細(xì)胞分割方法綜述

陳愛斌 蕭 湘

摘要:顯微圖像定量分析已廣泛用于病理診斷、病理管理系統(tǒng)、癌變分級(jí)分類等多方面的醫(yī)學(xué)研究領(lǐng)域。細(xì)胞區(qū)分割提取是一個(gè)重要技術(shù),直接關(guān)系診斷的可靠性,也是醫(yī)學(xué)圖像處理的難題。文章對(duì)各種細(xì)胞分割方法進(jìn)行了系統(tǒng)的論述,并分析了各種方法的優(yōu)缺點(diǎn)。

關(guān)鍵詞:細(xì)胞分割;醫(yī)學(xué)圖象;數(shù)學(xué)形態(tài)學(xué);細(xì)胞粘連

一、緒論

所謂細(xì)胞分割是指根據(jù)灰度、彩色、幾何形狀等特征把細(xì)胞圖像劃分成若干個(gè)互不相交的區(qū)域,使得這些特征在同一區(qū)域中,表現(xiàn)出一致性或相似性,而在不同區(qū)域間表現(xiàn)出明顯的不同。細(xì)胞分割是醫(yī)學(xué)圖象處理中最為基礎(chǔ)和重要的領(lǐng)域之一,它是對(duì)細(xì)胞圖像進(jìn)行識(shí)別和計(jì)數(shù)的基本前提。同時(shí)它也是一個(gè)經(jīng)典難題,到目前為止不存在一種通用且高效的分割方法能夠廣泛的應(yīng)用在細(xì)胞分割中。

二、傳統(tǒng)細(xì)胞圖像分割技術(shù)

(一)閾值分割

閾值分割是一種傳統(tǒng)的圖像分割方法,它實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較為穩(wěn)定,尤其適合于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。在很多情況下,是進(jìn)行細(xì)胞分割、細(xì)胞識(shí)別之前必要的圖像預(yù)處理過程。Shirin Nasr-Isfahani等提出的一種聚堆細(xì)胞的新方法中,就是先使用組合圖像分割算法和閾值分割來提取前景對(duì)象并轉(zhuǎn)化為二值圖像的。閾值分割法的主要局限在于,最簡(jiǎn)單形式的閾值法只能產(chǎn)生二值圖像來區(qū)分兩個(gè)類,而且它只考慮像素本身,一般都不考慮圖像的空間特性,這樣就對(duì)噪聲很敏感。

(二)基于邊緣檢測(cè)的方法

邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。它可以快速準(zhǔn)確地找到邊緣,從而通過邊緣確定區(qū)域內(nèi)的灰度或顏色信息,從而達(dá)到對(duì)圖像的快速分割。邊緣點(diǎn)的判定是基于所檢測(cè)點(diǎn)的本身和它的一些鄰近點(diǎn),主要包括局部微分算子,如Roberts梯度算子、Sobel梯度算子和Canny算子等。Roberts梯度算子有利于對(duì)具有陡峭邊緣的低噪聲圖像的分割;Laplacian算子具有各向同性的特點(diǎn);Prewitt梯度算子、Sobel梯度算子等有利于對(duì)具有較多噪聲且灰度漸變圖像的分割。針對(duì)不同的細(xì)胞圖像,還有許多其他不同的算子或方法來檢測(cè)這些邊緣點(diǎn)。如翁秀梅等人提出了一種利用相位一致性模型檢測(cè)圖像邊緣,獲得圖像主要幾何結(jié)構(gòu)的方法。而李天鋼等人將多尺度小波變換運(yùn)用于胃癌細(xì)胞圖像的邊緣檢測(cè)中,解決了具有復(fù)雜紋理的醫(yī)學(xué)病理細(xì)胞圖像的分割問題。一個(gè)好的邊緣檢測(cè)算子不僅具有微分特性以獲得灰度變化信息,它還應(yīng)該能夠根據(jù)需要適合任何尺度下的邊緣檢測(cè),因?yàn)閳D像中的灰度是以不同尺度發(fā)生變化的。實(shí)驗(yàn)發(fā)現(xiàn),邊緣檢測(cè)方法獲得的邊緣信息往往會(huì)因這些信息不夠突出而產(chǎn)生間隙,不能形成包圍細(xì)胞的封閉曲線,這就要求根據(jù)這些離散的邊緣點(diǎn)采用一定的跟蹤、連接算法勾勒出有意義的細(xì)胞邊界。

三、近年新發(fā)展細(xì)胞分割技術(shù)

