專利名稱：高通量成像系統(tǒng)下的斑馬魚間腦和中腦自動(dòng)分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物醫(yī)學(xué)圖像處理與分析，特別是一種對高通量成像系統(tǒng)下對斑馬魚 腦部區(qū)域分割的方法。
背景技術(shù)：
斑馬魚是是屬于輻鰭亞綱一種硬骨魚，其神經(jīng)系統(tǒng)、視覺系統(tǒng)、血液等方面在早期 發(fā)育與人類極為相似，而且成長速度極快、胚胎透明。由于這一系列原因，斑馬魚已成為研 究動(dòng)物胚胎發(fā)育的優(yōu)良材料和人類疾病起因的重要模式動(dòng)物。在斑馬魚的圖像處理和分析 中，圖像分割往往都是最基本的問題，而斑馬魚間腦和中腦的自動(dòng)分割方法還沒有被研究。 現(xiàn)行的圖像分割方法都不能較好地分割出斑馬魚胚胎圖像中的間腦和中腦區(qū)域?qū)﹂撝捣?割方法，由于斑馬魚間腦和中腦的灰度均值不同，閾值方法不能很好地產(chǎn)生一個(gè)閾值來分 割腦部區(qū)域；對邊緣檢測類方法，由于腦部區(qū)域附近的灰度和腦部附近背景灰度相近，很難 通過邊緣檢測算子將腦部分割出來。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠自動(dòng)地將斑馬魚圖像中的斑馬魚間腦和中腦分 割出來的方法。高通量的成像系統(tǒng)一次能產(chǎn)生幾萬幅圖像，在研究過程中如果采用人工處 理的方式，那是非常困難的；而采用計(jì)算機(jī)進(jìn)行圖像處理和分析，這樣分析結(jié)果不僅更加客 觀而且易于存儲(chǔ)到結(jié)構(gòu)化的數(shù)據(jù)庫中，以便更好地使這些數(shù)據(jù)支持統(tǒng)計(jì)分析和數(shù)據(jù)挖掘。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為一種高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分 割方法，包括以下步驟步驟1 運(yùn)用多相水平集分割方法，將斑馬魚圖像分割成多個(gè)有不同灰度均值的 部分，從中挑出最低灰度均值的部分作為斑馬魚腦部區(qū)域的初步估計(jì)范圍，該區(qū)域邊界作 為曲線1 ；步驟2 對步驟1得出的斑馬魚腦部區(qū)域初步估計(jì)范圍內(nèi)的圖像灰度數(shù)據(jù)使用大 津法閾值分割，將分割出的灰度較低的區(qū)域作為斑馬魚腦部區(qū)域初步估計(jì)范圍的進(jìn)一步準(zhǔn) 確估計(jì)范圍，該區(qū)域邊界作為曲線2 ；步驟3 利用斑馬魚腦部區(qū)域與腦部附近其它組織的灰度均值存在差異的這一信 息，構(gòu)建用于分割斑馬魚間腦的活動(dòng)輪廓模型的能量泛函，并演化曲線2分割出斑馬魚間 腦區(qū)域；步驟4 將步驟3得到的斑馬魚間腦區(qū)域從曲線1所圍成的區(qū)域中去除，剩余區(qū)域 的邊界形成斑馬魚中腦區(qū)域包圍的曲線3 ；步驟5 利用對梯度信息靈敏的邊緣停止函數(shù)和測地線輪廓模型，演化曲線3分割 出斑馬魚中腦區(qū)域，完成斑馬魚腦部區(qū)域的分割。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)(1)能夠得到斑馬魚間腦和中腦的完整輪 廓。由于活動(dòng)輪廓模型一開始就演化封閉曲線，而水平集方法保證了曲線在演化過程中始終為封閉的，故最終分割結(jié)果為完整的封閉的輪廓。( 能夠得到準(zhǔn)確的斑馬魚間腦區(qū)域。 