基于粒子濾波對腎小球tem圖像的基底膜分割方法
【專利摘要】本發(fā)明公開一種基于粒子濾波對腎小球TEM圖像的基底膜分割方法，包括步驟：讀取一張包含基底膜的腎小球TEM圖像，確定初始化的粒子h0并設(shè)定其初始化權(quán)重w0，以此生成下一個(gè)狀態(tài)的粒子；對于已估計(jì)某一狀態(tài)t?1的粒子集，包含K個(gè)粒子及其權(quán)重，由動(dòng)態(tài)模型生成下一個(gè)狀態(tài)t的K1個(gè)候選粒子；用閾值約束條件初步評價(jià)候選粒子；若滿足閾值約束條件的粒子不少于預(yù)設(shè)值K5，則利用似然函數(shù)得出已選粒子的權(quán)重，并選擇前K個(gè)權(quán)重較大的粒子構(gòu)成狀態(tài)t下的粒子集，否則，若對t?2狀態(tài)粒子進(jìn)行重采樣，再重復(fù)步驟C～步驟E估計(jì)t?1狀下的粒子；從最終分割出來的K個(gè)路徑中選出權(quán)重最大的路徑作為最終的分割結(jié)果。本發(fā)明實(shí)現(xiàn)方法簡單、分割準(zhǔn)確，能分割出較為完整的基底膜。
【專利說明】
基于粒子濾波對腎小球TEM圖像的基底膜分割方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及醫(yī)學(xué)圖像處理技術(shù)，具體是指一種基于粒子濾波對腎小球TOM圖像的 基底膜分割方法。
【背景技術(shù)】
[0002] 透射電鏡（Transmission Electron MicroscopeJEM)檢查在腎活檢病理診斷中 發(fā)揮著重要作用，多數(shù)腎活檢病例需要依靠 TEM明確或輔助診斷。對于遺傳性腎小球疾病其 重要性更為突出，其中基底膜的厚度及形態(tài)特征是運(yùn)類疾病的重要診斷指標(biāo)，如薄基底膜 病表現(xiàn)為腎小球基底膜彌漫性變薄，又如Alpod綜合征的兒童患者表現(xiàn)為基底膜厚薄交替 出現(xiàn)，可見斷裂和新形成的基底膜。目前病理醫(yī)生進(jìn)行腎小球病理診斷時(shí)往往需要查看大 量疑似病變區(qū)的基底膜，加重了病理醫(yī)生的工作量且易造成漏診。因此，對腎小球TOM圖像 進(jìn)行基底膜分割能減輕病理醫(yī)生工作量，降低漏診率，為基底膜診斷提供便利。
[0003] 現(xiàn)階段已提出的基底膜分割方法包括半自動(dòng)和全自動(dòng)的分割方法。運(yùn)些方法主要 是利用固定準(zhǔn)則進(jìn)行基底膜的分割，而缺少根據(jù)已分割區(qū)域?qū)?zhǔn)則進(jìn)行動(dòng)態(tài)調(diào)整。而在腎 小球TCM圖像中，基底膜是一種帶狀結(jié)構(gòu)的薄膜，分布極為廣泛、無固定形態(tài)且部分基底膜 存在與周圍組織結(jié)構(gòu)灰度相似、邊界不明顯、厚度突然變窄、基底膜走向突然轉(zhuǎn)變等特點(diǎn)， 使得已提出的方法在分割基底膜時(shí)存在易泄漏、易陷入局部極值及需要嚴(yán)格初始化等問 題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)不足，提出一種基于粒子濾波對腎小球TOM圖像 的基底膜分割方法，本發(fā)明根據(jù)已有粒子的信息來預(yù)測下一個(gè)狀態(tài)下粒子的信息W實(shí)現(xiàn)基 底膜的分割，能夠有效減少人工干預(yù)，應(yīng)對基底膜走向和厚度突變等問題及與周圍組織結(jié) 構(gòu)灰度相似所帶來的分割困難，能分割出較為完整的基底膜。
[0005] -種基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其包括W下步驟：
[0006] A、讀取一張包含基底膜的腎小球TEM圖像；
[0007] B、在腎小球TOM圖像中選擇一段基膜，W選擇的此段基膜確定初始化的粒子ho并 設(shè)定其初始化權(quán)重WO，W此生成下一個(gè)狀態(tài)的粒子；
