文摘
人类第三天胚胎的卵裂球的数量是最重要的一个标准来评估胚胎生存能力。然而,由于卵裂球的透明度和重叠,这是一个挑战,认识到胚胎卵裂球自动使用单一的形象。本研究提出了一个基于最小二乘曲线拟合方法(LSCF)胚叶细胞自动识别从单个图像。首先,结合边缘检测,删除多个连接的点,和扩张和侵蚀,一个有效的预处理方法是为了获得单独的分裂球边缘连接部分。接下来,卵裂球的一种自动识别方法提出了用最小二乘法圆拟合。该算法测试381个胚胎显微图像从八细胞周期,获得和提供的结果与专家。胚胎识别错误率0 21.59%的入住率,和胚胎的比例错误识别号码是小于或等于2 83.16%。这个实验表明,我们的方法可以高效、快速识别的数量从一个胚胎卵裂球图像而不需要重建第一卵裂球的三维模型;这个方法既简单又有效。
1。介绍
自从第一个试管婴儿婴儿出生30多年前,试管婴儿技术取得了相当大的进展。然而,体外受精的效率仍然很低。因此,一个伟大的胚胎学家面临的挑战是如何识别最可行的胚胎植入。目前,医生只能为胚胎的可行性提供一个粗略的评估使用显微镜通过观察其形态学特征,这是主观的,通常是依赖于医生的个人经验(1,2]。此外,使用视觉观察是time-costly这种人工方法,该方法提供了一种定性而不是定量的结果。计算机辅助自动分析胚胎图像可以提供更准确的量化,这不仅增加了客观性选择胚胎的过程也加速识别(3- - - - - -6]。一般来说,在第三天胚胎图像,有几个重要的形态学指标胚胎生存能力评估:卵裂球的数量,卵裂球的均匀性和对称性7- - - - - -9]。特别是,卵裂球第三天受精后的数量是一个特别是重要的特性。范Royen et al。8)表示,第三天胚胎具有良好的生存能力有以下特点:(1)卵裂球的数量超过7;(2)在一个胚胎卵裂球的尺寸是相似的;(3)分段比例低。这些特性的基础上,识别的数量和相对大小卵裂球使用电脑可以跟踪及时卵裂球的发展。
然而,由于卵裂球的透明度,卵裂球之间的重叠,和图像的模糊性,很难自动分析胚胎卵裂球使用单一的形象。此外,由于胚胎是三维的,他们的图片不能反映出轮廓,卵裂球的位置,和其他重要的信息。获得的数量、大小和位置的卵裂球,Giusti et al。10)重建的三维形状卵裂球从多个图像中获得不同的重点。然而,重建的三维模型相对复杂,需要大量的胚胎获得的图像在不同的是对于每一个胚胎。皮德森et al。11)提出了一种三维重建算法,但它需要手动分割的2 d卵裂球的赤道轮廓。宁等。12)认识到细胞通过分析胚胎的视频,这需要很长时间。也有其他的研究有助于评估胚胎的质量使用提取的多个特性,包括形态学特征和临床特征(13- - - - - -16]。最近,一些研究人员采用延时图像评估人类胚胎(17,18]。因为我们的目标是确定卵裂球的数量和不精确提取轮廓,上面的方法是复杂的,需要特定的条件。我们所知,还没有相关研究胚胎卵裂球仅使用一个图像的识别。为此,我们旨在自动识别卵裂球的数量从3只有一天受精后胚胎图像。
首先,边缘曲线是通过有效地结合边缘探测器,multiconnected点探测器,和一些形态学算子;和卵裂球的中心。最后,卵裂球的数量从一个图像获得使用LSCF结合卵裂球的两个约束条件,包括胚叶细胞大小的上限和卵裂球的位置。这种方法只需要获取一些边缘曲线,避免了复杂的3 d重建卵裂球。
2。获取卵裂球的轮廓
边缘或边缘的一部分胚叶细胞识别非常重要。有必要进行图像预处理获得的一部分边缘之前圆拟合。每个弧后预处理应该单独连接。与大量的实验中,我们开发了一个预处理方法包括下列步骤。(1)灰度图像滤波后,胚叶细胞的边缘得到使用精明的经营者;然而,图像可能包含一些噪音和碎片,这应该在以下步骤中被删除。(2)删除multiconnected点和他们的领域,以及随后删除形成短弧含有少量的点。Multiconnected点指的是那些有超过三个连接的方向。只有single-connected圆弧拟合圆有一个角色,这样multiconnected点应该被删除。此外,短弧的定义很重要,因为它会影响拟合的结果。有必要强调multiconnected点时应记录删除第一次,这样他们可以被删除后的另一次执行扩张稀释操作,这将使一些转折点或multiconnected地区变得平滑,并不能轻易删除的切屑。(3)删除的转折点single-connected弧和录音。(4)膨胀变薄的方法。在原始图像,部分生产两个几乎平行的弧边太宽,扩张稀释方法是必要的,以储备只有一个。(5)删除新的multiconnected领域之前,这些记录。相同的操作将被执行在转折点。
预处理算法的流程图如图1。上述处理,弧保证单独连接,在下一步准备圆拟合。
3所示。圆拟合
