專利名稱：：Cb法微核圖像中雙核淋巴細(xì)胞的準(zhǔn)確快速提取方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及輻射生物劑量學(xué)領(lǐng)域中微核(Micronucleus，MN)的自動(dòng)化檢測(cè)，是一種微核圖像計(jì)算機(jī)自動(dòng)分析中目標(biāo)區(qū)域的提取方法，特別是放射醫(yī)學(xué)領(lǐng)域中可用作輻射生物劑量計(jì)的CB法微核圖像中雙核淋巴細(xì)胞的準(zhǔn)確、快速、自動(dòng)提取方法。
背景技術(shù)：
：人外周血淋巴細(xì)胞胞質(zhì)分裂阻滯法(Cytokinesis-block,CB法)微核試驗(yàn)的主要分析指標(biāo)是微核率，計(jì)算公式為p(^卜;c/"x1000^，式中/7為每千個(gè)雙核淋巴細(xì)胞中的微核數(shù)；"為觀察的雙核淋巴細(xì)胞數(shù)；JC為"個(gè)雙核淋巴細(xì)胞中所含的微核數(shù)。其中，雙核淋巴細(xì)胞區(qū)域的準(zhǔn)確、快速提取是CB法微核圖像自動(dòng)分析的關(guān)鍵技術(shù)和難題，直接影響著雙核淋巴細(xì)胞的準(zhǔn)確判別和微核率的準(zhǔn)確計(jì)數(shù)。針對(duì)微核圖像中雙核淋巴細(xì)胞區(qū)域的提取問題，對(duì)檢索到的有關(guān)文獻(xiàn)進(jìn)行研究發(fā)現(xiàn)，其實(shí)現(xiàn)方法主要可分為兩類一是單閾值分割方法或邊緣檢測(cè)方法，僅能夠獲取細(xì)胞核(微核)的信息，記為方法I;二是雙閾值分割方法，能同時(shí)獲取細(xì)胞質(zhì)和細(xì)胞核(微核)的信息，記為方法II。方法I和方法II各有優(yōu)缺點(diǎn)，詳見表l。表l微核圖像分割方法的分類與比較<table>tableseeoriginaldocumentpage3</column></row><table>對(duì)于方法I，即單閾值分割方法或邊緣檢測(cè)方法，只能獲取細(xì)胞核(微核)信息，在判別雙核淋巴細(xì)胞時(shí)無法利用細(xì)胞的輪廓信息加以限制，其缺陷是(1)易將如下情況誤判為雙核淋巴細(xì)胞①有粘連的兩個(gè)單核細(xì)胞，其內(nèi)部單核的面積和周長接近，盡管這種情況較少，見圖l(a);②兩個(gè)臨近的裸核，其面積和周長接近，較為常見，見圖l(b)、(C)和(f);③尤其是圖l(f)中，有4個(gè)面積相近的細(xì)胞核，不知將判別為幾個(gè)雙核細(xì)胞。這都將會(huì)導(dǎo)致雙核淋巴細(xì)胞的誤計(jì)數(shù)(假陰性)，從而影響微核率的準(zhǔn)確計(jì)數(shù)。(2)不能識(shí)別有粘連的雙核，見圖l(d)，但是淋巴細(xì)胞中雙核有粘連的情況卻是較為常見的，而且在雙核細(xì)胞中占據(jù)一定比例，如若不能對(duì)其進(jìn)行識(shí)別，將會(huì)影響計(jì)數(shù)統(tǒng)計(jì)。(3)對(duì)于雙核位于細(xì)胞一側(cè)、而微核位于另一側(cè)的情況(較為常見)，見圖l(e)，根據(jù)文獻(xiàn)[3]中的后續(xù)自動(dòng)分析步驟①找到雙核質(zhì)心連線的中點(diǎn)O(X,Y);②以該中點(diǎn)為圓心、以半徑為R1作圓，正好將該雙核包含在內(nèi)，記為圓01;@將圓01擴(kuò)大10%，記為圓02(其半徑為R2)，并認(rèn)為圓02最接近細(xì)胞的原始大??；④再判斷圓02內(nèi)部的微核情況。由圖l(e)可以看到，MN-3能被包含在圓02內(nèi)部，MN-2卻被劈成兩部分，而MN-1卻位于圓02之外，這將會(huì)漏掉MN-l,甚至還會(huì)漏掉MN-2，從而導(dǎo)致微核的誤計(jì)數(shù)(假陽性)。