[000引C、對于已估計(jì)某一狀態(tài)t-1的粒子集，包含K個(gè)粒子及其權(quán)重，由動(dòng)態(tài)模型生成下 一個(gè)狀態(tài)t的Ki個(gè)候選粒子；
[0009] D、用闊值約束條件初步評價(jià)候選粒子；
[0010] E、若滿足闊值約束條件的粒子少于預(yù)設(shè)值Ks,則將新得到的粒子加入到狀態(tài)t的 粒子中，重復(fù)步驟C~步驟D進(jìn)行t狀態(tài)下粒子的估計(jì)；
[0011] F、若步驟E得到滿足闊值約束條件的粒子不少于預(yù)設(shè)值Ks,則利用似然函數(shù)得出 已選粒子的權(quán)重，并選擇前K個(gè)權(quán)重較大的粒子構(gòu)成狀態(tài)t下的粒子集，否則，若步驟E中重 復(fù)步驟C~步驟D的次數(shù)達(dá)到預(yù)設(shè)次數(shù)后仍不滿足條件的粒子數(shù)仍達(dá)到Ks個(gè)，則對t-2狀態(tài) 粒子進(jìn)行重采樣，再重復(fù)步驟C~步驟E估計(jì)t-1狀下的粒子；
[0012] G、重復(fù)步驟C~步驟F，直到t達(dá)到預(yù)設(shè)的狀態(tài)數(shù)或者手動(dòng)終止分割，并從最終分割 出來的K個(gè)路徑中選出權(quán)重最大的路徑作為最終的分割結(jié)果。
[0013] 所述步驟B選取初始化粒子具體是在任意基底膜段內(nèi)，手動(dòng)W基底膜一條邊界上 的任意兩點(diǎn)為起點(diǎn)，沿著垂直于基底膜的邊界方向畫兩條線段到達(dá)另一邊界，再由運(yùn)兩條 線段構(gòu)成一個(gè)閉合的曲線，得到初始粒子ho,取初始粒子權(quán)重WO = 1。
[0014] 所述步驟C具體是通過已估計(jì)狀態(tài)t-1的粒子集{化1柜1利用動(dòng)態(tài)模型得到t狀態(tài)的 候選粒子集貨括
[0015] 對于狀態(tài)t-1的粒子集中的任意一個(gè)粒子，其平均灰度值為平均粒子半徑 為巧，由該粒子根據(jù)動(dòng)態(tài)模型得到t狀態(tài)粒子的過程具體包括：
[0016] C1、獲得粒子的中屯、線：（1)為保持粒子的連續(xù)性，設(shè)中屯、線上的第1個(gè)點(diǎn)Pi,t為 起l中屯、線上的第i點(diǎn)Pi,t-l，即pi,t-l = pl,t，且第2個(gè)點(diǎn)p2,t在A_|.,._l化,__l的方向上，即： Pz,! =Pif +賄，其中，瑪為巧心1其^一的單位向量，11為Pi, t與P2, t的距離，h~U(0，L)，U表示 服從均勻分布，L為相鄰兩點(diǎn)的最大距離；（2)狀態(tài)t中屯、線上第j個(gè)點(diǎn)Pi, J由公式 Av =心1,, + /馬1皆二義…，""抑計(jì)算得出，其中，％-r~A巧'所-2)，MF表示馮?米塞斯分布， 馬_|為心的單位向量，1 j~U ( 0，L ]，n um為擬合中屯、線的點(diǎn)的數(shù)目;(3)擬合點(diǎn) Pl,t, . . .得到粒子的中屯、線；
[0017] C2、利用中屯、線上的點(diǎn)得到粒子左、右邊界線。用于擬合左邊界的點(diǎn)Ij, t(j = 1，. . .，num)滿足：li,t-i = h,t，/jv = Av + d丸,，，dj = Dt-i/2+d'，其中，d'為改變粒子半徑的 隨機(jī)增量，d'~N(0，1)，;7"丄，擬合點(diǎn)h,t，. . .，lnum,t得到粒子的左邊界線，并采用得到粒 子的左邊界線同樣的方法得到粒子的右邊界線；
[0018] C3、根據(jù)左右邊界線及中屯、線的兩端點(diǎn)，擬合一個(gè)閉合區(qū)域，且令區(qū)域中每一點(diǎn)的 像素值為/ii，得到粒子皆。
[0019] 所述步驟D是選出滿足闊值約束的粒子，具體包括：
[0020] 動(dòng)態(tài)模型產(chǎn)生的任意粒子於，在TEM圖像中都有對應(yīng)的觀察模型，對于步驟C所 產(chǎn)生的每個(gè)粒子，需滿足公5
，否則被排除，最終得到拉個(gè)粒子，其中馬,代表觀 察模型皆的灰度值，y。為初始粒子的平均灰度值，馬代表皆的面積，Al為皆中每個(gè)像素點(diǎn)的 灰度值與的最大允許偏差值，^2為4中滿足灰度闊值條件的面積所占的最小比值。
