宮頸癌細(xì)胞識(shí)別方法研究

1、宮頸癌細(xì)胞識(shí)別方法研究引言我國醫(yī)學(xué)有幾千年的歷史，婦產(chǎn)科一直是醫(yī)學(xué)界中平凡而又有研究價(jià)值的一門科學(xué)，現(xiàn)在全世界有近一半以上的婦女患有或多或少的婦科疾病，而有些疾病嚴(yán)重影響廣大婦女的健康，宮頸癌是常見的婦科惡性腫瘤之一，發(fā)病率在女性惡性腫瘤中居第二位，僅次于乳腺癌。全世界每年的宮頸癌新發(fā)病例有 46.6 萬。據(jù)統(tǒng)計(jì)，我國每年宮頸癌的新發(fā)病例數(shù)超過 13 萬，每年死于宮頸癌約有 5 萬人，占女性癌癥死亡率的第一位。宮頸癌簡介宮頸癌是指發(fā)生在子宮陰道部及宮頸管的惡性腫瘤。宮頸癌的轉(zhuǎn)移，可向鄰近組織和器官直接蔓延，向下至陰道穹窿及陰道壁，向上可侵犯子宮體，向兩側(cè)可侵犯盆腔組織，向前可侵犯膀胱，向后可侵

2、犯直腸。也可通過淋巴管轉(zhuǎn)移至宮頸旁、髂內(nèi)、髂外、腹股溝淋巴結(jié)，晚期甚至可轉(zhuǎn)移到鎖骨上及全身其他淋巴結(jié)。血行轉(zhuǎn)移比較少見，常見的轉(zhuǎn)移部位是肺、肝及骨。當(dāng)宮頸癌的癥狀出現(xiàn)三個(gè)月后就診者已有 2/3 為癌癥晚期。宮頸癌最常見的癥狀為白帶增多和陰道出血，白帶可為米湯樣或粉紅色，且有惡臭；陰道出血開始于性交后、排便后或婦科檢查后，絕經(jīng)后出現(xiàn)陰道流血更應(yīng)注意。衛(wèi)生組織癌癥專家說，子宮頸癌細(xì)胞檢測非常安全，也不繁瑣，25 至 65 歲的婦女每 3 至 5 年進(jìn)行一次就可以，該方法對降低子宮頸癌致死率是非常有效的。在進(jìn)行例行檢查時(shí)其中一項(xiàng)重要內(nèi)容就是檢驗(yàn)癌細(xì)胞的有無和變化，為確診和治療提供有力的證據(jù)?；谙袼?/p>

3、的方法直方圖閾值法有早期的 p-title 法，即假定亮的背景中存在暗的物體，簡單選取使物體目標(biāo)所占面積達(dá)到 p%的閾值。這種方法對于知道物體大致所占比例的圖像特別有效，但是適用范圍很窄。應(yīng)用得很多的比較成熟的方法 Otsu 法，即認(rèn)為閾值 T 把像素點(diǎn)分成 C0 和 C1 兩類，選取使類間方差最大的閾值。近年，付忠良對 Otsu 法進(jìn)行了推廣，分別用平均方差、平均鄰域方差和平均梯度方差代替 Otsu 方法中的均值，取得很好效果。另外一種重要的閾值選擇辦法是基于熵值的選擇方法。認(rèn)為最優(yōu)的閾值是使分割的兩部分的熵值之和最大。除了常規(guī)熵值(-PiLnPi)，一些新的熵值定義也被用于該方法。比如 P

4、.Sahoo 等用 Renyi 熵(-ln(Pi)取代常規(guī)熵，張二虎定義了一種新熵Pie(1-p)并應(yīng)用于彩色印刷網(wǎng)點(diǎn)圖像，效果很好。 基于直方圖的形態(tài)也有幾種不同方法提出。對于直方圖呈現(xiàn)明顯雙峰的圖像，可是選擇谷底作為閾值。而谷底不明顯的圖像可以利用凸凹度選擇閾值，選擇其其峰的肩部的凸凹拐點(diǎn)作為閾值。對于大背景中存在較小物體的這類圖像而言,其直方圖物體峰往往淹沒在背景峰中,無法分辨。很多醫(yī)學(xué)圖像也具有這樣的特點(diǎn)。 1 9Bhanu 和 Faugeras 提出使用梯度松弛算法解決這類問題：首先給每個(gè)點(diǎn)指定一個(gè)初始的出現(xiàn)概率，然后根據(jù)該像素和 8-鄰點(diǎn)的關(guān)系進(jìn)行梯度松弛運(yùn)算，使梯度方向的灰度差別