采用方法II，即雙閾值分割的方法，在判別淋巴細(xì)胞時(shí)，從理論上講由于能夠利用細(xì)胞質(zhì)的信息(即細(xì)胞輪廓)加以限制，故應(yīng)該可以克服方法I存在的缺陷。文獻(xiàn)[6]通過尋找微核圖像灰度直方圖中的兩個(gè)局部最小值來確定分割雙閾值，然而微核圖像的灰度直方圖中往往并非恰好僅有兩個(gè)局部最小值(可能僅有l(wèi)個(gè)，還可能有3個(gè)、甚至更多個(gè))，且分割效果不理想。文獻(xiàn)[7]則先計(jì)算使微核圖像的熵最小時(shí)的閾值T1，然后利用公式T241+(h2-hl)/3計(jì)算得到第2個(gè)分割閥值T2，其中hl和h2分別為灰度直方圖中左側(cè)和右側(cè)邊緣處的灰度值，1/3為一經(jīng)驗(yàn)值，該方法有時(shí)會(huì)出現(xiàn)丁2>255的情況，導(dǎo)致無法正常進(jìn)行分割，且分割效果也不理想。文獻(xiàn)[6]和[7]中所采用的兩種方法不可靠，且對(duì)微核制片質(zhì)量要求非常高。分割迅速、應(yīng)用較為廣泛的雙閾值分割方法主要有最大類間方差法、最大熵法和迭代法，而不是文獻(xiàn)[6，7]中采用的方法。由于細(xì)胞核(微核)與細(xì)胞質(zhì)、細(xì)胞質(zhì)與背景的對(duì)比度較低，而且背景和細(xì)胞質(zhì)的顏色不均勻，導(dǎo)致雙閥值分割的方法難以準(zhǔn)確、快速的將細(xì)胞質(zhì)區(qū)域提取出來。圖2(a)和(d)分別為兩幅微核圖像(CB法培養(yǎng))，RGB格式，尺寸1500X1000pixel，分別采用最大熵法和迭代法對(duì)其進(jìn)行雙閾值分割；圖2(b)和(e)分別為分割出的細(xì)胞質(zhì)區(qū)域，可以看出，細(xì)胞質(zhì)區(qū)域被大量的污染區(qū)域所包圍、干擾；圖2(c)和(f)分別為分割出的細(xì)胞核(微核)區(qū)域，可以看出，細(xì)胞核(微核)區(qū)域又被部分細(xì)胞質(zhì)所包圍、干擾?？梢?，采用方法II，在分割細(xì)胞質(zhì)、細(xì)胞核(微核)的具體實(shí)現(xiàn)過程中存在著嚴(yán)重的干擾，難以準(zhǔn)確、快速的將細(xì)胞質(zhì)信息、細(xì)胞核(微核)信息分別提取出來。由上述分析可見，在CB法微核圖像的自動(dòng)分析過程中(1)若采用方法I，處理速度較快，但由于該方法僅有細(xì)胞核(微核)的信息可利用，卻無細(xì)胞質(zhì)信息(即細(xì)胞輪廓)可利用，存在著較為嚴(yán)重的缺陷，易產(chǎn)生假計(jì)數(shù)；(2)若采用方法II，理論上可同時(shí)利用細(xì)胞質(zhì)和細(xì)胞核的信息來判別雙核淋巴細(xì)胞，與方法I相比，識(shí)別應(yīng)該更準(zhǔn)確，但雙閾值分割方法難以準(zhǔn)確分割出細(xì)胞質(zhì)的信息；(3)考慮到微核圖像快速自動(dòng)分析的要求，其他更為復(fù)雜的分割算法也不宜采用。因此，若想實(shí)現(xiàn)雙核淋巴細(xì)胞區(qū)域的準(zhǔn)確、快速自動(dòng)識(shí)別，就必須要切實(shí)解決細(xì)胞質(zhì)的準(zhǔn)確分割這一難題。
