汪傳忠，史永剛，武海燕

(1. 南昌航空大學(xué) 信息工程學(xué)院，江西 南昌 330063； 2. 南昌航空大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌 330063)

?

基于灰階的挖空細(xì)胞篩選預(yù)處理方法

汪傳忠1，史永剛1，武海燕2

(1. 南昌航空大學(xué) 信息工程學(xué)院，江西 南昌 330063； 2. 南昌航空大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌 330063)

摘要:挖空細(xì)胞跟正常細(xì)胞是不同的，它是一種病變的一種體現(xiàn)，在高倍顯微鏡成像中需要將挖空細(xì)胞與正常細(xì)胞區(qū)分開(kāi). 本文提出挖空細(xì)胞在灰階形式下的區(qū)分方法，挖空細(xì)胞相比于正常細(xì)胞的特征在灰階圖中能較好體現(xiàn)，分析并處理挖空細(xì)胞灰階圖，從而區(qū)分挖空細(xì)胞與正常細(xì)胞. 實(shí)驗(yàn)結(jié)果表明，該方法可有效地區(qū)分挖空細(xì)胞與正常細(xì)胞.

關(guān)鍵詞:挖空細(xì)胞； 灰階圖； 均方差； 變異系數(shù)； 灰階變化率

0引言

在數(shù)字圖像中觀察到的細(xì)胞圖是立體的細(xì)胞投影形成的. 挖空細(xì)胞體的中心位置細(xì)胞漿比較少，投過(guò)光亮后體現(xiàn)到二維視野中顯得亮度較高，經(jīng)過(guò)光亮后細(xì)胞體外側(cè)的胞漿體現(xiàn)到二維視野中就顯得亮度較暗，最后整體在視野中就形成了數(shù)字圖像中的挖空細(xì)胞形態(tài).

挖空細(xì)胞的形態(tài)特征[1]為： ① 核周空穴樣氣泡，與深染的邊緣細(xì)胞質(zhì)有較清楚的邊界； ② 細(xì)胞核明顯增大； ③ 細(xì)胞質(zhì)豐富而成熟分化，邊緣厚薄不整齊、 不均勻. 這些特征會(huì)經(jīng)過(guò)采集設(shè)備得到的圖像體現(xiàn)到灰階圖中，挖空細(xì)胞的核周空穴、 細(xì)胞質(zhì)、 細(xì)胞核都是以不同的灰度階級(jí)表現(xiàn)，其在灰階圖中有較多的變化量. 而正常細(xì)胞除細(xì)胞核之外，其細(xì)胞質(zhì)分布較為均勻，其在灰階圖中灰度階表現(xiàn)的更為平滑、 均勻，變化量較小. 挖空細(xì)胞的灰階圖見(jiàn)圖1(a)～圖1(e)，正常細(xì)胞的灰階圖見(jiàn)圖1 (f)～圖1(j). 通過(guò)對(duì)比挖空細(xì)胞與正常細(xì)胞的整體灰階分布和灰階邊緣變化率的區(qū)分性可以證明： 它們之間的區(qū)分性確實(shí)存在且有較好的區(qū)分效果.

圖1　挖空細(xì)胞與正常細(xì)胞的灰階圖Fig.1　Gray-scale picture of koilocytotic cells and normal cells

1灰階分布分析與處理原理

正?；译A細(xì)胞圖除細(xì)胞核之外的胞漿部分,其灰階值分布較為均勻.挖空細(xì)胞的細(xì)胞核周?chē)腔译A值較大的空腔部分,空腔外圍是灰階值相對(duì)較小的細(xì)胞漿部分.挖空細(xì)胞除細(xì)胞核之外主要包括兩個(gè)部分即空腔與細(xì)胞漿,且兩個(gè)部分的灰階存在一定的差異.

1.1灰階分布離散度

在灰階圖像中,將細(xì)胞組成簡(jiǎn)單分為兩個(gè)部分即細(xì)胞核和細(xì)胞漿.挖空細(xì)胞的”細(xì)胞漿”又同時(shí)包含兩個(gè)部分:空腔、 細(xì)胞漿，這兩部分的灰階值有一定的差異，那么其”細(xì)胞漿”的灰階值分布不均勻，較為分散. 為了便于觀察，對(duì)圖1 中的挖空細(xì)胞圖1(a) 與正常細(xì)胞圖1(f) 的灰階分布用直方圖的形式表現(xiàn)出來(lái)，如圖2 所示.

