Сегментація зображень гістологічних об`єктів

а) б) в) г)

Рис. 4.Морфологіческая сегментація клітини нейрона: а) вихідне зображення; б) результат утоньшения напівтонового градієнта; в) результат заливання; г) результуюче бінарне зображення клітини

У випадку, коли в зображенні об'єктів і фону напівтонова величина пікселів приймає будь-яке значення, для сегментації розроблений алгоритм об'єднання областей (рис 5). Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.

Об'єднання областей відбувається за таких умов.

1. Різниця дисперсії для напівтонової величини не повинна перевищувати заданого значення, що визначає відмінності клітини від тканини.

2. Середнє значення напівтонової величини кожній області не повинно виходити за межі, обмежені дисперсією іншої області.

а) б) в) г) д)

Рис 5. Сегментація клітин методом об'єднання областей: а) вихідне зображення, б) морфологічний градієнт, в) утоньшение морфологічного градієнта, г) об'єднання областей, д) результуюче бінарне зображення клітин

Причому середнє значення і дисперсія нової області розраховуються за формулами:

де М _1, М ₂ - середні значення напівтонових величин для батьківської та сусідньої областей, s _1, s ₂ - дисперсії напівтонових величин для батьківської та сусідньої областей, А _1, А ₂ - площі батьківської та сусідньої областей, М ₁₂ - середнє значення напівтонової величини для об'єднаної області, s ₁₂ - дисперсія напівтонової величини для об'єднаної області.

Важливою характеристикою клітин, волокон і судин у поперечному перерізі є їх топологічна структура. На цьому грунтується розроблений алгоритм визначення клітин серед бінарних образів, отриманих порогової сегментацією (рис 6).

Алгоритм дозволяє відкоригувати результат, видаливши об'єкти, які не належать клітинам, і побудувати мультіфазное зображення, в якому відображається ієрархія клітинних структур.

Третя глава присвячена сегментації кольорових зображень гістологічних об'єктів. Для аналізу гістологічних препаратів колір складових компонентів тканини відіграє важливу роль. Фарбування препарату дозволяє виділити ті чи інші клітинні структури. Причому стандартне перетворення кольорового зображення в півтонове призводить до втрати деяких об'єктів різного забарвлення, але однакового рівня яскравості.

Рис 6. Зображення клітин нейронів симпатичних гангліїв і побудоване мультіфазное зображення з ієрархічною структурою клітин

Алгоритми сегментації гістологічних об'єктів активно використовують методи математичної морфології. Яскравість і насиченість можна охарактеризувати як напівтонові величини. Однак для гістологічних зображень кольоровість можна тільки обмежити пороговими значеннями в спектрі. Тому при обробці гістологічних зображень кольоровість не можна вважати напівтонової величиною, незважаючи на те, що вона володіє такими властивостями, як можливість визначення порогових значень за допомогою обчислення градієнта.

Для збереження кольоровості при використанні операцій математичної морфології на кольорових зображеннях гістологічних препаратів була розроблена система опису кольору PHS (рис.7).

Рис 7. Декартові системи RGB і ZYX і системи координат ZYX і PHS

Перетворення в координати PHS з RGB виконується за такими формулами:

Тестування роботи операторів математичної морфології проводилося в чотирьох координатних системах опису кольору PHS, HLS, RGB, YIQ на зображеннях гістологічних препаратів. З результатів тестування видно, що для системи HLS змінена яскравість, в системах RGB і YIQ спотворена кольоровість, а результат обробки в системі PHS найбільш близький до очікуваного результату. Порівняння зображень проводилося за допомогою метрики Хаусдорфа, середньоквадратичної помилки відхилення e ² і міри схожості зображень. Результати представлені в табл. 2. Характеристики подібності початкового зображення і обробленого в системі PHS мінімальні і свідчать про більш якісної обробки зображення.

Роботу морфологічних операцій на кольорових гістологічних зображеннях в системі PHS можна оптимізувати, обробляючи вектор відстані кольору і пропорційно йому міняючи для пікселя значення за координатами RGB (червоного, зеленого, синього променів). Ця оптимізація збільшує швидкодію на етапі перетворення координатних систем.

Використання напівтонової морфології для кольорових зображень дозволяє більш ефективно вирішувати цілий ряд завдань сегментації зображень гістологічних об'єктів.