發(fā)明內(nèi)容本發(fā)明的目的便是解決上述難題，設(shè)計(jì)出了一種CB法微核圖像中雙核淋巴細(xì)胞區(qū)域的準(zhǔn)確、快速、自動(dòng)提取的方法。按照標(biāo)準(zhǔn)方法(中華人民共和國衛(wèi)生行業(yè)標(biāo)準(zhǔn)-WS/T187-1999，淋巴細(xì)胞微核估算受照劑量方法)進(jìn)行微核制片，對(duì)于采集(顯微鏡物鏡放大倍數(shù)20X)到的RGB格式的微核圖像，本發(fā)明中雙核淋巴細(xì)胞目標(biāo)區(qū)域的快速準(zhǔn)確提取是按照如下步驟完成的1代數(shù)減運(yùn)算對(duì)于采集到的RGB格式的微核圖像MN—rgb(尺寸為1500X1000pixel)，進(jìn)行代數(shù)減運(yùn)算(R分量-B分量，其中R為紅色分量、B為藍(lán)色分量)。利用代數(shù)減運(yùn)算初步獲得的目標(biāo)圖像MN—rb中，還含有椒鹽噪聲和面積大小不一的污染區(qū)域，需要分別采用中值濾波和形態(tài)學(xué)濾波的方法進(jìn)行處理。2中值濾波對(duì)代數(shù)減運(yùn)算得到的目標(biāo)圖像MN—rb采用中值濾波(5X5窗口)進(jìn)行濾波降噪，主要考慮了如下因素(l)微核圖像分割時(shí)大量存在的是椒鹽噪聲，中值濾波恰好可以較好的濾除圖像中的椒鹽噪聲，且同時(shí)能較好的保護(hù)目標(biāo)區(qū)域的邊界；(2)中值濾波的缺點(diǎn)是"有時(shí)會(huì)濾除圖像中的細(xì)線狀的和小塊的目標(biāo)區(qū)域"，然而微核圖像中不存在細(xì)線狀目標(biāo)(核質(zhì)橋除外)，所濾除的"小塊目標(biāo)區(qū)域"也遠(yuǎn)達(dá)不到微核的大小，即微核不會(huì)被濾除，細(xì)胞核更不會(huì)被濾除；(3)與其它濾波算法相比，中值濾波算法簡單、運(yùn)算量小，能夠滿足微核圖像快速分析的需要；(4)后續(xù)采用形態(tài)學(xué)濾波和面積閾值方法濾除微小目標(biāo)時(shí)，不至于再對(duì)每個(gè)噪聲和污點(diǎn)都進(jìn)行分析，可以提高運(yùn)算速度。3形態(tài)學(xué)濾波中值濾波后的目標(biāo)圖像(已轉(zhuǎn)化為二值圖像)，采用半徑為6的圓盤(disk,r=6)先進(jìn)行開運(yùn)算、然后再進(jìn)行閉運(yùn)算，濾除圖像中的雜質(zhì)和面積較小的污染區(qū)域，而保留下淋巴細(xì)胞區(qū)域和面積稍大的少數(shù)污染區(qū)域，同時(shí)目標(biāo)區(qū)域內(nèi)部的小孔洞也能被填充。對(duì)于保留的面積稍大的少數(shù)污染區(qū)域，需要進(jìn)一步采用設(shè)定面積閾值和灰度均值的方法來進(jìn)行剔除。4剔除邊界區(qū)域?qū)τ诤驼⒑藞D像邊界有粘連的目標(biāo)區(qū)域進(jìn)行剔除。5面積閥值計(jì)算并統(tǒng)計(jì)一定數(shù)量(〉200)獨(dú)立淋巴細(xì)胞的面積(Area)分布情況，設(shè)定其面積分布范圍為[A1，A2]，可以對(duì)Area<Al和Area>A2的目標(biāo)區(qū)域進(jìn)行剔除。Area〉A(chǔ)l的目標(biāo)區(qū)域?yàn)榱馨图?xì)胞區(qū)域和少數(shù)面積較大的污染區(qū)域，對(duì)于污染區(qū)域采用灰度閾值進(jìn)行剔除。在物鏡20X、目鏡10X時(shí)觀察微核樣片，視野中的淋巴細(xì)胞、細(xì)胞核及微核均能用肉眼看清楚，且大小合適。物鏡20X下采集微核圖像，尺寸設(shè)定為1000X750pixel，目測(cè)確定500個(gè)獨(dú)立的淋巴細(xì)胞，計(jì)算并統(tǒng)計(jì)其面積分布情況。500個(gè)獨(dú)立淋巴細(xì)胞的面積分布見圖3，面積平均值為2223.5pixel，其中AreaG[lOOO,3500]的細(xì)胞百分比為98.2%;而AreaE[1000,1500]的細(xì)胞僅占觀測(cè)細(xì)胞總數(shù)的7.6%，其中絕大部分為單核淋巴細(xì)胞，且細(xì)胞核被細(xì)胞壁緊緊裹住，導(dǎo)致這些淋巴細(xì)胞的面積偏小。