[0021] 所述步驟F中重采樣過程具體是當(dāng)粒子追蹤過程遇到基底膜厚度及走向突然變化 時(shí)，運(yùn)用回溯對粒子進(jìn)行了重采樣。
[0022] 運(yùn)用回溯對粒子進(jìn)行了重采樣的步驟具體包括：
[0023] 在估計(jì)不同狀態(tài)的粒子并不是一直往下追蹤，而是當(dāng)t狀態(tài)下滿足闊值條件的粒 子不足時(shí)，會(huì)繼續(xù)產(chǎn)生t狀態(tài)下的新粒子，若產(chǎn)生足夠多的粒子后滿足闊值條件的粒子仍不 夠時(shí)，則退回到對t-1狀態(tài)的粒子估計(jì)；
[0024] 對t-1狀態(tài)的粒子重新估計(jì)時(shí)，先根據(jù)原來t-l、t狀態(tài)下滿足闊值條件的粒子及t- 2狀態(tài)下未被用來估計(jì)的粒子構(gòu)成新的t-2狀態(tài)下的粒子集合，再通過重采樣繁殖更多權(quán)重 大的粒子而舍棄權(quán)重小的粒子得到最后t-2狀態(tài)下的K個(gè)粒子。
[0025] 所述步驟F中的似然函數(shù)能對K3個(gè)粒子賦予不同的權(quán)重值，權(quán)值越大表示粒子與 觀察模型越相似，其中，似然函數(shù)iHzf 1/?*)由下列公式計(jì)算 得出；
[0026] 其中，Norm代表歸一化函數(shù)，爲(wèi)計(jì)算&討嶺*邊界梯度的一致性，兩越小梯度一致性 越高，爲(wèi)由
計(jì)算得出，巧計(jì)算皆和zf平均灰度的 一致性，< 越小灰度一致性越高，《的具體計(jì)算公式為I
其中蘇和驚分別代表粒子％與觀察模型皆的邊緣梯度方向，0代表兩梯度方向的夾角。
[0027] 所述步驟G是在分割處理結(jié)束后，所有的粒子集合構(gòu)成K條路徑即 A'(片,^/心,= 1，...，K)，從K條路徑中選擇權(quán)重最大的路徑作為最終的分割結(jié)果。
[00%]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：
[0029] (1)本發(fā)明能根據(jù)已分割出的基底膜信息，利用基底膜的連續(xù)性及帶狀結(jié)構(gòu)特點(diǎn) 動(dòng)態(tài)調(diào)整粒子模型，W捜索正確的基底膜段。
[0030] (2)本發(fā)明提出的基于粒子濾波對腎小球TOM圖像的基底膜分割法能應(yīng)對基底膜 走向和厚度突變等問題及與周圍組織結(jié)構(gòu)灰度相似所帶來的分割困難，分割出較為完整的 基底膜。
[0031] (3)本發(fā)明實(shí)現(xiàn)方法簡單、分割準(zhǔn)確，有利于減輕病理醫(yī)生工作量，降低漏診率，為 基底膜診斷提供便利。
【附圖說明】
[0032] 利用附圖對本發(fā)明做進(jìn)一步的說明，但附圖中的內(nèi)容不構(gòu)成對本發(fā)明的任何限 制。
[0033] 圖1是一種含基底膜的腎小球TEM圖像。
[0034] 圖2是腎小球TCM圖像中存在各種不利于分割因素的示意圖，其中，A處基底膜走向 突變，B處基底膜的寬度變窄，C處基底膜邊界不明顯且與周圍區(qū)域灰度相近。
[0035] 圖3是本發(fā)明一個(gè)實(shí)施例流程示意圖。
[0036] 圖4為圖3中利用動(dòng)態(tài)模型產(chǎn)生粒子的示意圖。
[0037] 圖5為圖3中步驟s07采用融入回溯思想的重采樣過程的示意圖。
[0038] 圖6是本發(fā)明方法分割的結(jié)果示意圖，圖中A所指區(qū)域基底膜走向發(fā)生突變，B所指 區(qū)域基底膜厚度發(fā)生較大變化，C所指區(qū)域基底膜邊界不明顯且與周圍結(jié)構(gòu)灰度近似。
【具體實(shí)施方式】
[0039] 下面結(jié)合具體的實(shí)例對本發(fā)明進(jìn)行詳細(xì)描述。