Таблиця 2

Порівняння результатів тестування роботи операцій математичної морфології для кольорових зображень

Система координат	Метрика Хаусдорфа	Середньоквадратична помилка відхилення	Міра подібності зображень
HLS	0,337	0,22755	0,05178
RGB	0,302	0,217798	0,047436
YIQ	0,302	0,235654	0,055533
PHS	0,176	0,138054	0,019059

У четвертому розділі описується система аналізу зображень Bioscan.

Для цієї системи були розроблені і випробувані вищеописані алгоритми. Більшість алгоритмів по автоматичній обробці зображень у цій системі розроблені автором. Наведено програмні та технічні характеристики системи, організація програмного забезпечення та геометричні та оптичні параметри, які можна отримати в результаті вимірювання об'єктів.

У системі аналізу зображень реалізований повний апарат математичної морфології для роботи з кольоровими, напівтоновими і бінарними зображеннями, який є важливою частиною у вирішенні багатьох завдань сегментації. Робоча панель системи Bioscan наведена на рис. 8.

Рис. 8. Робоча панель системи Bioscan:

1) меню, 2) панель інструментів, 3) вікно з зображенням, 4) динамічне вікно виклику функцій, 5) редактор підпрограм інтерпретатора

Наведено такі приклади завдань медичної морфології, розв'язуваних системою:

• дослідження пірамідальних нейронів головного мозку різного ступеня ураження вірусом простого герпесу;

• визначення щільності радіальних і тангенціальних волокон мозкової тканини;

• спостереження обміну речовин в клітині з допомогою радіоавтографіі (рис. 9).

а) б) в)

Рис. 9. Клітини крові з радіоізотопними мітками а) півтонове зображення; б) результат порогової сегментації для сегментації клітин; в) бінарне зображення радіоізотопних міток, отриманих порогової сегментацією

У додатках наведено акти впровадження результатів дисертаційної роботи.

ВИСНОВОК

Результати, отримані в ході дисертаційного дослідження, можна сформулювати наступним чином.

1. Виділення гістологічних об'єктів на цифрових зображеннях утруднено істотною варіабельністю і слабкою контрастністю. Тому в задачах сегментації для вирішення приватних завдань застосовуються різноманітні методи. Універсальні підходи до вибору алгоритму для сегментації довільного зображення гістологічних об'єктів невідомі. Отже, існує необхідність побудови взаємозалежної класифікації гістологічних об'єктів і алгоритмів сегментації, а також розвитку алгоритмів сегментації більш загального і універсального характеру для виділення широкого класу об'єктів.

2. Розроблено класифікацію гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів. В основі класифікації лежать оптичні та геометричні характеристики гістологічних об'єктів, а також оптичні характеристики їх оточення - фону. Для кожного класу об'єктів визначено найбільш оптимальний метод сегментації. Така класифікація визначає універсальний підхід до вибору алгоритму для виділення гістологічних об'єктів певного класу, при цьому зберігаючи високу якість отриманих результатів.

3. Розроблено алгоритм напівтонового утоньшения об'єктів на слабоконтрастних зображеннях гістологічних об'єктів. Основною відмінністю алгоритму є те, що операція утоньшения починає обробляти зображення з точок об'єктів, що мають для свого оточення максимальні характеристики яскравості. Ця особливість дозволяє обробляти і отримувати якісний результат на зображеннях зі складним фоном з мінливими характеристиками яскравості, особливо для зображень гістологічних препаратів.

4. Розроблено алгоритм сегментації та відстеження судин або волокон при великих оптичних збільшеннях. Запропонований алгоритм, заснований на аналізі областей, отриманих за допомогою утоньшения перепадів яскравості, дозволяє отримати якісний результат, придатний для подальшої обробки. Крім того, для даного методу сегментації пропонується метод відстеження, також заснований на аналізі виділених областей. Ці особливості дозволяють підвищити швидкість і якість обробки.

5. Розроблено алгоритм морфологічної сегментації майданних гістологічних об'єктів. Алгоритм виділяє такі об'єкти як клітини, судини і волокна в поперечному перерізі на зображеннях гістологічних препаратів з фоном, характеристики яскравості якого змінюються, а текстура не виражена.

6. Розроблено алгоритм сегментації клітин методом об'єднання областей. Він орієнтований на обробку зображень зі складним фоном, у якого змінюються характеристики яскравості і присутній текстура, що складається з помилкових об'єктів і артефактів. Метод об'єднання областей суттєво повільніше морфологічної сегментації, але він дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.

