[发明专利]一种粘连细胞图像筛除方法、系统及细胞图像分析方法

说明书

本发明公开了一种粘连细胞图像筛除方法、系统及细胞图像分析方法。粘连细胞图像筛除方法包括(1)对于经图像分割处理后获得的单个细胞图像，检测其细胞边缘，获取单个细胞的形态特征；(2)根据形态特征，判断该单个细胞图像是否合格；如果判断单个细胞图像合格，则保留单个细胞图像，否则筛除单个细胞图像。系统包括形态特征获取模块、单个细胞筛选模块。细胞图像分析方法，按照本发明提供的粘连细胞图像筛除方法，对待分析的细胞图像进行预处理。本发明提供的粘连细胞图像的筛选方法，从根源上避免了细胞图像分析中由于细胞图像采集时本身的粘连状态导致的细胞图像分析噪声，显著的减少不均一的细胞对后续结果运算的干扰。

技术领域

本发明属于生物图像处理技术领域，更具体地，涉及一种粘连细胞图像筛除方法、系统及细胞图像分析方法。

背景技术

用计算机基于各种算法对细胞影像进行分析和处理的需求日益增长，这类方法首先是将实验获取的细胞图像进行分割获得单个细胞的图像，然后再根据分析的目标输入不同的模型进行训练和预测。

然而细胞的形态各异，密度不均，而细胞培养中可能出现细胞粘连在一起的情况。细胞图像分割方法，无论是传统算法的细胞分割如二值化方法、分水岭算法等，或者是基于深度学习的FCN全卷积神经网络、U-Net网络，都不能对粘连细胞中每个细胞的边缘做出很好的检测和分割，并且切割出的细胞有可能是不完整的。而这些边缘不完整的细胞影像作为数据属于噪声数据，加入后续的模型训练或者分析中，会严重干扰模型的准确度等性能，导致分析效果不佳。噪声数据越多则对模型的准确度等指标干扰越大。

目前，为了解决由于细胞粘连造成图像分割不完整导致的数据的干扰，陕西师范大学李兴伟2020年的论文《基于Caps-Unet的粘连细胞核边缘检测及分割》提到了优化的方法，但该方法也不能显著性地减少不均一的细胞对后续结果运算的干扰。然而由于两个或多个细胞在物理平面上相互重叠、边界相互交叉，或者由于细胞紧密排列、相互挤压发生变形，导致细胞边缘膜信息在图像采集时损失。因此包括上述方法在内的现有技术，都无法在没有像素损失的情况下分离出单个细胞图像。即使经过细胞的边缘检测及分割算法优化，所得到的单个细胞图像仍然有像素损失，或者对后续的图像分析运算造成干扰。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种粘连细胞图像筛除方法、系统及细胞图像分析方法，其目的在于通过对待分析的细胞图像进行自动筛选，滤除粘连的细胞图像，保留形态完整的单个细胞图像，从根本上摒除了影响细胞图像分析的噪声，从而显著提高细胞图像分析结果的准确性，由此解决现有技术由于细胞图像采集及边缘检测时，无法避免粘连细胞或形态不完整的细胞图像，导致细胞图像分析技术噪声大、结果不准确的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种粘连细胞图像筛除方法，其包括以下步骤：

(1)对于经图像分割处理后获得的单个细胞图像，检测其细胞边缘，获取所述单个细胞的形态特征；

(2)根据步骤(1)中获得的所述单个细胞图像的形态特征，判断该单个细胞图像是否合格；如果判断所述单个细胞图像合格，则保留所述单个细胞图像，否则筛除所述单个细胞图像。

优选地，所述粘连细胞图像筛除方法，其步骤(1)所述形态特征包括：细胞面积占比、宽高比、凸性、和/或圆度。

优选地，所述粘连细胞图像筛除方法，其步骤(1)所述检测其细胞边缘，优选采用Unet进行细胞边缘检测算法；

所述细胞面积占比，为细胞内部像素占图像总像素的比例；

所述宽高比，为所述单个细胞图像的宽和高之间的比例关系；

所述凸性，为表征所述细胞是否含有凸包的物理量；

所述圆度e，计算方法如下：e＝(4π*S²)/L²，其中S为细胞面积，L为细胞周长。