[0040] 圖I為一張腎小球TCM圖像，為在南方醫(yī)科大學(xué)電子顯微鏡實(shí)驗(yàn)室采集的腎小球橫 切面圖，圖中白色曲線（實(shí)際上腎小球TCM圖像中不存在白色曲線的）所標(biāo)記的區(qū)域即為腎 小球TEM圖像的基底膜。圖2即在圖1腎小球TEM圖像基礎(chǔ)上，進(jìn)一步可W看出：A處的基底膜 存在走向突變，B處的基底膜存在寬度變窄的特點(diǎn)，而C處的基底膜邊界不明顯且與周圍區(qū) 域灰度相近，運(yùn)些因素都將影響對基底膜的分割處理，也是本發(fā)明在實(shí)現(xiàn)對基底膜分割處 理的過程中必須加 W考慮并解決的技術(shù)細(xì)節(jié)。
[0041] 圖3表示出了本發(fā)明方法的具體流程，W下結(jié)合一套詳細(xì)描述本發(fā)明的處理過程。 該組數(shù)據(jù)為5000倍放大倍數(shù)下腎小球TEM圖像。在一個(gè)具體實(shí)施例中，本發(fā)明具體包括如下 步驟：
[0042] 步驟sOl、讀取一張包含基底膜的腎小球TEM圖像數(shù)據(jù)；
[0043] 步驟s02、在圖像中手動(dòng)確定一小段基膜，作為初始化的粒子即零狀態(tài)的粒子ho并 設(shè)定其初始化權(quán)重WO，W此生成下一個(gè)狀態(tài)的粒子；
[0044] 步驟S03、對于已估計(jì)某一狀態(tài)t-1的粒子集，包含K個(gè)粒子及其權(quán)重，由動(dòng)態(tài)模型 生成下一個(gè)狀態(tài)t的Ki個(gè)候選粒子；
[0045] 步驟s04、用闊值約束條件初步評價(jià)候選粒子；
[0046] 步驟s05、若滿足闊值約束條件的粒子少于預(yù)設(shè)值Ks,則重復(fù)步驟s03和步驟s04進(jìn) 行t狀態(tài)下粒子的估計(jì)，并將新得到的粒子加入到狀態(tài)t的粒子集中；
[0047] 步驟s06、若新粒子集中滿足條件的粒子少于Ks,則重復(fù)步驟(3)~步驟巧）；
[004引步驟S07、若重復(fù)多次后，滿足條件的粒子數(shù)仍無法達(dá)到Ks個(gè)，則對t-2狀態(tài)粒子進(jìn) 行重采樣，再重復(fù)步驟s03~步驟s05估計(jì)t-1狀下的粒子；
[0049]步驟s08、利用似然函數(shù)得出已選粒子的權(quán)重，并選擇前K個(gè)權(quán)重較大的粒子構(gòu)成 狀態(tài)t下的粒子集。
[(K)加]步驟s09、重復(fù)步驟s03~步驟s08,直到t達(dá)到一定的狀態(tài)數(shù)或者手動(dòng)終止分割；
[0051] 步驟slO、從最終分割出來的K條大的路徑中選出權(quán)重最大的路徑作為最終的分割 結(jié)果。
[0052] 本發(fā)明中，所述步驟S02具體是在任意基底膜段內(nèi)，手動(dòng)W-條邊界上的任意兩點(diǎn) 為起點(diǎn)，沿著垂直于基底膜的邊界方向畫兩條線段到達(dá)另一邊界，再由運(yùn)兩條線段構(gòu)成一 個(gè)閉合的曲線，得到初始粒子ho，取初始粒子權(quán)重WO = 1。
[0化3]本發(fā)明中，所述步驟S03具體是通過已估計(jì)狀態(tài)t-1的粒子集城祀1利用動(dòng)態(tài)模型 得到t狀態(tài)的候選粒子集貨祀1，動(dòng)態(tài)模型的原理如圖4所示。在圖4中僅給出了由中屯、線上 四個(gè)點(diǎn)得到粒子的過程。其中Pi, j表示中屯、線上的點(diǎn)，Ii, j表示左邊界上的點(diǎn)，ri,j表示右邊 界上的點(diǎn)，粒子的左右邊界線及中屯、線都是通過多次貝塞爾曲線擬合得到。媒I表示t-1狀 態(tài)下粒子的直徑，//己表示t-1狀態(tài)下粒子的平均灰度。
[0化4]其中，對于狀態(tài)t-1的粒子集中的任意一個(gè)粒子Af，其平均灰度值為//已，平均粒子 半徑為啤1，由該粒子根據(jù)動(dòng)態(tài)模型得到下一個(gè)狀態(tài)粒子的過程具體包括：
[0化5] (3.1)獲得粒子的中屯、線。為保持粒子的連續(xù)性，皆中屯、線上的第一個(gè)點(diǎn)為義,中屯、 線上的第i點(diǎn)，即PM-I = Pi,t，且第2個(gè)點(diǎn)P2,t在佑巧y的方向上，即：
[0056]
或（I );.
