計(jì)曉沁 蔣林華
摘 ?要: 為了提取通過冷凍電鏡獲得的微管圖像中的微管目標(biāo),本文提出了一種改進(jìn)的區(qū)域生長法。首先根據(jù)對(duì)微管圖像的分析,提出了一種針對(duì)高噪聲微管圖像的復(fù)合增強(qiáng)方案,有效的增強(qiáng)了圖像對(duì)比度。然后使用Otsu算法對(duì)微管圖像進(jìn)行粗分割。最后,再用區(qū)域生長法提取微管目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該方法有較強(qiáng)的抗噪性,同時(shí)能夠準(zhǔn)確提取微管目標(biāo)。
關(guān)鍵詞: 區(qū)域生長法;微管;冷凍電鏡;Otsu
中圖分類號(hào): TP391. 41 ? ?文獻(xiàn)標(biāo)識(shí)碼: A ? ?DOI:10.3969/j.issn.1003-6970.2019.06.003
本文著錄格式:計(jì)曉沁,蔣林華. 高噪聲顯微圖像下的微管提取算法研究[J]. 軟件,2019,40(6):1316
【Abstract】: In order to extract microtubule targets from microtubule images obtained by cryoelectron microscopy, an improved regional growth method was proposed. Firstly, according to the analysis of the microtubule image, a composite enhancement scheme for the high-noise microtubule image was proposed, which effectively enhanced the image contrast. Then the microtubule image is roughly segmented by Otsu algorithm . Finally, regional growth method was used to detect microtubule targets. Experimental results show that this method has strong noise resistance and can accurately extract microtubule targets.
【Key words】: Regional growth method; Microtubules; Cryoelectron microscope; Otsu
0 ?引言
癌癥的治療一直都是醫(yī)學(xué)研究難以攻克的難點(diǎn)。癌癥是由癌細(xì)胞病變引起的惡性腫瘤,而癌基因的非正常表達(dá)會(huì)影響癌細(xì)胞內(nèi)部微管組織的形態(tài),從而導(dǎo)致微管結(jié)構(gòu)發(fā)生巨大變化,同時(shí)研究者發(fā)現(xiàn),微管[1-2]是主要抗癌藥物的靶點(diǎn)。因此對(duì)于微管的深入研究可以為醫(yī)學(xué)研究人員攻克細(xì)胞癌變等醫(yī)學(xué)難題及開發(fā)新型的抗癌藥物提供幫助。
冷凍電鏡[3]是重要的結(jié)構(gòu)生物學(xué)研究方法,將通過冷凍電鏡獲取的生物醫(yī)學(xué)圖像與計(jì)算機(jī)技術(shù)相結(jié)合進(jìn)行醫(yī)學(xué)研究也是當(dāng)下的熱點(diǎn)。數(shù)字化處理Cyro-EM圖像也是目前的一個(gè)新話題。目前為止,研究人員已經(jīng)提出了許多生物大分子的提取算法,針對(duì)微管目標(biāo)提取的算法研究也做出了一些成功的嘗試。Yan[4]等人設(shè)計(jì)了一種非線性濾波器來檢測微管,Yue[5]等人改進(jìn)了CV模型實(shí)現(xiàn)了微管的分割。
本文提出一種新的算法來提取微管目標(biāo)。首先,使用中值濾波[6]和直方圖均衡化對(duì)存在高噪聲的冷凍電鏡微管圖像進(jìn)行預(yù)處理,提高圖像的質(zhì)量;接著使用Otsu算法及區(qū)域生長法提取圖像中的微管目標(biāo);最后使用形態(tài)學(xué)方法[7]來填充微管目標(biāo)中的孔洞,獲得最終的微管目標(biāo)。
1 ?噪聲分析
微管圖像是通過冷凍電鏡技術(shù)獲取的,在獲取微管圖像時(shí),為了不破壞原始的生物組織形態(tài),加至每幅圖像的透射電子累積劑量不能超200e-/nm2,因此,幾乎所有的微管圖像都存在極高的噪聲,且信噪比極低。如圖1所示,(a)是通過冷凍電鏡獲取的原始微管圖像,(b)是(a)中各像素在三維空間的灰度分布圖,(c)是(a)中虛線采樣處的灰度分布圖。