因此，設(shè)定淋巴細(xì)胞的面積下限值A(chǔ)l-1000pixel。對(duì)亍面積超過3500pixd的目標(biāo)區(qū)域，主要是面積巨大的淋巴細(xì)胞或者是有粘連的細(xì)胞區(qū)域，故可設(shè)置A2=3500pixel。因此，通過設(shè)定面積閾值[1000，3500pixel]能夠初步完成對(duì)獨(dú)立淋巴細(xì)胞區(qū)域的初步提取。對(duì)于Area〉3500pixel區(qū)域中有粘連的淋巴細(xì)胞，可分為三種情況，即細(xì)胞串聯(lián)、細(xì)胞并聯(lián)、細(xì)胞串并聯(lián)，見圖4。其中串聯(lián)的細(xì)胞區(qū)域的粘連較為簡單，且所占比例較大，應(yīng)予以分離和判別；而并聯(lián)和串并聯(lián)細(xì)胞區(qū)域的粘連情況較為復(fù)雜，即便人工觀察也比較費(fèi)力，采用計(jì)算機(jī)圖像分析時(shí)更加困難，極易導(dǎo)致錯(cuò)誤計(jì)數(shù)，且浪費(fèi)時(shí)間，故不予分析。如果不分析粘連細(xì)胞區(qū)域，則設(shè)定A2=3500pixel;如果對(duì)粘連的淋巴細(xì)胞區(qū)域進(jìn)行分離和識(shí)別，則應(yīng)該合理的設(shè)置面積上限閾值A(chǔ)2，從而保留粘連的細(xì)胞區(qū)域；本識(shí)別方法中僅對(duì)串聯(lián)的細(xì)胞區(qū)域進(jìn)行識(shí)別。細(xì)胞串聯(lián)可以是2個(gè)細(xì)胞串聯(lián)，也可以是3個(gè)串聯(lián)，甚至是更多個(gè)(但較為少見)，見圖4(a)和(d);細(xì)胞并聯(lián)則至少要有3個(gè)細(xì)胞，見圖4(b);而細(xì)胞的串并聯(lián)至少要有4個(gè)細(xì)胞，見圖4(c)。因此，將3個(gè)細(xì)胞的平均面積之和作為上限閾值，即2223.5X3=6670.5pixel，并適當(dāng)擴(kuò)大為A2=8000pixel。6圓度閾值圓度，也稱形狀因子(Figureparameter,FP)，主要用來描述目標(biāo)區(qū)域邊界的復(fù)雜程度，其值介于01之間。目標(biāo)區(qū)域越接近圓形，其圓度值越接近l;而其它形狀的目標(biāo)區(qū)域的圓度值都小于1;邊界越復(fù)雜，圓度值越小。圓度計(jì)算公式為尸尸=4"。/《，式中^。為目標(biāo)區(qū)域的面積；尸o為目標(biāo)區(qū)域的周長(即區(qū)域邊界8鏈碼的長度)。計(jì)算并統(tǒng)計(jì)一定數(shù)量(>200)獨(dú)立淋巴細(xì)胞的圓度值，當(dāng)FP20.5時(shí)，目標(biāo)區(qū)域?yàn)楠?dú)立的淋巴細(xì)胞或邊界較為光滑的污染區(qū)域；當(dāng)fP〈0.5時(shí)，目標(biāo)區(qū)域?yàn)橛姓尺B的細(xì)胞區(qū)域或形態(tài)不規(guī)則的污染區(qū)域。因此，設(shè)定圓度閾值尸尸=0.5。7灰度閾值對(duì)于Areae[Al，A2]的目標(biāo)區(qū)域，由于污染區(qū)域內(nèi)部不含細(xì)胞核，其灰度均值偏高(記為&)，而細(xì)胞區(qū)域內(nèi)部含有細(xì)胞核(微核)，其灰度均值偏低(記為A)。計(jì)算出整幅微核圖像的灰度均值(記為^)，滿足^</^<//，，設(shè)置一個(gè)較小的調(diào)節(jié)閾值^(<5=8)，若某區(qū)域的灰度均值/V"^C"。-。，即為污染區(qū)域，進(jìn)行剔除。保留下來的目標(biāo)區(qū)域，其Area〉A(chǔ)l、灰度均值/V^〈C"。-。