文摘

提出了一种改进的活动轮廓模型的分割和跟踪单个淋巴细胞的精确边界相衬显微照片。活动轮廓模型已经广泛应用于对象分割和跟踪。然而,目前external-force-inspired方法在处理低对比度弱边缘和初始化敏感。为了段低对比度的界限,我们结合对象的区域信息,提取的形态学灰度重建和边缘信息,提取的拉普拉斯算子的高斯滤波器,得到一种改进的特征映射到计算的进化的外力场活跃的轮廓。缓解初始位置的敏感性,我们设置初始轮廓接近真正的边界进行形态学图像处理。该方法测试现场淋巴细胞图像通过相差显微镜从小鼠的血液样本,和比较实验结果显示该方法的优点的准确性和速度。跟踪实验表明,该方法可以准确地分割和跟踪淋巴细胞显微图像中边界随着时间的推移,即使在低对比度的边缘,这将提供一个好的前提条件的定量分析淋巴细胞形态和能动性。

1。介绍

细胞显微图像形态学和能动性的研究是至关重要的理解和治疗各种生物过程(1,2]。众所周知,淋巴细胞参与免疫反应。临床医生观察到淋巴细胞是高度可变形物体在特殊条件下,尤其是发生移植排斥。定量分析淋巴细胞的形态和能动性在免疫反应的研究非常有意义。淋巴细胞边界的分割和跟踪是一个先决条件的定量分析细胞形态学和能动性3,4]。手动分割是主观的,费时,而且容易出错。因此,细胞所需的自动分割和跟踪,提出了许多这样的方法。

传统的图像分割方法,如阈值,区域增长,和分水岭,可能产生不正确的对象的边界,因为只考虑本地信息,虽然活动轮廓模型可以细分,比赛,和跟踪对象利用(自下而上)限制来源于图像数据一起(自上而下)先验知识的位置,大小,形状(5]。因此他们都进行了广泛的研究和用于医学图像分割自从引入活动轮廓模型中(6]。齐默等人利用参数活动轮廓模型分割和跟踪迁移细胞显微视频(7]。阿克顿的研究小组发现和跟踪基于形状和白细胞size-constrained活动轮廓模型(8,9]。梅耶尔等人应用改进的水平集方法来跟踪与延时细胞荧光显微镜(4]。Seroussi等人利用方向梯度向量流蛇段和跟踪活细胞相衬显微照片(10]。

一般来说,有两种类型的活动轮廓表示和分类的实现:参数和几何主动轮廓。前者类型通常建立能量函数组成的内部和外部能量项。后者是含蓄地表示为水平集函数的零交叉,可以解决拓扑变化优雅高计算复杂度为代价的(11]。基于参数活动轮廓模型的分割方法被用于我们的研究因为拓扑变化的观察淋巴细胞都是免费的。

一些方法来追踪细胞已经发展在过去的几十年中(4,12]。一般来说,它们可以根据跟踪策略分为两类。第一类,根据“先检测,然后追踪”的原则,最初在第一帧检测对象,然后建立了检测对象之间的联系从帧到帧基于某些标准(13]。第二类基于集成算法的分割和跟踪计划通常被称为活动轮廓模型。在活动轮廓模型中,分割和跟踪执行同时拟合模型的图像数据,和轮廓演化的结果在前一帧作为后续帧的初始轮廓。这些算法的优点是,所有可用的信息与前一帧可以直接纳入后续帧的分割。所以跟踪是实现从帧到帧分割对象。在本文中,我们采用第二类算法(活动轮廓模型)段和跟踪单元边界。

活动轮廓模型面临两个挑战。首先,准确分割边缘低对比度或noise-contaminated时可能发生。第二,活动轮廓模型对初始位置通常是敏感。为了解决这些困难,提出了三种方法:edge-based模型(能源优化是由图像的边界信息),提出模型(能源优化是由图像的区域信息),和混合模型。许多外部因素,提出了在不同的应用程序,如气球力(14),梯度向量流(预防)15)、虚拟电场(16使用向量场,外力卷积(由变频控制)17]。由变频控制蛇,其中一个外力计算卷积边缘地图用户定义向量场内核,更健壮的噪音和更少的计算成本,相比于经典养狐业蛇。然而,初始化灵活性仍受到限制。的初始轮廓,证明是重要的(18,19),根据外力的发展领域,和外部力场计算通过边缘地图。拟议的外力场的概念在本文的灵感来源于19],它引入了一个修改功能映射基于哈里斯探测器由变频控制蛇。

我们注意到上述的方法分割和跟踪关注跟踪细胞的细胞而不是准确提取边界。为了段和跟踪淋巴细胞的精确边界的图像序列,我们提出一种新颖的功能映射基于形态学灰度重建和日志过滤器(MGRL)计算外部活动轮廓的进化的力场。我们利用给定图像的区域信息通过应用形态学灰度重建(20.并利用边缘信息通过日志过滤器。缓解初始化灵敏度和减少迭代次数,初始化活动轮廓接近阶段光环的初始分割。