卵裂球的形状是圆的,这样,每个分裂球合理进行圆拟合。由于胚叶细胞边缘的模糊性,我们不能确保拟合圆之间的一一对应,真正的胚叶细胞,因为它是可能的,不止一个弧对应相同的圆,即使拟合圆是不存在的或错误的。因此,一些限制被要求建立排除不合理的拟合圆。拟合的流程图可以观察到在图2。胚叶细胞识别的主要思想是先删除异常弧与一些约束,然后通过圆拟合,判断候选人弧属于相同的循环。
首先,整个拟合圆从单独连接弧在图像根据半径内评估,因为整个胚胎通常完全出现在一个图像。如果只有部分的圆的形象,我们将删除圈和删除相应的弧;否则,我们将评估是否弧弧属于同一类型,对应于相同的循环。让表示通过电弧集,每个对应一个不同的循环。如果是相同的类型作为一个弧弧集,这是合并相同类型弧;如果不是,那么新添加弧的集合。上面的操作被重复,直到所有的候选人确认。然而,可能会有一些重要的问题,即如何确定两个弧属于同一类型。为了解决这个问题,我们开发了三个因素条件:(1)相同类型的两个弧的中心应该接近彼此;(2)他们的半径应该有一个相似的大小;和(3)相应部门基本上不重叠。
3.1。最小二乘拟合
在这项研究中,我们采用最小二乘拟合方法适合分裂球形状;优化技术,我们发现最好的匹配函数,它对应于一组点的最小平方误差的总和。
3.2。删除异常圈
剪裁和调整原始图像后,胚胎通常是位于中心的形象。排除异常圈安装错误,我们介绍了一个约束拟合圆。我们检查了整个圆是否在图像,这表明,圆不应该出图像的范围。首先,圆心之间的距离和确定的四个边缘图像。接下来,这些距离与圆的半径。如果任何距离和半径之间的区别是小于一个特定的阈值,然后拟合圆被删除。识别结果与约束如图3。原始图像如图3(一个),单独连接弧图所示3 (b)。拟合结果没有约束,分别如图3 (c)和3 (d)。它也观察到最左边的圆图3 (c)根据形态和位置被卵裂球的特性。
(一)
(b)
(c)
(d)
3.3。“同样的弧”的决心
预处理后,我们获得了许多单独连接弧和两个或两个以上的弧可能来自同一胚叶细胞边缘。这些弧称为“相同类型的弧线。”来确定两个弧是相同类型的,以下步骤是必需的。首先,两个中心之间的距离的圆圈确认是否足够小,然后两个半径被检查,以确定他们是否相似。如果这两种情况建立了,那么两个部门对应两个弧进行评估,以确定任何重叠。如果没有重叠,那么两个弧被定义为“相同类型的弧线。“因此,每个弧的相应部门需要表示。
如图4,在坐标系统,半径从顺时针旋转了一段时间设在。因此,任何时候在圆可以由一个角度,任何弧可以唯一地表示为,在那里对应的起点,与结束点。
对于任何电弧,它是必要的,以确定它的起点(顺时针),这可能是意识到通过检查局部区域的像素点为中心,如图4。如果一个点显示只有一个邻居像素8-neighborhood中,它表示弧的端点。接下来,我们决定每个端点的象限的位置。如果是位于第一象限,然后检查是否有像素标签数字4,5或6 8-neighborhood。如果这些像素存在,那么这个端点的起点;否则,它是终点。同样,可以确定起点和终点的其他三个象限。接下来,参数和可以使用两个点的梯度计算。最后,我们确定相对应的两个行业两个弧重叠通过比较两个角度和。
4所示。实验和分析
4.1。参数设置
胚胎图像预处理和圆拟合涉及一些参数。我们做了实验,选择这些参数。在这项研究中,我们统一调整形象像素,和一些重要参数的值被许多研究建立。(1)当删除短弧后删除multiconnected点第一次弧的不到30像素被移除。第二次,阈值是20。最后一次删除短弧,阈值是15。(2)限制大小的候选人时,圆的半径是八分之一的行或列数之间的原始图像,三分之一的拟合圆的半径被保留。(3)消除错误的圆的候选人时,除了检查如果两个相同类型的相应的弧,同样重要的是要确定整个拟合圆内的形象。因此,比较圆的中心之间的距离和的四个边缘图像是必需的。一般来说,内圈完全形象,我们建立了最小距离图像的中心和边缘之间的2。如果距离参数的值太大,那么一些圆候选人在图像边缘附近可能错过;否则,一些假圈大半径可能不会被删除。
4.2。实验和讨论
我们进行了实验辅助生殖医学中心的381个胚胎图像海军总医院,解放军。胚叶细胞识别结果数从一个胚胎图像如图5。卵裂球的形象都是公认的使用我们的方法,识别错误的数量是0。这些结果表明,我们的方法可以准确地识别卵裂球的数量在某种程度上,尽管一些合适的圈子都比相应的真正的卵裂球。其原因可能是分裂球形状并不是真正的圆。然而,这并不影响识别号码和卵裂球的相对位置。
(一)
(b)
(c)
