[发明专利]一种在光学显微注射过程中人类卵母细胞分割实现方法

摘要

本发明公开了一种在光学显微注射过程中人类卵母细胞分割实现方法，包括以下步骤1)根据人类卵母细胞形状差异性，采用骨架形态学算子提取感兴趣目标ROI；2)采用改进的模糊聚类方法，依据局部灰度和局部方差特征对边界模糊和噪声的人类卵母细胞进行粗分类；3)在模糊聚类的基础上设定水平集初始化位置和演化控制参数，实现细胞质、极体和注射针的分割；4)针对细胞质内的部分注射针图像，采用直接拟合，标记出完整注射针图像。在ICSI即卵胞浆内单精子显微注射过程中，用本发明方法能有效实现人类卵母细胞的细胞质、极体和注射针的分割问题，有助于自动化实现和成功率的提高，并减少对人工操作的高难度要求和依赖。

主权项

一种在光学显微注射过程中人类卵母细胞分割实现方法，其特征在于，包括以下步骤：1)根据人类卵母细胞形状差异性，采用骨架形态学算子提取感兴趣目标ROI；2)采用改进的模糊聚类方法，依据局部灰度和局部方差特征对边界模糊和噪声较大的预处理图像进行粗分类；其中，所述改进的模糊聚类方法是加入局部灰度和局部方差特征，使得当前中心点像素的分类由其近邻域内的像素的分类标记共同决定，从而实现细胞质、极体和细胞内注射针的粗分类，其过程如下：假设采集到的实际图像y由真实图像x和偏置域b组成，且b在局部范围内是缓慢变化的，图像y共计有N个像素，则有：yk=xk+bk,∀k∈{1,2,...,N}---(1)]]>那么，对标准的FCM目标代价函数整改如下：Jm=Σi=1cΣk=1Nuikp||xk-vi||2+αNRΣi=1cΣk=1Nuikp(Σx∈Nk||xr-vi||2),Σj=1cujk=1,∀k∈{1,2,...,N}---(2)]]>其中，p是模糊隶属度加权指数，影响最终分类的模糊程度；Nk表示以xk为中心的近邻域；NR表示Nk中像素的个数；α是近邻域的控制参数，取值反比于图像的信噪比，将上式(1)代入有：Jm=Σi=1cΣk=1Nuikp||yk-bk-vi||2+αNRΣi=1cΣk=1Nuikp(Σyr∈Nk||yr-br-vi||2)---(3)]]>使用Lagrange乘子求上式的最优问题：Fm=Σi=1cΣk=1N(uikpDik+αNRuikpγi)+λ(1-Σi=1cuikp)---(4)]]>其中，Dik＝||yk‑bk‑vi||2，分别对uik、vik求一阶偏导数并令结果为0，得隶属度和聚类中心同理，对偏置域bk估计，求一阶偏导数并令其结果为0，求得：uik*=Σj=1c(Dik+αNRγi(Djk+αNRγj))-1/(p-1)---(5)]]>vik*=Σk=1Nuikp((yk-bk)+αNRΣyr∈Nk(yr-br))(1+α)Σk=1Nuikp---(6)]]>bk*=yk-Σi=1cuikpviΣi=1cuikp---(7);]]>3)在模糊聚类的基础上设定水平集初始化位置和演化控制参数，实现细胞质、极体和注射针的分割；4)针对细胞质内的部分注射针图像，采用直线拟合，标记出完整注射针图像。