live high—resolut1n retinal fundus images using direct exploratoryalgorithms，，，IEEE Transact1ns on Informat1n Technology in B1medicine, vol.3,n0.2，pp.125-138.) 0
[0029]圖3的流程圖中示出的常規(guī)的纖維跟蹤策略是基于當(dāng)前實踐的技術(shù)水平的方法，它們識別出候選種子并隨后利用漸進擬合(progressive fitting)對每個種子進行生長° (Zhao T., Xie J., Amat F., Clack N., Ahammad P., Peng H., Long F., MyersE.(2011).“Automated reconstruct1n of neuronal morphology based on localgeometrical and global structural models，，.Neuroinformatics 9.247-261。
[0030]根據(jù)本發(fā)明，PCA用于種子初始化(圖5)和種子跟蹤(圖6)，其能夠顯著降低計算時間。獲得一組單獨的纖維片段后，可對它們進行組合從而形成單獨的纖維對象或樹狀結(jié)構(gòu)。
[0031]圖4描繪了用于對包含纖維的生物樣本的圖像中的種子候選進行跟蹤的常規(guī)方法的步驟的流程圖。該方法允許識別種子候選，并隨后對每個種子進行漸進擬合。
[0032]圖5和圖6呈現(xiàn)了種子初始化和跟蹤過程的步驟的詳細(xì)描述。根據(jù)本發(fā)明，兩個過程都利用了 PCA，這大大降低了獲取一組單獨的纖維片段的時間，可對這組單獨的纖維片段進行組合從而形成單獨的纖維對象或樹狀結(jié)構(gòu)。
[0033]圖7A至圖7C示出了纖維片段連接的圖示的實例。在圖7，如圖所示，示例性纖維的主體包括兩個末端，通過它們提供與相鄰纖維的連接。圖7B示出了纖維片段1、2、3、4的定義為端對端連接的纖維交叉。纖維交叉連接圖示定義為纖維片段的端對端連接。術(shù)語“島(island)”用于表示由端對端連接構(gòu)成的圖。參照圖7C，其中示出了連接片段I和2的纖維分支。將該連接定義為主體對主體連接。
[0034]為了解決圖像交叉問題，將纖維片段連接在圖中，其中每個邊緣的權(quán)數(shù)是由連接的片段的角度和距離的函數(shù)表征的。應(yīng)用枚舉匹配算法來找到最大匹配，其包含最大的匹配權(quán)數(shù)總和。
[0035]圖8的流程圖示出了纖維組合過程。通過如下步驟構(gòu)建纖維圖:選擇圖中的任何未核查的島，對其進行提取并與最大的匹配島進行匹配；重復(fù)該過程，直到所有的目標(biāo)島被核查。當(dāng)沒有剩余任何未核查島時，將交叉更新并定義圖的最小生成樹用于進一步識別單獨纖維。
[0036]本文描述的本發(fā)明允許對纖維形態(tài)進行準(zhǔn)確的測量，例如長度、寬度、分支，并對不同的包含纖維的樣本的圖像提供準(zhǔn)確的纖維交叉識別。
【主權(quán)項】
1.一種對對象的纖維和分支結(jié)構(gòu)進行分析的計算機實施的方法，該計算機實施的方法包括: 利用成像裝置獲取對象的圖像，該對象包含纖維和/或分支結(jié)構(gòu)； 使用自適應(yīng)閾值法獲得初始跟蹤種子； 通過使用局部主成分分析(PCA)計算識別跟蹤種子候選； 將具有低分的種子從初始計算中排除； 利用纖維檢測和纖維跟蹤模塊對單個纖維片段進行跟蹤； 利用連接模塊對多個單獨的纖維片段進行組合；以及 形成最終的纖維結(jié)構(gòu)并對其進行分析。
2.如權(quán)利要求1所述的計算機實施的方法，其中識別跟蹤種子候選還包括選擇與周圍區(qū)域中的纖維可區(qū)別特征最佳匹配并具有最大信噪比的種子。
3.如權(quán)利要求2所述的計算機實施的方法，其中纖維可區(qū)別特征包括形狀、強度或顏色。
4.如權(quán)利要求2所述的計算機實施的方法，其中執(zhí)行單個纖維片段跟蹤包括: 計算與指定位置處的局部纖維圖像匹配的最佳矩形；通過將種子沿著矩形軸線方向移動對矩形進行生長；以及執(zhí)行下一個PCA擬合計算。