分割斑馬魚間腦，面臨腦部區(qū)域與附近灰度對比度不高的問題，但利用間腦和間腦附近的 灰度差構(gòu)建出的分割模型能有效地克服此問題，使得曲線演化到間腦內(nèi)邊界時(shí)曲線兩側(cè)的 灰度差很小，曲線停止演化進(jìn)而分割出斑馬魚間腦。(3)能夠準(zhǔn)確地分割出斑馬魚中腦區(qū) 域。在分割斑馬魚中腦中面臨弱邊緣問題，需要使用對梯度信息靈敏的邊緣停止函數(shù)，使得 當(dāng)曲線演化到中腦邊界時(shí)能及時(shí)停止演化，進(jìn)而準(zhǔn)確地分割出斑馬魚中腦區(qū)域。


圖1是斑馬魚胚胎圖像中所需要分割出的間腦和中腦。圖2是8相水平集分割的初始曲線設(shè)置圖，其中3類水平集分別用紅藍(lán)黃顏色標(biāo)記。圖3是利用本發(fā)明方法操作的斑馬魚腦部分割的流程圖。圖4-7是利用本發(fā)明方法操作的斑馬魚腦部分割過程圖。
具體實(shí)施例方式活動(dòng)輪廓模型是一種較好的分割方法，能夠得到完整的輪廓，但是直接運(yùn)用在斑 馬魚圖像分割中，由于整體斑馬魚圖像灰度較為復(fù)雜和需要將間腦和中腦都分割出來，需 要針對不同的分割目標(biāo)和局部信息構(gòu)建不同的模型來進(jìn)行分割。為解決斑馬魚圖像中的整 體圖像灰度較為復(fù)雜、間腦和附近背景的灰度對比度不高、中腦邊界較弱問題下的腦部區(qū) 域分割問題，本發(fā)明利用多相水平集分割方法估計(jì)斑馬魚腦部區(qū)域、利用活動(dòng)曲線的局部 信息構(gòu)建分割模型、設(shè)計(jì)對梯度信息靈敏的邊緣停止函數(shù)并結(jié)合測地線輪廓模型來準(zhǔn)確地 分割出斑馬魚中腦。本發(fā)明高通量成像系統(tǒng)下的斑馬魚間腦和中腦自動(dòng)分割方法，主要有以下三個(gè)步 驟首先多相水平集分割方法能夠根據(jù)灰度信息將整體斑馬魚圖像分成多部分，從而初步 估計(jì)出具有最低灰度均值的斑馬魚腦部區(qū)域的位置，并利用此區(qū)域邊界構(gòu)造封閉曲線；然 后利用間腦區(qū)域與間腦附近背景灰度級差來構(gòu)建活動(dòng)輪廓模型的能量泛函，并演化曲線找 到斑馬魚間腦；最后利用前兩步的信息找到包圍斑馬魚中腦區(qū)域的封閉曲線，并構(gòu)建測地 線輪廓模型的能量泛函和靈敏的邊緣停止函數(shù)，進(jìn)而演化初始曲線分割出斑馬魚中腦。多相水平集一般將圖像分為2的指數(shù)級個(gè)部分，即相數(shù)是以2為底數(shù)、以水平集個(gè) 數(shù)為指數(shù)的整數(shù)，而斑馬魚圖像較為復(fù)雜，4相水平集分割方法不能將斑馬魚圖像中的腦部 歸成一部分，而多相水平集相數(shù)越多耗時(shí)越大，故在斑馬魚圖像分割中采用8相水平集分 割方法。8相水平集分割方法的能量泛函
權(quán)利要求
1.一種高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在于包括以下步驟步驟1 運(yùn)用多相水平集分割方法，將斑馬魚圖像分割成多個(gè)有不同灰度均值的部分，從中挑出最低灰度均值的部分作為斑馬魚腦部區(qū)域的初步估計(jì)范圍，該區(qū)域邊界作為曲線 1 ；步驟2 對步驟1得出的斑馬魚腦部區(qū)域初步估計(jì)范圍內(nèi)的圖像灰度數(shù)據(jù)使用大津法 閾值分割，將分割出的灰度較低的區(qū)域作為斑馬魚腦部區(qū)域初步估計(jì)范圍的進(jìn)一步準(zhǔn)確估 計(jì)范圍，該區(qū)域邊界作為曲線2 ；步驟3 利用斑馬魚腦部區(qū)域與腦部附近其它組織的灰度均值存在差異的這一信息， 構(gòu)建用于分割斑馬魚間腦的活動(dòng)輪廓模型的能量泛函，并演化曲線2分割出斑馬魚間腦區(qū) 域；步驟4 將步驟3得到的斑馬魚間腦區(qū)域從曲線1所圍成的區(qū)域中去除，剩余區(qū)域的邊 界形成斑馬魚中腦區(qū)域包圍的曲線3 ；步驟5:利用對梯度信息靈敏的邊緣停止函數(shù)和測地線輪廓模型，演化曲線3分割出斑 馬魚中腦區(qū)域，完成斑馬魚腦部區(qū)域的分割。