近年來,研究者們?yōu)榻鉀Q上述傳統(tǒng)細(xì)胞分割中存在的問題對(duì)于各種新的細(xì)胞圖像分割算法進(jìn)行了深入的研究和使用,取得了許多令人鼓舞的成果。

(一)基于領(lǐng)域的方法

基于領(lǐng)域的方法是指連接具有相同或相似性質(zhì)的鄰近像素而得到分割圖像的方法。這類方法需要一些先驗(yàn)知識(shí),如種子像素、值和各種標(biāo)準(zhǔn)來定義彩色目標(biāo)邊界。其優(yōu)點(diǎn)是使用了空間信息和像素間的關(guān)聯(lián)。

1、區(qū)域生長(zhǎng)和區(qū)域分裂和合并技術(shù)。翁秀梅等將代表區(qū)域分布的邊界線作為潛在的區(qū)域模型,自動(dòng)獲得種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)來實(shí)現(xiàn)最后分割,分割結(jié)果對(duì)紋理細(xì)節(jié)有較好的魯棒性,與人類視覺系統(tǒng)判斷基本一致。饒潔利用區(qū)域增長(zhǎng)法分割白細(xì)胞漿,從而從背景中提取白細(xì)胞的結(jié)果。趙暉、梁光明在邊緣分割的基礎(chǔ)上,利用差分算子分別求出細(xì)胞的灰度上升區(qū)域和下降區(qū)域,然后采用改進(jìn)的區(qū)域增長(zhǎng)法求出各自的區(qū)域數(shù),最后通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識(shí)別。這種方法運(yùn)行速度快,識(shí)別率高,具有較好的實(shí)用價(jià)值。

2、分水嶺分割方法。Shirin Nasr-Isfahani等在選擇的分離區(qū)邊界點(diǎn)使用分水嶺算法來進(jìn)行細(xì)胞分割。這種分割方式不需要細(xì)胞的大小、形狀和顏色都很相近,也不需要接觸點(diǎn)有大的差異,是一種先進(jìn)的分割方法。Erlend Hodneland等提出了一個(gè)從三維熒光圖像中進(jìn)行細(xì)胞分割的統(tǒng)一的整體框架。過程包括:圖像采集,預(yù)過濾,分水嶺增強(qiáng),細(xì)胞分割和分割評(píng)價(jià)。結(jié)果表明,這種結(jié)合最適合的顯微鏡方法的各個(gè)細(xì)胞類型有很高的成功率。同時(shí),用分水嶺變換和水平集模型兩種徹底不同的方法分割染色細(xì)胞,并通過實(shí)驗(yàn)比較發(fā)現(xiàn),分水嶺算法由于突破了水平集地區(qū)的弱染色血漿具有更高的性能。

王兆仲、趙宇等在血細(xì)胞圖像的自適應(yīng)分割中將血細(xì)胞圖像從RGB圖像變換到HSV空間以清除圖像中不具有飽和度信息的雜質(zhì),然后利用形態(tài)學(xué)重建濾波器作濾波,在保持邊緣性質(zhì)的同時(shí)濾掉脈沖干擾,最后運(yùn)用分水嶺變換完成圖像分割。通過這種方法實(shí)現(xiàn)了低質(zhì)量血細(xì)胞圖像的自適應(yīng)分割。整個(gè)方法具有很好的魯棒性,分割結(jié)果令人滿意,而且運(yùn)行速度快。需要改進(jìn)的地方在于如何提高低對(duì)比度圖像中目標(biāo)邊緣分割的準(zhǔn)確性。

(二)基于活動(dòng)輪廓模型的方法

活動(dòng)輪廓模型能將圖像數(shù)據(jù)、初始輪廓的選取、目標(biāo)輪廓特征以及知識(shí)的約束條件都集成在一個(gè)特征提取過程中。近年來的大量研究表明,主動(dòng)輪廓線模型具有良好的提取和跟蹤特定區(qū)域內(nèi)目標(biāo)輪廓的能力,因此比較適合用在細(xì)胞圖像中。胡炯炯等人將B-Snake模型運(yùn)用到細(xì)胞圖像的自動(dòng)分割中,利用形態(tài)學(xué)方法初始化活動(dòng)輪廓,最后通過該模型成功地解決了細(xì)胞圖像分割中細(xì)胞重疊地難題。

