Способ подсчета эритроцитов на изображениях мазков крови (варианты)

Группа изобретений относится к медицине, а именно к лабораторной диагностике, и может быть использована для подсчета эритроцитов на изображениях мазков крови. Для этого формируют черно-белое изображение клеток крови. Выделяют с помощью детектора границ Канни контуры клеток. Находят в выделенных контурах методом Хафа окружности заданного диаметра. Определяют координаты их центров. При формировании изображения формируют распределение центров найденных окружностей. Морфологически обрабатывают полученное изображение оператором закрытия и подсчитывают количество связных элементов, которое соответствует искомому количеству эритроцитов. Группа изобретений обеспечивает точность подсчета эритроцитов на изображениях мазков крови. 2 н.п. ф-лы, 4 ил.

 

Изобретения относятся к области распознавания и могут быть использованы для подсчета округлых объектов на изображении по заданному среднему радиусу и могут быть использованы для подсчета эритроцитов на изображениях мазков крови.

Из существующего уровня техники известен способ подсчета эритроцитов, включающий пороговую сегментацию изображения, выделение объектов на сегментированном черно-белом изображении, удаление объектов, не соответствующих требуемым параметрам, применение детектора границ Канни к сегментированному изображению, нахождение границ клеток и их сегментацию, подсчет сегментированных клеток. Патент GB №2478593 А, МПК G06K 9/00, G06T 7/00, опубл. 14.09.2011.

Также известен способ подсчета эритроцитов, включающий бинаризацию компоненты «а» изображения в цветовом пространстве CIE Lab, выделение границ клеточных ядер с помощью модели активного контура, сегментацию клеточных ядер, подсчет клеток. Д. Мурашов. Метод автоматизированной сегментации изображений цитологических препаратов на основе модели активного контура. // Труды 50-й научной конференции МФТИ "Современные проблемы фундаментальных и прикладных наук". Часть VII. Управление и прикладная математика. Том 1. М.: МФТИ. 2007. С.88-93.

Наиболее близким к заявленным техническим решениям и выбранным в качестве прототипа является способ подсчета эритроцитов на изображениях мазков крови, включающий формирование черно-белого изображения клеток крови, выделение с помощью детектора границ Канни контуров клеток, нахождение в выделенных контурах методом Хафа окружностей заданного радиуса и подсчет выделенных окружностей, чье число является количеством эритроцитов на изображении мазка крови. Katz A.R.J. Image Analysis and Supervised Learning in the Automated Differentiations of White Blood Cells from Microscopic Images // Royal Melbourne Institute of Technology. 2000.

Задачей, на решение которой направлены заявляемые изобретения, является повышение точности подсчета эритроцитов на изображениях мазков крови за счет того, что не учитываются неправильно найденные окружности, а также разделяются эритроциты, наложенные друг на друга.

Данная задача решается за счет того, что формируют черно-белое изображение клеток крови, выделяют с помощью детектора границ Канни контуры клеток, находят в выделенных контурах методом Хафа окружности заданного диаметра, определяют координаты их центров. Затем формируют изображение распределения центров найденных окружностей, морфологически обрабатывают полученное изображение оператором закрытия и подсчитывают количество связных элементов, которое соответствует искомому количеству эритроцитов.

Также данная задача решается за счет того, что формируют черно-белое изображение клеток крови, выделяют с помощью детектора границ Канни контуры клеток, находят в выделенных контурах методом Хафа окружности заданного диаметра, определяют координаты их центров. Перед выделением контуров клеток осуществляют пороговую сегментацию полученного черно-белого изображения клеток крови по яркости на «фон» и «не фон», формируют изображение распределения упомянутых центров найденных окружностей, морфологически обрабатывают полученное изображение оператором закрытия, удаляют связные элементы, координаты которых соответствуют фону, подсчитывают количество оставшихся связных элементов, которое соответствует искомому количеству эритроцитов.

Заявляемая совокупность предложенных выше действий повышает точность подсчета эритроцитов.

Сущность заявляемых изобретений поясняется следующим.

После формирования черно-белого изображения клеток крови путем съемки мазка крови цифровым микроскопом, выполняется алгоритм Канни для выделения контуров на полученном изображении. В этом алгоритме сначала производится сглаживание изображения фильтром для удаления шума. Следующим шагом метода Канни является вычисление градиента каждой точки изображения. Ядра фильтров для расчета градиента изображения с помощью оператора Собеля представляют собой массивы размером 3 на 3:

$$MGy=\left(\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right)MGx=\left(\begin{array}{ccc}1& 2& 1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right)$$ .

Границы выделяются там, где градиент изображения приобретает максимальное значение, при этом только локальные максимумы отмечаются как границы. Следующий этап алгоритма выделения границ Канни заключается в определении потенциальных границ двойной пороговой фильтрацией. Итоговые границы определяются путем подавления всех краев, не связанных с определенными границами.