[0057] 其中，瑪為化化__1的單位向量，h為pi,t與P2,t的距離，h~U(0，U，L為相鄰兩點(diǎn) 的巧大距罔，L = 5,i = 3。
[005引中屯、線上策i個(gè)點(diǎn)Di, i由公式（2)得到：
[0059]
或《2 );
[0060] 其中，3,-1~如巧而-2 )，MF表示馮.米塞斯分布，其中巧H為而品Z的單位向量，Ij ~U(0，L]，ruim為擬合中屯、線的點(diǎn)的數(shù)目，ruim = 4。
[0061] 最后，用S次貝塞爾曲線擬合點(diǎn)Pl,t，. . .，Pnum,t得到粒子的中屯、線。
[0062] (3.2)利用中屯、線上的點(diǎn)得到粒子左、右邊界線。用于擬合左邊界的點(diǎn)Ij,t(j = 1，. . .，num)滿足：
[0063] li't-i = h't式(3);
[0064] 或（4);
[00化]dj = Dt-i/化d'式巧）；
[0066] 其中，d '為改變粒子半徑的隨機(jī)增量，d '~N( 0，1)，氣.，!丄/?,。
[0067] 用S次貝塞爾曲線擬合點(diǎn)h,t，...，lnum,t得到粒子的左進(jìn)界線。用得到左邊界線同 樣的方法得到右邊界線。
[0068] (3.3)生成粒子。根據(jù)左右邊界線及中屯、線的兩端點(diǎn)，擬合一個(gè)閉合區(qū)域，且令區(qū) 域中每一點(diǎn)的像素值為乂 1，得到粒子參。
[0069] 本發(fā)明中，所述步驟S04具體是選出滿足闊值約束的粒子，具體包括：
[0070] 動(dòng)態(tài)模型產(chǎn)生的任意粒子A/，在圖像中都有對應(yīng)的觀察模型。:對于步驟(3)所產(chǎn) 生的每個(gè)粒子，需滿足公式(6)，否則被排除，最終得到K2個(gè)粒子。
[0071]
或（6);
[0072] 其中4,代表觀察模型zf的灰度值，ii。為初始粒子的平均灰度值，代表zf的面積。 、為zf中每個(gè)像素點(diǎn)的灰度值與ii。的最大允許偏差值，A2為zf中滿足灰度闊值條件的面積 所占的最小比值，人1 = 30，人2 = 0.15。
[0073] 本發(fā)明中，所述步驟S07中重采樣過程具體是當(dāng)粒子追蹤過程遇到基底膜厚度及 走向突然變化時(shí)，很難往下繼續(xù)追蹤，為估計(jì)出滿足條件的粒子則需要產(chǎn)生更多的粒子。為 了提高追蹤的準(zhǔn)確性及粒子的多樣性，在追蹤的過程中運(yùn)用了回溯的思想，并且回溯過程 中對粒子進(jìn)行了重采樣，即在估計(jì)不同狀態(tài)的粒子并不是一直往下追蹤，而是當(dāng)t狀態(tài)下滿 足闊值條件的粒子不足時(shí)，會(huì)繼續(xù)產(chǎn)生t狀態(tài)下的新粒子，若產(chǎn)生足夠多的粒子后滿足闊值 條件的粒子仍不夠時(shí)，則退回到對t-1狀態(tài)的粒子估計(jì)。而對t-1狀態(tài)的粒子重新估計(jì)時(shí)，先 根據(jù)原來t-l、t狀態(tài)下滿足闊值條件的粒子及t-2狀態(tài)下未被用來估計(jì)的粒子構(gòu)成新的t-2 狀態(tài)下的粒子集合，再通過重采樣繁殖更多權(quán)重大的粒子而舍棄權(quán)重小的粒子得到最后t- 2狀態(tài)下的K個(gè)粒子。
[0074] 具體來說，圖5的左邊為原來t-2~t狀態(tài)的粒子，黑色表示滿足闊值約束的粒子， 其余為不滿足闊值約束的粒子，箭頭指明當(dāng)前狀態(tài)的粒子是上一狀態(tài)某粒子由動(dòng)態(tài)模型產(chǎn) 生。原來t-1狀態(tài)下的粒子產(chǎn)生足夠多的新粒子后，經(jīng)挑選后的粒子中滿足闊值約束的粒子 仍不夠(僅為3個(gè)）?；厮莸乃枷爰从蓆狀態(tài)粒子的估計(jì)退回到狀態(tài)t-1下粒子的估計(jì)。