Способ компьютерной обработки и анализа изображений разнотипных объектов биологической природы

Изобретение относится к области компьютерной обработки цветных изображений разнотипных объектов биологической природы. Техническим результатом изобретения является повышение скорости и точности обработки и анализа изображений. В компьютер вводят цветное изображение с биологического препарата, выполняют фильтрацию шумов и помех, сегментацию всех изображений объектов и их элементов за один проход обработки с помощью интерактивного порогового преобразования в пространствах цветовых признаков HSV или RGB, пороги определяют интерактивно, путем указания на исходном изображении областей, соответствующих элементам объектов, каждую область отображают в виде массива опорных точек, обладающих эталонными цветовыми признаками для каждого однотипного элемента объектов, сегментацию осуществляют на основе сравнения расстояния в пространстве цветовых признаков между текущей точкой изображения и опорными точками, указанными ранее, причем текущая точка считается принадлежащей тому элементу, расстояние до опорной точки которого минимально, результаты изменения параметров настроек сегментации отображают в реальном времени в окне предварительного просмотра, эту настройку применяют ко всему изображению и используют для сегментации всего препарата автоматически, с помощью логического фильтра удаляют все не подлежащие анализу объекты, а у анализируемых объектов формируют связные области, соответствующие объектам и их внутренним элементам.

Реферат

Изобретение относится к области компьютерной обработки цветных изображений разнотипных объектов биологической природы и предназначено для решения задач морфометрического анализа, распознавания, идентификации, дифференцированного счета изображений объектов при диагностировании заболеваний и исследованиях в области медицины и биологии.

В последние годы разработаны различные автоматизированные системы с разными способами анализа и обработки изображений объектов медико-биологической природы для количественных морфометрических исследований, обзор которых приведен в книге Г.Г. Автандилова «Медицинская морфометрия». - М.: Медицина, 1990, с.342-351, а также в книге «Современные микроскопические исследования в биологии и медицине». Сборник статей. - М.: «Лабора», 2006, с.108-113.

Но эти анализаторы специализированы для конкретных задач и работают только с одним типом объектов, поэтому сегментация чаще всего осуществляется по гистограмме яркости путем визуального выбора порогов или автоматически по минимумам этой гистограммы. Такие способы требуют высокого качества изображений объектов (красителей), что в реальных условиях не всегда возможно.

Известны и другие способы обработки и анализа изображений (Патент РФ №2267232, H04N 1/40, 9/67, G06K 9/36, G06T 5/00 от 11.06.2004; статья A.M.Малов, Т.Ф. Шереметьева «Метод предварительной обработки медико-биологических изображений» // Научно-технический вестник. 2007, №37, с.10-16), которые основаны на визуализации меры сходства (расстояния в признаковом цветовом пространстве RGB, где каждый пиксель изображения характеризуется значениями яркости трех цветовых компонент: R-красного, G- зеленого, В-синего) с эталоном и на пороговой бинаризации преобразованного изображения с использованием интерактивного управления.

Недостатком известного способа является то, что за один проход обработки изображения можно выделять контуры только одного типа элемента объектов (например, только ядра клеток). Для морфометрической диагностики требуется определять все элементы объектов, что в этом способе потребует сегментации более трудоемкой и длительной по времени (количество проходов будет зависеть от количества элементов в объекте), а также дополнительных вычислительных затрат на согласование результатов сегментации по отдельным элементам при формировании полного изображения.

