進(jìn)行前后景分類后，按照線性劃分成若干個(gè)聚類等級(jí)子圖像。
7.根據(jù)權(quán)利要求1所述的胸腺切片多尺度圖像分割方法，其特征是，所述的第五步具 體是指對(duì)聚類子圖像進(jìn)行提高分辨率采樣后得到分割出的胸腺組織的二值圖子圖像塊。
8.根據(jù)權(quán)利要求1或6或7所述的胸腺切片多尺度圖像分割方法，其特征是，所述的若 干個(gè)聚類等級(jí)子圖像的面積相等。
9.根據(jù)權(quán)利要求7所述的胸腺切片多尺度圖像分割方法，其特征是，所述的提高分辨 率采樣是指采用第三步中向下采樣的采樣比例的倒數(shù)進(jìn)行重新采樣得到的二值圖子圖像 塊。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的胸腺切片多尺度圖像分割方法，首先將原始圖像線性劃分成若干個(gè)子圖像塊并構(gòu)建多尺度圖像數(shù)據(jù)關(guān)系；然后獲取相鄰子圖像塊信息并向下采樣處理生成聚類等級(jí)圖像，在進(jìn)行圖像聚類處理生成聚類等級(jí)子圖像，最后進(jìn)行向上采樣處理，實(shí)現(xiàn)胸腺切片多尺度圖像分割。本發(fā)明解決原始識(shí)別所帶來(lái)的人員疲勞及誤差問(wèn)題，既解決了人工分析造成的強(qiáng)度大的問(wèn)題，也提高了組織分割的精度，可以用于胸腺組織的識(shí)別，為診斷提供依據(jù)。獲得胸腺切片組織圖像的同時(shí)，由于去除了背景噪聲，從而也減少了進(jìn)一步精細(xì)分割的計(jì)算量。
文檔編號(hào)G06T7/00GK101833764SQ201010159998
公開日2010年9月15日 申請(qǐng)日期2010年4月29日 優(yōu)先權(quán)日2010年4月29日
發(fā)明者彭穎紅, 李晟, 王偉明, 石軍, 胡潔 申請(qǐng)人:上海交通大學(xué)