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>

      基于粒子濾波對腎小球tem圖像的基底膜分割方法

      文檔序號:10656882閱讀:288來源:國知局
      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)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1