剩下的纸是组织如下。部分2综述几种活动轮廓模型和其外部力场。部分3提出了改进的基于MGRL-feature外力地图,并给出数值实现。淋巴细胞轮廓的初始化也介绍了在这一节中。节4我们运用活动轮廓模型,提出外部力场段和跟踪淋巴细胞边界和比较实验结果与其他方法。结论给出了部分5。

2。相关工作

活动轮廓曲线定义在图像域可以移动在内力和外力的影响下6]。在数学上,活动轮廓由参数定义轮廓,和发展一个图像的空间域内最小化能量函数如下: 上标””表示阶导数和和代表程度的权重参数活动轮廓的弹性和刚性,分别。前者使轮廓表现得像一个弹性字符串,而后者使轮廓表现得像一个刚性杆6]。外部能量代表图像的约束,定义将向一个对象边界活动轮廓或其他所需的特性。使用变分法[21),一个最小化的活动轮廓(1)必须满足欧拉方程 解决方案(2)是通过计算稳态解的梯度流如下:

徐和梯度向量流定义为王子的外力活动轮廓的进化(15]。他们提议的方法代替在(2与向量场)通过最小化函数计算 在哪里是一个正则化参数。通常使用的地图形式的优势是 在哪里是高斯函数的标准偏差(STD)和在这项研究中。

李和阿克顿提出另一个外力场活动轮廓的进化(17),外部力量在(2)被替换为外部力场: 在哪里向量场内核:;是单位向量指向内核的起源,;是一个积极的参数来控制减少,在这项研究中;和是一个小的正数。

在活动轮廓模型中,外力,计算边缘地图,确定活动轮廓的演变。一个好的边缘地图(特征地图)应该强调正常和低对比度的边缘一样。为了减少非均匀边缘强度的影响,突出相衬显微图像的低对比度的边缘,我们提出一种新颖的功能映射而不是传统的边缘映射计算外部力量,提供如下。

3所示。该方法

3.1。改进的基于MGRL-Feature外力场地图

提出了特征映射基于经理和日志过滤器(MGRL-feature地图) 在哪里是一个低通滤波器,实现了通过删除所有连接地区不到(15 ~ 20)从二进制图像像素;是拉普拉斯算符;高斯函数的卷积吗和。 表示的经理从。感兴趣的区域(ROI)。下过程可以填补这一强度不均匀性引起的“洞”的形象,这是定义如下(20.]。让和是两个灰度图像上定义相同的离散域,在那里,和为每个像素。的经理的从是由,,在那里是连续的阈值;为,,这些集合满足下面的包容关系,。

我们强调边缘寻找零交叉通过过滤下形象与日志过滤器。性病的日志过滤器2,13-by-13大小。同时因为日志过滤器检测到许多支离破碎的边缘,我们使用一个低通滤波器忽略高频边缘。

外部基于MGRL-feature地图的力场

在我们的研究中,相衬成像用于细胞图像采集为了观察单个淋巴细胞形态和能动性在很长一段时间。只有一个target-lymphocyte中心的观点在每个微观序列,和视频记录由临床医生的帮助。一个示例框架如图所示1(一),其中包含object-lymphocyte的ROI被标记为矩形的用户。两个不同的外力字段标记矩形图所示1 (b)和1 (c)分别,这表明提出的外力场计算特征地图比传统的稀疏的边缘地图。由于高频率成分的功能映射是通过一个低通滤波器,外力向量只出现在边缘,从而加速活动轮廓的演变。

3.2。数值实现

基于改进的外力由变频控制蛇最小化能量函数如下: 在哪里表示改善外部能量。利用微积分的变化21的最小化),(9)必须满足欧拉方程 在哪里表示改善外部力场来自。方程(10)相当于以下表达式: 解决方案(11)是通过计算梯度下降法方程如下: 使用有限差分方法离散网格,迭代解(12)如下6]: 在哪里对应于离散时间表示每个交互的时间步。的离散近似通过离散化区间成均布的小区间的长度。代替导数的区别;然后我们得到的二阶导数,。以这种方式可以获得高阶导数。

3.3。初始轮廓

活动轮廓模型可能收敛于一个不正确的边界如果初始轮廓远非真正的边界。为了缓解初始化敏感,我们初始化轮廓接近真正的由一个初始分割边界。在这项研究中,对象的初始轮廓是由以下步骤。(1)用户选择一个矩形内ROI图像,如图2(一个)。(2)ROI应用下,如图2 (b)。结果表明,淋巴细胞区域是有别于其他红、白细胞和背景。(3)从图获取二进制图像2 (b)通过阈值技术。选择合适的阈值是基于强度直方图分布。假设如下:只有一个target-lymphocyte在每个图像/框架,并且没有target-lymphocyte和其他细胞之间发生重叠。强度最大的强度分布直方图是选为最优强度阈值。假设用力推最优阈值;图像二值化处理是指(14)。关键结果如图2 (c): (4)二值化后,应用形态学操作,包括打开和关闭,获得初始分割。使用扁平的盘状结构元素,指定的半径是3。然后我们获得对象的粗二进制图像。的初始轮廓接近真正的边缘,从二进制图像中提取,如图2 (d)。

