全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
| 萨米尔·k·Bandyopadhyay教授 老成员IEEE教授,计算机科学与工程部门,加尔各答大学A.P.C.路92号,印度加尔各答- 700009 |
| 通讯作者:萨米尔·k . Bandyopadhyay教授电子邮件:skb1@vsnl.com |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
AbstractThe血细胞显微镜图像分析可以提供有用的信息关于病人的健康;然而,手动分类血细胞耗时和容易错误是由于不同的细胞形态学特征。因此,一个快速和自动化的方法来识别不同的血细胞是必需的。在本文中,我们提出一个方法来段核和细胞质的白细胞(WBC)。在这项工作中,我们部分细胞图像具有不同背景和光照条件设计。分割的结果显示,相比传统的方法更好的性能。实验结果表明,该方法执行在识别血液细胞类型不管他们的不规则形状、大小和方向。
关键字 |
| 生物医学图像处理、白细胞检测、分割和特征提取 |
介绍 |
| 细胞分割一个具有挑战性的问题是由于细胞的复杂性和不确定性存在于视频显微镜。手动方法为这个目的是繁杂的,不精确的和高度主观的,因此需要自动化的方法,在客观、有效的方式执行这个任务。 |
| 生物医学图像处理是一个重要的研究领域,在当前时间。构建一个自动医疗诊断系统,可以帮助医生在这个领域是一个重大的贡献。构建这样一个自动化系统需要融合的多元化研究活动,其中的图像处理是一个重要的球员。一个医生在检查病人的主要任务是进行血液测试。 |
| 血液携带了许多重要的功能,因为它在体内循环。它传输氧气从肺部和其他身体组织,会带走体内的二氧化碳。携带营养物质消化系统的人体细胞,并由肾脏排泄废物。血液可以帮助我们的身体抵抗传染性病原体的毒素,使其失去活性,停止出血凝血能力,调节我们身体的温度。医生也要依赖于许多血液测试来诊断和监测疾病。一些测试测量血液本身的组件;其他检查血液中发现的物质来识别各种器官的功能不正常。因此,我们在这里提出系统将协助病理学家根据分割检测血液细胞计数和有助于发现疾病。此信息可以医生非常有用,例如,试图识别病人的疾病的原因。 |
| 白细胞的自动检测和分类是一个重要的步骤在一些疾病,如急性淋巴细胞白血病的诊断。传统的程序需要一个血液学学者手动计数和细胞在显微镜的帮助下进行分类。 |
| 在传统的术语中,血细胞分析即全血细胞计数(CBC)是一种“公约”。测量红细胞,白细胞通常评估血红细胞的大小和形状按旧延迟过程。 |
| 血液检查提供定量信息用于学习和生活的早期评估病人的健康状况。传统上,血液学学者的计数白细胞(WBC)幻灯片涂抹与外周血或骨髓,为了诊断和筛查。血液学学者将手动计数100个白细胞在显微镜的帮助下,然后计算总出现的每种类型的细胞。这是称为微分血细胞计数(DBC)。这个任务是耗时、复杂和冗长[4 - 6]。 |
| 此外,识别精度很大程度上取决于主观经验和疲劳等因素由于人类疲劳。等需求增加更多数量的检查以及质量结果的需要,出现了一个必要性整个过程的自动化。这不仅减少了负担血液学学者也取得了显著的短的时间内准确的结果。 |
| 一个自动诊断系统将减轻工作量和主观因素的影响(7 - 8)。自动检测包括去除红细胞和血小板的背景。现有的方法的主要缺点是他们的低效率在处理细胞图像来自不同来源和环境。在本文中,我们提出一个方法来段核和细胞质的白细胞(WBC)。白细胞血液成分提供重要的信息给医生和扮演重要的角色在不同疾病的诊断。我们使用简单的形态学操作和探索的尺度空间属性切换运营商提高分割的准确性。该方案已成功应用于大量的图像,显示出可喜的成果对不同细胞外观和图像质量,鼓励未来的工作。 |
审查工作 |
| 白血球细胞图像的分割背景减法包括红细胞、血小板和其他对象混合的微观图像。照明不一致和细胞阻塞的主要原因是细胞分割挑战[1 - 2]。细胞分类有广泛的利益尤其是诊所和实验室。例如,患者的血细胞计数是使用其他细胞中提取的信息通常不存在于外周血但可能被释放在某些疾病过程的血液学学者[3]。 |