估計(jì)t- 1狀態(tài)的粒子需要利用t-2狀態(tài)的粒子信息，根據(jù)原t-1~t狀態(tài)滿足闊值約束的粒子的信息 可知，t-2狀態(tài)中部分粒子(如2、4號粒子)所產(chǎn)生的新粒子已不滿足闊值約束，再用運(yùn)部分 粒子進(jìn)行下一個(gè)狀態(tài)粒子的估計(jì)，作用并不大，而t-2狀態(tài)中未最終未被利用產(chǎn)生t-1狀態(tài) 的粒子(如7、8號粒子)還有可能產(chǎn)生滿足條件的粒子，故t-2狀態(tài)中重新分布的粒子由能滿 足繼續(xù)估計(jì)產(chǎn)生滿足闊值條件的粒子及還沒有用來估計(jì)新粒子運(yùn)兩部分粒子構(gòu)成，即圖中 的1、3、6、7、8號粒子。對于t-2狀態(tài)重新分布的粒子中，滿足闊值約束的粒子能W更大的概 率產(chǎn)生與基底膜相似的粒子，在重采樣中運(yùn)樣的粒子應(yīng)W更大的概率存在。重采樣時(shí)對已 重新分布的粒子先按照滿足闊值約束的粒子優(yōu)先然后按粒子的權(quán)重進(jìn)行排列，使?jié)M足闊值 約束且權(quán)重較大的粒子排在前面，然后將粒子依次從前往后填充直到粒子數(shù)達(dá)到K。
[0075] 本發(fā)明中，所述步驟s08具體是根據(jù)似然函數(shù)對K3個(gè)粒子賦予不同的權(quán)重值，權(quán)值 越小表示粒子與觀察模型越相似。似然函數(shù)的zf I )由公式(7)得出： WDW
式（7);
[0077]其中，Norm代表歸一化函數(shù)，4計(jì)算Af和zf邊界梯度的一致性，爲(wèi)越小梯度一致性 越高，請具體計(jì)算如公式(8)，《計(jì)算"和ZfA平均灰度的一致性，《越小灰度一致性越高，具 體計(jì)算如公式(9):
[007引 式（8 );
[0079] );
[0080] 其中，齡和祭分別代表粒子皆與觀察模型苗的邊緣梯度方向，0代表兩梯度方向的 夾角。
[0081] 本發(fā)明中，所述步驟SlO具體是步驟s09分割結(jié)束后，所有的粒子集合構(gòu)成K條路徑 即/?斯-W吃，，P = ]....，/〇,從K條路徑中選擇權(quán)重最大的路徑作為最終的分割結(jié)果。
[0082] 除了視覺效果W外，本實(shí)例也通過量化指標(biāo)客觀評價(jià)本發(fā)明的有效性。本實(shí)例基 于病理專家手動(dòng)分割的金標(biāo)準(zhǔn)圖像，采用圖像的Dice系數(shù)來評價(jià)分割效果。Dice系數(shù)是一 種幾何相似度景函數(shù)，其范圍為[0，1] ,Dice系數(shù)越大表明分割結(jié)果越精確，其定義為：
[008；3]
或（10 );
[0084] 其中，M為專家手動(dòng)分割的結(jié)果，N為本發(fā)明方法分割的結(jié)果。
[0085] 表1為圖像分割結(jié)果的評價(jià)，Dice系數(shù)范圍為0.70~0.85,說明本發(fā)明的分割結(jié)果 與金標(biāo)準(zhǔn)較為接近。
[0086]
[0087]
[0088] 表1
[0089] 本發(fā)明分割結(jié)果如圖6所示，圖中A所指區(qū)域基底膜走向發(fā)生突變，B所指區(qū)域基底 膜厚度發(fā)生較大變化，C所指區(qū)域基底膜邊界不明顯且與周圍結(jié)構(gòu)灰度近似。從分割結(jié)果可 W看出本發(fā)明方法能夠有效分割出與周圍組織結(jié)構(gòu)灰度相似、邊界不明顯、厚度突然變窄、 走向突然轉(zhuǎn)變的基底膜，得到較為完整的基底膜。
[0090] 最后應(yīng)當(dāng)說明的是，本發(fā)明的實(shí)施方式不限于此，可W根據(jù)實(shí)際需要進(jìn)行修改，W 適應(yīng)不同的實(shí)際需求。因此，在本發(fā)明上述基本技術(shù)思想前提下，按照本領(lǐng)域的普通技術(shù)知 識和慣用手段對本
