尹寧，劉富，張玉

(吉林大學(xué)通信工程學(xué)院，吉林長春130025)

隨著人類基因組計(jì)劃(human genome project)的提出以及實(shí)施［1］，很多生物信息學(xué)的相關(guān)技術(shù)得到了飛速的發(fā)展.特別是基因芯片技術(shù)由于其強(qiáng)大的基因組信息分析功能，應(yīng)用于生物科學(xué)的眾多領(lǐng)域，成為許多研究機(jī)構(gòu)研究的重點(diǎn).在過去幾年中，國外已經(jīng)出現(xiàn)了一批商業(yè)或科研用的基因芯片圖像處理與分析軟件.而國內(nèi)成型的軟件產(chǎn)品不多，主要軟件技術(shù)都被國外大型軟件公司掌握，如Bluefuse、GenePix、ScanAlyze、QuantArray 等.這些軟件對芯片圖像的處理與分析或者采用手工、半自動的樣點(diǎn)定位方法，或者將樣點(diǎn)的形狀假定為圓形;由于實(shí)際的樣點(diǎn)圖像很少完全是圓形，有的呈現(xiàn)橢圓形，有的呈現(xiàn)空心形，因此這些商用軟件讀取信號的準(zhǔn)確率并不非?？煽?

由于基因芯片圖像容易受到制備和掃描過程中玻片不潔、光線不均以及雜交反應(yīng)不徹底等因素的影響［2］，如何濾除噪聲，并且完整地保留基因樣點(diǎn)的邊緣特征是基因芯片圖像分析的關(guān)鍵步驟.目前基因樣點(diǎn)分割算法［3］主要有模板匹配［4-5］、閾值分割以及特殊理論(如形態(tài)學(xué)分割［6］、模糊聚類分割算法［7］)等.通過對一些算法的比較，本文選用了最小誤差閾值分割算法對基因樣點(diǎn)進(jìn)行分割處理得到了較好的效果.尤其是針對基因芯片圖像中基因樣點(diǎn)模糊、與背景對比度不清晰的情況，分割處理的效果良好，可以完整地分割基因樣點(diǎn)并保留其邊緣細(xì)節(jié)特征，大大提高了基因芯片識別的效果.

1 最小誤差閾值分割算法

最小誤差閾值法［8］是基于Bayes理論，由Kittler和Illingworth提出的，國際上有很多學(xué)者對該算法進(jìn)行了研究，目前已經(jīng)提出了很多最小誤差閾值算法的改進(jìn)算法以及二維擴(kuò)展算法等.通常為了更加清楚地描述該方法，大多選用信息論中的相對熵的概念進(jìn)行解釋.

設(shè)I為一幅大小為M×N的數(shù)字圖像，圖像上各點(diǎn)的像素值由函數(shù)f(x，y)來表示，x、y為該點(diǎn)的橫縱坐標(biāo)值，且 f(x，y)∈G={0，1，…，L －1}.圖像的灰度直方圖用p(g)來表示，它可以看成是由目標(biāo)和背景2個區(qū)域像素組成的混合總體的概率密度函數(shù):

式中:Pi是子分布的先驗(yàn)概率，p(g)的2個子分布p(g/i)分別服從均值為μi、方差為σi的正態(tài)分布:

對于閾值t∈G，最小誤差閾值方法給出函數(shù):

式中:

最佳閾值選為使 J(t)最小化的 t*，t*=.本文根據(jù)上述的分割算法原理，對基因芯片圖像進(jìn)行圖像分割處理.圖1為上述算法與其他常見的基因芯片圖像分割算法的實(shí)驗(yàn)對比圖.

針對基因芯片圖像的特點(diǎn)進(jìn)行仿真實(shí)驗(yàn)，綜合觀察3種閾值分割方法得到的圖像，可以看出迭代法和最大類間差閾值分割算法(Ostu算法)［9］較為簡單，處理速度快;但是得到的分割圖片中，基因樣點(diǎn)的缺損比較多，對于與背景灰度靠近的樣點(diǎn)往往不能識別.最小閾值分割算法雖然有些復(fù)雜但是能得到較好的效果，能夠更完整地分割出基因芯片中的基因樣點(diǎn)區(qū)域，為后續(xù)求得基因樣點(diǎn)的平均灰度值提供了很好的支持.

圖1 幾種分割算法的比較Fig.1 Comparison of several segmentation algorithms

2 實(shí)驗(yàn)結(jié)果及分析

應(yīng)用上述的最小誤差閾值算法，本文構(gòu)建了一個基因芯片分析體系，主要分為圖像預(yù)處理、圖像識別以及數(shù)據(jù)提取和分析3個步驟.為了測試基因芯片分析結(jié)果，選用凡敏等制備完成的基因芯片(基孔肯亞病毒與辛德畢斯病毒特異性檢測基因芯片［10］)作為實(shí)驗(yàn)樣本，具體處理步驟如下.

