资源描述：
《悬浮细胞图像的计数方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第28卷第1期2010年01月佳木斯大学学报自然科学版()Vol.28No.1JournalofJiamusiUniversity(NaturalScienceEdition)Jan.2010文章编号:1008-1402(2010)01-0009-05①悬浮细胞图像的计数方法研究朱亚华(福建师范大学软件人才培养基地,福建福州350007)摘要:悬浮细胞计数一直是细胞培养技术的重要工具.从悬浮细胞图像的灰度特点出发,探索并实现了适合悬浮细胞图像的计数方法:通过预处理,Canny边缘检测及形态学处理这三个步骤来完成分割,对分割结果采用
2、种子点法进行区域计数,再针对所有含有种子点的区域,计算其内部灰度均值,用于区分区域是活细胞还是死细胞.经实验证明,该计数方法误差小,速度快,很大程度上减少了细胞计数的工作量.关键词:悬浮细胞;灰度;种子点;计数中图分类号:文献标识码:TP391.41A引言悬浮细胞的特点在灰度方面,悬浮细胞图片有两大特点,如图1(b)所示.(1)由于细胞载玻板的厚度不均匀,会使得显微镜光学系统中的光线不均匀,进而造成显微图像中背景照度不均匀2,一般情况下,整幅图像会出现中间亮,周围偏暗的情况,如图1(a)所示.(2)活细胞为一个暗环,暗环上灰度低于
3、暗环内的灰度及暗环外的背景灰度,而死细胞为一个暗圆,暗圆上灰度低于暗圆外的背景灰度,并且活细胞暗环内的灰度高于死细胞暗圆上的灰度,如图1(c)所示.其中白色圆圈圈住的细胞为活细胞,黑色圆圈圈住的细胞为死细胞.由于死细胞为一个暗圆,暗圆上灰度低于暗圆外的背景灰度,所以死细胞的灰度与背景的灰度差异较大,较容易被准确识别出来.而想要准确识别出活细胞的难度则较大,因为悬浮细胞整幅图像中间亮,周围偏暗,导致活细胞中暗环内的灰度并不绝对高于暗环外背景的灰度,两者的灰度差异并不明显.因此,寻找一种适合的悬浮细胞识别方法(识别出活细胞和死细胞)将
4、有利于细胞计数的进行.01细胞培养技术是当今生命科学各研究领域的基础技术和基本技能,它广泛应用于细胞工程、基因工程和生物医学工程和干细胞研究等方面.其中优生和抗衰老的研究,肿瘤、感染、创伤和器官移植等问题的研究,都与细胞培养技术相关1.细胞培养是用酶消化法将组织碎块分离成单个细胞,用培养基制成细胞悬液,在体外适宜条件下,使细胞生长繁殖,并保留其一定的结构和功能特性的一种技术1.在细胞培养技术的研究中,为了观察悬液中细胞的繁殖情况,往往需要对所培养的悬浮细胞进行计数,并记录其中活细胞数及死细胞数,由此来计算出细胞成活率.细胞成活率=
5、活细胞数Π(活细胞数+死细胞数)3100%.在传统的医学实验室中,通常采用细胞计数板来计数,即在显微镜下用目测法来进行计数.这种方法的缺陷在于不仅对计数处理速度慢而且常使得检验人员在长期工作中眼睛极易疲劳,进而造成计数错误.为了克服目测法的缺陷,一部分学者开始利用计算机图像识别技术来实现细胞自动识别与计数,如血细胞计数2-3,切片细胞计数4,牛奶体细胞计数5等,但这些细胞计数方法却难以对悬浮细胞进行精确计数.因此,探索一种适合悬浮细胞的计数方法将是文章的主要任务.悬浮细胞图像分割由于整幅悬浮细胞图像一般会出现中间亮,周围偏暗的情况
6、.在这种情况下,如果采用传统经典2①收稿日期:2009-11-09作者简介:朱亚华(1983-),女,福建漳浦人,福建师范大学软件人才培养基地助教,硕士,研究方向:图形图像处理.的阈值分割算法6分割图像,则容易出现将细胞错分为背景,或将背景错分为细胞的情况,从而将更难以获得理想的分割结果,如图2所示.虽然整幅悬浮细胞图像中间亮,周围偏暗,给悬浮细胞图像的正确分割造成一定的难度,但悬浮细胞图像还存在另一个特点:活细胞为一个暗环,暗环上灰度低于暗环内的灰度及暗环外的背景灰度,死细胞为一个暗圆,暗圆上灰度低于暗圆外的背景灰度,即暗环上的
7、灰度及暗圆上的灰度均低于背景灰度.这样,采用边缘检测方法就可以将暗环及暗圆标识出来,也就标识出了所有细胞.传统微分边缘检测的方法很多,主要算子有Sobel,Roberts,Gaussian,LOG,Laplacian等,而Canny算子是目前最好的微分边缘检测算子.Canny算子之所以比较优越,在于它用两个不同的阈值来检测强边界和弱边界,当一个弱边界和一个强边界连通时,在输出强边界的同时输出弱边界,否则弱边界不会被输出,这样做的目的是去除噪声对边界检测的干扰,同时又不会丢失弱边界信息7.而Canny算子同时检测强边界和弱边界的方法
8、非常适合于悬浮细胞图像,因为活细胞暗环上的灰度值有些较低,有些较高,较低的部分与暗环内、外的灰度差值较大,是强边界,而较高的部分与暗环内、外的灰度差值较小,是弱边界,死细胞暗圆上的灰度也存在类似的情况.由于细胞图像在采集过程中往往会被一些噪声“污染
