专利名称：骨髓活检切片造血细胞特征识别方法
技术领域：
本发明涉及一种图像处理技术领域的方法，具体是一种骨髓活检切片造血细 胞特征识别方法。
技术背景骨髓活检(bone marrow biopsy)是国内、外近10多年取得了突破性进展 的一门科学，是临床上诊断血液病以及判断骨髓病变进展或缓解的"金标准"。 这种方法主要依靠经验丰富的病理专家在一个个的显微视野中对异常细胞的数 量和位置进行识别，人工分析的强度大，操作人员易疲劳，人为误差不可避免。 因而开发一个计算机辅助诊断模型显得十分必要。经对现有技术文献的检索发现，浦权、杨梅如(血液病骨髓组织病理学彩色 图谱.上海科学技术文献出版社，2000: 71-72)介绍传统骨髓组织形态测量法主 要有Chalkley计点法、网形测微器计点法等。Chalkley计点法主要采用12点 短发游离端为镜像聚焦处，其余4根头发端点击中之组织进行计数。利用发丝进 行计数，计数过程考验工作人员的细致程度，从而产生误差。网形测微器计点法 用10X10规格之网形目镜测微器供计点用。利用网形测微器计点法，以交接点击 中细胞的个数进行计数。由于网格交接点数目众多，不可避免地给工作人员带来 计数上的工作强度，从而导致人员疲劳，产生误差。可以看出传统方法采用的计 数方法需要极大的人工分析强度，容易给操作人员带来疲劳，不可避免地产生人 为误差。故采用计算机进行特征识别，减轻人员工作强度，为最终诊断提供依据。发明内容本发明的目的在于针对现有技术的不足，提供一种骨髓活检切片造血细胞特 征识别方法，使其解决原始识别所带来的人员疲劳及误差问题，既解决了人工分 析造成的强度大的问题，也提高了细胞特征识别的精度，可以用于细胞的识别和 定量分析，为诊断提供依据，为计算机自动预测打下基础。本发明是通过以下技术方案实现的，包括如下步骤第一步，建立计算机图形界面(GUI):在界面窗口进行骨髓细胞活检切片的 读取、检测、数据存储等。方便工作人员对切片进行操作及对获取数据进行定量 分析及存储。第二步，将骨髓细胞活检切片进行网格划分按近似于细胞的大小先对整张 骨髓细胞活检切片划分区域，能够容易区分不同区域内的细胞并进行计数；定位 不同细胞的位置并为最后的三维模型的建立进行预先划分。第三步，利用canny算子，将骨髓细胞活检切片进行边缘检测。将个体细胞 从整张切片的细胞集中分离出来。第四步，利用灰度直方图对骨髓细胞活检切片进行灰度处理。通过染色细胞 不同的灰度等级区分不同的细胞所占划分网格中的比例。所述的计算机图形界面，是指计算机图形界面(GUI)是Graphical User Interface的简称，即图形用户接口，准确来说GUI就是屏幕产品的视觉体验 和互动操作部分。GUI是一种结合计算机科学、美学、心理学、行为学，及各商 业领域需求分析的人机系统工程，强调人一机一环境三者作为一个系统进行总体 设计。这种面向客户的图形界面其目的是优化产品的性能，使操作更人性化，减 轻使用者的认知负担，使其更适合用户的操作需求，直接提升产品的市场竞争力。 所建立的计算机图形界面方便读入骨髓细胞活检切片，由计算机自动进行细胞识 别工作，最后将结果进行处理和保存。由于本发明的图像处理及识别部分均采用 数学处理软件MATLAB，故设计的计算机图形界面也利用MATLAB中的GUI工具， 制作图形界面，直接调用源程序。所述的骨髓细胞活检切片网格划分，是指将骨髓细胞活检切片大致按细胞 大小进行区域划分。由于骨髓细胞活检切片中零散分布着各种不同的血细胞，其 形状、大小、染色程度各不相同，不利于人的肉眼识别和计算机的自动识别。采 用网格划分的方法，按近似于细胞的大小先对整张骨髓细胞活检切片划分区域。 