5.如權(quán)利要求4所述的計算機實施的方法，還包括對每個選定的種子候選重復(fù)進行單個纖維片段跟蹤。
6.如權(quán)利要求5所述的計算機實施的方法，還包括通過執(zhí)行交叉匹配計算提供纖維片段連接。
7.如權(quán)利要求6所述的計算機實施的方法，其中多個單獨的纖維片段根據(jù)它們的接近性、相似性和連接規(guī)則連接在一起。
8.如權(quán)利要求4所述的計算機實施的方法，其中單獨的纖維片段包括主體和一對纖維末端。
9.如權(quán)利要求6所述的計算機實施的方法，其中纖維交叉包含四個主體和五個末端。
10.如權(quán)利要求6所述的計算機實施的方法，其中纖維分支結(jié)構(gòu)包含兩個主體和三個末端。
11.如權(quán)利要求6所述的計算機實施的方法，其中纖維組合包括通過選擇圖的任何未核查的島來構(gòu)建纖維圖； 提取未核查的島并與最大匹配島進行匹配； 通過重復(fù)該過程來核查所有目標(biāo)島；以及 對纖維的交叉進行更新并定義圖的最小生成樹。
12.如權(quán)利要求1所述的計算機實施的方法，還包括獲取并利用視場中的包含細(xì)胞核的第二圖像，用于輔助細(xì)胞體的識別。
13.如權(quán)利要求1所述的計算機實施的方法，還包括通過與多個單獨的神經(jīng)突部分和父神經(jīng)元的接近性或連接性將突棘與神經(jīng)突相關(guān)聯(lián)，從而利用同一圖像或輔助圖像來識別神經(jīng)元突棘。
14.一種用于對纖維和樹狀或網(wǎng)狀的結(jié)構(gòu)進行分析的系統(tǒng)，該系統(tǒng)包括: 成像單元，其用于從生物樣本中產(chǎn)生和采集具有纖維和/或分支結(jié)構(gòu)的圖像； 處理單元，其用于訪問所述成像單元提供的圖像數(shù)據(jù)； 種子初始化模塊，其用于通過執(zhí)行自適應(yīng)閾值法獲得初始跟蹤種子； 纖維檢測和跟蹤模塊，其用于通過使用局部主成分分析(PCA)計算并對單個纖維片段進行跟蹤來識別跟蹤種子候選； 圖像預(yù)處理模塊，其用于利用纖維檢測和跟蹤模塊的輸出來對所采集的圖像進行拒絕或增強；以及 連接模塊，其用于提供纖維組合或重構(gòu)指令。
15.如權(quán)利要求14所述的用于對纖維和樹狀或網(wǎng)狀的結(jié)構(gòu)進行分析的系統(tǒng)，其中成像單元采集神經(jīng)元的具有纖維和/或分支結(jié)構(gòu)的圖像，并且其中纖維檢測和跟蹤模塊用于利用視場中的包含細(xì)胞核的第二圖像來輔助細(xì)胞體的識別。
16.如權(quán)利要求14所述的用于對纖維和樹狀或網(wǎng)狀的結(jié)構(gòu)進行分析的系統(tǒng)，其中成像單元采集神經(jīng)元的具有纖維和/或分支結(jié)構(gòu)的圖像，并且其中纖維檢測和跟蹤模塊用于通過與多個單獨的神經(jīng)突部分和父神經(jīng)元的接近性或連接性將突棘與神經(jīng)突相關(guān)聯(lián)，從而利用同一圖像或輔助圖像來識別神經(jīng)元突棘。
【專利摘要】一種對包含纖維的生物樣本進行纖維分析和重構(gòu)的計算機實施的方法和系統(tǒng)，其用于執(zhí)行高效的和準(zhǔn)確的纖維形態(tài)分析。對象的圖像包含纖維和/或分支結(jié)構(gòu)，該圖像是通過照相機和/或其它成像裝置獲取的。各模塊可操作性地通過自適應(yīng)閾值法獲得初始跟蹤種子，用于通過局部主成分分析(PCA)計算識別跟蹤種子候選，并將種子分類為低分和高分。使用PCA擬合計算，對每個單個的目標(biāo)纖維片段進行重復(fù)跟蹤，通過執(zhí)行交叉匹配計算將多個單獨的纖維片段組合在一起。
【IPC分類】G06T7-00
【公開號】CN104813364
【申請?zhí)枴緾N201380056110
【發(fā)明人】T·趙, D·洪, 阿夫魯·I·科恩
【申請人】分子裝置有限公司
【公開日】2015年7月29日
【申請日】2013年8月28日
【公告號】EP2891134A1, US20150213301, WO2014036153A1