圖2　灰階直方圖Fig.2　Gray histogram

由圖2 可以看出，挖空細(xì)胞的灰階值分布較為分散，說(shuō)明其灰階值變化較大. 正常細(xì)胞的灰階值分布較為集中，說(shuō)明其灰階值變化不大[2,3].

1.1.1均方差

對(duì)于以上這種分布離散的情況，使用灰階均方差的概念來(lái)度量. 均方差是各個(gè)數(shù)據(jù)與平均數(shù)之差的平方和的平均數(shù)的方根，其數(shù)值越大，說(shuō)明整體的灰階值波動(dòng)越大[4].

(1)

式中：Xi表示樣本數(shù)組中第i個(gè)成員的數(shù)值即細(xì)胞漿中第i個(gè)像素的灰階值，N表示樣本數(shù)組的數(shù)量即細(xì)胞漿中像素點(diǎn)的個(gè)數(shù)，u表示樣本數(shù)組的平均值即細(xì)胞漿的灰階平均值. 它是衡量灰階值的波動(dòng)大小.

1.1.2變異系數(shù)

均方差能很客觀準(zhǔn)確地反映一組數(shù)據(jù)的離散程度，但為了增加不同類(lèi)型的目標(biāo)或相同類(lèi)型的不同目標(biāo)的可比性，引入了變異系數(shù)CV[5,6].

變異系數(shù)是衡量待檢數(shù)值變異程度的另一個(gè)統(tǒng)計(jì)量. 變異系數(shù)是一個(gè)百分?jǐn)?shù)，在本文中不影響計(jì)算，所以省略，其計(jì)算公式為：

(2)

式中：SD表示數(shù)據(jù)的均方差；Mean表示數(shù)據(jù)的平均值. 一般來(lái)說(shuō)，變量值平均水平越高，其離散程度也越大.

1.2灰階邊緣變化率

邊緣是賦給單個(gè)像素的性質(zhì)，是亮度函數(shù)發(fā)生急劇變化的位置，用圖像函數(shù)在改像素一個(gè)領(lǐng)域處的特性來(lái)計(jì)算. 假定區(qū)域具有均勻的亮度，其邊界就是圖像函數(shù)變化的位置，如果有部分位置的亮度函數(shù)有急劇變化，那么均勻區(qū)域的邊界相對(duì)就會(huì)變的不明顯[7].

挖空細(xì)胞的空腔與細(xì)胞漿的灰階值有一定的差值，那么在空腔與細(xì)胞漿的接觸位置因灰階值的差異會(huì)凸顯出邊緣部分. 而正常細(xì)胞的細(xì)胞漿部分的灰階值分布較為集中，各個(gè)像素之間也是有灰階值差異的，但差異值較為細(xì)微，所以整體來(lái)看正常細(xì)胞的細(xì)胞漿灰階會(huì)顯得分布比較均勻.

圖3　挖空細(xì)胞灰階邊界剖面圖Fig.3　Gray-scale edge profile of koilocytotic cells

圖3(b) 是圖3(a) 中空腔與外側(cè)細(xì)胞漿隨意選的剖面灰階圖. 由圖3(b) 可以體現(xiàn)兩點(diǎn)： ① 空腔與細(xì)胞漿交界處的灰階值急劇變化，因而顯示出它們的交界處有明顯的邊緣; ② 在分布較為均勻的細(xì)胞漿和空腔，各個(gè)部分里都有一定的灰階變化，只是相對(duì)的不明顯.

為了能體現(xiàn)邊緣的灰階變化，使用灰階梯度的方式來(lái)計(jì)算[8]. 數(shù)字圖像本質(zhì)上是離散的，因此使用差分的方式來(lái)體現(xiàn)其導(dǎo)數(shù)計(jì)算[9]. 圖像在橫向(i)和縱向(j)的一階差分公式為：

(3)

式中：n是整數(shù)，通常取1，因?yàn)閿?shù)值n選擇足夠小可以較好地近似導(dǎo)數(shù)[10,11]. 在本文中對(duì)于n選取的值是2，這樣的選取是為了避免圖像函數(shù)中的不重要的變化. 邊緣部分的高對(duì)比度相應(yīng)的灰階差值也會(huì)較大，使用灰階差值來(lái)表征邊緣幅度.

