[发明专利]一种基于激光共聚焦显微技术的细胞智能识别方法

说明书

本发明公开了一种基于激光共聚焦显微技术的细胞智能识别方法，包括以下步骤：（1）对细胞进行培养和荧光染色处理；（2）采用激光共聚焦显微镜获取细胞多荧光通道的层切图像；（3）对层切图像依次进行灰度化、去噪处理以及阈值分割，挑出细胞区域，同一个荧光通道的灰度数据存入一个三维矩阵；（4）采用区域随机生长模型，确定每个细胞区域并标号；（5）对标号的细胞按次序进行插值三维重建，并计算各细胞三维形态参数；（6）采用不同细胞重复（1）至（5）过程，再用机器学习方法对细胞三维形态特征进行学习，最终实现多种细胞的识别。本发明提出的识别方法，基于激光共聚焦显微技术获取的细胞三维形态特征，能快速有效的识别各种细胞。

技术领域

本发明涉及图像处理与人工智能识别领域，尤其涉及一种基于激光共聚焦显微技术的细胞智能识别方法。

背景技术

共聚焦显微镜的原理由美国科学家Marvin Minsky在1957年提出，美国的Meridian 公司在1987年以后实现了激光扫描共聚焦显微镜（Laser scanning confocalmicroscope, LSCM）的商用化。它具有高分辨率、高对比度、无损断层成像等优点，被广泛应用于生物组织、细胞以及其他各种生物微粒的研究。

不同于传统光学显微镜，激光共聚焦显微镜在拍摄细胞图像时，可以获取景深极小的二维平面图像。在沿着与二维平面图像垂直方向连续移动样品时，可获得样品不同深度的光学切片，即层切图像。因此，可根据样品情况选择成像位置及拍摄步进间距，得到覆盖整个细胞的一系列二维层切图像，然后通过三维重建技术获得细胞及其超微结构的三维信息，使得人们对亚细胞结构有更直观的认识。理论上，提取其三维形态参数，建立相应的特征库，可对不同细胞进行区分。

但是，目前大多数细胞识别的研究中，采用的是二维光学图像。例如：2003年，程勇等人先提取细胞的面积、中心矩、圆形度、细长度、核浆比等区域特征，然后采用单原型模式表征方法，利用集群分析技术中最小距离分类器，构造判别函数，并依此作为识别类型的依据，有效的识别了三类鳞细胞。参考文献：程勇, 傅德胜. 基于图像区域特征的细胞识别方法及实现[J]. 大气科学学报, 2003, 026(005):712-716.。2006年，何苗等人使用数码相机对光学显微镜下的官 颈细胞涂片进行拍摄，然后提取宫颈细胞和细胞核的15个形态学特征参数及12个色度学特征参数，并对700个宫颈细胞进行了径向基人工神经网络识别，获得了较高的识别率。参考文献：何苗, 蒋本铁,李建华等. 径向基人工神经网络在宫颈细胞图像识别中的应用[J]. 中国医科大学学报, 2006, 035(001):79-81.

当采用激光共聚焦显微镜进行三维重建时，获得的细胞以及超微结构分辨率较高。但是，采集的多细胞切片图像，一般需要进行人工选取细胞再进行三维重建。这一过程耗费研究者大量的时间和精力，因此细胞图像的智能分割和标记十分重要，需要寻找理想的细胞标号和计数方法。此外，细胞三维重建后的形态参数特征，比光学显微镜下的二维形态特征，对细胞超微结构的记录更准确。因此，采用机器学习方法对不同种类或者状态的细胞进行识别时，提取三维形态参数预期可以实现更高的识别率。

发明内容

本发明的目的在于提供一种细胞智能识别方法，对利用激光共聚焦显微技术采集的多细胞图像进行智能分割，并实现不同种类或者状态的细胞的识别。

为实现上述目的，本发明的技术方案为：一种基于激光共聚焦显微技术的细胞智能识别方法，其特征在于包括以下步骤：

（1）对细胞进行培养和荧光染色处理；

（2）采用激光共聚焦显微镜获取细胞多荧光通道的层切图像；

（3）对层切图像依次进行灰度化、去噪处理以及阈值分割，挑出细胞区域，同一个荧光通道的灰度数据存入一个三维矩阵；

（4）采用区域随机生长模型，确定每个细胞区域并标号；