检索结果-南通市图书馆

科学技术与工程 2017年第11期17卷 30-36页

作者：李穆李创权曹蕾陈莹蓥廖源源路艳蒙南方医科大学生物医学工程学院广州510515 南方医科大学基础医学院电子显微镜室广州510515

为了分割出厚度突然变窄、走向突然转变的基底膜,以辅助病理医生诊断遗传性肾小球疾病,提出了一种基于粒子滤波的透射电镜(TEM)肾小球基底膜分割方法。依据粒子滤波的原理,首先手动选择小段基底膜得到初始化的粒子;然后根据已估计状态... 详细信息

为了分割出厚度突然变窄、走向突然转变的基底膜,以辅助病理医生诊断遗传性肾小球疾病,提出了一种基于粒子滤波的透射电镜(TEM)肾小球基底膜分割方法。依据粒子滤波的原理,首先手动选择小段基底膜得到初始化的粒子;然后根据已估计状态的粒子的先验信息,利用动态模型产生下一个状态的粒子集;再从中选择满足约束条件的粒子;并利用似然函数选出权重较大的粒子;在连续状态的估计中,为了分割出厚度突然变窄、走向突然转变的基底膜,结合了回溯法和重采样的方法来更新粒子;随着多个连续状态的粒子估计,最终得到基底膜的分割结果。实验结果:选择了6组厚度突然变窄、走向突然转变的肾小球TEM图像进行基底膜分割,Dice相似系数范围为0.70~0.85。方法能够有效分割出厚度突然变窄、走向突然转变的基底膜,得到较为完整的基底膜。

关键词：粒子滤波基底膜分割动态模型回溯法重采样

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

肾小球TEM病理图像的大视野拼接及基底膜分割

肾小球TEM病理图像的大视野拼接及基底膜分割

引用

作者：李穆南方医科大学

学位级别：硕士

透射电子显微镜(Transmission Electron Microscope,TEM)检查是肾活检病理检查的重要部分,肾组织内含特殊有形结构的各种肾脏疾病的诊断及新疾病的发现,大多需要通过TEM检查得以确诊。遗传性肾小球疾病是一种依赖于TEM检查且容易被忽视... 详细信息