從(a)中可以明顯看出,微管圖像的前景和背景灰度差別很小,微管目標(biāo)與背景的邊緣信息不明顯,對(duì)比度極低;而且圖像中除微管目標(biāo)外,還有冰粒和因電子束照射而受損的其他細(xì)胞器等噪聲顆粒。(b)和(c)中可以看出,整幅圖像以及水平取樣線的灰度幅度都劇烈抖動(dòng),說明圖像中存在很高的噪聲,信噪比很低。
由此可以發(fā)現(xiàn),通過冷凍電鏡獲取的微管圖像質(zhì)量極差,且圖像內(nèi)部組成復(fù)雜,微管目標(biāo)較背景占圖像比例較小。因此,要提取出其中的微管目標(biāo)是一個(gè)很大的挑戰(zhàn)。
2 ?直方圖均衡化
直方圖均衡化[8]是圖像處理領(lǐng)域中利用圖像直方圖對(duì)對(duì)比度進(jìn)行調(diào)整的方法。其基本思想是把原始圖的直方圖變換為均勻分布的形式,這樣就增加了像素灰度值的動(dòng)態(tài)范圍,從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。
直方圖是表示數(shù)字圖像中每一灰度出現(xiàn)頻率的統(tǒng)計(jì)關(guān)系。直方圖能給出圖像灰度范圍、每個(gè)灰度的頻度和灰度的分布、整幅圖像的平均明暗和對(duì)比度等概貌性描述?;叶戎狈綀D是灰度級(jí)的函數(shù), 反映的是圖像中具有該灰度級(jí)像素的個(gè)數(shù), 若大部分像素集中在低灰度區(qū)域, 圖像呈現(xiàn)暗的特性; 若像素集中在高灰度區(qū)域, 圖像呈現(xiàn)亮的特性。
x3 ?OTSU算法
OTSU[9]由日本學(xué)者大津于1979年提出,它是一種確定圖像二值化分割閾值的算法,被認(rèn)為是圖像分割中閾值選取的最佳算法,計(jì)算簡單,不受圖像亮度和對(duì)比度的影響。它是按圖像的灰度特性,將圖像分成背景和前景兩部分。
對(duì)于圖像I(x,y),前景和背景的分割閾值記作T,屬于前景的像素點(diǎn)數(shù)占整幅圖像的比例記為 ,其平均灰度 ;背景像素點(diǎn)數(shù)占整幅圖像的比例為 ,其平均灰度為 。圖像的總平均灰度記為 ,類間方差記為g。
4 ?區(qū)域生長法
區(qū)域生長法[10]最早是有Levine等人提出的圖像分割算法,它的基本思想是將有相似性質(zhì)的像素點(diǎn)合并到一起。對(duì)每一個(gè)區(qū)域要先指定一個(gè)種子點(diǎn)作為生長的起點(diǎn),然后將種子點(diǎn)周圍領(lǐng)域的像素點(diǎn)和種子點(diǎn)進(jìn)行對(duì)比,將具有相似性質(zhì)的點(diǎn)合并起來繼續(xù)向外生長,直到?jīng)]有滿足條件的像素被包括進(jìn)來為止。
區(qū)域生長算法的設(shè)計(jì)主要由以下三點(diǎn):生長種子點(diǎn)的確定,區(qū)域生長的條件,區(qū)域生長停止的條件。種子點(diǎn)的個(gè)數(shù)根據(jù)具體的問題可以選擇一個(gè)或者多個(gè),并且根據(jù)具體的問題不同可以采用完全自動(dòng)確定或者人機(jī)交互確定。
5 ?仿真及實(shí)驗(yàn)結(jié)果分析
5.1 ?仿真環(huán)境
仿真實(shí)驗(yàn)是在Windows10環(huán)境下執(zhí)行的,編程語言利用Matlab實(shí)現(xiàn)。實(shí)驗(yàn)選取了一系列2191* 1916大小的高噪聲冷凍電鏡微管圖像作為算法測試的原始圖像。
5.2 ?算法流程
5.3 ?實(shí)驗(yàn)結(jié)果與分析
(1)圖像預(yù)處理
根據(jù)對(duì)微管圖像的分析知道,通過冷凍電鏡獲取的微管圖像存在很高的噪聲,信噪比極低,前景與背景的邊緣不清晰,而且還有冰粒、受損細(xì)胞器等顆粒噪聲。這些噪聲的存在對(duì)于微管目標(biāo)的提取存在很大的影響,首先對(duì)圖像進(jìn)行預(yù)處理,以便后續(xù)微管目標(biāo)的提取。
由于圖像中存在的噪聲比較復(fù)雜,首先,使用中值濾波對(duì)圖像進(jìn)行平滑以濾除脈沖噪聲,同時(shí)保護(hù)目標(biāo)的邊緣不被模糊;然后,使用直方圖均衡來增強(qiáng)圖像對(duì)比度。圖3中(a)為原圖,(b)為中值濾波圖像,(c)為直方圖均衡后的圖像,(d)為直方圖均衡化后微管圖像的三維灰度圖,(e)為去噪前后(a)中虛線采樣處的灰度對(duì)比圖。可以看出,原始微管圖像的灰度值劇烈抖動(dòng),表明圖像噪聲污染嚴(yán)重,而經(jīng)過直方圖均衡化后的圖像,圖像的尖峰噪聲得到了很好的抑制,且圖像的對(duì)比度得到增強(qiáng)。
(2)目標(biāo)提取
