[发明专利]基于邻域内空间取向变化的纤维状结构空间曲率特征提取的图像分析方法

说明书

本发明公开了一种基于邻域内空间取向变化的纤维状结构空间曲率特征提取的图像分析方法，用于生物组织纤维状结构的光学图像的量化分析。本发明方法可实现全自动化的像素级分辨水平的纤维状结构的空间曲率特征提取，在提高精度与准确率的同时还兼顾了优异的时间效率；本发明还利用伪彩色编码技术直观地反映生物组织的空间曲率的分布与变化情况，增强了信息可读性；本发明实现了三维图像的量化分析，相比于传统的二维分析大大增强了空间曲率参量的应用范围与潜力；通过与其他纤维状结构量化参量的结合，本发明可以实现对于生物组织更加全面与完整的理解，对于生命活动与疾病演化过程的研究与分析有着深远的意义。

技术领域

本发明属于生物组织的图像处理与定量表征技术领域，具体涉及到一种基于邻域内空间取向变化的纤维状结构空间曲率特征提取的图像分析方法。

背景技术

纤维状结构普遍存在于生物组织之中，其尺寸从分子水平一直扩展至组织水平，包括但不限于内质网、细胞微管、肌动蛋白、神经元轴突、胶原纤维与血管等。这些纤维状结构在一系列生命进程中不断发生着动态重塑，表现为形态与结构层面的细微变化，并与生物组织的发育、损伤、愈合、疾病的发生与演化密切相关。研究表明，纤维状组织的形态结构的量化表征，包括密度，空间取向，空间排列等参量，对于理解生命系统的结构与功能、细胞与基质相互作用都有着至关重要的意义，并且已经广泛地被应用于癌症、糖尿病以及心血管和神经退行性疾病的研究当中。

空间曲率是描述纤维状结构的弯曲程度另一个重要特征参量，并且与生物组织的力学特性密切相关。然而能够定量表征空间曲率的方法却非常缺乏，只有少数基于半自动化的纤维追踪技术方法，通过计算利用追踪技术得到的纤维的纵向与横向长度的比值来对纤维状结构的空间曲率进行粗略的估算，然而这样的参量几乎不能反映纤维状结构的局部曲率特征，并且其精度高度依赖于纤维追踪的结果，很有可能会受到纤维状组织的密度与直径等因素的严重影响。然而在诸如疾病演化的过程中，特别是疾病早期的阶段，纤维状组织的结构变化往往是非常细微且难以捕捉的。除此之外，目前对于纤维状结构的量化分析工具很多也只停留在二维层面，随着成像技术的发展，越来越多的生物组织的三维结构可以被清晰地揭示出来，使得量化工具需要向三维扩展。综上所述，目前亟需更加高精度、高准确率、高自动化与像素级分辨水平的并可用于三维纤维状结构的空间曲率量化方法。

发明内容

本发明基于现有技术的不足，提出了一种基于邻域内空间取向变化的纤维状结构空间曲率特征提取的图像分析方法。该方法可以得到像素级别分辨率的纤维状结构的空间曲率信息，取值0-1，空间曲率值越高代表越弯曲的纤维状结构，并且能够通过伪彩色编码图的方式将纤维状结构的空间曲率的信息通过不同的颜色清晰地展现出来。该方法可以对多种光学显微技术所得到的二维与三维的纤维状结构图像进行处理与分析，具有快速、简洁、精确、适用性强等优点。

本发明采用以下的技术方案实现：

一种基于邻域内空间取向变化的纤维状结构空间曲率特征提取的图像分析方法，包括以下步骤：

1)对于纤维状结构的二维/三维图像进行像素级空间取向的计算，对于二维图像而言，以图像的所有像素为中心分别生成包含邻域内像素的二维窗口，并且在窗口内生成沿着不同方向的向量，接着根据窗口内图像信号的强度变化与非中心像素相对于中心像素之间的距离来对不同方向的向量进行加权，最终对所有的方向向量进行求和，该和向量的空间取向值赋予中心像素。对于三维图像而言，在图像的所有体素处生成一个包含邻域内像素的三维窗口，并沿着x，y，z方向进行投影得到三个二维图像，接着按照二维计算方法分别计算三个投影图像的空间取向，进而得到中心像素的三维取向。

2)对于纤维结构的二维/三维图像进行阈值化处理，得到二值化矩阵，0值代表背景像素，1值代表需要进行空间曲率分析的包含纤维状结构信息的像素。