Сегментация изображений гистологических объектов

Преобразование в координаты PHS из RGB выполняется по следующим формулам:

Тестирование работы операторов математической морфологии проводилось в четырёх координатных системах описания цвета PHS, HLS, RGB, YIQ на изображениях гистологических препаратов. Из результатов тестирования видно, что для системы HLS изменена яркость, в системах RGB и YIQ искажена цветность, а результат обработки в системе PHS наиболее близок к ожидаемому результату. Сравнение изображений проводилось посредством метрики Хаусдорфа, среднеквадратичной ошибки отклонения e² и меры сходства изображений. Результаты представлены в табл. 2. Характеристики сходства исходного изображения и обработанного в системе PHS минимальны и свидетельствуют о более качественной обработке изображения.

Работу морфологических операций на цветных гистологических изображениях в системе PHS можно оптимизировать, обрабатывая вектор расстояния цвета и пропорционально ему меняя для пикселя значения по координатам RGB (красного, зелёного, синего лучей). Эта оптимизация увеличивает быстродействие на этапе преобразования координатных систем.

Использование полутоновой морфологии для цветных изображений позволяет более эффективно решать целый ряд задач сегментации изображений гистологических объектов.

Таблица 2

Сравнение результатов тестирования работы операций математической морфологии для цветных изображений

В четвертой главе описывается система анализа изображений Bioscan.

Для этой системы были разработаны и опробованы вышеописанные алгоритмы. Большинство алгоритмов по автоматической обработке изображений в этой системе разработаны автором. Приведены программные и технические характеристики системы, организация программного обеспечения и геометрические и оптические параметры, которые можно получить в результате измерения объектов.

В системе анализа изображений реализован полный аппарат математической морфологии для работы с цветными, полутоновыми и бинарными изображениями, который является важной частью в решении многих задач сегментации. Рабочая панель системы Bioscan приведена на рис. 8.

Рис. 8. Рабочая панель системы Bioscan:

1) меню, 2) панель инструментов, 3) окно с изображением, 4) динамическое окно вызова функций, 5) редактор подпрограмм интерпретатора

Приведены следующие примеры задач медицинской морфологии, решаемых системой:

* исследование пирамидальных нейронов головного мозга разной степени поражения вирусом простого герпеса;

* определение плотности радиальных и тангенциальных волокон мозговой ткани;

* наблюдение обмена веществ в клетке с помощью радиоавтографии (рис. 9).

а) б) в)

Рис. 9.Клетки крови с радиоизотопными метками а) полутоновое изображение; б) результат пороговой сегментации для сегментации клеток; в) бинарное изображение радиоизотопных меток, полученных пороговой сегментацией

В приложениях приведены акты внедрения результатов диссертационной работы.

ЗАКЛЮЧЕНИЕ

Результаты, полученные в ходе диссертационного исследования, можно сформулировать следующим образом.

1. Выделение гистологических объектов на цифровых изображениях затруднено существенной вариабельностью и слабой контрастностью. Поэтому в задачах сегментации для решения частных задач применяются разнообразные методы. Универсальные подходы к выбору алгоритма для сегментации произвольного изображения гистологических объектов неизвестны. Следовательно, существует необходимость построения взаимосвязанной классификации гистологических объектов и алгоритмов сегментации, а также развития алгоритмов сегментации более общего и универсального характера для выделения широкого класса объектов.

2. Разработана классификация гистологических объектов для определения метода сегментации изображений гистологических объектов. В основе классификации лежат оптические и геометрические характеристики гистологических объектов, а также оптические характеристики их окружения – фона. Для каждого класса объектов определён наиболее оптимальный метод сегментации. Такая классификация определяет универсальный подход к выбору алгоритма для выделения гистологических объектов определённого класса, при этом сохраняя высокое качество полученных результатов.

3. Разработан алгоритм полутонового утоньшения объектов на слабоконтрастных изображениях гистологических объектов. Основным отличием алгоритма является то, что операция утоньшения начинает обрабатывать изображение с точек объектов, имеющих для своего окружения максимальные яркостные характеристики. Эта особенность позволяет обрабатывать и получать качественный результат на изображениях со сложным фоном с меняющимися яркостными характеристиками, особенно для изображений гистологических препаратов.

