[发明专利]一种细胞分化中的图像检测系统及检测方法

摘要

本发明属于细胞分化技术领域，公开了一种细胞分化中的图像检测系统及检测方法，细胞分化中的图像检测系统包括：标记基因导入模块、诱导分化模块、图像采集模块、主控模块、图像识别模块、图像分割模块、数据存储模块、显示模块。本发明通过图像识别模块提高了细胞图像识别的精确度与识别速度，可以实现智能化操作和判断，能快速的识别细胞的类别状态，可以帮助医生快速地诊断细胞是否处于健康状态；同时通过图像分割模块对分块门限阈值分割后得到的结果进行筛选，不完整的细胞核送入自适应分割进行二次分割，完整的细胞核图像直接输出，然后把利用自适应分割的结果和分块阈值分割的结果合并成最终的理想输出图像。

主权项

1.一种细胞分化中的图像检测方法，其特征在于，所述细胞分化中的图像检测方法包括：通过图像采集模块对细胞中由发光蛋白基因的表达所产生的发光图像进行拍摄；通过图像识别模块采集产生的发光图像，识别细胞类别状态信息；图像采集中，利用灰度图像十字线区域清晰度理论模型算法进行改进采集的图像，用于细胞分化中的图像检测系统的拍摄的图像由m×n个像素构成,像素灰度值矩阵B(I，J),其中0≤I≤m‑1，0≤J≤n‑1；十字线灰度图像最大灰度值Bmax，最小灰度值Bmin，灰度差值的1/2用Bdif表示，如下式：根据十字线灰度图像清晰度计算理论模型，设灰度图像的清晰度为C,得到的十字线灰度图像清晰度改进模型，如下式：通过图像分割模块对采集的图像进行分割筛选出细胞核图；图像进行分割中，采用FCM图像分割算法，具体有：初始化的确定：根据图像分割的要求，需要对图像进行初始化的确定，并对需要的参数进行初始化，并将直方图的聚类中心；因子的自适应性的确定，适应度，根据构造的适应函数：f＝a/(b+J)；其中，a，b是可调整的参数；J为的目标函数；变异操作：个体前后的变化量为0.5r(t/T)，数据r是在规定的区间内产生的随机数，T为计算的最大代数；迭代计算：将通过新的切割数据得出新的模糊隶属度矩阵，产生新的切割参数，返回迭代计算，直到完成条件的终止，完成图像的分割；通过数据存储模块存储采集的图像数据信息；通过显示模块显示采集的细胞图像数据信息；显示采集的细胞图像数据信息中，采用非局部均值滤波算法去除离散噪声图像，离散噪声图像v＝{v(i)|i∈I}对一个像素i的估计值NL[v](i)，计算图像中的所有像素的加权平均值，w(i，j)为权重，0≤w(i，j)≤1且灰度向量v(N_i)和v(N_j)的相似性表示像素i和像素j之间的相似性，为i、j区域的加权欧式距离的平方，a表示高斯核标准差，a＞0，h为控制虑波程度的系数，Z(i)图像搜索范围内所有区域相似度总和。