本发明利用MATLAB读取骨髓细胞活检切片，然后利用MATLAB的数学计算语言编 写网格程序，并添加到原切片。这种处理能带来以下好处1能够容易区分不同 区域内的细胞并进行计数；2能够容易地定位不同细胞的位置；3为最后的三维 模型的建立划分了区域。所述利用carmy算子进行细胞边缘检测，是指边缘检测的基本思想是首先 利用边缘增强算子，突出图像中的局部边缘，然后定义像素的"边缘强度"，通 过设置门限的方法提取边缘点集。常用的边缘检测算子有Robert算子、Sobel 算子、Prewitt算子、LOG算子和Canny算子。Canny算子检测边缘的方法是寻 找图像梯度的局部极大值。梯度是用高斯滤波器的导数计算的。Canny方法使用 两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘与强边缘相连时，弱边缘 才会包含在输出中。因此，此方法不容易受噪声的干扰，能够检测到真正的弱边 缘。所述利用灰度直方图进行灰度处理，是指将原始骨髓细胞活检切片转化为f )_，灰度图，图像的灰度统计直方图是一个一维离散函数P^—" ^: = 0，1，'''，1-1式中，^是图像f(x，y)的第k级灰度值；"4是f(x，y)中具有灰度值&的像素的个数；n是图像中像素的总数。由定义式可知，P(^)给出了对&出现概率的一个估计，所以直方图表明了图像中灰度值的分布情况。二维直 方图分割方法利用了图像象素的空间局部信息，使目标与背景可分离性增强。该 方法的快速算法的提出，明显提高了图像分割的性能指标。由灰度直方图，可以 很直观地看出细胞染色程度的不同，从而可以设置阀值，根据转化的二值图，按 照细胞灰度的不同等级，来检索不同的细胞，在划分的区域中所占的比例。传统骨髓组织形态测量法主要有Chalkley计点法、网形测微器计点法等。 无论是Chalkley计点法，还是网形测微器计点法，均采用添加人为细线于活检 切片上，由于网格交接点数目众多，不可避免地给工作人员带来计数上的工作强 度，从而导致人员疲劳，产生误差。可以看出传统方法采用的计数方法需要极大 的人工分析强度，容易给操作人员带来疲劳，不可避免地产生人为误差。本发明 采用计算机图像识别技术，可以迅速地识别细胞在切片中所占的数量。此外，利 用计算机所划分的网格，在精度上要胜于人工方法。通过计算划分网格里细胞所 占的比例，可以给出细胞分布的定量分析。
图1为本发明实施例划分网格后的骨髓细胞活检切片2为本发明实施例经canny算子边缘检测后结果图 图3为本发明实施例灰度直方4本发明实施例细胞在活检切片纵向和横向的分布比例图具体实施方式
下面结合附图对本发明的实施例作详细说明本实施例在以本发明技术方案 为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护 范围不限于下述的实施例。实施例采用的细胞切片来源于骨髓活检造血细胞切片。整个实施过程如下1、 建立计算机图形界面(GUI)。计算机图形界面(GUI)是Graphical User Interface的简称，即图形用户接口，准确来说GUI就是屏幕产品的视觉体验 和互动操作部分。由于本发明的图像处理及识别部分均采用数学处理软件 MATLAB，故所设计的计算机图形界面也利用MATLAB中的GUI工具，制作图形界 面，直接调用源程序。本实施例中使用的"區TLAB"软件可以经TheMathWorks， Inc.销售获得。2、 将骨髓细胞活检切片进行网格划分。将骨髓细胞活检切片大致按细胞大 小进行区域划分。由于骨髓细胞活检切片中零散分布着各种不同的血细胞，其形 状、大小、染色程度各不相同，不利于人的肉眼识别和计算机的自动识别。