2具體的實(shí)現(xiàn)方法

本文的處理是在定位到細(xì)胞，同時(shí)得到完整細(xì)胞的前提下進(jìn)行的. 分別計(jì)算出細(xì)胞除去細(xì)胞核之外的部分的灰階值均方差與變異系數(shù)、 灰階變化率的值，再跟提前學(xué)習(xí)的特性值做比較，已達(dá)到區(qū)分開(kāi)挖空細(xì)胞與正常細(xì)胞的目的.

圖4　實(shí)現(xiàn)流程圖Fig.4　Realization flow chart

從圖3 中的灰階剖面圖可以看出，即使在灰階分布較為均勻的部分也有一定的灰階變化情況，但相對(duì)于挖空細(xì)胞的空腔與細(xì)胞漿的變化較小，挖空細(xì)胞灰階變化較大位置的高變化率值是要高于灰階均勻的變化率的，使用Otsu[12]方法選擇灰階變化率中較大的部分.

3實(shí)驗(yàn)結(jié)果與分析

在全自動(dòng)顯微鏡系統(tǒng)采集的標(biāo)本圖像中，運(yùn)用本文方法計(jì)算各項(xiàng)數(shù)值. 用式(1)～式(3)分別計(jì)算均方差VMstd、 變異系數(shù)VMc、 高變化率值VMg. 下面使用典型的挖空細(xì)胞與正常細(xì)胞計(jì)算各個(gè)參數(shù)，VMstd[kc]，VMc[kc]，VMg[kc]表示挖空細(xì)胞的參數(shù)，VMstd[nr]，VMc[nr]，VMg[nr] 部分計(jì)算結(jié)果如表1 所示.

表1　挖空細(xì)胞參數(shù)計(jì)算結(jié)果(無(wú)單位)

表2　正常細(xì)胞參數(shù)計(jì)算結(jié)果(無(wú)單位)

從表1 與表2 相應(yīng)屬性的參數(shù)可以看出，挖空細(xì)胞與正常細(xì)胞在這3種屬性上有較明顯的區(qū)分性，離散度相差為0.052，變異系數(shù)相差為0.003，變化率相差為0.08. 本文使用挖空細(xì)胞與正常細(xì)胞的混合標(biāo)準(zhǔn)做實(shí)驗(yàn)，其中挖空細(xì)胞346個(gè)、 正常細(xì)胞5 000個(gè). 測(cè)試結(jié)果為挖空細(xì)胞檢出為335個(gè)，正常細(xì)胞檢出15個(gè)，誤檢率即認(rèn)為正常細(xì)胞為挖空細(xì)胞： 0.3%，遺漏率即認(rèn)為挖空細(xì)胞為正常細(xì)胞： 3%，最后的整體的檢出正確率為95.7%.

4結(jié)論

本文從灰階角度對(duì)挖空細(xì)胞與正常細(xì)胞分析，使用離散度、 變異系數(shù)、 灰階變化率3個(gè)計(jì)算方法計(jì)算它們之間的特征參數(shù). 實(shí)驗(yàn)結(jié)果表明，此預(yù)處理方法對(duì)區(qū)分挖空細(xì)胞與正常細(xì)胞有較好的效果，但對(duì)形態(tài)較為復(fù)雜的細(xì)胞還存在誤檢情況，下一步將主要在彩色空間圖像中對(duì)其進(jìn)行區(qū)分，從多個(gè)角度進(jìn)行分析、 處理.

參考文獻(xiàn)：

[1]曹躍華，楊敏，陳隆文，等. 細(xì)胞病理學(xué)診斷圖譜及實(shí)驗(yàn)技術(shù)[M]. 北京： 北京科學(xué)技術(shù)出版社，2009.

[2]汪啟偉. 圖像直方圖特征及其應(yīng)用研究[D]. 合肥： 中國(guó)科學(xué)技術(shù)大學(xué)，2014.

