血液细胞图像自动识别系统开发探讨.pdf

1 血液细胞图像自动识别系统的开发 汤学民1)林学訚2)何林1)1)(深圳市人民医院 518020)2)(清华大学计算机科学与技术系)摘要 运用计算机模式识别技术自动识别血细胞图像是模式识别在医学图像领域应用的一个重要研究课题。由于血细胞的种类多、图像复杂而使这项工作不易实现，目前，临床医学中对血细胞形态的识别都是人工操作。本系统运用模式识别技术可对外周血中的血细胞图像实现自动识别。本文所用的图像分割方法是在对图像距离变换的基础上，综合区域和边界方法，充分利用图像中包含的信息，实现血细胞图像的分割。根据细胞的形状、纹理、颜色等的特点选取并测定 22个特征值，用统计分类的方法设计分类器。通过对 50 幅图像共 88 个细胞的测试表明，此系统的识别正确率为 96%，经临床专家评估，此系统具有较好的实用价值。关键词 模式识别 血液细胞 自动识别 Abstract I t i s a n i m p o r t a n t t o p i c i n t h e f i e l d o f m e d i c i n e i m a g e t o m a k e r e s e a r c h o n B l o o d C e l l i m a g e r e c o g n i t i o n w i t h C o m p u t e r P a t t e r n R e c o g n i t i o n t e c h n i q u e.H o w e v e r,t h e r e a r e s o m a n y t y p e s o f b l o o d c e l l s a n d t h e i m a g e i s c o m p l e x.T h e r e f o r e,i t i s n o t e a s y t o f u l f i l l i m a g e r e c o g n i t i o n w i t h t h i s t e c h n i q u e.U p t o n o w,t h e r e c o g n i t i o n o f b l o o d c e l l s i n c l i n i c i s b y m a n u a l w o r k.T h e s y s t e m i n t h i s p a p e r c a n r e c o g n i z e t h e b l o o d c e l l s b y p a t t e r n r e c o g n i t i o n t e c h n i q u e a u t o m a t i c a l l y.I n o r d e r t o f u l f i l l t h e s e g m e n t a t i o n,t h e i m a g e s e g m e n t a t i o n m e t h o d i s b a s e d o n d i s t a n c e t r a n s f o r m a t i o n i m a g e,c o m b i n i n g t h e r e g i o n a p p r o a c h a n d e d g e a p p r o a c h,a n d t a k i n g f u l l a d v a n t a g e o f i m a g e i n f o r m a t i o n.T h e r e a r e 2 2 f e a t u r e s s e l e c t e d a n d m e a s u r e d i n a c c o r d a n c e t o t h e s h a p e o f c e l l,t h e t e x t u r e o f c e l l,a n d c o l o r a p p e a r a n c e o f c e l l.T h e c l a s s i f i e r i s d e s i g n e d w i t h t h e s t a t i s t i c a l c l a s s i f i c a t i o n.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e c l a s s i f i c a t i o n a c c u r a c y i s 9 6%f r o m t h e 8 8 b l o o d c e l l s f o u n d i n a s e t o f 5 0 i m a g e s.T h e s y s t e m a l s o c o n f i r m s t h e v a l i d i t y a n d t h e c l i n i c a l v a l u e.Keywords Pattern recognition,Blood Cell,Automatic recognition 1 引言 随着计算机技术的不断发展，计算机技术在医学中的应用也越来越多，其中一个重要方面是对显微镜下细胞形态的自动图像识别。细胞形态的检测是医学检测中的一个重要部分，很多疾病的诊治主要依靠医学专家观察标本中细胞在显 2微镜下的形态，对细胞进行识别和分类。目前最普遍和主要的方法是使用光学显微镜，观察经过染色的标本，根据每种细胞形态的不同进行分类和计数。这种人工分类的工作重复而单调、效率低下。随着计算机模式识别技术和人工智能研究的不断发展，人们把目光投向了对细胞图像的自动识别上，希望计算机能做到与医学专家一样快速准确地识别各类细胞并做出相应的诊断，这样将大大的提高检查效率，减少人为误差。由于图像中细胞形态复杂、细胞常重叠，标本制作时染色不好等原因，使细胞自动图像识别过程的关键图像分割变得困难。