經(jīng)過預(yù)處理后的圖像質(zhì)量得以提高,圖像邊緣更加清晰。接著,利用OTSU算法將預(yù)處理后的圖像進(jìn)行閾值化。結(jié)果如圖4(a)所示??梢园l(fā)現(xiàn),閾值化后的圖像除需要的微管目標(biāo)外,還存在許多細(xì)胞器等大顆粒污染物。接著,在閾值化后的圖像上,采用人機(jī)交互的方式選區(qū)種子點(diǎn),執(zhí)行區(qū)域生長算法,得到(b)中所示的微管目標(biāo)。由于區(qū)域生長之后的圖像會(huì)出現(xiàn)一些空洞,因此利用形態(tài)學(xué)中的膨脹運(yùn)算來填充空洞部分,得到(c)中所示的微管目標(biāo)。
5.4 ?實(shí)驗(yàn)結(jié)果分析
圖像經(jīng)過中值濾波及直方圖均衡進(jìn)行預(yù)處理后,提高了圖像的質(zhì)量,然后用Otsu算法結(jié)合區(qū)域生長算法進(jìn)行微管目標(biāo)的提取,最后用形態(tài)學(xué)來填充微管目標(biāo)中的孔洞。實(shí)驗(yàn)選取了一系列的圖像進(jìn)行測試,由測試結(jié)果可以發(fā)現(xiàn),本文提出的算法有效提高了圖像質(zhì)量,并且可以有效提取微管目標(biāo)。
6 ?結(jié)論
本文通過分析冷凍電鏡圖像存在的高噪聲問題,針對(duì)性地提出了一種基于直方圖均衡、OTSU算法與區(qū)域生長算法相融合的目標(biāo)提取方法。并用一系列冷凍電鏡微管圖像進(jìn)行了實(shí)驗(yàn),對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析表明該方法能有效獲取微管目標(biāo)。在下一步的學(xué)習(xí)過程中可以就如何自動(dòng)選區(qū)區(qū)域生長的種子點(diǎn)進(jìn)行探討,來提高目標(biāo)獲取的效率。
參考文獻(xiàn)
[1] Li H, Derosier D J, Nicholson W V, et al. Microtubule structure at 8 A resolution[J]. Structure, 2002, 10(10): 1317-1328.
[2] Jordan M A, Wilson L. Microtubules as a target for anticanc- er drugs[J]. Nature Reviews Cancer, 2004, 4(4): 253-265.
[3] 吳趙龍, 毛有東. 冷凍電子顯微鏡: 生物大分子精細(xì)結(jié)構(gòu)分析的利器[J]. 科學(xué)通報(bào), 2017, 62(36): 4208-4212.
[4] Wen Y, Cai H, Deng L . Detecting microtubules in high noise Cryo-EM micrograph[C]// Proc of the 5th International Conference on Biomedical Engineering and Informatics (BMEI). IEEE, 2012: 261-265.
[5] Yue G, Jiang L, Liu C, et al. Automated Segmentation of Microtubules in Cryo-EM Images with Excessive White Noise[M]. Information Science and Applications (ICISA) 2016. Springer Singapore, 2016.
[6] 趙高長, 張磊, 武風(fēng)波. 改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J]. 應(yīng)用光學(xué), 2011, 32(4): 678-682.
[7] 刁智華, 趙春江, 吳 剛, et al. 數(shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究[J]. 中國圖象圖形學(xué)報(bào), 2018, 15(2): 194-199.
[8] 喬鬧生. 一種改進(jìn)的直方圖均衡化[J]. 光學(xué)技術(shù), 2008, 34(S1): 141-142.
[9] 李玲, 余后強(qiáng). 基于Otsu算法對(duì)CT肝臟興趣區(qū)的提取[J]. 電腦知識(shí)與技術(shù), 2010, 6(12): 3025-3034.
[10] 李仔麒, 馬慧彬, 李殿奎, 等. 改進(jìn)區(qū)域生長法的肝部CT圖像ROI提取[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2019(1): 150-153.