(三)結(jié)合特定理論工具的方法

1、基于mean shift過程的細(xì)胞圖像分割。潘晨等首先通過mean shift過程尋找RGB顏色空間中的細(xì)胞核、紅細(xì)胞和背景聚類峰,然后細(xì)胞核聚類峰和部分胞漿顏色組成正特征子集,而紅細(xì)胞和背景聚類峰附近顏色組成負(fù)特征子集,訓(xùn)練一個(gè)兩分類SVM,得到的分類模型隨后對(duì)圖像的顏色空間向量分類,實(shí)現(xiàn)細(xì)胞區(qū)域整體提取。該方法對(duì)圖像顏色變化、染色條件差異等魯棒性強(qiáng),無(wú)過度分割現(xiàn)象。

2、基于小波變換的方法。近年來,小波變換在細(xì)胞圖像分割中,得到廣泛應(yīng)用。萬(wàn)衛(wèi)兵和施鵬飛為了適應(yīng)培養(yǎng)細(xì)胞圖像檢測(cè),提出了一種邊緣檢測(cè)綜合算法。首先應(yīng)用小波尺度獨(dú)立邊緣檢測(cè)方法,得到簡(jiǎn)潔的邊緣;然后采用圖像融合的方法,結(jié)合Canny和動(dòng)態(tài)聚類方法得到最終的細(xì)胞分割圖。這種算法對(duì)于組織細(xì)胞的動(dòng)態(tài)檢測(cè)分割具有良好的效果。

四、細(xì)胞分割中亟須解決的問題

由于細(xì)胞圖像的復(fù)雜性以及顯微圖像光照不均,目標(biāo)物體本身灰度變化等問題,分割后的圖像中還會(huì)存在一些問題,主要有細(xì)胞粘連、細(xì)胞重疊、孔洞現(xiàn)象等。因此下文將分別講述針對(duì)細(xì)胞粘連、細(xì)胞重疊以及孔洞填充的具體解決方法。

(一)細(xì)胞粘連

在實(shí)際應(yīng)用中,由于切片的制作和細(xì)胞本身的分布,在顯微鏡下可能有兩個(gè)或多個(gè)細(xì)胞粘連在一起的現(xiàn)象,稱之為細(xì)胞粘連(touch-ing)。粘連細(xì)胞的分割方法現(xiàn)在大多數(shù)以數(shù)學(xué)形態(tài)學(xué)理論為基礎(chǔ)的,諸如腐蝕膨脹法,基于二值圖像流域分割法和灰度圖像的流域分割法等?；诙祱D像的粘連細(xì)胞分割大都是按以下步驟進(jìn)行的:首先是在細(xì)胞的目標(biāo)區(qū)域內(nèi)不斷進(jìn)行腐蝕,直至分離出獨(dú)立的細(xì)胞對(duì)象核;在細(xì)胞的對(duì)象和基礎(chǔ)上進(jìn)行腐蝕前細(xì)胞的重建運(yùn)算,并在此過程中找出粘連細(xì)胞的分界線。細(xì)胞粘連在分割過程中常常造成分割線的不連續(xù),即得到的邊界線不是封閉曲線,部分邊緣有斷裂。一般采用邊緣連接的辦法連接斷裂部分。邊緣連接算法實(shí)際上是根據(jù)特定邊緣的特點(diǎn)而制定的一系列跟蹤規(guī)則,規(guī)則不同可以得出不同的跟蹤算法。

(二)細(xì)胞重疊

在實(shí)際應(yīng)用中,由于采集的細(xì)胞圖像標(biāo)本制作不太均勻,在細(xì)胞圖像中經(jīng)常會(huì)出現(xiàn)細(xì)胞聚堆、重疊的現(xiàn)象,在顯微鏡下呈現(xiàn)多個(gè)細(xì)胞聚堆在一起,形成一個(gè)較大的區(qū)域,這就是細(xì)胞重疊(overlap)。細(xì)胞重疊由于閾值分割法無(wú)法將其分離,往往會(huì)將重疊細(xì)胞剔除或是簡(jiǎn)單的將其當(dāng)作單細(xì)胞進(jìn)行處理,這樣對(duì)后續(xù)的細(xì)胞計(jì)數(shù)以及相關(guān)特征參數(shù)的定量分析帶來影響。目前針對(duì)這一問題,大多采用數(shù)學(xué)形態(tài)學(xué)的方法來分離細(xì)胞。孫忠林、李盛陽(yáng)為消除因細(xì)胞粘連造成的細(xì)胞圖像分析困難,利用數(shù)學(xué)形態(tài)學(xué)中開運(yùn)算和流域分割的方法,根據(jù)細(xì)胞的形態(tài)特征進(jìn)行分割處理,將粘連的細(xì)胞群分離為單個(gè)的細(xì)胞,給出了細(xì)胞分離的設(shè)計(jì)思想及實(shí)現(xiàn),并通過實(shí)驗(yàn)證明可行。傅蓉等提出了一種重疊細(xì)胞圖像自動(dòng)分離的新算法。根據(jù)重疊細(xì)胞的凹凸性,從細(xì)胞重疊區(qū)域的凹區(qū)域中尋找到凹點(diǎn),根據(jù)凹點(diǎn)數(shù)與細(xì)胞個(gè)數(shù)的關(guān)系,判斷是細(xì)胞串聯(lián)還是細(xì)胞并聯(lián):如果是串聯(lián)的情況,則直接將成對(duì)的凹點(diǎn)連成直線分離重疊區(qū)域;如果是并聯(lián)的情況,則將凹點(diǎn)與重疊區(qū)域的中心連接成直線分離重疊區(qū)域。算法簡(jiǎn)單,效果理想,而且能基本保持原細(xì)胞的大小與形狀。