又由于细胞种类较多，某些种类差别细微，因此对特征向量的选取和测定也提出了较高要求。国外相关学者在这方面作了较广泛的研究，已提出一些分割方法，如 Snakes算法。Snakes方法是一种边界检定和图像分割的方法，也可用于细胞边界的定位。Snakes 模型是一条由 n 个控制点组成的连续闭合曲线，它用一个能量函数作为匹配度的评价函数，定义为 Esnake=Einternal+Eexternal，其中，Einternal 和 Eexternal分别为内部和外部函数，前者定义了模型的内部属性和内在运动趋向，后者则与被测区域的图像属性相关，使模型偏离内在运动趋向。该法总能找到一条闭合曲线，能有效将大多数细胞分割开来。但缺点是运算量很大，易受初始位置的影响，而且模型本身不包含目标对象信息，因此对模糊边界、局部变形或胞浆颗粒较大的细胞分割效果不佳。又如基于边界方法的各类边界检测算子，如马尔（Marr-Hidreth）算子，马尔算子是以拉普拉斯算子为基础，实现分为 3 步：首先，通过一个二维高斯函数对图像卷积以减低图像噪声的影响。其次，使用二阶导数差分算子如拉普拉斯算子来计算图像强度的二阶导数。最后，利用二阶导数过零点的性质确定边界位置。马尔算子的优点是快速，能得到一个闭合的轮廓。缺点是由于使用二阶导数，对噪声敏感。也有基于纹理或颗粒度的分割方法，由于白细胞有胞核，胞浆中大都有颗粒，这个纹理特点明显不同于红细胞，因此基于纹理或颗粒度的方法对多数白细胞分割效果较好。但对与红细胞纹理相似的小淋巴细胞和白细胞聚集时分割效果不理想。文献中还有其它图像分割的方法，或区域方法或边界方法，但这些方法对血细胞图像的分割都没有达到一个较理想的效果。一种方法对某类图像可能取得好的效果，但在其它场合下可能就不适合。正是由于细胞图像分割的困难和血细胞某些种类差别的细微，使得对所有血细胞 3实现自动识别在当前还是一个难题。目前，国内所有关于血液细胞形态检查的软件，如血细胞图文报告系统，都没有对细胞自动识别的功能，细胞的分类计数还是人工操作，不能提高检查效率。国外已有公司宣称开发出针对外周血标本的白细胞图像识别系统。此类系统能自动识别外周血中 5 种成熟白细胞，分别是中性杆状粒细胞、中性分叶粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞，每小时可检测 50 个样品。但在国内外均未见此类系统已投入实际使用的报告。本文在对图像距离变换的基础上，综合区域和边界方法，充分利用图像中包含的信息，提高血细胞图像的分割的准确率。根据血细胞的特点选取了 22 个特征向量并建立了测定方法，用统计分类的方法设计分类器，开发出血液细胞图像自动识系统，并获得了较好的效果。2 血细胞图像分割方法的设计 外周血中的血液细胞主要是由红细胞和白细胞组成，本文需识别的是外周血中的各类白细胞。要正确识别白细胞，须将细胞和细胞核图像正确分割出来，下面将分别介绍细胞和细胞核的分割方法，但实际分割过程中两者是互相联系的。2.1 细胞图像分割 血液细胞图像形态各异、细胞常互相接触，实际工作中图像常染色不好、光照不均，因此选择图像分割技术时，考虑以一种分割技术为主综合其它方法，充分利用图像的信息，注重细节、考虑各种特殊情况来提高细胞分割的准确率。通过不断实践，本文摸索出的一套在距离变换图像上，结合区域和边界的方法较好地实现了血细胞图像的分割。方法简介?将彩色图像转换为灰度图，方便各种分割算法的处理。?获取图像的灰度直方图，根据灰度直方图得到背景阈值。?通过背景阈值得到二值图像，获取二值图像的距离变换图，并标识区域最大值，可得知每个细胞的大小。?根据细胞大小和细胞中心的灰度平均值，初选出白细胞。?通过区域增长法，标识每个白细胞周围的红细胞。标识红细胞的目的是 4为了在确定白细胞边界时提供更多的信息作判断。?确定最终的白细胞轮廓。方法是置一圆环于白细胞中，圆环向外扩展，根据距离图、灰度梯度、红细胞的标识等信息共同确定最后的边界。2.2 细胞核分割 每个白细胞都有细胞核，细胞核的分叶数、形状、大小、纹理等特征对白细胞的识别具有重要意义。图像中细胞核的染色一般较深，根据这一特点，可通过求区域灰度阈值的方法来将细胞核从细胞中分割出来。方法的实现 1、获取此细胞象素的灰度直方图（包含细胞核和细胞浆象素），并平滑直方图。2、通过直方图获取阈值 细胞象素的灰度直方图常有多个峰，因此须兼顾一般细胞核的特点和个别类别细胞的特例来选取最合适的阈值。一般细胞核的特点是胞核面积占细胞总面积的 1/3 至 3/4，胞核染色较深。小淋巴细胞的细胞核占细胞面积的 4/5 以上，且胞核深染。因此，选取胞核分割阈值时，其阈值的定位须满足以上条件。3、根据阈值标识细胞核 将灰度值小于阈值的象素标识为细胞核。细胞浆中有些染色较深的颗粒在此过程中可能会误作为细胞核，但这可在计算特征胞核分叶数时通过数学形态的方法消除。3 特征向量的选取 由于血液细胞的种类很多，并且某些类别差别细微，要识别它们需要选取较多的特征，选取的特征向量如下。1、细胞的基本特征 细胞半径：细胞核分叶数：核/浆面积比：细胞核灰度平均值：5 细胞浆色度（hue）平均值：细胞核色度（hue）平均值：2、细胞的形状特征 细胞核圆形度：细胞核凹性：细胞核偏心率：3、细胞纹理 细胞浆纹理(能量，熵，对比度)：细胞核纹理(能量，熵，对比度)：4 分类器的设计 由于血细胞分类的决策规则是已确定的，本文采用专家系统的产生式规则来识别细胞。分类器的实现 1)根据血细胞分类的先验知识建立规则库，规则库中每一条规则对应唯一一类细胞。2)将测出的细胞的特征向量转换成规则中涉及到的条件（事实）。将细胞特征转换为条件分两种情况：?定性条件判断 主要指定性的条件。如细胞的特征分叶数为 3，则可直接判断规则中的条件多核为真。?计量性规则 主要指定量的、不容易判断的条件。如细胞的特征圆形度值为15.6，则条件细胞核圆形度属圆型的获得