【發(fā)明內(nèi)容】
所做出其他多種形式的修改、替換或變更，均落在本發(fā)明權(quán)利 保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在于，包括以下步驟： A、 讀取一張包含基底膜的腎小球TEM圖像； B、 在腎小球TEM圖像中選擇一段基膜，以選擇的此段基膜確定初始化的粒子ho并設(shè)定其 初始化權(quán)重wo，以此生成下一個(gè)狀態(tài)的粒子； C、 對于已估計(jì)某一狀態(tài)t-Ι的粒子集，包含K個(gè)粒子及其權(quán)重，由動(dòng)態(tài)模型生成下一個(gè) 狀態(tài)1的心個(gè)候選粒子； D、 用閾值約束條件初步評價(jià)候選粒子； E、 若滿足閾值約束條件的粒子少于預(yù)設(shè)值K5,則將新得到的粒子加入到狀態(tài)t的粒子 中，重復(fù)步驟C~步驟D進(jìn)行t狀態(tài)下粒子的估計(jì)； F、 若步驟E得到滿足閾值約束條件的粒子不少于預(yù)設(shè)值K5,則利用似然函數(shù)得出已選粒 子的權(quán)重，并選擇前K個(gè)權(quán)重較大的粒子構(gòu)成狀態(tài)t下的粒子集，否則，若步驟E中重復(fù)步驟C ~步驟D的次數(shù)達(dá)到預(yù)設(shè)次數(shù)后仍不滿足條件的粒子數(shù)仍達(dá)到1( 5個(gè)，則對t-2狀態(tài)粒子進(jìn)行 重采樣，再重復(fù)步驟C~步驟E估計(jì)t-Ι狀下的粒子； G、 重復(fù)步驟C~步驟F，直到t達(dá)到預(yù)設(shè)的狀態(tài)數(shù)或者手動(dòng)終止分割，并從最終分割出來 的K個(gè)路徑中選出權(quán)重最大的路徑作為最終的分割結(jié)果。2. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:所述步驟B選取初始化粒子具體是在任意基底膜段內(nèi)，手動(dòng)以基底膜一條邊界上的任意 兩點(diǎn)為起點(diǎn)，沿著垂直于基底膜的邊界方向畫兩條線段到達(dá)另一邊界，再由這兩條線段構(gòu) 成一個(gè)閉合的曲線，得到初始粒子ho,取初始粒子權(quán)重wo = 1。3. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:所述步驟C具體是通過已估計(jì)狀態(tài)t-Ι的粒子集利用動(dòng)態(tài)模型得到t狀態(tài)的候選 粒子集彳<丨么。4. 根據(jù)權(quán)利要求3所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:對于狀態(tài)t-Ι的粒子集中的任意一個(gè)粒子V，其平均灰度值為/^ 1，平均粒子半徑為， 由該粒子根據(jù)動(dòng)態(tài)模型得到t狀態(tài)粒子的過程具體包括： C1、獲得粒子的中心線：（1)為保持粒子的連續(xù)性，設(shè)Af中心線上的第1個(gè)點(diǎn)Pl,t為/(6,中 心線上的第：1 Api , t-1，即Pi, t-I = pi , t，且第2個(gè)點(diǎn)P2 , 1;在的方向上，即： Pu=Pij+^A 拜I為P丨七-iPu-'的單位向量，Ii為Pi,t與P2,t的距離，Ii~U(0，L)，U表示 服從均勻分布，L為相鄰兩點(diǎn)的最大距離；（2)狀態(tài)t中心線上第j個(gè)點(diǎn)Pl,」由公式 & =巧七+丨丨<丨()'=又…，娜講)計(jì)算得出，其中Λ-1 i)，MF表示馮?米塞斯分布， iiJi ^ Pj-^Pj-i,的單位向量，Ij~U(〇，L]，num為擬合中心線的點(diǎn)的數(shù)目；（3)擬合點(diǎn) pi,t，…·，pnUm,t得到粒子的中心線； C2、利用中心線上的點(diǎn)得到粒子左、右邊界線。