国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分析方法

      文檔序號(hào):6633397閱讀:588來(lái)源:國(guó)知局
      一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分析方法
      【專利摘要】本發(fā)明提出一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分析方法。采集神經(jīng)細(xì)胞的顯微圖像數(shù)據(jù);對(duì)顯微圖像數(shù)據(jù)進(jìn)行預(yù)處理得到去噪聲后的圖像;對(duì)去除噪聲的圖像進(jìn)行閾值分割得到去除背景后的神經(jīng)元圖像;從神經(jīng)元圖像中提取單個(gè)神經(jīng)元;提取單個(gè)神經(jīng)元的基礎(chǔ)參數(shù),基礎(chǔ)參數(shù)包括骨架、細(xì)胞體、細(xì)胞體面積軸突或樹突的數(shù)量、軸突或樹突的長(zhǎng)度。本發(fā)明可以自動(dòng)識(shí)別和分析顯微圖像中的神經(jīng)元,且識(shí)別速度快、效果理想,不僅能直觀看出神經(jīng)元形狀,還能輸出有效的神經(jīng)元基礎(chǔ)參數(shù),大大減輕了研究者閱片的勞動(dòng)強(qiáng)度,同時(shí)利于后續(xù)數(shù)據(jù)分析。
      【專利說(shuō)明】一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分析方法

      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明屬于醫(yī)學(xué)圖像處理【技術(shù)領(lǐng)域】,具體涉及一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分 析方法。

      【背景技術(shù)】
      [0002] 神經(jīng)元是組成神經(jīng)系統(tǒng)的基本結(jié)構(gòu)和功能單位,也稱神經(jīng)細(xì)胞,包括神經(jīng)細(xì)胞體 和神經(jīng)纖維。神經(jīng)纖維是由神經(jīng)元的軸突或樹突、髓鞘和神經(jīng)膜組成。髓鞘是由髓磷脂和蛋 白質(zhì)組成,包在軸突或樹突的外面,有絕緣作用,神經(jīng)膜是一種神經(jīng)膠質(zhì)細(xì)胞,呈薄膜狀,包 在神經(jīng)纖維外面,具有保護(hù)和再生的作用。軸突或樹突是神經(jīng)元的信號(hào)輸出通道,軸突通常 較樹突細(xì),是從細(xì)胞體發(fā)出的一根較長(zhǎng)的呈圓柱形的細(xì)長(zhǎng)突起,每個(gè)神經(jīng)元只有一個(gè)軸突, 一般自細(xì)胞體發(fā)出,與一個(gè)或多個(gè)目標(biāo)神經(jīng)元發(fā)生連接。
      [0003] 在當(dāng)前有關(guān)人和動(dòng)物的神經(jīng)系統(tǒng)研究中,神經(jīng)顯微形態(tài)分析被廣泛應(yīng)用于正常的 或病理狀態(tài)下的神經(jīng)科學(xué)研究或診斷中。神經(jīng)元及軸突的形態(tài)分析,對(duì)于對(duì)正確理解神經(jīng) 發(fā)育、損傷程度及規(guī)律,掌握神經(jīng)形態(tài)特征規(guī)律及分布具有重要意義。在神經(jīng)元形態(tài)研究 中,單項(xiàng)形態(tài)參數(shù)并不具有實(shí)質(zhì)性的研究參考價(jià)值,需進(jìn)行多項(xiàng)基礎(chǔ)參數(shù)及其互相關(guān)性的 研究。這些基礎(chǔ)參數(shù)包括:纖維或軸突數(shù)量、周長(zhǎng)和神經(jīng)細(xì)胞體面積等。在以上獲得的基礎(chǔ) 參數(shù)的基礎(chǔ)上,進(jìn)而可以計(jì)算出其它有較高研究?jī)r(jià)值的參數(shù):髓鞘厚度與軸突直徑之比; 軸突直徑與纖維直徑之比(g-ratio)。
      [0004] 復(fù)旦大學(xué)博士學(xué)位論文《視神經(jīng)纖維自動(dòng)識(shí)別與分析關(guān)鍵技術(shù)研究》提出了一種 視神經(jīng)纖維的識(shí)別與分析方法,包括圖像預(yù)處理、纖維輪廓識(shí)別以及形態(tài)數(shù)據(jù)分析這三個(gè) 步驟。該方法中采用區(qū)域生長(zhǎng)法粗分割圖像,采用snake精確分割神經(jīng)纖維,雖能自動(dòng)識(shí)別 神經(jīng)纖維,但是識(shí)別速度較慢,并且輸出的形態(tài)數(shù)據(jù)局限于纖維直徑。