Наиболее близким к предлагаемому техническому решению является способ обработки и анализа изображений медико-биологических объектов (см. Г.М.Попова, В.Н.Степанов «Анализ и обработка изображений медико-биологических микрообъектов» //Автоматика и телемеханика, №1, 2004), принятый за прототип. Данный способ позволяет обрабатывать разнотипные изображения объектов, причем все элементы объектов обрабатываются за один проход путем сегментации изображений в цветовом пространстве HSV (Hue, Saturation, Value - цветность, насыщенность, уровень), но поскольку интерактивная работа с пространством невозможна из-за сложности его отображения, оно было разбито на две плоскости HS и HV. Пользователь указывал на исходном изображении характерную область какого-либо элемента объекта и на изображениях (проекциях) двумерных гистограмм HS и HV позиционировалась опорная точка, соответствующая выбранному элементу, и так далее, по одной точке на каждый элемент. В дальнейшем, путем перемещения опорных точек можно было подстроить границы всех элементов. Затем, для повышения качества сегментации производился выбор между плоскостями HS и HV, выбиралась та плоскость, на которой расстояние между опорными точками больше.

Недостатком этого способа является необходимость разбиения пространства признаков до двух плоскостей, что снижает точность при необходимости выбора между этими двумя плоскостями. Кроме того, наглядность данного способа затруднительна особенно для пользователей, не являющихся техническими специалистами.

Техническим результатом изобретения является повышение скорости и точности обработки и анализа изображений разнотипных объектов, включая выделения внешних контуров всех изображений объектов и контуров внутренних составляющих их элементов, что позволяет повысить достоверность результатов параметризации и идентификации объектов при компьютеризации (автоматизации) процессов морфометрического анализа и исследований, проводимых для диагностирования заболеваний.

Технический результат достигается тем, что способ компьютерной обработки и анализа изображений разнотипных объектов биологической природы, заключающийся в том, что в компьютер вводят цветное изображение с биологического препарата, выполняют предварительную фильтрацию шумов и помех, сегментацию (интерактивное пороговое преобразование) всех объектов на изображении, удаление не подлежащих анализу объектов, формирование связных областей на сегментированном изображении согласно структурному описанию объектов, при этом сегментацию всех изображений объектов и их внутренних элементов осуществляют за один проход обработки с помощью интерактивного порогового преобразования в пространствах цветовых признаков HSV или RGB, пороги определяют интерактивно, путем указания на исходном изображении областей, соответствующих элементам объектов, причем каждую область отображают в виде массива опорных точек, обладающих эталонными цветовыми признаками для каждого однотипного элемента объектов, при этом сегментацию осуществляют на основе сравнения расстояния в пространстве цветовых признаков между текущей точкой изображения и опорными точками, указанными ранее, причем текущая точка считается принадлежащей тому элементу, расстояние до опорной точки которого минимально, при этом результаты изменения параметров настроек сегментации отображают в реальном времени в окне предварительного просмотра, что позволяет визуально наблюдать, как изменения настроек влияют на результаты сегментации, затем эту настройку применяют ко всему изображению и используют для сегментации всего препарата или их серии автоматически, затем с помощью логического фильтра удаляют все объекты, не подлежащие анализу, исходя из их размера и информации о соприкосновении или не соприкосновении их с другими объектами, а у анализируемых объектов формируют связные области, соответствующие объектам и их внутренним элементам.

Способ осуществляется путем выполнения последовательности следующих процедур.

1. Ввод в компьютер цветного изображения с биологического препарата, на котором присутствуют анализируемые объекты.

2. Фильтрация по Гауссу для снижения уровня шумов/помех в изображении.

3. Сегментация (интерактивное пороговое преобразование) всех изображений объектов и их внутренних элементов, введенных в компьютер, выполняется за один проход обработки. Сегментация может проводиться в пространствах цветовых признаков RGB или HSV. В режиме настройки определяются интерактивно пороги преобразования путем указания пользователем на исходном изображении областей, соответствующих элементам объектов. Каждая область запоминается как массив опорных точек, обладающих эталонными цветовыми признаками для каждого однотипного элемента объектов. Сегментация осуществляется на основе сравнения расстояния в пространстве цветовых признаков между текущей точкой изображения и опорными точками, указанными ранее пользователем. Текущая точка считается принадлежащей тому элементу объекта, расстояние до опорной точки которого минимально. Данное расстояние можно модифицировать путем специально введенных для каждого элемента коэффициентов, настройка которых в интерактивном режиме позволяет смещать (изменять положение) границы между элементами.

