用于分析樣本圖像中的纖維和分支結(jié)構(gòu)的方法和系統(tǒng)的制作方法
【專利說明】用于分析樣本圖像中的纖維和分支結(jié)構(gòu)的方法和系統(tǒng)
[0001]相關(guān)申請(qǐng)
[0002]本申請(qǐng)要求2012年8月28日提交的申請(qǐng)?zhí)枮?1/693，901的美國專利申請(qǐng)的優(yōu)先權(quán)，其內(nèi)容通過引用方式整體并入本文。
技術(shù)領(lǐng)域
[0003]本發(fā)明涉及圖像分析技術(shù)，特別涉及對(duì)包含纖維和分支管狀結(jié)構(gòu)的圖像進(jìn)行分析。
【背景技術(shù)】
[0004]纖維結(jié)構(gòu)普遍存在于材料科學(xué)圖像、生物學(xué)和生物醫(yī)學(xué)圖像中；這種結(jié)構(gòu)包括各種工程纖維、支氣管樹、以及細(xì)胞骨架和神經(jīng)元網(wǎng)絡(luò)。所采集的圖像的大量數(shù)據(jù)被用于對(duì)這些結(jié)構(gòu)的連接性和功能性進(jìn)行分析?？煽康慕忉尯头治鲂枰獪?zhǔn)確的定量測量。
[0005]但是，由于成像條件的多樣化和結(jié)構(gòu)的復(fù)雜性，準(zhǔn)確且快速地提取有用的信息是具有挑戰(zhàn)性的。不同來源的圖像會(huì)具有不同的噪聲或不規(guī)則的背景強(qiáng)度，這使得不可能具有一種可靠的方法來在不考慮纖維的局部形狀特征的情況下提取纖維。對(duì)于神經(jīng)突來說，當(dāng)它們遠(yuǎn)離細(xì)胞延伸時(shí)，纖維變得更小和更模糊，導(dǎo)致大多數(shù)的算法生成低質(zhì)量的結(jié)果。
[0006]此外，一個(gè)圖像中可能具有大量的纖維，說明局部纖維形狀評(píng)估的效率決定了處理速度。在生物醫(yī)學(xué)領(lǐng)域，纖維的檢測會(huì)比普通的工程材料更加困難，這是因?yàn)楣軤罱Y(jié)構(gòu)的圖像可能會(huì)是與細(xì)胞交叉并從細(xì)胞中分支出來的3D結(jié)構(gòu)的2D投影。
[0007]因此，需要一種提供高效的局部纖維形狀評(píng)估的方法及其系統(tǒng)，以實(shí)現(xiàn)滿足實(shí)際應(yīng)用的精度和速度需要的自動(dòng)化纖維跟蹤。

【發(fā)明內(nèi)容】

[0008]提供了一種對(duì)包含纖維的生物樣本進(jìn)行纖維分析和重構(gòu)的計(jì)算機(jī)實(shí)施的方法和系統(tǒng)。使用自適應(yīng)閾值法獲得初始跟蹤種子。利用局部主成分分析(PCA)計(jì)算，通過將低分種子數(shù)據(jù)從初始計(jì)算中排除、隨后進(jìn)行單個(gè)纖維片段跟蹤來識(shí)別跟蹤種子候選。
[0009]單個(gè)或單獨(dú)纖維片段跟蹤過程包含如下步驟:選擇與周圍區(qū)域中的纖維特征最為匹配的種子。這些特征可根據(jù)形狀、強(qiáng)度(亮度)、顏色或其他可區(qū)別特征來識(shí)別。隨后確定與指定位置處的局部纖維圖像匹配最密切的矩形，并通過將種子沿著矩形軸線方向移動(dòng)來對(duì)矩形進(jìn)行擴(kuò)展。對(duì)每個(gè)選定的跟蹤種子候選執(zhí)行該單獨(dú)纖維片段跟蹤過程。通過交叉匹配計(jì)算來執(zhí)行將多個(gè)單獨(dú)的纖維片段組合為完整的纖維對(duì)象連接。