2.根據(jù)權(quán)利要求1所述的高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在 于所述步驟1中的多相水平集分割方法，具體在斑馬魚圖像分割中采用8相水平集分割方 法，利用3條水平集進(jìn)行演化將分割斑馬魚圖像分成多個(gè)部分，水平集分割的能量泛函為
3.根據(jù)權(quán)利要求1所述的高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在 于所述步驟2中的大津法為縮小斑馬魚腦部區(qū)域的估計(jì)范圍的方法，將此區(qū)域內(nèi)像素根 據(jù)閾值分成兩個(gè)部分，將低于灰度閾值的部分作為斑馬魚腦部區(qū)域初步估計(jì)范圍的進(jìn)一步 準(zhǔn)確估計(jì)范圍。
4.根據(jù)權(quán)利要求1所述的高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在 于所述步驟3中的斑馬魚間腦區(qū)域的分割，方法為利用斑馬魚圖像中腦部區(qū)域附近從內(nèi) 向外灰度值變大的局部信息構(gòu)建活動(dòng)輪廓模型的能量泛函，使活動(dòng)曲線演化到曲線附近內(nèi) 外部灰度差小到一定程度時(shí)演化，模型的能量泛函為
5.根據(jù)權(quán)利要求1所述的高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在 于所述步驟4中的包圍斑馬魚中腦區(qū)域的曲線3的形成，方法為經(jīng)過步驟3得到的斑馬魚 間腦區(qū)域邊界最下方的一個(gè)像素作水平線，與步驟1得到的曲線1相交，從而將曲線1所圍 成的區(qū)域分割成兩個(gè)部分，而斑馬魚中腦所在的新區(qū)域邊界形成曲線3。
6.根據(jù)權(quán)利要求1所述的高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其特征在 于所述步驟5中的分割斑馬魚中腦區(qū)域，方法為運(yùn)用測地線輪廓模型對步驟4得到的曲線 3進(jìn)行演化，其測地線輪廓模型的能量泛函為
全文摘要
本發(fā)明公開了高通量成像系統(tǒng)下的斑馬魚腦部區(qū)域分割方法，其主要解決斑馬魚圖像中的整體圖像灰度較為復(fù)雜、間腦和間腦附近背景的灰度對比度不高、中腦邊界較弱問題下的腦部區(qū)域分割問題。該發(fā)明主要包括以下內(nèi)容斑馬魚腦部區(qū)域的初步估計(jì)、利用局部灰度差來構(gòu)建用于分割斑馬魚中腦區(qū)域模型的能量泛函、包圍斑馬魚中腦區(qū)域的封閉曲線的形成、邊緣停止函數(shù)的設(shè)計(jì)、用于分割斑馬魚中腦的測地線輪廓模型的構(gòu)建。本發(fā)明的分割方法，能夠有效地克服弱邊緣、灰度對比度不高等問題，準(zhǔn)確得到斑馬魚間腦和中腦的完整封閉的輪廓。
文檔編號(hào)G06T7/00GK102063723SQ20111003194
公開日2011年5月18日 申請日期2011年1月28日 優(yōu)先權(quán)日2011年1月28日
發(fā)明者吳濤, 陸建峰 申請人:南京理工大學(xué)