| 病人的血液细胞计数进行手动医疗技术人员通过查看幻灯片准备病人的血液样本在显微镜下。手动计数也会给其他细胞的信息,通常不存在于外周血但是可能被释放在某些疾病[9]。 |
| 不幸的是,细胞分类计数的准确性是强烈影响个体经营者的能力。特别是,识别和微分计数血液的细胞是一个耗费时间和重复性任务,可以受到运营商的准确性和疲劳[8]。为了克服人类专家计算的繁琐和耗时的任务在骨髓或外周血白细胞,许多自动化技术提出了[10][11]。 |
| 阈值转换法是最早的图像分割的方法实现。简单的实现和其直观的特性给图像阈值中心位置在图像处理的应用(11、13)。的细胞分割,阈值之后,形态学操作在大部分的情况下(12、14)。阈值计算便宜和快捷。 |
| 提出的方法在一定标准的同质性工作,通常是相同或相似的亮度或颜色(15、16)。满足均匀性标准的所有像素都组合成的一个地区。这些方法包括区域分割和合并方法[15],种子区域生长方法[16]。基于模型的方法:在这种方法中,细胞核和细胞质中提取通过构建模型。细胞模型必须包括特性,歧视别人的白细胞地区,直观地鼓励形成圆形,均匀区域的大小[17]。近年来模糊方法获得了足够的意义和目前主要用于图像分割技术。在[18],模糊技术,目的是允许使用的一个很好的处理模糊性和确定图像的特点,并分析单色的彩色图像。 |
| Jianhua等。[21]指出,在血液细胞分割,边缘检测对细胞图像执行不佳,因为并非所有边界都是锋利的,很难得到所有边缘信息和细胞定位准确。他们开发了一个迭代首先进行基于循环白细胞直方图的分割方法。首先进行的方法是广义最小二乘法的基础上。 |
| r . Sukesh Kumar et al。[22]讨论了彩色图像分割的方法使用高阶熵作为结构功能在二维图像直方图确定阈值。两个基本模型对彩色图像RGB(红、绿、蓝)的颜色模型和他(色调,强度、饱和)颜色模型。两种彩色图像分割方法使用RGB空间标准的处理空间。这些技术可能会用于血液细胞图像分割。彩色图像是非常丰富的信息来源,因为它们提供了一种更好的方式来描述一个场景比灰度图像。因此,色彩分割成为一个非常重要的问题[22]。 |
| 彩色图像分割在他的空间需要从RGB空间转换到他空间以来最大可用数字彩色图像RGB格式容易在RGB空间分割。提出了两种算法的非排他的R, G, B分割和排他的R, G, B分割。 |
| 图像的分割成更地区将意味着有多个图像的阈值。地区将被定义为一个点集在连续两个阈值之间的强度值。多级阈值的概念已经被实现为一个扩展的熵将产生一组阈值,而不是条件最多给一个阈值。上面的算法被应用到灰度和彩色图像的地区获得充满了不同深浅根据阈值。阈值的数量也是优化[22]。 |
| 邱恩等。[23]进行比较9图像分割灰度阈值,模式匹配,形态运营商,过滤操作符,梯度方法,边缘检测算子,RGB颜色阈值、色彩匹配和高速逻辑(色相、饱和度、明度)和颜色阈值技术对红细胞和得出结论,没有单一的方法可以被认为是有利于红细胞分割[23]。 |
该方法 |
| 在血细胞图像检测,任务通常分为两个阶段;一个是图像增强,为了减少噪声,另一种是检测血液细胞的特征。在计划阶段,图像滤波和增强的一部分阶段和后期的检测。卷积滤波常被用来减少图像噪声的影响或锐化图像细节模糊。数计算通过扫描图像和使用边缘检测算法。最初的血液图像如图1所示。 |
 |
| 细胞分割涉及删除背景包括红细胞、血小板和其他对象的形象。白细胞,感兴趣的对象,是分割过程的输出。准确的分割应产生完整的白血细胞,包括细胞质和细胞核。原子核的形状、纹理区域和其内容的比例在细胞的细胞分类所需的特性。 |
| 图像分割是图像处理中最重要的步骤和关键技术,并将直接影响后续处理。与数学理论,图像分割取得了很大的进步,很多小说提出了分段算法。但大多数算法都有自己的缺点。至于细胞图像,由于复杂的自然界,它仍然是一个挑战性的任务分割和计数。 |