用于擬合左邊界的點(diǎn)= ...， num)滿足：li,t-i = li,t，=/'., W,,，dj = Dt-ι/2+個(gè)，其中，d'為改變粒子半徑的隨機(jī)增 量，d'~N(0，1)，七,,丄％，擬合點(diǎn)l 1>t，. . .，lnum,t得到粒子的左邊界線，并采用得到粒子的左 邊界線同樣的方法得到粒子的右邊界線； C3、根據(jù)左右邊界線及中心線的兩端點(diǎn)，擬合一個(gè)閉合區(qū)域，且令區(qū)域中每一點(diǎn)的像素 值為/4,得到粒子5. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:所述步驟D是選出滿足閾值約束的粒子，具體包括： 動(dòng)態(tài)模型產(chǎn)生的任意粒子<，在TEM圖像中都有對應(yīng)的觀察模型，對于步驟C所產(chǎn)生 的每個(gè)粒子，需滿足公式§則被排除，最終得到K2個(gè)粒子，其中4,代表觀察模 型#的灰度值，μ〇為初始粒子的平均灰度值，&代表 < 的面積，A1Szf中每個(gè)像素點(diǎn)的灰度 值與的最大允許偏差值，12為< 中滿足灰度閾值條件的面積所占的最小比值。6. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:所述步驟F中重采樣過程具體是當(dāng)粒子追蹤過程遇到基底膜厚度及走向突然變化時(shí)，運(yùn) 用回溯對粒子進(jìn)行了重采樣。7. 根據(jù)權(quán)利要求6所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:運(yùn)用回溯對粒子進(jìn)行了重采樣的步驟具體包括： 在估計(jì)不同狀態(tài)的粒子并不是一直往下追蹤，而是當(dāng)t狀態(tài)下滿足閾值條件的粒子不 足時(shí)，會(huì)繼續(xù)產(chǎn)生t狀態(tài)下的新粒子，若產(chǎn)生足夠多的粒子后滿足閾值條件的粒子仍不夠 時(shí)，則退回到對t-Ι狀態(tài)的粒子估計(jì)； 對t-Ι狀態(tài)的粒子重新估計(jì)時(shí)，先根據(jù)原來t-l、t狀態(tài)下滿足閾值條件的粒子及t-2狀 態(tài)下未被用來估計(jì)的粒子構(gòu)成新的t-2狀態(tài)下的粒子集合，再通過重采樣繁殖更多權(quán)重大 的粒子而舍棄權(quán)重小的粒子得到最后t-2狀態(tài)下的K個(gè)粒子。8. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于:所述步驟F中的似然函數(shù)能對K3個(gè)粒子賦予不同的權(quán)重值，權(quán)值越大表示粒子與觀察模 型越相似，其中，似然函數(shù)Mzf |<)由下列公：十算得出； 其中，No rm代表歸一化函數(shù)，劣:計(jì)算Zif和邊界梯度的一致性，為越小梯度一致性越 高，《由汁算得出，《計(jì)算< :和4平均灰度的 一致性，《越小灰度一致性越高，€的具體計(jì)算公式，其中S和C分別代表粒子碌與觀察模型4的邊緣梯度方向，θ代表兩梯度方向的夾角。9. 根據(jù)權(quán)利要求1所述的基于粒子濾波對腎小球TEM圖像的基底膜分割方法，其特征在 于：所述步驟G是在分割處理結(jié)束后，所有的粒子集合構(gòu)成K條路徑即認(rèn)K條路徑中選擇權(quán)重最大的路徑作為最終的分割結(jié)果。
【文檔編號】G06T7/00GK106023135SQ201610284647
【公開日】2016年10月12日
【申請日】2016年4月28日
【發(fā)明人】曹蕾, 李穆, 李創(chuàng)權(quán)
【申請人】南方醫(yī)科大學(xué)