，即為淋巴細(xì)胞區(qū)域。圖5為一幅微核圖像，其內(nèi)部的ll個(gè)目標(biāo)區(qū)域己用其外接矩形標(biāo)記，分別計(jì)算其灰度均值、面積和圓度，結(jié)果見表2。其中圖5的灰度均值為163.05。<table>tableseeoriginaldocumentpage6</column></row><table>由表2可以看出首先采用面積閾值，即滿足AreaE[1000,3500]的目標(biāo)區(qū)域有2、4、5、7、8、10、11;然后利用圓度閾值篩選，即滿足尸尸>0.5的目標(biāo)區(qū)域?yàn)?、4、5、10、11;再利用灰度閥值篩選，區(qū)域10和11的灰度均值分別為167.3453和156.6102，均明顯大f2，4，5區(qū)域的灰度均值，故只保留子區(qū)域2，4和5。對(duì)照?qǐng)D5可以看出，目標(biāo)區(qū)域2、4和5均為獨(dú)立的淋巴細(xì)胞，己被準(zhǔn)確的提取出來。8串聯(lián)淋巴細(xì)胞的提取對(duì)于3500<Area<8000pixel、F尸〈0.5、//grey<(//。-。的區(qū)域，能夠準(zhǔn)確的判別為有粘連的淋巴細(xì)胞區(qū)域。延展度(Elongation,El)，也稱體態(tài)比，指目標(biāo)區(qū)域的短軸與長軸之比，其值介T01之間。目標(biāo)區(qū)域越接近圓形或方形時(shí)E1值越接近于1，若E1值越小則表示目標(biāo)區(qū)域越扁平，該特征可把較纖細(xì)的物體與方形或圓形物體區(qū)分開。統(tǒng)計(jì)一定數(shù)量(>200)粘連淋巴細(xì)胞的延展度，設(shè)定延展度閾值El-0.8，當(dāng)EK0.8時(shí)，目標(biāo)區(qū)域?yàn)榇?lián)的淋巴細(xì)胞。9雙核淋巴細(xì)胞的判別對(duì)于提取出來的淋巴細(xì)胞區(qū)域2、4和5,再按如下準(zhǔn)則判別其是否為雙核淋巴細(xì)胞-(1)淋巴細(xì)胞輪廓內(nèi)部含兩個(gè)獨(dú)立的細(xì)胞核，若為單核、三核、四核及多核，均舍棄；(2)雙核面積接近、色度深淺相同；(3)如果雙核之間有一個(gè)或多個(gè)核質(zhì)橋連接，橋?qū)挷粦?yīng)寬于主核直徑的1/4;(4)雙核邊界可以粘連，但不應(yīng)該重疊，若粘連則必須能識(shí)別各自的界限。本發(fā)明與已有的微核圖像分割方法比較，雙核淋巴細(xì)胞目標(biāo)區(qū)域的提取效果理想，而且速度較快，既克服了方法I的缺陷，又徹底解決了方法II難以實(shí)現(xiàn)的雙核淋巴細(xì)胞輪廓的提取問題，為微核圖像的自動(dòng)分析提供了技術(shù)保障。本發(fā)明對(duì)雙核淋巴細(xì)胞區(qū)域的提取，首先根據(jù)微核圖像的特點(diǎn)進(jìn)行了代數(shù)減運(yùn)算，然后逐步增加條件、篩選出了圖像中所需的目標(biāo)區(qū)域。這種分析思路同樣適用于其它顯微圖像中特定目標(biāo)區(qū)域的提取。圖1為方法I所不能正確判別和計(jì)數(shù)的微核圖像；圖2為方法II分割出的細(xì)胞質(zhì)和細(xì)胞核(微核)圖像；圖3為500個(gè)獨(dú)立淋巴細(xì)胞的面積分布直方圖；圖4為淋巴細(xì)胞串聯(lián)、并聯(lián)、串并聯(lián)的示意圖5為將圖11中各目標(biāo)區(qū)域的輪廓與圖8相疊加的效果圖，其中02和05子區(qū)域?yàn)殡p核淋巴細(xì)胞；圖6是本發(fā)明提取雙核淋巴細(xì)胞的流程框圖7為本發(fā)明設(shè)計(jì)的CB法微核圖像自動(dòng)分析的流程圖8為一幅實(shí)際的微核圖像；圖9為采用代數(shù)減運(yùn)算(R分量-B分量)得到的二值圖像；圖10為采用中值濾波和形態(tài)學(xué)濾波，并移除邊界目標(biāo)后的圖像(已取反顯示)；圖11為采用面積閾值方法濾除Area〈Al目標(biāo)區(qū)域后的圖像。