4. Разработан алгоритм сегментации и отслеживания сосудов или волокон при больших оптических увеличениях. Предложенный алгоритм, основанный на анализе областей, полученных с помощью утоньшения перепадов яркости, позволяет получить качественный результат, пригодный для дальнейшей обработки. Кроме того, для данного метода сегментации предлагается метод отслеживания, также основанный на анализе выделенных областей. Эти особенности позволяют повысить скорость и качество обработки.

5. Разработан алгоритм морфологической сегментации площадных гистологических объектов. Алгоритм выделяет такие объекты как клетки, сосуды и волокна в поперечном сечении на изображениях гистологических препаратов с фоном, яркостные характеристики которого меняются, а текстура не выражена.

6. Разработан алгоритм сегментации клеток методом объединения областей. Он ориентирован на обработку изображений со сложным фоном, у которого меняются яркостные характеристики и присутствует текстура, состоящая из ложных объектов и артефактов. Метод объединения областей существенно медленней морфологической сегментации, но он позволяет определять объекты даже тогда, когда перепады уровней яркости объектов такие же, как и у окружающего их фона. Отсутствие стадий “засевания”, роста и разделения областей приводит к выигрышу в скорости по сравнению с традиционными алгоритмами роста областей.

7. Предлагается система координат описания цвета, предназначенная для сохранения цветности при работе методов математической морфологии на изображениях гистологических препаратов. При представлении изображения в этой координатной системе основная часть обработки проходит по одной координатной оси, отображающей полутоновые свойства изображения. Это позволяет улучшить качество и ускорить обработку цветных изображений гистологических препаратов.

Полученные в диссертационной работе результаты предназначены для реализации в автоматических системах анализа гистологических препаратов и могут использоваться при традиционной обработке и анализе гистологических объектов.

Статьи в сборниках и журналах

1. Недзьведь А.М., Абламейко С.В. Утоньшение полутоновых изображений путем последовательного анализа бинарных слоёв // Цифровая обработка изображений.– Минск: Институт технической кибернетики АНБ 1997.– Вып.1. – С.137-147.

2. Морфометрия изменений онтогенеза у крыс, вызванных малыми дозами ионизирующей радиации. Мельниченко Э.М., Чешко Н.Н., Берлов Н.Н. и др. // Здравоохранение Беларуси. – 1997.– №10. – С.19-21.

3. Недзьведь А.М., Абламейко С.В. Полутоновое утоньшение цветного изображения // Цифровая обработка изображений.– Минск: Институт технической кибернетики НАН Беларуси. – 1998.– Вып. 2.– С.41-52.

4. Недзьведь А.М., Абламейко С.В. Сегментация изображений волокон и сосудов при большом увеличении // Цифровая обработка изображений.– Минск: Институт технической кибернетики НАН Беларуси. – 1999.– Вып. 3. – С.167-176.

Тезисы докладов и материалы конференций

5. Недзьведь А.М., Абламейко С.В. Представление цветных изображений для математической морфологии // Компьютерный анализ данных и моделирование. Сб. науч. статей V междунар. конф., под ред. проф. С.А.Айвазяна и проф. Ю.С.Харина. – Минск: БГУ. – 1998.– Ч. 4: К-Я. – С. 86-95.

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

7. Компьютерная обработка изображений сосудов и волокон биологических препаратов и измерение их геометрических характеристик. Недзьведь A.М., Ильич Ю.Г., Карапетян Г.М. и др.//Тез. докл. третьей науч. конф. по распознаванию образов и обработке информации.
– Минск, 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. Сегментация клеток на гистологических препаратах для световой микроскопии // Сб. мат. докл. 5-й междунар. конф. по распознаванию образов и обработке информации PRIP-99. – Минск, 1999. – Ч. 2. – С. 143-148.

10. Аппаратная и программная поддержка системы обработки и анализа изображений “BIOSCAN-AT”. Налибоцкий Б.В., Недзьведь А.М., Рубенчик А.Я. и др.// Тез. докл. науч.-техн. конф. по компьютерной графике и анимации. – Минск, 1993. – С. 65-68.

11. Недзьведь А.М. Особенности системы пирамидальных нейронов головного мозга поля 10 // Тез. докл. республиканской науч. конф. молодых ученых и студентов “Актуальные проблемы современной медицины”. – Минск: МГМИ, 1997. – С.83-89.

12. Современные представления о морфогенезе герпетической инфекции. Недзьведь М.К., Фридман М.В., Недзьведь А.М. и др. // Инфекция и иммунитет: Мат. республиканской науч.-практ. конф., посвященной 75-летию БелНИИЭМ. – Минск, 1999. – С.309-313.