[0010]初始纖維識(shí)別過程后，多個(gè)纖維部分被連接到一起。這些連接是根據(jù)接近性、相似性和連接規(guī)則進(jìn)行的。連接過程會(huì)識(shí)別彼此交叉和/或作為分支網(wǎng)絡(luò)的纖維。通過連接性的信息可對(duì)纖維分段進(jìn)行完善，或者執(zhí)行額外的分析來調(diào)整連接性。
[0011]還提供了一種用于對(duì)纖維和分支結(jié)構(gòu)進(jìn)行分析和重構(gòu)的系統(tǒng)。該系統(tǒng)包括:具有纖維和/或分支結(jié)構(gòu)的對(duì)象；采集對(duì)象圖像的裝置和用于對(duì)對(duì)象進(jìn)行識(shí)別和測量的各種模塊。這些模塊可操作性地通過執(zhí)行閥值法來獲得初始跟蹤種子。通過使用主成分分析(PCA)計(jì)算來識(shí)別跟蹤種子候選，將從初始計(jì)算獲得的低分種子排除并執(zhí)行單個(gè)纖維片段跟蹤。
[0012]通過纖維檢測和跟蹤模塊(其可操作性地選擇數(shù)字圖像上噪聲最低的種子)來執(zhí)行單個(gè)纖維片段跟蹤，以計(jì)算與指定位置處的局部纖維圖像最為匹配的矩形，從而通過將種子沿著矩形軸線方向移動(dòng)并隨后進(jìn)行PCA擬合計(jì)算對(duì)矩形進(jìn)行生長。該纖維檢測和跟蹤模塊可操作性地執(zhí)行纖維片段跟蹤操作，直到對(duì)所有的候選都進(jìn)行了跟蹤并且執(zhí)行了對(duì)圖像中的細(xì)胞體的識(shí)別。連接模塊可操作性地對(duì)單獨(dú)纖維片段進(jìn)行組合，并在圖像中形成最終的神經(jīng)元網(wǎng)絡(luò)。
[0013]該系統(tǒng)的所有方面都可適用于3D圖像。這些3D圖像可以是通過被稱為光學(xué)層析的處理在選定深度處從樣本中采集的一組2D圖像。這些3D圖像也可以是通過超聲波、CT、MRI或PET掃描生成的一組2D醫(yī)學(xué)圖像。
【附圖說明】
[0014]圖1為用于對(duì)纖維和分支結(jié)構(gòu)進(jìn)行分析的系統(tǒng)的實(shí)施方式的實(shí)例。
[0015]圖2是利用對(duì)纖維和分支結(jié)構(gòu)進(jìn)行分析的系統(tǒng)、通過執(zhí)行本發(fā)明的用于纖維跟蹤和重構(gòu)圖像的計(jì)算機(jī)實(shí)施的方法獲得的輸出圖像的實(shí)例。
[0016]圖3是利用對(duì)纖維和分支結(jié)構(gòu)進(jìn)行分析的系統(tǒng)、通過執(zhí)行用于神經(jīng)突跟蹤的計(jì)算機(jī)實(shí)施的方法獲得的輸出圖像的實(shí)例。
[0017]圖4是對(duì)種子候選進(jìn)行跟蹤的常規(guī)方法步驟的流程圖。
[0018]圖5是根據(jù)本發(fā)明的計(jì)算機(jī)實(shí)施的方法的種子初始化的流程圖。
[0019]圖6是根據(jù)本發(fā)明的計(jì)算機(jī)實(shí)施的方法的跟蹤種子的流程圖。
[0020]圖7A是纖維片段連接的圖示。
[0021]圖7B是定義纖維片段的端對(duì)端連接的纖維交叉的圖示。
[0022]圖7C是定義纖維片段的主體對(duì)主體連接的纖維分支的圖示。
[0023]圖8是根據(jù)本發(fā)明的計(jì)算機(jī)實(shí)施的方法的纖維組合過程的流程圖。
【具體實(shí)施方式】
[0024]所描述的系統(tǒng)和方法可用于根據(jù)數(shù)字圖像(顯微鏡圖像以及醫(yī)學(xué)圖像，如磁共振成像(MRI))跟蹤和重構(gòu)纖維結(jié)構(gòu)。