Так как эритроциты в большинстве имеют округлую форму, их подсчет может быть проведен с помощью методов выделения окружностей на изображении. Одним из таких методов является преобразование Хафа, которое позволяет найти на изображении объекты, принадлежащие определенному классу фигур. Окружность может быть задана параметрическими уравнениями:

x=a+Rcos(θ);

y=b+Rsin(θ),

где (х, у) - координаты точек окружности, (a, b) - координаты центра окружности, R - радиус окружности.

Как известно, координаты центра окружности (а, b) и ее радиус R являются параметрами, с помощью которых можно описать любую окружность на плоскости. Преобразование Хафа использует специальный массив, называемый аккумулятором, размерность которого равна количеству неизвестных параметров объекта. Аккумулятор рассчитывается таким образом, что если достаточное количество контурных точек изображения удовлетворило параметрическим уравнениям, то содержимое соответствующей ячейки аккумулятора увеличивается на единицу. Таким образом, максимумы аккумулятора будут соответствовать параметрам искомой окружности в данной точке.

Большая размерность аккумулятора увеличивает сложность алгоритма, и поэтому радиус искомых окружностей заранее определяется равным среднему размеру эритроцита.

Радиус клеток может варьироваться в пределах некоторых значений. Для расчета этих значений на изображении контуров выбираются наиболее удачно выделившиеся контура, представляющие собой объекты, замкнутая поверхность которых обладает наименьшим эксцентриситетом и достаточно большим радиусом.

Диапазон значений радиусов выбранных контуров используется в качестве параметра R в преобразовании Хафа.

Координаты предполагаемых центров окружностей образуют облака точек на изображении, имеющие наибольшую плотность в районе центров искомых клеток, что позволяет точно определить местонахождение эритроцитов по наиболее плотным и крупным скоплениям предполагаемых центров.

Некоторые плотные образования точек располагаются не в районе центров клеток, а на фоне. Это происходит из-за несовершенного выделения границ и образования ложных контуров, имеющих форму окружности. Для устранения точек, лежащих на фоне, используется следующий метод. Учитывая тот факт, что фон на изображениях мазков крови по своей интенсивности всегда выше интенсивности эритроцитов, формируют маску фона, которая является изображением результата пороговой сегментации исходного полутонового изображения по яркости. После построения маски удаляются те точки из облака центров окружностей, которые принадлежат фону. Для объединения плотных образований точек используется морфологическая операция закрытия, в результате чего в центрах клеток на изображении распределения центров окружностей образуются связные элементы. Слишком малые по площади связные элементы, представляющие собой центры ложно выделенных окружностей, удаляются, а количество оставшихся связных элементов представляет собой количество клеток на изображении.

Сущность заявляемых способов поясняется фигурами 1-4, где:

На фигуре 1 - изображение мазка крови;

На фигуре 2 - изображение контуров и изображение распределения центров найденных окружностей, наложенные на изображение мазка крови;

На фигуре 3 - изображение маски «фона» и «не фона»;

На фигуре 4 - изображение результата морфологической обработки изображения распределения центров окружностей, наложенное на изображение мазка крови.

Способ осуществляется следующим образом.

С помощью цифрового микроскопа МСП-2 осуществляется формирование черно-белого изображения клеток крови. Полученное изображение передается на обработку в персональный компьютер. В результате обработки подсчитывают количество связных элементов, которое соответствует искомому числу эритроцитов на изображении.

Таким образом, заявляемые способы позволяют точно осуществить подсчет эритроцитов на изображениях мазков крови.

1. Способ подсчета эритроцитов на изображениях мазков крови, включающий формирование черно-белого изображения клеток крови, выделение с помощью детектора границ Канни контуров клеток, нахождение в выделенных контурах методом Хафа окружностей заданного диаметра, определение координат их центров, отличающийся тем, что формируют изображение распределения центров найденных окружностей, морфологически обрабатывают полученное изображение оператором закрытия и подсчитывают количество связных элементов, которое соответствует искомому количеству эритроцитов.

2. Способ подсчета эритроцитов на изображениях мазков крови, включающий формирование черно-белого изображения клеток крови, выделение с помощью детектора границ Канни контуров клеток, нахождение в выделенных контурах методом Хафа окружностей заданного диаметра, определение координат их центров, отличающийся тем, что перед выделением контуров клеток осуществляют пороговую сегментацию полученного черно-белого изображения клеток крови по яркости на «фон» и «не фон», формируют изображение распределения упомянутых центров найденных окружностей, морфологически обрабатывают полученное изображение оператором закрытия, удаляют связные элементы, координаты которых соответствуют фону, подсчитывают количество оставшихся связных элементов, которое соответствует искомому количеству эритроцитов.