2.1 圖像預(yù)處理與識別

通過芯片掃描儀得到的基因芯片圖像是彩色圖像，如圖2所示.為了便于后續(xù)處理并且提高圖像質(zhì)量，首先要進(jìn)行圖像預(yù)處理，其中包括圖像灰度化、自適應(yīng)中值濾波［11-12］以及適當(dāng)?shù)膶Ρ榷仍鰪?qiáng)處理.圖3為圖2(a)所示的基因芯片圖像預(yù)處理之后的結(jié)果.

實(shí)驗(yàn)得到預(yù)處理之后的芯片圖像，再經(jīng)過基因樣點(diǎn)網(wǎng)格定位和圖像分割2個處理過程之后，就可以把基因芯片圖像中的每個基因樣點(diǎn)都分離出來.采用基于功率譜的投影網(wǎng)格定位算法［13］以及上面介紹的最小誤差閾值分割算法處理芯片圖像，得到如圖4的結(jié)果.

圖2 彩色基因芯片圖像Fig.2 Color cDNA microarray images

圖3 基因芯片圖像預(yù)處理結(jié)果Fig.3 Pretreatment with cDNA microarray image

圖4 圖像識別結(jié)果Fig.4 Image recognition results

2.2 數(shù)據(jù)提取和分析

網(wǎng)格定位確定了每個基因樣點(diǎn)圖像的具體位置，圖像分割又把每個小區(qū)域內(nèi)的基因樣點(diǎn)與背景成功地分離出來，接下來按照基因樣點(diǎn)的分布把圖4(b)分割成若干個小圖片.

通過觀察基因樣點(diǎn)的形態(tài)和亮度特性，選擇應(yīng)用基因樣點(diǎn)的平均灰度、面積、周長以及圓度4個特征參數(shù)來描述基因樣點(diǎn).因此，基因樣點(diǎn)的圖像信息就成功地轉(zhuǎn)化成了數(shù)據(jù)信息，把這些信息整理成數(shù)據(jù)集，通過一系列的模糊聚類和層次聚類分析［14］可以成功地把病毒樣點(diǎn)和對照樣點(diǎn)區(qū)分開來.聚類分析的可視化結(jié)果如圖5所示，其中圖5(a)橫坐標(biāo)表示各基因樣點(diǎn)的平均灰度，單位為灰階，縱坐標(biāo)表示各基因樣點(diǎn)的周長，單位是像素點(diǎn)個數(shù);圖5(b)橫坐標(biāo)表示樣點(diǎn)標(biāo)號，縱坐標(biāo)表示各數(shù)據(jù)集之間的歐式距離.

圖5 聚類分析結(jié)果Fig.5 Results of cluster analysis

根據(jù)最小誤差分割算法建立的基因芯片分析體系，能得到符合基因樣點(diǎn)信息的分類結(jié)果.并且依據(jù)現(xiàn)有的一些基因芯片檢測圖像，按照病毒類別和濃度的不同，把眾多基因樣點(diǎn)分類得到的結(jié)果與已知的基因芯片制備設(shè)計(jì)的樣點(diǎn)分類情況進(jìn)行比較，即可以計(jì)算出測試分類的準(zhǔn)確率(正確區(qū)分的基因樣點(diǎn)個數(shù)/待區(qū)分的基因樣點(diǎn)總數(shù)).通過多組圖片的分類實(shí)驗(yàn)，分別計(jì)算準(zhǔn)確率，最終求得準(zhǔn)確率的平均值結(jié)果如表1.

表1 分類準(zhǔn)確率匯總Table 1 Accuracy summary

從表1可以看出，受到基因芯片制備條件和處理算法的影響，每組實(shí)驗(yàn)結(jié)果的準(zhǔn)確率有很大的不同.總體來看，對于同一組小芯片中不同基因樣點(diǎn)的分類結(jié)果要好于不同組小芯片中基因樣點(diǎn)的分類.基因樣點(diǎn)病毒間差異的分類結(jié)果要優(yōu)于同病毒不同濃度的分類結(jié)果.尤其是針對樣點(diǎn)信號和背景圖像對比不大的情況，算法的分割效果較好.

3 結(jié)束語

上述實(shí)驗(yàn)表明，應(yīng)用最小誤差閾值分割算法設(shè)計(jì)的基因樣點(diǎn)識別系統(tǒng)能夠成功地把基因芯片中大量的基因樣點(diǎn)區(qū)分出來，并且計(jì)算描述基因樣點(diǎn)的特征參量數(shù)值.通過分析這些數(shù)據(jù)基因芯片系統(tǒng)實(shí)現(xiàn)了基因樣點(diǎn)分類的功能，但準(zhǔn)確率還不是很高，對于基因樣點(diǎn)間的細(xì)微差別還是無法識別，有待于今后在算法上進(jìn)一步完善.