具體實(shí)施例方式本發(fā)明中有關(guān)算法的實(shí)現(xiàn)是在MATLAB7.0中實(shí)現(xiàn)的，實(shí)施步驟如下1代數(shù)減運(yùn)算MN0=imread('Name.jpg，)；。/。讀入微核圖像Name.jpgMN—rb=[MN0(:,:,l)HMN0(:,:,3)];%代數(shù)減，R分量-B分量2中值濾波MN—m=medfilt2(MN—rb,[55]);%對(duì)MN_rb進(jìn)行中值濾波，5X5窗口3形態(tài)學(xué)濾波sel=strel('disk',6);%建立1"=6的圓盤結(jié)構(gòu)元素MN—close=imclose(MN_m,sel);%形態(tài)閉運(yùn)算MN_open=imopen(MN一close，sel);%形態(tài)開運(yùn)算se2=strel('disk',l);%建立1"=1的圓盤結(jié)構(gòu)元素SM=imerode(MN—open,se2);%邊界平滑，腐蝕運(yùn)算l次SMI=imerode(SM，se2);%再腐蝕運(yùn)算1次4移除邊界目標(biāo)SM2=imclearborder(SMl);%移除邊界粘連區(qū)域5獨(dú)立淋巴細(xì)胞的判別條件為'Areae[1000pixe/,<FP20,56串聯(lián)淋巴細(xì)胞的判別與分離串聯(lián)淋巴細(xì)胞區(qū)域的判別條件為Areae[3500/7/xe/,8000/7—F尸<0.5'五/<0.8串聯(lián)淋巴細(xì)胞的分離，參考并改進(jìn)了傅蓉等人在《計(jì)算機(jī)工程與應(yīng)用》，2007，43(17):21-23上發(fā)表的"基于凹點(diǎn)搜索的重疊細(xì)胞圖像自動(dòng)分離的算法研究"，即首先尋找分離點(diǎn)對(duì)，然后連接分離點(diǎn)對(duì)。分離點(diǎn)對(duì)位于串聯(lián)細(xì)胞區(qū)域的輪廓上，且滿足條件①分離點(diǎn)對(duì)位于細(xì)胞的連接處，②點(diǎn)對(duì)之間的距離是局部最短的，并增加一個(gè)條件，即"③點(diǎn)對(duì)連線上各像素點(diǎn)的灰度值接近"，以防有細(xì)胞核或微核被連線分割。7雙核淋巴細(xì)胞的判別(1)提取一個(gè)獨(dú)立的淋巴細(xì)胞區(qū)域(或分離開的串聯(lián)淋巴細(xì)胞)，由于此時(shí)淋巴細(xì)胞僅由細(xì)胞質(zhì)、細(xì)胞核(微核)兩部分構(gòu)成，利用Otsu方法進(jìn)行單閼值分割細(xì)胞核(微核)；(2)對(duì)淋巴細(xì)胞輪廓內(nèi)的目標(biāo)區(qū)域(細(xì)胞核、微核)進(jìn)行標(biāo)記，判別是否有且僅有兩個(gè)面積相近、且足夠大的區(qū)域，其圓度值和灰度均值也應(yīng)相近；(3)如果兩個(gè)細(xì)胞核有粘連，利用延展度(即區(qū)域的短軸和長軸之比)進(jìn)行判別，并進(jìn)行分離；(4)如果滿足上述3條，則判別為一個(gè)雙核淋巴細(xì)胞。8權(quán)利要求1.