4所示。实验和结果

在这项研究中,得到了活细胞的图像序列的光相差显微镜的放大倍数16000从血液样本被收集从老鼠的尾巴(6 - 8周大,20 - 22克重)。注意,在实验中,只有一个target-lymphocyte在每一个图像,这是中心的视图和其它红色和白色细胞分开。

4.1。淋巴细胞边界分割的准确

我们随机选择25相衬显微照片。手动分割的结果是用作地面真理在很多研究中虽然有局限性。因此由三个专家手工分割结果的平均值作为地面真理在我们的研究中。验证该方法性能,我们比较分割结果与其他三种类型的广泛使用的主动轮廓:预防蛇,edge-based测地线活动轮廓(GAC),提出Chan和Vese活动轮廓模型(简历)。在验证预防蛇,活动轮廓演化方程(类似13),除了它使用梯度向量场作为外部力量。广汽的进化,在那里气球力,曲率,是边缘函数。简历的进化,在那里和是两个常数平均强度内外轮廓,分别;,,,是固定的参数。详细的参数设置的四个方法(养狐业、广汽、简历,以及改善由变频控制)表中列出1。图3显示了广汽之间比较,养狐业,简历,该方法,手动分割结果。活动轮廓模型的初始轮廓的初始分割得到的如上所述(见部分3所示。3)。迭代数量和执行时间如表所示1。2.93 GHz CPU上的实验,4.00 G内存的电脑。如我们所见,养狐业的结果和广汽遭受边缘泄漏以外的细胞由于低对比度的界限。CV方法未能段细胞与细胞内强度变化图像。该方法VFC_MGRL能找到准确的边界在低对比度的边缘由于改善外部力场。该方法的分割结果接近专家的手工分割结果,更好的细节。手动分割的专家,很难段细胞突出物一致,但该方法可以收敛到边缘的细节。

定量评估分割,Jaccard系数()是用来衡量相似性分割结果和地面真理,它被定义为之间的比例大小的集的交集和工会的大小;也就是说,,在那里表示和分割结果是地面真理。图4分别显示了25张图片详细的评估结果。参数设置如表所示1。重要的是要注意,提出VFC_MGRL蛇方法优于传统的同行在大多数情况下。

比较不同的分割方法的性能,通过不同的方法分割结果的统计分析如表所示2,性病是标准差。

4.2。淋巴细胞边界跟踪准确

活动轮廓模型允许我们同时解决分割和跟踪问题。这个概念是由淋巴细胞,淋巴细胞跟踪实现逐帧分割。在第一帧的初始轮廓淋巴细胞通过一个初始分割,和第二帧,得到初始轮廓的前一帧的轮廓演化的结果。也就是说,最后的轮廓上一帧被认为是当前帧的初始轮廓在活动轮廓的进化。分割和跟踪的过程在图中描述5(一个)。

步骤1。读取视频的第一帧,然后选择用户包含target-lymphocyte的ROI,如图1(一)。

步骤2。提取初始轮廓接近地面的真相。在视频的第一帧,这是实现了经理和阈值技术(如介绍部分3所示。3);在后续帧,得到初始轮廓与前一帧由于淋巴细胞位置的振动不是连续帧之间的不同。

步骤3。计算ROI的改善外部力场,然后实现活动轮廓的进化根据初始轮廓。活动轮廓的演变的结果是最后的边界的淋巴细胞。

步骤4。如果当前帧是最后一帧,淋巴细胞跟踪过程结束;如果没有,去下一个帧的视频重复步骤3直到最后一帧。

淋巴细胞的精确边界然后从帧到帧通过VFC_MGRL蛇。

淋巴细胞跟踪的一个结果是显示在图5 (b),这表明,该算法可以准确地跟踪target-lymphocyte边界和遵循淋巴细胞形状随时间的动态变化在一个半自动的时尚。在第一帧,ROI是由用户选择;在后续帧,对象边界自动分割和跟踪。

5。结论

提出了VFC_MGRL活动轮廓模型的分割和跟踪单个淋巴细胞的精确边界相衬显微图像。视频中,从最初的轮廓,活动轮廓收敛到精确边界根据改善外部力场。MGRL-feature地图可以充分利用给定的图像,通过融合的优势下,日志过滤器。因此,它可用于定义一个有效的外部力场时检测低对比度的界限。缓解初始化敏感问题,第一帧的初始轮廓抽象在地面真理由一个初始分割;获得的初始轮廓后续帧与前一帧。相衬显微图像和测试方法执行优于其他方法,这将提供一个好的前提条件的定量分析淋巴细胞形态和能动性。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(61271112)和也支持中西部大学综合实力提升的项目。作者要感谢总统的北京国安医院,李宁,提供显微细胞图像。