[3]吳成茂. 直方圖均衡化的數(shù)學(xué)模型研究[J]. 電子學(xué)報(bào)，2013(3)： 598-602.

Wu Chengmao. Studies on mathematical model of histogram equalization[J]. Acta Electronica Sinica，2013(3)： 598-602. (in Chinese)

[4]王彥國(guó)，王祝文，張鳳旭，等. 基于均方差比歸一化垂向梯度法的位場(chǎng)邊界檢測(cè)[J]. 中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版)，2012(2)： 86-90+96.

Wang Yanguo，Wang Zhuwen，Zhang Fengxu, et al. Edge detection of potential field based on normalized vertical gradient of mean square error ratio[J]. Journal of China University of Petroleum(Natural Science Edition), 2012(2)： 86-90+96. (in Chinese)

[5]趙彥暉, 張水若, 邢瑞芳. 變異系數(shù)的抽樣分布及假設(shè)檢驗(yàn)[J]. 重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011(2)： 40-42.

Zhao Yanhui，Zhang Shuiruo，Xing Ruifang. The sample distribution and hypothesis test of coefficient of variation[J]. Journal of Chongqing Normal University(Natural Science)，2011(2)： 40-42. (in Chinese)

[6]陳昭炯, 葉東毅. 變異系數(shù)的新性質(zhì)及其在圖像處理中的應(yīng)用[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2006(1)： 162-165.

Chen Zhaojiong, Ye Dongyi. New expression of variation coefficient and its applications in image processing[J]. Journal of Chinese Computer Systems，2006(1)： 162-165. (in Chinese)

[7]章毓晉. 圖像工程(中冊(cè))-圖像分析[M]. 北京： 清華大學(xué)出版社，1999.

[8]曾俊. 圖像邊緣檢測(cè)技術(shù)及其應(yīng)用研究[D]. 武漢： 華中科技大學(xué), 2011.

[9]Stamatia Giannarou, Tania Stathaki. Optimal edge detection using multiple operators for image understanding[J]. EURASIP Journal on Advances in Signal Processing, 2011(1)： 1-19.

[10]Aydin T, Yemez Y, Anarim E, et al. Multidirectional and multiscale edge detectionvia M-band wavelet transform[J]. Image Processing IEEE Transaction on, 1996, 5(9): 1370-1377.

[11]Milan Sonka, Vaclav Hlavac, Roger Boyle. Image processing, Analysis, and Machine vision[M]. 北京： 清華出版社，2011.

[12]王玥玥，王秋光. 基于圖像邊緣信息的2維閾值分割方法[J]. 中國(guó)圖象圖形學(xué)報(bào)，2007, 12(1): 78-81.

Wang Yueyue，Wang Qiuguang. A two- dim ensional thresholding method based on the information of image edge[J]. Journal of I mage and Graphics，2007, 12(1): 78-81. (in Chinese)

Koilocytotic Cell Screening Preprocessing Method Based on Gray-Scale Research

WANG Chuanzhong1，SHI Yonggang1，WU Haiyan2

(1. School of Information Engineering, Nanchang Hangkong University, Nanchang 330063, China;2. School of Economics and Management, Nanchang Hangkong University, Nanchang 330063, China)

Abstract:Koilocytotic cells,a reflection of a lesion, are different with normal cells, which need to be separated from normal cells in high power microscope imaging.A koilocytotic cells under the gray-scale form distinction method is proposed in this paper,And the characteristics of the hollowed cells compared to normal cells can better reflect ,analysis and process the gray-scale chart,thereby distinguish hollowed cells from normal cells. The experimental results show that the method can effectively distinguish between Koilocytotic cells and normal cells.

Key words:koilocytotic cell; gray-scale image; mean square error; variation coefficient; gray-scale gradient

中圖分類(lèi)號(hào):TP391

文獻(xiàn)標(biāo)識(shí)碼:A

doi:10.3969/j.issn.1671-7449.2016.02.014

作者簡(jiǎn)介：汪傳忠(1969-)，男，副教授，博士，主要從事圖像處理與模式識(shí)別等研究.

收稿日期:2015-08-24

文章編號(hào):1671-7449(2016)02-0173-05