7. Пропонується система координат опису кольору, призначена для збереження кольоровості при роботі методів математичної морфології на зображеннях гістологічних препаратів. При поданні зображення в цій координатній системі основна частина обробки проходить по одній координатній осі, що відображає напівтонові властивості зображення. Це дозволяє поліпшити якість і прискорити обробку кольорових зображень гістологічних препаратів.

Отримані в дисертаційній роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці і аналізі гістологічних об'єктів.

СПИСОК ОПУБЛІКОВАНИХ РОБІТ
ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Статті в збірниках і журналах

1. Недзьведь А.М., Абламейко С.В. Утоньшение напівтонових зображень шляхом послідовного аналізу бінарних шарів / / Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики АНБ 1997 .- Вип.1. - С.137-147.

2. Морфометрія змін онтогенезу у щурів, викликаних малими дозами іонізуючої радіації. Мельниченко Е.М., Чешко М.М., Берлов М.М. и др. / / Охорона здоров'я Білорусі. - 1997 .- № 10. - С.19-21.

3. Недзьведь А.М., Абламейко С.В. Півтонове утоньшение кольорового зображення / / Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1998 .- Вип. 2 .- С.41-52.

4. Недзьведь А.М., Абламейко С.В. Сегментація зображень волокон і судин при великому збільшенні / / Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1999 .- Вип. 3. - С.167-176.

Тези доповідей та матеріали конференцій

5. Недзьведь А.М., Абламейко С.В. Представлення кольорових зображень для математичної морфології / / Комп'ютерний аналіз даних і моделювання. СБ наук. статей V міжнар. конф., під ред. проф. С. А. Айвазяна та проф. Ю. С. Харіна. - Мінськ: БДУ. - 1998 .- Ч. 4: К-Я. - С. 86-95.

6. Image analysis system for quantitative morphology task. Nalibotsky B., Nedzved A., Rubenchik A., ea / / Program and abstract book, 8 ^th International Symposium on Diagnostic Quantitative Pathology. - Amsterdam, 1994. - P.181-182.

7. Комп'ютерна обробка зображень судин і волокон біологічних препаратів та вимірювання їх геометричних характеристик. Недзьведь A.М., Ілліч Ю.Г., Карапетян Г.М. и др. / / Тез. докл. третій наук. конф. з розпізнавання образів і обробки інформації.
   - Мінськ, 1995. - С.110-113.

8. Nedzved A., Ablameyko S. Thinning of gray scale medical images. / / System and signals in Intelligent Technologies. Minsk, 1998. - P.236-240.

9. Недзьведь А.М., Абламейко С.В. Сегментація клітин на гістологічних препаратах для світлової мікроскопії / / Сб. мат. докл. 5-й міжнар. конф. з розпізнавання образів і обробки інформації PRIP-99. - Мінськ, 1999. - Ч. 2. - С. 143-148.

10. Апаратна і програмна підтримка системи обробки та аналізу зображень "BIOSCAN-AT". Налібоцкій Б.В., Недзьведь А.М., Рубенчик А.Я. и др. / / Тез. докл. наук.-техн. конф. з комп'ютерної графіки та анімації. - Мінськ, 1993. - С. 65-68.

11. Недзьведь А.М. Особливості системи пірамідальних нейронів головного мозку поля 10 / / Тез. докл. республіканської наук. конф. молодих вчених і студентів "Актуальні проблеми сучасної медицини". - Мінськ: МГМИ, 1997. - С.83-89.

12. Сучасні уявлення про морфогенезі герпетичної інфекції. Недзьведь М.К., Фрідман М.В., Недзьведь А.М. и др. / / Інфекція та імунітет: Мат. республіканської наук.-практ. конф., присвяченій 75-річчю БелНІІЕМ. - Мінськ, 1999. - С.309-313.

РЕЗЮМЕ

дисертаційної роботи Недзьведь Олександра Михайловича "Сегментація слабоконтрастних зображень гістологічних об'єктів"

Ключові слова: сегментація, медичні зображення, системи аналізу зображень, математична морфологія, колір, гістологічні об'єкти.