| 噪音是任何不受欢迎的信号。通常由各种退化图像噪声在信号传输,编码和解码处理。结果的图像处理,如图像分割、特征提取和图像识别将在很大程度上依赖于噪声去除效果。图像去噪是图像处理的重要内容。噪音无处不在,因此我们要学会忍受它。噪音会引入数据通过任何电气系统用于存储、传输和/或处理。此外,大自然总是扮演一个“嘈杂”两招与观察的数据。当遇到一个图像与噪声损坏需要改善其外观为一个特定的应用程序。面向应用的技术应用。此外,不同类型的相关程序噪声引入图像。 Some examples of noise are: Gaussian or White, Raleigh, Shot or Impulse, periodic, sinusoidal or coherent, uncorrelated, and granular. The Gaussian smoothing operator is a 2-D convolution operator that is used to `blur' images and remove detail and noise. It uses a kernel that represents the shape of a Gaussian (`bell-shaped') hump. |
| 高斯平滑的想法是使用这个二维分布的点扩散函数,这是通过卷积来实现。由于图像存储为一个离散的像素集合,我们需要生成一个离散近似高斯函数卷积之前执行。理论上,高斯分布的非零无处不在,这将需要一个无限大的卷积核,但实际上它实际上是零比三个标准差的意思,所以我们可以截断内核。一旦我们获得一个合适的内核,高斯平滑可以使用标准执行卷积方法。 |
| 在中值滤波中,每个像素是由所有像素的中值在一个选定的地区(面具、模板和窗口)。人口的中值m(在附近的像素)是值的,一半的人口规模较小的值比m,而另一半有较大的值比m。这类滤波器属于一类边缘保持平滑滤波器的非线性。这些过滤器平滑数据同时保持小而锐利的细节。 |
| 中值滤波是一个简单的和非常有效的噪声去除过滤过程。去除散粒噪声的性能特别好。散粒噪声包括强劲飙升像孤立的值。 |
| 在我们的论文,我们使用高斯滤波器消除噪声,因为它比中值滤波产生更好的结果。在本文中,我们提出分割方案分割的血液细胞。我们开始通过识别左边像素的血液从图像映射图像。然后画一条线从上到下垂直识别的左边界血细胞。然后扫描定位最右边的右边像素在特定的血细胞。像素位于后我们再画一个垂直线从上到下穿过右边的像素。这个过程优化算法,提高了处理效率。在这个阶段,我们都努力段所有血液细胞圆形或终止在左侧底线或底部的形象,形成一个封闭的结构。这个过程从边缘地图中删除所有噪声和离散对象的无关紧要的形象。 |
| 我们首先定位即源于限界线顶部的细胞图像的第一行。算法中每个路径并将它们存储在绘制列表。这个列表是绘制在另一个图像如果细胞圆形或结束的最后一行图像或垂直线代表的左边界单元。毕竟在第一行是遍历像素路径算法重复类似的扫描和遍历的所有像素路径行所显示的图像垂直划分成段。 |
| 算法1: |
| 步骤1。扫描图像的左侧图像定位细胞的最左边的像素区域。 |
| 步骤2。沿着这像素画一条垂直线代表左边从上到下基线或边界。步骤3。扫描图像右侧的图像定位细胞的最右面的像素区域。 |
| 步骤4。画一条垂直线沿着这像素从上到下。第5步。水平获得矩形分割成十六段和第一段第一行开始。 |
| 步骤6。扫描封闭矩形从右到左,从第一行段。 |
| 步骤7。获得一个黑色像素显示优势路径,路径通过考虑所有遍历像素周围的像素在顺时针方向优先考虑像素最高的优先级。 |
| 步骤8。包围细胞像素的像素,但低优先级存储在堆栈的使用只有在遍历过程达到一个死胡同。 |
| 第9步。如果一个死胡同,继续遍历过程。 |
| 第10步。将像素遍历存储在密谋策划列表。 |
| 步骤11。遍历继续下一个像素,直到它到达左基线或底部的图像或起始位置。 |
| 步骤12。如果遍历终止,绘制列表删除,从Step7继续。 |
| 其他情节的像素绘制列表。 |
| 步骤13。血液继续第六段,直到所有像素,指示一个关闭路径遍历。 |
| 步骤14。移动到下一段的第一行,继续从Step11第六段。 |
| 15步:停止 |
| 算法的输出如图2所示。 |
 |
 |
| 图2不同的算法应用于彩色细胞图像。左边显示了原始图像和正确的,相应的分割图像。 |
结论 |
| 血细胞的终极目标分割是提取血液细胞图像从复杂背景和每一个细胞都划分为形态的组件如细胞核、细胞质、漏洞和一些其他人。本研究的主要目的是开发系统在血液细胞分割。我想表达我真诚的感谢病理学家提供血液细胞形态。 |
引用 |
|