同時，由于基因芯片種類較多，制備方法不盡相同，而且基因芯片掃描儀型號各異，因此不同種類基因芯片圖像存在很大的差異.本文基因芯片圖像來源有限，很多類型的基因芯片圖像還未應(yīng)用到本文描述的基因芯片識別系統(tǒng)進(jìn)行分析處理.今后還需多方搜集實(shí)驗(yàn)樣本，檢測該系統(tǒng)的性能，使其不斷完善以及有更廣泛的適用范圍.

［1］MALEKINEJAD H，SCHOEVERS E J，DAEMEN J，et a1.Exposure oocytes to the Fusarium toxins zearalenone and deoxynivalenol causes aneuploidy and abnormal embryo development in pigs［J］.Biology of Reproduction，2007，77(5):840-847.

［2］WIESE K C，EICHER C.Graph drawing tools for bioinformatics research:an overview computer based medical systems［C］//Proceedings of the 19th IEEE Symposium on Computer-Based Medical Systems.Washington，DC，USA:IEEE Computer Society，2006:653-658.

［3］張晶，王黎，高曉蓉，等.數(shù)字圖像處理中的圖像分割技術(shù)及其應(yīng)用［J］.信息技術(shù)，2010(11):33-39.ZHANG Jing，WANG Li，GAO Xiaorong，et al.The image segmentation technology and its application in digital image processing［J］.Information Technology，2010(11):33-39.

［4］CECCARELLI M，ANTONIOL G.A deformable grid-matching approach for microarray images［J］.IEEE Transactions on Image Processing，2006，15(10):3178-3188.

［5］BAJCSY P.An overview of DNA microarray grid alignment and foreground separation approaches［J］.EURASIP Journal on Applied Signal Processing，2006，2006(1):080163.

［6］王宇，陳殿仁，沈美麗，等.基于形態(tài)學(xué)梯度重構(gòu)和標(biāo)記提取的分水嶺圖像分割［J］.中國圖象圖形學(xué)報(bào)，2008，13(11):2176-2180.WANG Yu，CHEN Dianren，SHEN Meili，et al.Watershed segmentation based on morphological gradient reconstruction and marker extraction［J］.Journal of Image and Graphics，2008，13(11):2176-2180.

［7］劉華軍，任明武，楊靜宇.一種改進(jìn)的基于模糊聚類的圖像分割方法［J］.中國圖象圖形學(xué)報(bào)，2006，11(9):1312-1316.LIU Huajun，REN Mingwu，YANG Jingyu.An improved image segmentation method based on fuzzy clustering［J］.Journal of Image and Graphics，2006，11(9):1312-1316.

［8］范九倫，雷博.二維直線型最小誤差閾值分割法［J］.光電工程，2009，31(8):1801-1806.FAN Jiulun，LEI Bo.Two-dimensional linear-type minimum error threshold segmentation method［J］.Journal of Electronics ＆ Information Technology，2009，31(8):1801-1806.

［9］譚優(yōu)，王澤勇.圖像閾值分割算法實(shí)用技術(shù)研究與比較［J］.計(jì)算機(jī)信息，2007，23(24):233，298-299.TAN You，WANG Zeyong.Study on applied technology arithmetic of image threshold segmentation［J］.Microcomputer Information，2007，23(24):233，298-299.

［10］凡敏，田明堯，趙權(quán)，等.基孔肯亞病毒和辛德畢斯病毒檢測基因芯片的建立［J］.中國獸醫(yī)學(xué)報(bào)，2012，32(10):1493-1497.FAN Min，TIAN Mingrao，ZHAO Quan，et al.Establishment and application of gene chip for Chikungunya virus and Sindbis virus［J］.Chinese Journal of Veterinary Science，2012，32(10):1493-1497.

［11］王曉凱，李峰.改進(jìn)的自適應(yīng)中值濾波［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46(3):175-176，218.WANG Xiaokai，LI Feng.Improved adaptive median filte-ring［J］.Computer Engineering and Applications，2010，46(3):175-176，218.

［12］郭海霞，謝凱.一種改進(jìn)的自適應(yīng)中值濾波算法［J］.中國圖象圖形學(xué)報(bào)，2007，12(7):1185-1188.GUO Haixia，XIE Kai.An improved method of adaptive median filter［J］.Journal of Image and Graphics，2007，12(7):1185-1188.

［13］胡園園，孫嘯，何農(nóng)躍，等.基于圖像投影的基因芯片圖像網(wǎng)格定位［J］.生物醫(yī)學(xué)工程學(xué)雜志，2005，22(4):668-671.HU Yuanyuan，SUN Xiao，HE Nongyue，et al.A genechip image grid localization method based on profiles of image［J］.Journal of Biomedical Engineering，2005，22(4):668-671.

［14］李明華，劉全，劉忠，等.數(shù)據(jù)挖掘中聚類算法的新發(fā)展［J］.計(jì)算機(jī)應(yīng)用研究，2008，25(1):13-17.LI Minghua，LIU Quan，LIU Zhong，et al.New developments of clustering methods in data mining［J］.Application Research of Computers，2008，25(1):13-17.