Дисертаційна робота присвячена проблемі сегментації об'єктів на зображеннях гістологічних препаратів. Її метою є розробка алгоритмів, що дозволяють виділити гістологічні об'єкти на зображенні препарату, зберігши геометричні та оптичні властивості об'єкта. Запропоновано класифікацію об'єктів для визначення алгоритму сегментації. Розроблено алгоритм напівтонового утоньшения, що враховує особливості зображень гістологічних препаратів. На основі методів математичної морфології розроблені алгоритми сегментації судин і волокон при малому і великому оптичних збільшеннях, а також алгоритм ідентифікації судин і волокон при великому збільшенні, що використовує результати алгоритму сегментації. Розроблено алгоритми сегментації майданних об'єктів (клітин, ядер клітин, поперечного перерізу судин і волокон) методами математичної морфології та об'єднання областей, а також алгоритм визначення клітин на бінарному зображенні, отриманому в результаті порогової сегментації. Для виконання сегментації гістологічних об'єктів на кольорових зображеннях розроблена система координат опису кольору PHS. Представлена ​​система аналізу зображень Bioscan, в якій реалізовані вищеописані алгоритми. Отримані в дисертаційній роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці і аналізі гістологічних об'єктів.

РЕЗЮМЕ

дисертацийнай праці Недзьведзя Аляксандра Мiхайлавiча "Сегментация слабакантрастних вiдарисаў гiсталагiчних абўектаў"

Ключові слова: сегментация, медицинск i я в i дариси, з i СТЕМи анал i зу в i дариса ў, математичная марфалог i я, колер, м i сталаг i чния аб ў єкти.

Дисертацийная праці присвечана праблеме сегментациi абўектаў на вiдарисах гiсталагiчних препаратаў. Яе Мета зўяўляецца распрацоўка алгаритмаў, дазваляючих вилучиць гiсталагiчния абўекти на вiдарисе препарата, захаваўши геаметричния i аптичния ўласцiвасцi абўекта. Прапанавана класiфiкация абўектаў для визначення алгаритму сегментациi. Распрацавани алгаритм паўтонавага патанчення, якi ўлiчвае асаблiвасцi вiдарисаў гiсталагiчних препаратаў. На падставе метадаў математичнай марфалогii распрацавани алгаритми сегментациi сасудаў i валокнаў при дробовим i буйним аптичним павелiченнi. На падставе алгаритмаў сегментациi распрацавани алгаритм iдентифiкациi сасудаў i валокнаў при буйним павелiченнi. Распрацавани алгаритми сегментациi плошчавих абўектаў (клетак, ядзер клетак, папярочнага сячення сасудаў i валокнаў) метадамi математичнай марфалогii i абўяднання абласцей, а таксамо алгаритм визначення клетак на бiнарним вiдарисе, атриманим у винiку парогавай сегментациi. Для виканання сегментациi гiсталагiчних аб'ектаў на калярових вiдарисах распрацавана сiстема каардинат апiсання колер PHS. Прадстаўлена сiстема аналiзу вiдарисаў Bioscan, у якой реалiзавани вишейапiсания алгаритми. Атримания ў дисертацийнай праці винiкi призначани для реалiзациi ў аўтаматичних сiстемах аналiзу гiсталагiчних препаратаў i могуць викаристоўвацца при традицийнай апрацоўци i аналiзе гiсталагiчних аб'ектаў.

SUMMARY

Dissertation of Nedzved Alexander

"Segmentation of low contrast images of histology objects"

Key words: segmentation, medical images, image analysis systems, mathematical morphology, color, histology objects.

Dissertation is devoted to the problem of object segmentation on histology divparations images. The purpose of research is the elaboration of image segmentation algorithms, allowing to must determine histology objects on divparation images, and divserving objects 'geometrical and optical properties. Object classification is proposed for determination of segmentation algorithm. Algorithm of gray thinning was developed for histology images. Algorithm of fibre and vessel segmentation in small and major magnifications has been worked out on the basis of mathematical morphology methods. Algorithm identification of vessels and fibres, that use results of segmentation, was developed. The algorithms of segmentation of the square objects (cells, nuclei, cross-section of fibres and vessels) were developed by the mathematical morphology and merging region methods. The system of coordinates PHS of color description was collaborated for segmentation of histology objects on color images. Image analysis system Bioscan is described. This system uses the algorithms that have been developed in this dissertation. Results of research can be uses for realization on automatic histology image analysis systems and for processing and analyzing histology objects.

Підписано до друку 3.02.2000. Формат паперу 60x84 1 / 16.

Офсетний друк. Обсяг 1 д.а. Тираж 100 прим. Зак. № 9

_________________________________________

Віддруковано на різографі Інституту технічної кібернетики

НАН Білорусі. 220012, Мінськ, Сурганова, 6