基于异常检测的尿沉渣图像分割

在尿沉渣图像中,由于其样本特性,使得在细胞图像采集时会有大量的杂质。这些杂质形状不规则,颜色不单一,用传统的图像分割算法难以去除。针对这个问题,提出一种基于异常检测的图像分割算法。该方法用形态学的方法对二值图像进行轮廓提取,根据其轮廓进行特征提取并且进行标记,然后用提取的轮廓特征以及标记构建异常检测模型。最终根据该模型对图象进行分割,并且定量地对该模型进行评价。实验结果表明,基于异常检测模型的尿沉渣检测方法能够以较高精度将杂质从细胞图像中分离。     

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

基于距离变换的粘连细胞分割方法

在医学细胞图像中,经常会有细胞重叠和粘连的现象。将粘连在一起的细胞群单个分开是医学细胞处理中一项重要而困难的问题。对这一情况,文章提出了一种有效的分割算法。先用最大类间方差法对图像进行二值化,然后对图像作距离变换,将像素点位置信息转化为灰度信息,再利用分水岭算法,找到粘连边界点,从而将细胞群分开。实验证明,该算法能成功地分离粘连细胞。     

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.     

粘连细胞分割算法的研究与实现

以粘连细胞分割为例,提出了一种基于分水岭算法的图像分割算法.算法对分水岭分割之前的距离变换和求种子点进行了改进,得到了较好的分割效果.实验证明,该算法较好地完成了粘连细胞的分割任务.     

基于着色分离的免疫组化图像核分割研究

细胞核的分割是免疫组化定量分析中非常关键的一步。提出一个基于着色分离的核分割方法,首先采用颜色去卷积算法对多着色的IHC(immunohistochemical)图像进行着色分离,进而利用改进的SCFCM算法对单着色灰度图像进行粗分割;然后利用分水岭算法分离粘连细胞;最后通过细胞核尺寸分析进行后处理,完成对苏木素或多种染色的免疫组化图像的准确核分割。实验采用9幅乳腺癌样本图像,约1000个细胞核作为数据。与手工勾画结果进行对比分析,得出细胞核检测率为92.66%。实验表明,该方法对免疫组化图像核分割准确率高,且具有较好的鲁棒性。     

畸变粘连细胞的高精度图像分割模型仿真

畸变粘连细胞图像分割方法是医学影像领域的重要问题。当前的细胞图像分割技术都是利用边缘像素的差异性特征进行分割,只考虑了细胞之间的挤压形变,没有考虑细胞本身非正常变异带来的形状畸变。利用传统的像素分割方法进行分割的过程中,由于细胞畸变、粘连使得分割阀值很难准确界定,细胞分割精确度降低。提出一种基于自适应阀值的畸变粘连细胞图像分割方法。对畸变粘连细胞图像进行H分量直方图变换,在进行归一化处理的同时进行平滑处理,消除细胞畸变因素造成的干扰;利用最大类间方差法进行迭代处理,搜寻最优分割阀值,得到准确的畸变粘连细胞图像的分割结果。实验结果表明,利用改进算法进行畸变粘连细胞图像分割,能够有效提高分割的精确度,效果令人满意。     

OpenCV分水岭算法的改进及其在细胞分割中的应用

分水岭算法是一种基于形态学的图像分割算法,能快速准确地确定连通区域的边界.将基于标记的分水岭算法用于细胞图像的分割,较好地解决了粘连细胞的分割问题.在该细胞分割算法的实现过程中,发现了OpenCV分水岭算法实现的缺陷,通过对相关代码的分析,发现该缺陷存在的原因是算法流程中对相邻像素相对关系的描述存在问题.将OpenCV分水岭算法中对相邻像素取差的绝对值,改为对相邻像素取差值,对该算法进行了改进.实验证明,改进后的OpenCV分水岭算法对细胞图像的分割效果明显好于直接使用OpenCV分水岭算法得到的结果.该方法在不影响分割速度的情况下,提高了OpenCV分水岭算法分割的准确度.     

肿瘤癌变细胞FISH图像分析系统的研究

肿瘤癌变细胞FISH图像分析系统中,需要解决粘连细胞核的分割问题。FISH属于新兴技术,产生的是特殊的荧光彩色细胞图,现有细胞图像分析方法并不适用。文章创新设计了基于深度凹陷检测和构造自然凹陷力的方法,分离粘连细胞核。首先,针对参差不齐的实验成像,在RGB模型下结合统计思想,将图像分为三类,分别进行预处理。继而,利用融合了K-means聚类算法的改进马尔科夫随机场(MRF)方法,将细胞核与癌变信号点进行有效提取。在此基础上,利用几何原理,创新设计了一套粘连细胞核分离算法。最后,给出细胞核快速计数和信号点提取方法。该系统设计基本完整,并达到预期效果。     

基于全卷积网络的砂石图像粒径检测

为了准确分割开紧密粘连的砂石目标,并获得砂石目标粒径大小,提出一种基于两阶段深度学习的砂石图像粒径检测方法。该方法利用图像处理技术对砂石图像进行预处理,然后通过第一阶段的网络分割模型对砂石目标进行目标分割。对分割目标进行形态学处理后,很多砂石目标紧密粘连在一起,再通过第二阶段的网络分离模型将粘连的砂石目标分离开来,得到分割且分离的结果图。最后计算砂石目标最长径,求均值后得到砂石图像的平均粒径大小。通过实验验证该算法可以快速、准确地将紧密粘连的砂石目标分割开来,提高了砂石目标粒径大小计算精度。