我们将我们的方法与经典的圆检测方法基于霍夫变换(19),也就是说,脚腕transform-based方法。图6显示了不同方法的检测结果。第一行显示5个胚胎图像随机选择从382年图像。第二行显示的识别结果的脚腕transform-based方法,第三行显示了我们的方法的结果。在每一列中,原始图像,识别结果从不同的方法从上到下所示。拟合的圆圈标记为蓝色,和未被发现的卵裂球的边缘手工描绘为红色。
我们认为评估胚胎学家的黄金标准,和卵裂球的数量的图像从左到右是8,7日,8日,10日,分别和7。对应于这些原始图像,识别结果的脚腕transform-based方法6、6、4、8和5,分别和错误的数字是2,1、4、2,分别和2。可以看到霍夫transform-based方法通常错过一些卵裂球,有时这是非常严重的,例如,在第四的形象。对于该方法,识别结果8,6,7,8,和6,分别和错误的数字是0,1,1,2,分别和1。第一图像大小和对称的卵裂球都是平等的。虽然两个卵裂球在中间略显模糊,我们的方法可以保留边缘的一部分,最后提供了正确的循环。第二图像,只有一个卵裂球不承认,这可能是由于重叠卵裂球和杂质;未被发现的边缘分裂球被错误删除在预处理阶段。第三图像,由于存在的分裂,分裂球边缘右上角的删除与分裂球附近的碎片。因此,这种分裂球是省略。 For the fourth image, the development of this embryo was rapid such that the number of blastomeres was relatively large. There were two blastomeres missing and thus could not be detected. The reason was that the boundary of one blastomere was not very sharp for detection even in the first process of edge detection, and the boundary of the other blastomere was cut into very short arcs by the neighboring blastomeres. For the last image, due to the cover of a large blastomere, a small blastomere could not be recognized.
比较我们的自动算法与踝关节transform-based方法在所有胚胎图像。表1列出了识别结果。
从表1,脚腕transform-based方法胚叶细胞识别的识别率很低,和错误的识别号码超过2 66.09%。原因在于脚腕transform-based方法容易受到的影响对象照明和强度图像的非均匀性,它是不可能检测圈在复杂的图像。我们的方法,有82图片的卵裂球都认识和错误检测的数量是0,占21.59%;146图片1中胚叶细胞未被发现,占38.27%;和89个胚胎图像2卵裂球未被发现,占据23.30%。这表明,图像与等于或小于2卵裂球不正确认识占83.16%。从表可以看出1我们的模型的识别率高于的脚腕transform-based方法作为一个整体。然而,该方法仍然未能认识到少量的卵裂球,这主要是由于假阴性的判断。胚胎图像之间的相对较大的细节差异导致其难以适应所有图像预处理的一些参数。此外,我们的方法是基于一个胚胎2 d图像识别卵裂球,这2 d图像并没有能够充分反映胚胎的三维信息。但是,这种方法仍然可以识别绝大多数的卵裂球。此外,它表现出一个低复杂性,少量的计算,识别速度快。特别是,该方法表现出良好的识别性能的胚胎图像边界相对明确。因此,这种方法是很有意义和有用的胚叶细胞识别,可以协助人类劳动,由于胚胎图像的比例小于2卵裂球而未被发现,为舞台。
5。结论
卵裂球的数量在3天是一个非常重要的形态指数评估胚胎的质量。目前,胚胎学家的主观观察通常是决定性因素。相关研究的自动识别图像使用胚胎卵裂球的数量是有限的。在这项研究中,我们提出一个方法自动识别的基于LSCF卵裂球3天,不首先需要重建的卵裂球的三维模型。此外,它可以有效地认识到胚胎卵裂球使用单一的形象。图片没有发现卵裂球占21.59%,和图像小于2未被发现的卵裂球占81.36%,符合临床要求。如果我们的方法是结合图像获得的在不同的重点,然后识别精度将大大增强。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作在一定程度上是由中国国家自然科学基金(61003134号,61170170,和61272363)和新世纪优秀人才计划的大学(ncet - 13 - 0051)。作者要感谢匿名评论者谁给了有价值的建议,帮助提高论文的质量。