透射电子显微镜(Transmission Electron Microscope,TEM)检查是肾活检病理检查的重要部分,肾组织内含特殊有形结构的各种肾脏疾病的诊断及新疾病的发现,大多需要通过TEM检查得以确诊。遗传性肾小球疾病是一种依赖于TEM检查且容易被忽视的肾脏病,因其临床表现可能隐匿或晚发或混杂在貌似普通肾脏病中,诊断极其困难。有研究表明,不管是东方还是西方国家,这类疾病的发病率相当高,但是在我国真正确诊的不足0.5%,若不正确的诊断和用药都会造成肾脏的损害。基底膜的厚度、形态等是这类肾脏病的重要诊断指标。但由于TEM在高分辨率下观察的视野小而基底膜又遍布于整个肾小球内,加上肾小球内组织结构的复杂性等,目前医生在进行病理检查时,往往需要反复切换多个分辨率下的多个视野先来确定疑似病变区,再观察基底膜的形态。当测量基底膜的厚度时,往往需先手动测量多段基底膜再求平均值。这样繁琐的操作过程极易产生视觉疲劳,甚至可能造成漏诊和误诊。计算机辅助诊断(Computer-Aided Diagnosis, CAD)能对病人肾小球TEM图像进行处理和分析,不仅可以大大减轻医生的工作量,提高疾病检查的效率,还对辅助医生诊断具有非常重要的意义。通过与病理专家进行探讨,本文实验设定并完成了如下内容：1.大视野、完整肾小球的TEM图像拼接;2.分割基底膜。第一,大视野、完整肾小球的TEM图像拼接。图像拼接是将有重叠区域的一组图像无缝地融合在一起,得到一副大视野图像的过程。在图像拼接中,最关键的一步是图像配准,图像配准的方法主要分为基于像素的配准和基于特征的配准。近年来,针对仅有部分重叠区域图像配准的研究主要是基于特征点的配准。基于特征点的方法通过提取不同图像中具有几何不变性的点,再建立特征点的匹配,根据匹配的特征点得出图像之间的变换矩阵,从而建立图像的配准。近年来,对特征点的研究包括SUSAN算子、HARRIS角点、SIFT特征点、PAC-SIFT特征点、GLOH特征点、SURF特征点等。由于本文中肾小球TEM图像有一定形变,且纹理信息复杂,而SIFT特征点在处理尺度和旋转变化的图像时有较大的优势,且对复杂纹理图像的配准,所估计的参数也相对稳定,本文选择基于SIFT特征点的配准方法对肾小球TEM图像进行配准。此外,由于TEM成像系统造成图像产生一定的形变,多幅图像配准时产生形变误差,并且随着配准图像数目的增多,图像的形变会增大,易造成图像的形状和细节信息的改变。但在病理诊断中,组织结构的形状及细节信息往往是诊断的依据,图像较大的形变会对诊断结果产生重大影响。为了减小图像形变对图像拼接效果的影响,本文提出了先进行图像的形变校正,再进行图像配准。本实验数据为多张具有一定重叠区域的图像,估计一张图像的校正时,可根据多个重叠区域的信息来拟合校正场,且已提取的SIFT特征点具有较高的匹配度,能作为重叠区域的信息来拟合校正场,故本文采用SIFT特征点结合多项式拟合的非线性校正场来进行图像的形变校正,再利用已提取的SIFT特征点来配准校正后的图像。由于在图像形变校正及图像配准中都利用了SIFT特征点的信息,能有效减少计算时间,提高配准的准确性。再者,由于TEM成像系统造成图像灰度不均匀,配准后的图像在图像的衔接处存在一定的接缝。图像接缝的消除可以通过图像融合的方法来解决。由于泊松图像融合的方法能在去缝的同时保证细节信息且不产生伪影,故本文采用泊松图像融合的方法以消除图像的接缝。第二,基底膜分割。基底膜表现为带状结构的薄膜,基底膜在肾小球中分布极为广泛。在肾小球TEM图像中,部分基底膜存在与周围组织结构灰度相似、边界不明显、厚度突然变窄、基底膜走向突然转变等特点,增加了基底膜分割的难度。现阶段已提出的基底膜分割方法分为半自动和全自动的分割方法。这些方法主要利用图像的灰度、色差、纹理等特征进行图像的分割,这些方法在处理厚度均匀、形态变化不大的小段基膜时能得到较好的效果,而本实验所涉及到的基底膜往往厚度不均匀、形态发生较大的变化,已提出的方法在分割基底膜时存在易泄漏、易陷入局部极值及需要严格初始化等问题,这主要是因为这些方法较少涉及到分割对象形状的描述也未涉及根据已分割区域来动态调整分割准则。近年来,伴随着形状表示与识别技术的不断发展,利用图像形状特征在背景复杂的图像中指导目标对象的检测与识别得到发展。本文秉承这一思想提出了一种基于粒子滤波的基底膜分割方法,该方法结合了图像的灰度、梯度和对象的形状描述,根据已获得的先验信息结合动态模型产生丰富的粒子来以引导基底膜的分割。在粒子滤波方法中,选择出与基膜相似度高的粒子是粒子滤波方法的关键。但由于基膜的形态、厚度及走向等有较大的差异,为选择出与基底膜相似性高的粒子往往需要产生大量的粒子,且在接近基底膜厚度及走向突变的地方时

关键词：大视野TEM图像拼接 SIFT特征点基底膜分割粒子滤波

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

肾小球基底膜TEM图像分割方法的研究

肾小球基底膜TEM图像分割方法的研究

引用

作者：李创权南方医科大学

学位级别：硕士

慢性肾脏病已成为威胁全球公共健康的重要疾病,肾穿刺病理活检是诊断慢性肾脏疾病的重要手段,借助透射电镜(transmission electron microscopy,TEM)能观察到肾小球细胞亚显微结构的病理改变,从而做出进一步的病理诊断。研究指出,在肾小... 详细信息