如图l所示，采用网格划分的方法，按近似于细胞的大小先对整张骨髓细胞 活检切片划分区域。利用MATLAB读取骨髓细胞活检切片，然后利用MATLAB的数 学计算语言编写网格程序，并添加到原切片。源程序如下hold on;s=l:30:800;t=l:30:800;II=meshgrid(s， t);plot (s, II， ， k'); hold on;plot (11， t， ' k，)；这种处理能给带来以下好处l能够容易区分不同区域内的细胞并进行计数； 2能够容易地定位不同细胞的位置；3为最后的三维模型的建立划分了区域。3、 利用canny算子，将骨髓细胞活检切片进行边缘检测。将个体细胞从整张切片的细胞集中分离出来。边缘检测的基本思想是首先利用边缘增强算子，突 出图像中的局部边缘，然后定义像素的"边缘强度"，通过设置门限的方法提取 边缘点集。常用的边缘检测算子有Robert算子、Sobel算子、Prewitt算子、LOG 算子和Carmy算子。Canny算子检测边缘的方法是寻找图像梯度的局部极大值。 梯度是用高斯滤波器的导数计算的。Canny方法使用两个阈值来分别检测强边缘 和弱边缘，而且仅当弱边缘与强边缘相连时，弱边缘才会包含在输出中。因此， 此方法不容易受噪声的干扰，能够检测到真正的弱边缘(如图2所示)。Carmy 方法在區TLAB中的源程序段如下BW=edge(I，' ca— ， 0. 2);figure5imshow(BW); title ('Canny')4、 利用灰度直方图对骨髓细胞活检切片进行灰度处理。通过染色细胞不同 的灰度等级区分不同的细胞所占划分网格中的比例。将原始骨髓细胞活检切片转化为灰度图，图像的灰度统计直方图是一个一维离散函数" ^ = 0，1，'"，1_1式中，A是图像f(x，y)的第k级灰度值； 是f(x,y)中具有灰度值A的像素的个数；n是图像中像素的总数。由定义式可知，P")给出了对A出现概率的一个估计，所以直方图表明了图像中灰度值的分布情况。二维直 方图分割方法利用了图像象素的空间局部信息，使目标与背景可分离性增强。该 方法的快速算法的提出，明显提高了图像分割的性能指标。调用的程序如下[x， y]=size(I);Il=rgb2gray (I);figure; imhist(Il)。5、 由灰度直方图(如图3所示)，可以很直观地看出细胞染色程度的不同， 从而可以设置阀值，根据转化的二值图，按照细胞灰度的不同等级，来检索不同 的细胞，在划分的区域中所占的比例。6、 如图4所示，为该实例细胞在活检切片纵向和横向的分布比例图。通过 定量比较正常人的骨髓细胞在活检切片各个区域内所占的比例，为诊断提供辅助依据。源代码如下 figure5 for i=l:24I3=imcrop(I， [(i_l)*30, 0， 30, 540]);I4=im2bw(I3);c=bwarea(I4);lo(i)=l-c/30/540;endplot(lo，' r-'); hold on; for i=l:18I3=imcrop(I,
);I4=im2bw(I3);c=bwarea(I4);la(i)=l_c/30/720;endplot (la， ， b-，)本发明的骨髓活检切片造血细胞的特征识别的方法，利用图像识别技术实现 了骨髓切片的增生度识别，改变传统的网形测微器计点法，通过精确的图像识别， 减少传统目测法带来的人力和物力的浪费，同时提高识别精度比传统的网形测微 器计点法；通过精确的定位分区，进一步细化传统的三段分区，细化了小梁旁区， 中央区和中间区等三个骨髓主质区域；提出分区内细胞的定量分析方法，克服人 工检测与分析的不足，实现精确分区内的血细胞的精确计数；通过分区内细胞的 定量分析，统计分析了正常人群的分区内细胞的标准值，为接下来的智能预测奠 定了技术基础。
