细胞图像分析处理系统的开发(2)

1.1 概述............................................................................................................... 10

1.2 本课题背景................................................................................................... 14

第二章 细胞图像处理系统的构建 ........................................................................... 20

2.1 细胞图像处理系统的总体结构................................................................... 20

2.2 细胞图像的基本信息处理........................................................................... 21

2.3 细胞图像增强模块....................................................................................... 49

2.4 数学形态学处理与细胞图像分割模块....................................................... 58

2.5 细胞图像匹配模块....................................................................................... 77

第三章 系统在实验室细胞实验中的应用 ............................................................... 90

3.1 系统在神经细胞突起检测中的应用........................................................... 90

3.2 系统在测量荧光细胞灰度中的应用........................................................... 92

3.3 系统在细胞计数中的应用........................................................................... 95

第四章 总结与展望 ................................................................................................... 98 附录:在读期间所发表论文 ..................................................................................... 100 参考文献 ................................................................................................................... 101 致谢 ........................................................................................................................... 104

第一章 绪论

1.1 概述

20世纪20年代，人们第一次通过对图像进行编码，开始进行对自然图像数字化的研究[1]。大型计算机出现以后，人们开始利用计算机来改善图像。从图像增强和复原，到较为复杂的数字图像质量处理，再到机器视觉，经过多年的发展，数字图像处理技术在20多年的时间里迅速地发展成为一门独立的有强大生命力的学科。现今计算机图像处理技术已经越来越多地应用到包括空间技术开发、生物医学、X射线图像增强、光学显微图像分析、遥感图像分析、粒子物理、人工智能和工业检测等方面。在生物学方面，从实验的前期数据模拟，到实验中的实时数据检测，以及实验结果的分析计算，生物学计算软件的开发与运用给生物学实验带来了前所未有的高效和突破。近来，在基因组测序和蛋白质鉴定中，生物学家们使用计算机软件来归类、组织和处理实验中获得的大量数据；同时，借助计算机数据库来获得有关蛋白和核酸方面的结构信息；还利用专门的软件来分析DNA芯片杂交图等。可以说，今天计算机在生物领域正起着不可或缺的作用。 细胞图像处理技术是计算机图像处理技术中的一种。其特点是运用计算机编程和数学方法，对细胞图像进行运算和智能化处理，实现对图像中细胞信息的提取、测量和统计。使用计算机处理细胞图像，可以达到对细胞边界的精确定位，实现对细胞面积、灰度、数量等信息的精确和快速检测，从而定性和定量地获取需要的研究数据。

本文研究的主要目的，是对细胞图像处理的理论和方法进行全面、深入的整理和研究，构建能够高效应用于实验室实际分析研究的细胞图像处理软件系统平台。

1.1.1 细胞图像处理的应用及其优点

在生命科学研究中涉及到大量二维细胞图像的分析问题，包括如何处理、精确表达细胞图像中的有用信息，这已经成为众多学者共同致力的焦点。在过去，在显微镜下观察细胞，只能对细胞数量、长度等信息做大概的观察记录，而对于细胞面积、形状、灰度等信息，很难作出精确的测量甚至无法测量，从而无法对实验结果作定量分析；同时，在一些实验中由于细胞或采样数量庞大，如果进行细胞计数和测量，将耗费大量的时间和人力，得到的实验结果很难避免人工处理带来的误差。

现今，在显微镜下观察到的细胞图像可以被抓取并存储为图像文件。我们可以用细胞图像处理软件来分析这些文件，从中获取长度、面积、灰度、形状等细胞图像相关信息。最初的细胞图像处理软件主要基于简单的测量和统计功能，用户可以手动在细胞图像基础上进行操作，获取比较精确的长度、面积等信息。随着数字图像处理及模式识别技术的发展，一系列数学方法和理论体系的形成、成熟和完善，细胞图像处理进入了智能化和模式化的阶段。

在生物医学方面，细胞图像处理能够对医用细胞显微图像进行高效的处理和分析。如针对血液白细胞图像的自动分类记数[2]，改变了过去长时间以来需要大量工作人员对血涂片进行染色、油镜观察、分类和记数的状况，大大减小了医务人员的工作量，提高了工作效率，缩短了诊断周期；针对宫颈癌细胞的自动识别和分类[3]，使用了形态学、灰度特征和色度学等理论，结合了人工神经网络高度智能化的特点，能够提高检查效率，减少人为误差，成为癌症检查中重要的辅助诊断手段。

总的来说，细胞图像处理的优点主要体现在以下几个方面：

1. 高效性。细胞图像处理的一大优点就是能够最大程度地减少研究人员的工作量，缩短人们在实验结果处理中耗费的时间，提高工作效率。以细胞计数为例，使用传统方法，在显微镜下用肉眼对100个左右容易分辨的细胞进行记数将花费工作人员约1分钟时间，而使用软件系统对细胞进行自动计数，只需要几秒钟时间。当存在大量样本需要进行检测的时候，这种高效性就非常明显。

2. 精确性。在工作人员用传统方法对细胞进行分类计数或者测量时，容易在长时间观测后产生疲劳，出现漏数或多数的情况；或者受到传统测量器材精度的限制，使得实验数据的精度较低，不能够灵敏反映实验效果；同时受观测经验的限制，在对复杂条件下细胞的识别中也存在主观判断的问题，受人主观意识影响大，从而可能导致数据的误差。而使用软件系统进行细胞图像处理，能够很好地解决以上问题，忠实地反映细胞的真实情况，确保数据的精确和稳定。

3. 定量性。传统的细胞图像观测和处理方式，大多只能从主观层面上对实验结果进行定性描述和分析，从而很大程度上制约了实验设计，影响了对实验结果的分析。如何对细胞实验结果作定量分析，是迫切需要解决的问题。通过对细胞图像进行定量处理，可以获取面积、位置、灰度乃至细胞类别、温度等一系列精确数据，从而对实验数据分析提供了强有力的支持，扩展了我们的研究领域。

4. 可扩展性。由于细胞图像处理系统基于模块化构建，其核心数据结构和功能模块既能共享，也可以进行更新。当接收到新的处理任务时，我们既可以对当前主要处理模块进行更改，以满足实验需要，也可以根据现有数据接口，添加新的结构和功能模块，与现有模块互相协调运作。这样，系统功能得到了拓展，

使用寿命得到延长，从而确保了系统在使用过程中不断得到完善和优 …… 此处隐藏：3512字，全部文档内容请下载后查看。喜欢就下载吧 ……