慢性肾脏病已成为威胁全球公共健康的重要疾病,肾穿刺病理活检是诊断慢性肾脏疾病的重要手段,借助透射电镜(transmission electron microscopy,TEM)能观察到肾小球细胞亚显微结构的病理改变,从而做出进一步的病理诊断。研究指出,在肾小球细胞的亚显微结构中,肾小球基底膜(glomerular basement membrane,GBM)的变化与慢性肾脏疾病有密切的关系,如薄基底膜病表现为肾小球基底膜弥漫性变薄。因此在病理诊断过程中,医生常常需要对基底膜进行识别和测量。但是GBM的TEM灰度图像纹理复杂,病变种类繁多,且大部分基底膜与周围组织结构对比度较低,依靠肉眼进行识别与测量不仅困难而且耗时。因此,利用计算机图像处理技术对GBM区域进行分割,能更快速直观地观察基底膜的形态,有利于辅助慢性肾脏病的病理诊断。多年来,图像分割算法的研究一直是图像处理领域的研究热点,国内外提出的分割算法也很多,然而针对肾小球基底膜分割算法的研究,是在20多年前才开始逐渐发展起来的。这主要因为生物图像本身带有的复杂性,样品制备过程的多变性,图像对比度差,结构模糊等特点而大大增加了图像分析的难度系数和复杂性,从而在一定程度上使得肾小球基底膜分割算法的发展受到了限制。现阶段已提出的基底膜分割方法可归纳为半自动分割和全自动分割两大类。这些方法主要基于图像的灰度特征、纹理特征、梯度特征等属性分割图像,在处理灰度均匀、形态变化不大的小段基膜时能得到较好的效果,但是当待分割的基底膜具有与周围组织结构对比度较低、自身形状差异性大等特点时,分割性能不稳定,主要原因是因为这些方法对分割对象形状的描述涉及较少,也不能根据已有的分割信息动态调整分割规则。因此,基底膜分割的自动化程度和精细水平仍然需要进一步提升。针对现有方法存在的问题和基于分割基底膜的需求,本文提出了两种方法来完成基底膜的自动分割。方法一是基于块匹配算法的肾小球基底膜自动分割。图像块匹配算法可以有效搜索图像间的相似图像块,但是由于基底膜对比度低、自身形状差异性大的特点,仅仅从一幅参考图像中搜索查询图像的相似块将难以得到最优的匹配结果。而且,当参考图像数量较多时,逐一将查询图像与参考图像进行块匹配,效率是很低的。因此,本文首先针对肾小球基底膜的特点,,将块匹配算法的搜索范围从一幅参考图像扩展到多幅参考图像,并采用了一种改进的搜索方式提高匹配效率。然后开始搜索最优的图像匹配块,最后提取最优匹配块对应的标记匹配块进行加权,重组为肾小球基底膜的初始分割结果。对于匹配结果出现的假阳性问题,本文采用数学形态学的方法对分割结果进行后处理,得到精度更高的结果。方法二是基于随机森林分类器的肾小球基底膜的自动分割。随机森林算法通过bootstrap抽样技术,产生新的训练样本集合,然后对每个bootstrap样本进行决策树建模,生成由k个决策树组合成的随机森林,最后通过投票的方式,对新数据的分类结果进行预测。研究表明,随机森林算法具有较高的预测准确率,对异常值和噪声具有很好的容忍度。但是由于肾小球TEM图像中,不同图像之间存在灰度差异大的问题,使得采用随机森林分类处理海量数据时,会导致部分像素点的分类混乱,致使基底膜的分割准确率不高。本文在随机森林的基础上,引入多重随机森林的概念,从使用一个随机森林进行分类扩展到使用多个随机森林分类,使得当森林数量足够大时,总有一张或多张训练图像的灰度跟待分割图像的灰度接近,进而克服不同图像之间灰度差异带来的分割准确率不高的问题,提高肾小球基底膜的分割准确率。在采集到的500组肾小球透射电镜图像上进行测试,方法一得到的Jaccard系数最低为83%,最高为95%;方法二得到的最低为84.6%,最高为92%。实验结果表明,本文提出的两种图像自动分割方法,在肾小球基底膜的自动分割上取得了精度较高的分割结果,可以为肾活检病理诊断提供有价值的信息。

关键词：基底膜分割块匹配相似性测度随机森林决策树分类器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：