权利要求
1、一种骨髓活检切片造血细胞特征识别方法，其特征在于，包括以下步骤第一步，建立计算机图形界面在界面窗口进行骨髓细胞活检切片的读取、检测、数据存储；第二步，将骨髓细胞活检切片进行网格划分按细胞的大小先对整张骨髓细胞活检切片划分区域，以便于区分不同区域内的细胞并进行计数，定位细胞的位置并为最后的三维模型的建立进行预先划分；第三步，利用canny算子，将骨髓细胞活检切片进行边缘检测，将个体细胞从整张切片的细胞集中分离出来；第四步，利用灰度直方图对骨髓细胞活检切片进行灰度处理，通过染色细胞的灰度等级区分细胞所占划分网格中的比例。
2、 根据权利要求1所述的骨髓活检切片造血细胞特征识别方法，其特征是， 所述的计算机图形界面的建立，是指计算机图形界面是图形用户接口，所建立 的计算机图形界面方便读入骨髓细胞活检切片，由计算机自动进行细胞识别工作，最后将结果进行处理和保存。
3、 根据权利要求1或2所述的骨髓活检切片造血细胞特征识别方法，其特 征是，所述的计算机图形界面的建立，是利用数学处理软件區TLAB中的GUI工 具，制作图形界面，直接调用源程序。
4、 根据权利要求1所述的骨髓活检切片造血细胞的特征识别的方法，其特 征是，所述的骨髓细胞活检切片进行网格划分，是指将骨髓细胞活检切片大致 按细胞大小进行区域划分，采用网格划分的方法，按近似于细胞的大小先对整张 骨髓细胞活检切片划分区域。
5、 根据权利要求3所述的骨髓活检切片造血细胞的特征识别的方法，其特 征是，利用数学处理软件MATLAB读取骨髓细胞活检切片，然后利用MATLAB的数 学计算语言编写网格程序，并添加到原切片。
6、 根据权利要求1所述的骨髓活检切片造血细胞的特征识别的方法，其特 征是，所述的利用ca皿y算子进行细胞边缘检测，是指Canny算子检测边缘的 方法是寻找图像梯度的局部极大值，梯度是用高斯滤波器的导数计算的，Ca皿y方法使用两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘与强边缘相连 时，弱边缘才会包含在输出中。
7、根据权利要求1所述的骨髓活检切片造血细胞的特征识别的方法，其特 征是，所述的利用灰度直方图进行灰度处理，是指将原始骨髓细胞活检切片转 化为灰度图，图像的灰度统计直方图是一个一维离散函数<formula>formula see original document page 3</formula>式中，^是图像f(x,y)的第k级灰度值， 是f(x，y)中具有灰度值&的 像素的个数，n是图像中像素的总数。
全文摘要
一种图像处理技术领域的骨髓活检切片造血细胞特征识别方法，步骤为第一步，在界面窗口进行骨髓细胞活检切片的读取、检测、数据存储；第二步，按细胞的大小先对整张骨髓细胞活检切片划分区域，以便于区分不同区域内的细胞并进行计数，定位细胞的位置并为最后的三维模型的建立进行预先划分；第三步，利用canny算子，将骨髓细胞活检切片进行边缘检测，将个体细胞从整张切片的细胞集中分离出来；第四步，利用灰度直方图对骨髓细胞活检切片进行灰度处理，通过染色细胞的灰度等级区分细胞所占划分网格中的比例。本发明解决原始识别所带来的人员疲劳及误差问题，也提高了细胞特征识别的精度。
文档编号G06T7/60GK101275897SQ20081003428
公开日2008年10月1日 申请日期2008年3月6日 优先权日2008年3月6日
发明者彭颖红, 晟 李, 王伟明, 军 石, 洁 胡 申请人:上海交通大学