5、變大，擴(kuò)大灰度范圍，這樣物體峰和背景峰就較好分開。 分水嶺算法是從較低的但仍能正確分割出物體的閾值出發(fā)，對物體進(jìn)行分割，物體間會(huì)有較寬的邊界，然后逐步提高閾值，直至物體的邊界接觸，從而獲得最優(yōu)的閾值，這是一種自適應(yīng)的算法，對于物體距離過近的圖像可以獲得滿意的分割效果。對于受光照等原因，灰度分布很不均勻的圖像，往往可以采用局部閾值法：將圖片分割成若干個(gè)小圖片，每個(gè)小圖片相對比較均勻，對每個(gè)小圖片分別應(yīng)用全局閾值法，分別判斷單峰，雙峰，然后綜合得到整個(gè)圖片的分割。在對彩色圖像的處理中，一種聚類的方法得到應(yīng)用。它首先將彩色圖像映射到色彩空間，然后通過聚類方法獲得類別的數(shù)目和閾值，常用的 k-mean

6、s，c-means 以及 fuzzy聚類均利用，最后對每個(gè)像素點(diǎn)進(jìn)行標(biāo)號(hào)，從而達(dá)到分割目的。 基于像素點(diǎn)的方法由于其是最具局域化的分割方法，基本只考慮了單個(gè)像素的性質(zhì)，沒有考慮像素在空間上的關(guān)系，雖然它得到了很多的加強(qiáng)，而且在計(jì)算代價(jià)上面很占優(yōu)勢，但是它對復(fù)雜或者噪聲和干擾很大的圖像不能取得很好效果，甚至?xí)?dǎo)致錯(cuò)誤分割。因此，在生物醫(yī)學(xué)圖像應(yīng)用的很少?；谶吔绲姆椒ɑ谶吔绲姆指钍恰爸械葘哟巍钡姆指睿玫南袼攸c(diǎn)和其領(lǐng)域的像素點(diǎn)的關(guān)系。一般是通過以下步驟實(shí)現(xiàn)：(1)使用某種技術(shù)尋找候選邊界點(diǎn)(常用如 sobel 算子等)；(2)對這些邊界點(diǎn)進(jìn)行評估篩選(如指定邊界概率等)；(3)連接(如利用

7、跟蹤蟲技術(shù)等)邊界點(diǎn)獲得封閉邊界從而完成對圖像的分割。其中邊界點(diǎn)的尋找和評估是這種方法主要的難點(diǎn)所在。一種常用并且重要的邊界尋找方法是 LOG(Lapalacian Of Gaussion)算子。其基本過程：高斯平滑拉普拉斯運(yùn)算零交叉點(diǎn)。這種方法的困難是邊界點(diǎn)的定位和邊界點(diǎn)的真?zhèn)闻卸?。苑瑋琦等提出基于局域差分極限的方法。David H 和 YossiRubner 通過對圖像噪聲的分析，給每個(gè)邊界點(diǎn)賦予一個(gè)真邊界點(diǎn)的概率。從不同角度的解決這些不足。1986 年 Canny 對過去的方法和應(yīng)用作了小結(jié)和分析，并且提出了三條準(zhǔn)則：(1)好的檢測結(jié)果。要求盡量的檢測出真實(shí)邊緣點(diǎn)；同時(shí)盡可能少的虛報(bào)邊緣

8、點(diǎn)。(2)定位要準(zhǔn)確。要求和實(shí)際邊緣位置偏差最小。(3)低重復(fù)響應(yīng)。要求對同一個(gè)邊緣點(diǎn)的響應(yīng)不要重復(fù)或者重復(fù)很少。Canny 推導(dǎo)了連續(xù)情況下的滿足這些條件的數(shù)學(xué)表達(dá)式，并建議了幾種邊緣算子，開辟了尋找最優(yōu)化邊緣檢定算子的道路。對于有紋理的圖像，不同紋理之間的邊界檢測需要用到分型理論。分形理論的基本思想是：客觀事物具有自相似的層次結(jié)構(gòu)，局部與整體在形態(tài)、功能、信息、時(shí)間、空間等方面具有統(tǒng)計(jì)意義上的相似性，即自相似性。自相似原理的引入使分形理論成為研究和處理自然與工程中不規(guī)則圖像的有利工具。廣義而言，任何物體的表面都可以認(rèn)為是具有某種紋理特征的，故任何圖像都包含了若干種紋理區(qū)域的灰度表面。在這些

9、紋理不同的灰度表面之間的灰度起伏變化顯著，外在就表現(xiàn)為邊緣。大多數(shù)的紋理圖像都可以用分形模型進(jìn)行描述，而紋理特征的變化包含了圖像的邊緣信息。張坤華等在圖像分形模型分?jǐn)?shù)布朗隨機(jī)場的基礎(chǔ)上，通過分析圖像的分形參數(shù)，提出一種新的邊緣檢測特征，并利用自適應(yīng)閾值，實(shí)現(xiàn)圖像的邊緣檢測?；趨^(qū)域的方法基于區(qū)域的方法考慮較大范圍的區(qū)域中的像素的關(guān)系，其基本方法是區(qū)域的合并和分離。 區(qū)域生長法，即通過給定的種子區(qū)域出發(fā)，不斷的合并相似區(qū)域，消除較弱的邊界，直至滿足一定的條件停止生長，從而達(dá)到分割圖像的目的。它的分割結(jié)果不僅僅受到終止條件的影響，還受到生長順序的影響。一種改進(jìn)的區(qū)域生長方法由AndrewMehne