      【發(fā)明內(nèi)容】

      [0005] 本發(fā)明提出一種基于形態(tài)學(xué)的神經(jīng)元識(shí)別與分析方法,可以自動(dòng)識(shí)別和分析顯微 圖像中的神經(jīng)元,且識(shí)別速度快、效果理想,不僅能直觀看出神經(jīng)元形狀,還能輸出有效的 神經(jīng)元基礎(chǔ)參數(shù),大大減輕了研究者閱片的勞動(dòng)強(qiáng)度,同時(shí)利于后續(xù)數(shù)據(jù)分析。
      [0006] 為了解決上述技術(shù)問(wèn)題,本發(fā)明提供一種基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方 法,步驟如下:
      [0007] 第一步,采集神經(jīng)細(xì)胞的顯微圖像數(shù)據(jù);
      [0008] 第二步,對(duì)第一步得到的顯微圖像數(shù)據(jù)進(jìn)行預(yù)處理,得到去噪聲后的圖像;
      [0009] 第三步,對(duì)第二步去除噪聲的圖像進(jìn)行閾值分割,得到去除背景后的神經(jīng)元圖 像;
      [0010] 第四步,從神經(jīng)元圖像中提取單個(gè)神經(jīng)元;
      [0011] 第五步,提取單個(gè)神經(jīng)元的基礎(chǔ)參數(shù),基礎(chǔ)參數(shù)包括骨架、細(xì)胞體、細(xì)胞體面積軸 突或樹突的數(shù)量、軸突或樹突的長(zhǎng)度。
      [0012] 較佳地,第二步中采用中值濾波方法對(duì)顯微圖像進(jìn)行去噪處理。
      [0013] 較佳地,第三步中,采用自適應(yīng)閾值函數(shù)T(x,y)進(jìn)行閾值分割,方法如公式(1)所 示:
      [0014]