(三)孔洞現(xiàn)象

對(duì)灰度細(xì)胞圖像進(jìn)行閾值分割后,由于光照及細(xì)胞本身灰度分布不均勻,在二值化后的圖像中,細(xì)胞內(nèi)部往往會(huì)產(chǎn)生孔洞,對(duì)此常用的解決辦法是使用膨脹和閉運(yùn)算,對(duì)較小的孔洞,形態(tài)學(xué)操作非常有效,但是當(dāng)孔洞較大時(shí),形態(tài)學(xué)操作變得無(wú)能為力,因?yàn)榭锥摧^大時(shí)需要我們選擇較大的結(jié)構(gòu)模板或者多次進(jìn)行操作,而多次進(jìn)行形態(tài)學(xué)閉運(yùn)算或者進(jìn)行閉運(yùn)算的模板過大會(huì)改變目標(biāo)的形狀特征,如導(dǎo)致相鄰細(xì)胞的粘連。

五、結(jié)束語(yǔ)

本文對(duì)主要的細(xì)胞圖像分割方法進(jìn)行了綜述,這些分割方法往往相互結(jié)合。如小波變換結(jié)合邊緣檢測(cè)等等。目前的方法大都針對(duì)特定的細(xì)胞圖像進(jìn)行研究,并沒有一個(gè)成型的統(tǒng)一的細(xì)胞分割方法。新的細(xì)胞圖像分割方法應(yīng)主要以自動(dòng)、精確、快速、自適應(yīng)性等作為研究目標(biāo)。同時(shí)注重臨床上的應(yīng)用。隨著計(jì)算機(jī)處理能力的提高和人們對(duì)細(xì)胞分割方法研究的深入、新理論在細(xì)胞分割領(lǐng)域中的嘗試應(yīng)用,細(xì)胞分割的方法會(huì)更多更成熟,也必將有更廣闊的應(yīng)用前景。

參考文獻(xiàn):

1、章毓晉.圖像分割[M].科學(xué)出版社,2001.

2、翁秀梅,肖志濤,楊洪薇.基于邊緣檢測(cè)和區(qū)域生長(zhǎng)的自然彩色圖像分割[J].天津工業(yè)大學(xué)學(xué)報(bào),2008(1).

3、李天鋼,王素品.基于多尺度小波的胃癌細(xì)胞圖像邊緣檢測(cè)與分析[J].生物物理學(xué)報(bào),2005(2).

4、Lee B,Yan JY,Zhuang TG.A dynamic programming based algorithm for optimal edge detection in ultrasound images[J].Proceedings of SPIE,2001(4549).

5、饒潔.基于區(qū)域特征及邊緣信息的彩色血液顯微圖像分割[D].四川大學(xué),2006.

6、趙暉,梁光明.一種基于差分算子和區(qū)域增長(zhǎng)的細(xì)胞自動(dòng)識(shí)別方法[J].計(jì)算機(jī)與現(xiàn)代化,2005(4).

7、Shirin Nasr-Isfahani,Atefeh Mirsafian,Ali Masoudi-Nejad.A New Approach for Touching Cells Segmentation[Z].2008 International Conference on BioMedical Engineering and Informatics,2008.

8、楚存坤,李月卿,王昌元.醫(yī)學(xué)圖象分割技術(shù)及其新進(jìn)展[J].泰山醫(yī)學(xué)院學(xué)報(bào),2007(4).

*本文得到國(guó)家自然科學(xué)基金(項(xiàng)目批準(zhǔn)號(hào):90820302、60805027)、高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(項(xiàng)目批準(zhǔn)號(hào):200805330005)資助。

(作者單位:中南林業(yè)科技大學(xué)計(jì)算機(jī)科學(xué)學(xué)院)