РЕЗЮМЕ

диссертационной работы Недзьведя Александра Михайловича “Сегментация слабоконтрастных изображений гистологических объектов”

Ключевые слова: сегментация, медицинские изображения, системы анализа изображений, математическая морфология, цвет, гистологические объекты.

Диссертационная работа посвящена проблеме сегментации объектов на изображениях гистологических препаратов. Её целью является разработка алгоритмов, позволяющих выделить гистологические объекты на изображении препарата, сохранив геометрические и оптические свойства объекта. Предложена классификация объектов для определения алгоритма сегментации. Разработан алгоритм полутонового утоньшения, учитывающий особенности изображений гистологических препаратов. На основе методов математической морфологии разработаны алгоритмы сегментации сосудов и волокон при мелком и большом оптических увеличениях, а также алгоритм идентификации сосудов и волокон при большом увеличении, использующий результаты алгоритма сегментации. Разработаны алгоритмы сегментации площадных объектов (клеток, ядер клеток, поперечного сечения сосудов и волокон) методами математической морфологии и объединения областей, а также алгоритм определения клеток на бинарном изображении, полученном в результате пороговой сегментации. Для выполнения сегментации гистологических объектов на цветных изображениях разработана система координат описания цвета PHS. Представлена система анализа изображений Bioscan, в которой реализованы вышеописанные алгоритмы. Полученные в диссертационной работе результаты предназначены для реализации в автоматических системах анализа гистологических препаратов и могут использоваться при традиционной обработке и анализе гистологических объектов.

дысертацыйнай працы Недзьведзя Аляксандра Мiхайлавiча “Сегментацыя слабакантрастных вiдарысаў гiсталагiчных аб¢ектаў”

Ключавыя словы: сегментацыя, медыцынск iя в iдарысы, с iстэмы анал iзу в iдарыса ў, матэматычная марфалог iя, колер, г iсталаг iчныя аб ¢екты.

Дысертацыйная праца прысвечана праблеме сегментацыi аб¢ектаў на вiдарысах гiсталагiчных прэпаратаў. Яе мэтай з¢яўляецца распрацоўка алгарытмаў, дазваляючых вылучыць гiсталагiчныя аб¢екты на вiдарысе прэпарата, захаваўшы геаметрычныя i аптычныя ўласцiвасцi аб¢екта. Прапанавана класiфiкацыя аб¢ектаў для вызначэння алгарытму сегментацыi. Распрацаваны алгарытм паўтонавага патанчэння, якi ўлiчвае асаблiвасцi вiдарысаў гiсталагiчных прэпаратаў. На падставе метадаў матэматычнай марфалогii распрацаваны алгарытмы сегментацыi сасудаўi валокнаў пры дробным i буйным аптычным павелiчэннi. На падставе алгарытмаў сегментацыi распрацаваны алгарытм iдэнтыфiкацыi сасудаўi валокнаў пры буйным павелiчэннi. Распрацаваны алгарытмы сегментацыi плошчавых аб¢ектаў (клетак, ядзер клетак, папярочнага сячэння сасудаўi валокнаў) метадамi матэматычнай марфалогiii аб¢яднання абласцей, а таксама алгарытм вызначэння клетак на бiнарным вiдарысе, атрыманым у вынiку парогавай сегментацыi. Для выканання сегментацыi гiсталагiчных аб’ектаў на каляровых вiдарысах распрацавана сiстэма каардынат апiсання колеру PHS. Прадстаўлена сiстэма аналiзу вiдарысаўBioscan, у якой рэалiзаваны вышэйапiсаныя алгарытмы. Атрыманыя ў дысертацыйнай працы вынiкi прызначаны для рэалiзацыiў аўтаматычных сiстэмах аналiзу гiсталагiчных прэпаратаўi могуць выкарыстоўвацца пры традыцыйнай апрацоўцы i аналiзе гiсталагiчных 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 preparations images. The purpose of research is the elaboration ofimage segmentation algorithms, allowing to must determine histology objects on preparation images, and preserving 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.

Подписан к печати 3.02.2000. Формат бумаги 60x84 1/16.

Офсетная печать. Объем 1 п.л. Тираж 100 экз. Зак. №9

_________________________________________

Отпечатано на ризографе Института технической кибернетики

НАН Беларуси. 220012, Минск, Сурганова, 6