[0025]參照?qǐng)D1，其示出了用于對(duì)包含纖維和/或分支結(jié)構(gòu)的生物樣本進(jìn)行快速和準(zhǔn)確的分析的系統(tǒng)的實(shí)施方式的實(shí)例。系統(tǒng)100包括各種用于對(duì)數(shù)字圖像中的對(duì)象進(jìn)行識(shí)別和測量的模塊。從樣本110采集多個(gè)圖像，該樣本110通常是通過顯微鏡或醫(yī)學(xué)成像系統(tǒng)109觀察。利用照相機(jī)108或類似裝置(如共焦顯微鏡掃描PMT)采集圖像。將該圖像提供給計(jì)算機(jī)101。該圖像可直接發(fā)送到計(jì)算機(jī)，也可存儲(chǔ)在存儲(chǔ)介質(zhì)上或者經(jīng)由中間分配網(wǎng)絡(luò)(如因特網(wǎng))傳遞。圖像數(shù)據(jù)被存儲(chǔ)在RAM存儲(chǔ)器102中，并且數(shù)據(jù)被處理單元103訪問。處理指令由種子初始化模塊104提供，并隨后由纖維檢測和跟蹤模塊106提供。這些功能的輸出被圖像處理模塊105可操作性的用于對(duì)圖像進(jìn)行拒絕或增強(qiáng)。連接模塊107提供纖維重構(gòu)指令。
[0026]參照?qǐng)D2，其示出了利用本發(fā)明的系統(tǒng)獲得的具有纖維結(jié)構(gòu)的生物樣本的輸出圖像。該屏幕截圖提供了用戶可獲得的關(guān)于纖維檢測的數(shù)據(jù)。發(fā)送給模塊的數(shù)據(jù)可用于確定纖維的特征并生成最優(yōu)結(jié)果。圖像顯示器將所有的識(shí)別出的纖維示出為1(或者，如果用顏色示出，則示出為例如綠色)，并將多個(gè)單獨(dú)的纖維示出為2 (或者，如果用顏色示出，則示出為例如橙色)，纖維2是已經(jīng)被重構(gòu)并確定為橫穿過圖像中的其它纖維的纖維。
[0027]參照?qǐng)D3，其中示出了利用本發(fā)明的系統(tǒng)獲得的、包含用于跟蹤的分支結(jié)構(gòu)的生物樣本的輸出圖像。盡管作為實(shí)例呈現(xiàn)了一個(gè)平面視圖，但是本發(fā)明也可適用于3D視圖。該屏幕截圖提供了用戶可應(yīng)用于神經(jīng)元的跟蹤的數(shù)據(jù)。通過設(shè)置適合神經(jīng)元特征的輸入?yún)?shù)，用戶通?？色@得更優(yōu)的結(jié)果。該圖像將識(shí)別出的神經(jīng)元顯示為3和4(或者，如果用顏色示出，則分別示出為例如橙色和多彩的)。識(shí)別神經(jīng)突纖維。將纖維分支點(diǎn)識(shí)別為5(或者，如果用顏色示出，則示出為例如黃色)。根據(jù)分支和連接性來將每個(gè)纖維分段分配到正確的細(xì)胞。
[0028]圖2和圖3的輸出圖像是通過使用主成分分析(PCA)獲得的。PCA用于評(píng)估圖像空間，從而表征局部形狀的統(tǒng)計(jì)信息，這些局部形狀對(duì)于題述分析而言是矩形。PCA可通過一輪計(jì)算提供矩形的方位和尺寸，這大大地快于常規(guī)使用的用于對(duì)物體或圖案進(jìn)行跟蹤從而對(duì)輸入圖像數(shù)據(jù)進(jìn)行搜索的模板匹配方法。(A.Can, H.Shen, J.N.Turner, H.L.Tanenbaum, and B.Roysam(1999)/‘Rapid automated tracing and feature extract1nfrom