10、rt，Paul Jackwy 提出。 流域算法將灰度的大小假想為地形的高低，將局域最低點(diǎn)視為流域的標(biāo)記點(diǎn)。對每個(gè)點(diǎn)計(jì)算其梯度，然后沿梯度最大的方向搜索，直至歸于某個(gè)流域。整個(gè)圖像按照流域標(biāo)號(hào)，從而完成對圖像的分割。在流域標(biāo)號(hào)圖中梯度不為零的點(diǎn)就是邊界。流域算法的主要缺點(diǎn)是容易導(dǎo)致過渡分割，并且計(jì)算量較大。利用多分辨率分析(金字塔算法)可以改善這些問題。近年來利用先驗(yàn)知識(shí)的方法得到很大發(fā)展。其中主動(dòng)輪廓法是很受重視的一類方法。主動(dòng)輪廓法又稱為 Snake 法，主要是通過對區(qū)域定義一種能量函數(shù)，而后動(dòng)態(tài)優(yōu)化這個(gè)能量函數(shù)，使之最大或者最小，從而逼近目標(biāo)的真實(shí)輪廓。其能量的定義主要由輪廓本身的能量(形

11、狀、光滑度等)、圖像內(nèi)部的能量(內(nèi)部點(diǎn)的一致性、內(nèi)點(diǎn)與邊界的符合程度)和其他人為規(guī)定的約束能量組成。主要的進(jìn)展一方面是改良 Snake，一方面是各種搜索全局最優(yōu)解的工具如遺傳算法、Tabu 算法等的應(yīng)用。它的主要缺點(diǎn)是一般需要預(yù)先給出近似的輪廓，而且計(jì)算的代價(jià)非常高，容易收斂到局部最優(yōu)解上。 很多時(shí)候?qū)ふ业氖蔷哂幸欢ㄐ螤钐卣鞯奈矬w，那么可以通過一些變換(比如 Hough 變換)將圖像變換到參數(shù)空間，在參數(shù)空間尋找極大值從而達(dá)到圖像分割的目的。Hai-Shan Wu 等人為細(xì)胞核是橢圓形，并通過 5 參數(shù)堆積，對粘連重疊的細(xì)胞核分割取得很好的效果。金字塔算法對于圖像的多分辨率分析，金字塔算法因?yàn)?/p>

12、其簡單易行得到很廣泛的應(yīng)用。Burt 和Adelson 引入一個(gè)基本高斯函數(shù)的金字塔編碼策略。首先對圖像用高斯脈沖響應(yīng)作低通濾波，濾波之后結(jié)果從原圖像中減去。圖像中的高頻信號(hào)保留在差值圖像中，然后對低通濾波后的圖像進(jìn)行隔行采樣，細(xì)節(jié)也就不會(huì)因此而丟失。其過程如下：設(shè) f 0(i , j )為原始圖像， g (i , j )為高斯形狀的低通濾波器脈沖響應(yīng)。那么下一層的半分辨率f1 (i , j )的圖像和整分辨率差值圖像 h1 ( i , j )為：f1 ( i , j ) = f0 ? g (2 i ,2 j ) 和h1 ( i, j ) = f0 ( i, j ) f0 ?g (i , j)

13、這一過程反復(fù)迭代進(jìn)行就可以將原很大的圖像分解為分辨率降低一半的系列圖像。顯然，在較低的分辨率的圖像上，噪聲和局部的細(xì)小邊緣得到很強(qiáng)抑制，同時(shí)需要處理的數(shù)據(jù)量也大大減小。 近年，發(fā)展了連續(xù)的金字塔(即不再以 1/2 來降低分辨率)、可調(diào)金字塔等改進(jìn)算法。但是就處理效果來說，多數(shù)應(yīng)用的還是使用普通的拉普拉斯金字塔，只是有些濾波函數(shù)不一樣。比如可分離的高斯濾波因?yàn)橛?jì)算簡便等優(yōu)點(diǎn)在實(shí)際中常常被采用。橢圓擬合在計(jì)算機(jī)視覺領(lǐng)域，常常需要探測橢圓，特別是在人造場景(很多是圓形的投影)、生物細(xì)胞顯微圖像等場合。目前，基本上有三類擬合的方法。一類是最小二乘法，一類是遍歷方法，一類是 Hough 變換方法。實(shí)際的圖像中，不僅僅是存在噪聲，還有某些無法剔除的錯(cuò)誤信息，因此簡單的最小二乘法不能得到應(yīng)用，一些魯棒性很強(qiáng)的方法得到發(fā)展，如 Theil-Sen，Repeated Median 方法, K-RANSAC 算法等。 Theil-Se