      【權(quán)利要求】
      1. 一種基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,步驟如下: 第一步,采集神經(jīng)細(xì)胞的顯微圖像數(shù)據(jù); 第二步,對(duì)第一步得到的顯微圖像數(shù)據(jù)進(jìn)行預(yù)處理,得到去噪聲后的圖像; 第三步,對(duì)第二步去除噪聲的圖像進(jìn)行閾值分割,得到去除背景后的神經(jīng)元圖像; 第四步,從神經(jīng)元圖像中提取單個(gè)神經(jīng)元; 第五步,提取單個(gè)神經(jīng)元的基礎(chǔ)參數(shù),基礎(chǔ)參數(shù)包括骨架、細(xì)胞體、細(xì)胞體面積軸突或 樹突的數(shù)量、軸突或樹突的長(zhǎng)度。
      2. 如權(quán)利要求1所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第二步中 采用中值濾波方法對(duì)顯微圖像進(jìn)行去噪處理。
      3. 如權(quán)利要求1所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第三步中, 采用自適應(yīng)閾值函數(shù)T(x,y)進(jìn)行閾值分割,方法如公式(1)所示:
      公式(1)中,自適應(yīng)閾值函數(shù)1'(1,7)=8。(1,7)+1'(|;圖像8(|(1,7)是對(duì)灰度值8(1,7) 的局部補(bǔ)償,常數(shù)Ttl是圖像gjx, y)的全局閾值,采用Otsu方法確定最佳全局閾值Tq。
      4. 如權(quán)利要求1所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第四步中, 采用八鄰域算法識(shí)別并標(biāo)記各個(gè)連通域,所識(shí)別的連通域即為神經(jīng)元。
      5. 如權(quán)利要求1所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第五步中, 所述骨架提取方法為:設(shè)單個(gè)神經(jīng)元連通域?yàn)榧螦,則集合A的骨架S(A)用腐蝕和開操 作表達(dá),表達(dá)式如公式(2)所示,
      式⑵中,腐蝕和開操作k次后的骨架Sk⑷=(A?kB)-(A?kB) 〇B,B是一個(gè)結(jié)構(gòu)元, (A?kB)表示對(duì)集合A的連續(xù)k次腐蝕,(A?kB)如公式(3)所示, (A ? kB)=((…(A ? B) ? B) ? …)? B) (3) 式⑵中,K是集合A被腐蝕成空集前的最后一次迭代步驟,且K=max彳。
      6. 如權(quán)利要求5所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第五步中, 所述細(xì)胞體提取方法為: 6. 1提取連通域的質(zhì)心,設(shè)單個(gè)神經(jīng)元圖像中像素點(diǎn)(x,y)的灰度值為g(x,y),則連通 域質(zhì)心如公式(4)所示,
      6. 2對(duì)連通域質(zhì)心<x,進(jìn)行單位膨脹; 假設(shè)C為神經(jīng)元圖像中的集合,D為神經(jīng)元圖像中一個(gè)圓形結(jié)構(gòu)元,D對(duì)C進(jìn)行膨脹的 方式如公式(5)所示, C ? Z) = {Z I [(D): n C] £ Cl。 (5) 公式(5)中,e?D為膨脹后的圖像,D的圓心為質(zhì)心半徑為一個(gè)像素,初次膨脹 時(shí)集合C為質(zhì)心; 6. 3質(zhì)心被結(jié)構(gòu)元單位膨脹后,比較單位膨脹操作獲得的集合c?D與神經(jīng)元連 通域?yàn)榧螦的重疊性,若兩者之間沒(méi)有重疊點(diǎn),則用集合C?D替代單位膨脹操作中的集 合C并重復(fù)單位膨脹,直至集合c ? D與集合A恰好有一個(gè)重疊點(diǎn); 6. 4以質(zhì)心<x,j/)作為圓心,以質(zhì)心到所述重疊點(diǎn)的距離作為半徑,構(gòu)建圓形結(jié)構(gòu) 元E,用結(jié)構(gòu)元E對(duì)單個(gè)神經(jīng)元連通域集合A進(jìn)行開操作,如公式(6)所示,開操作結(jié)果AoE 即為神經(jīng)元的細(xì)胞體圖像, A〇E= (M)E) ? E (6)。
      7. 如權(quán)利要求5所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第五步中, 所述細(xì)胞體面積提取方法為:將所述細(xì)胞體圖像中的像素?cái)?shù)量乘以顯微鏡的放大系數(shù) 獲得細(xì)胞體的面積。
      8. 如權(quán)利要求5所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第五步中, 所述軸突或樹突數(shù)量的提取方法為:將所述獲得的骨架圖像與細(xì)胞體圖像重疊,骨架和細(xì) 胞體的交點(diǎn)記為軸突或樹突的起點(diǎn),并將交點(diǎn)的數(shù)量作為軸突或樹突的數(shù)量參數(shù)輸出。
      9. 如權(quán)利要求5所述基于形態(tài)學(xué)的神經(jīng)元的識(shí)別與分析方法,其特征在于,第五步中, 所述軸突或樹突長(zhǎng)度的提取方法為: 9. 1以一個(gè)軸突或樹突的起點(diǎn)為起點(diǎn),沿骨架軌跡逐鄰域判斷像素?cái)?shù)量標(biāo)定屬于該軸 突或樹突的支點(diǎn),直至骨架的終點(diǎn);當(dāng)八鄰域內(nèi)出現(xiàn)三個(gè)及三個(gè)以上像素不為〇的像素點(diǎn) 時(shí),則鄰域中心為該軸突或樹突的支點(diǎn);當(dāng)八鄰域內(nèi)只有一個(gè)像素不為〇的像素點(diǎn)時(shí),則鄰 域中心為該軸突或樹突的終點(diǎn); 9. 2以一個(gè)軸突或樹突的起點(diǎn)為起點(diǎn),沿骨架軌跡,遍歷屬于該軸突或樹突的支點(diǎn),直 至相應(yīng)的骨架終點(diǎn),使用遞推函數(shù)計(jì)算起點(diǎn)到支點(diǎn)、支點(diǎn)到支點(diǎn)、支點(diǎn)到終點(diǎn)的像素總數(shù), 再乘以顯微鏡的放大系數(shù)作為該軸突或樹突的長(zhǎng)度參數(shù)輸出。
      【文檔編號(hào)】G06K9/00GK104331892SQ201410621452
      【公開日】2015年2月4日 申請(qǐng)日期:2014年11月5日 優(yōu)先權(quán)日:2014年11月5日
      【發(fā)明者】陳錢, 潘佳惠, 俞曉東, 牛世偉, 周玉蛟, 錢惟賢 申請(qǐng)人:南京理工大學(xué)
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1