Для ускорения процесса сегментации результаты изменения параметров настроек сегментации (массивов опорных точек, коэффициентов элементов) отображаются в реальном времени в окне предварительного просмотра 100×100 пикселей, что позволяет настраивать параметры сегментации в интерактивном режиме, наблюдая, как изменение настроек отображается на результатах сегментации. Такие локальные преобразования областей (элементов объектов) обеспечивают эффективную обработку тонкоструктурных областей.

Настройка проводится один раз для каждой серии препаратов, далее сегментация проводится автоматически. Она становится как бы специализированной для данной серии препаратов, хотя при изменении свойств красителей препаратов со временем возможна подстройка.

4. Удаление в изображении объектов/элементов, не подлежащих анализу. Для ускорения этой процедуры дополнительно вводится логический фильтр, позволяющий удалять эти объекты или элементы, исходя из размера и информации о соприкосновении или не соприкосновении одних объектов/элементов с другими.

5. Формирование связных областей, соответствующих объектам и их внутренним элементам на изображении, выполняется согласно структурному описанию объектов, путем нахождения точек контура методом заполнения (заливки) ограниченной области «с затравкой», где под затравкой понимается произвольная точка, принадлежащая объекту. Сегментированное изображение сканируется и при нахождении цвета, присутствующего в модели, область заливается, начиная с найденной точки с нахождением граничных точек. При нахождении контуров учитывается вложенность элементов.

Таким образом, в предлагаемом способе на исходном изображении можно выделять все объекты и их внутренние элементы за один проход обработки; кроме того, исключение операции отображения цветового пространства в виде двух плоскостей, а также дополнительно введенные операции в виде преобразования фрагмента изображения, выполняемого интерактивно в окне предварительного просмотра 100×100 пикселей, и удаления не анализируемых объектов, осуществляемые с помощью логического фильтра, значительно ускорили и повысили точность сегментации изображений объектов, обеспечили эффективную обработку тонкоструктурных областей элементов, что позволило повысить достоверность результатов параметризации и идентификации объектов при компьютеризации процессов морфометрических анализов и исследований, проводимых для диагностирования заболеваний.

Способ компьютерной обработки и анализа изображений разнотипных объектов биологической природы, заключающийся в том, что в компьютер вводят цветное изображение с биологического препарата, выполняют предварительную фильтрацию шумов и помех, сегментацию (интерактивное пороговое преобразование) всех объектов на изображении, удаление объектов, не подлежащих анализу, формирование связных областей на сегментированном изображении согласно структурному описанию объектов, отличающийся тем, что сегментацию всех изображений объектов и их внутренних элементов осуществляют за один проход обработки с помощью интерактивного порогового преобразования в пространствах цветовых признаков HSV или RGB, пороги определяют интерактивно путем указания на исходном изображении областей, соответствующих элементам объектов, причем каждую область отображают в виде массива опорных точек, обладающих эталонными цветовыми признаками для каждого однотипного элемента объектов, при этом сегментацию осуществляют на основе сравнения расстояния в пространстве цветовых признаков между текущей точкой изображения и опорными толчками, указанными ранее, причем текущая точка считается принадлежащей тому элементу, расстояние до опорной точки которого минимально, при этом результаты изменения параметров настроек сегментации отображают в реальном времени в окне предварительного просмотра, что позволяет визуально наблюдать, как изменения настроек влияют на результаты сегментации, затем эту настройку применяют ко всему изображению и используют для сегментации всего препарата или их серии автоматически, затем с помощью логического фильтра удаляют все не подлежащие анализу объекты исходя из их размера и информации о соприкосновении или не соприкосновении их с другими объектами, а у анализируемых объектов формируют связные области, соответствующие объектам и их внутренним элементам.