一種CB法微核圖像自動(dòng)分析中雙核淋巴細(xì)胞區(qū)域的自動(dòng)提取方法，其特征在于包括如下步驟(1)代數(shù)減運(yùn)算，R分量-B分量，初步獲得淋巴細(xì)胞區(qū)域；(2)利用中值濾波和形態(tài)學(xué)濾波，濾除脈沖噪聲和雜質(zhì)；(3)統(tǒng)計(jì)確定一定數(shù)量獨(dú)立淋巴細(xì)胞(＞200個(gè))的面積分布閾值[A1，A2]，Area＜A1的區(qū)域予以剔除，Area＞A1的目標(biāo)區(qū)域分為獨(dú)立淋巴細(xì)胞、粘連淋巴細(xì)胞、面積較大的污染；(4)利用灰度閾值，濾除Area＞A1目標(biāo)區(qū)域中的污染區(qū)域；(5)利用圓度閾值和面積閾值，識(shí)別區(qū)分獨(dú)立的淋巴細(xì)胞區(qū)域和有粘連的淋巴細(xì)胞區(qū)域；(6)對(duì)于獨(dú)立的淋巴細(xì)胞區(qū)域，利用其輪廓內(nèi)雙核的面積比值、圓度值、灰度均值，判別其是否為雙核淋巴細(xì)胞；(7)利用圓度閾值和延展度判別出粘連淋巴細(xì)胞中的串聯(lián)細(xì)胞，并進(jìn)行分離，對(duì)于并聯(lián)或串并聯(lián)的粘連淋巴細(xì)胞不予分析。2.對(duì)于權(quán)利要求1所述的微核圖像，其微核標(biāo)本按照《淋巴細(xì)胞微核估算受照劑量方法》(中華人民共和國衛(wèi)生行業(yè)標(biāo)準(zhǔn)WS/T187-1999)進(jìn)行制備；普通顯微鏡(物鏡放大倍數(shù)20X，冃鏡放大倍數(shù)10X)下自動(dòng)采集微核圖像，保存為RGB格式。3.對(duì)于權(quán)利要求1中面積閾值的上限和下限，即Al=1000pixel和A2=3500pixel，是統(tǒng)計(jì)尺寸為1500X1000pixel微核圖像中的一定數(shù)量獨(dú)立淋巴細(xì)胞得到的；如果微核圖像尺寸改變，則Al和A2的值需按照微核圖像面積改變的比例進(jìn)行調(diào)整。4.對(duì)于權(quán)利要求l中的粘連淋巴細(xì)胞區(qū)域，若需要對(duì)粘連的淋巴細(xì)胞區(qū)域進(jìn)行分離和識(shí)別，則需擴(kuò)大面積上限閾值A(chǔ)2:8000pixel，從而能保留下粘連的細(xì)胞區(qū)域；若不需分析粘連細(xì)胞區(qū)域，則可設(shè)置A2=3500pixel，以將其剔除。全文摘要本發(fā)明涉及輻射生物劑量學(xué)領(lǐng)域中CB法微核圖像中雙核淋巴細(xì)胞區(qū)域的準(zhǔn)確、快速自動(dòng)提取，實(shí)現(xiàn)步驟如下對(duì)采集的RGB格式、尺寸為1500×1000pixel微核圖像MN_rgb進(jìn)行代數(shù)減運(yùn)算(R分量-B分量)，獲得圖像MN_rb；對(duì)圖像MN_rb進(jìn)行中值濾波(5×5窗口)和形態(tài)學(xué)濾波(disk，r＝6)，并剔除邊界粘連的區(qū)域，獲得圖像MN_m；然后利用圓度閾值和灰度閾值篩選Area∈[1000pixel，3500pixel]目標(biāo)區(qū)域中的獨(dú)立淋巴細(xì)胞；利用圓度閾值、灰度閾值和延展度篩選Area∈[3500pixel，8000pixel]目標(biāo)區(qū)域中的串聯(lián)細(xì)胞，并進(jìn)行分離；判別獨(dú)立的或分離后的淋巴細(xì)胞是否為雙核淋巴細(xì)胞。本發(fā)明設(shè)計(jì)的方法實(shí)現(xiàn)了CB法微核圖像中雙核淋巴細(xì)胞的自動(dòng)提取，具有提取準(zhǔn)確、快速等優(yōu)點(diǎn)，為研制CB法微核圖像的自動(dòng)分析系統(tǒng)邁出了至為關(guān)鍵的一步。文檔編號(hào)G06T7/60GK101639941SQ200910000649公開日2010年2月3日申請(qǐng)日期2009年1月13日優(yōu)先權(quán)日2009年1月13日發(fā)明者張學(xué)清,曹珍山,杰杜,閆學(xué)昆,英陳,駱億生申請(qǐng)人:中國人民解放軍軍事醫(yī)學(xué)科學(xué)院放射與輻射醫(yī)學(xué)研究所