血細(xì)胞自動(dòng)識(shí)別中特征提取方法綜述

中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息工程學(xué)院 黃 溆 陳愛(ài)斌

血細(xì)胞自動(dòng)識(shí)別中特征提取方法綜述

中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息工程學(xué)院 黃 溆 陳愛(ài)斌

運(yùn)用計(jì)算機(jī)模式識(shí)別技術(shù)識(shí)別血細(xì)胞圖像，是醫(yī)學(xué)圖像領(lǐng)域應(yīng)用的一個(gè)重要研究課題，在血細(xì)胞識(shí)別過(guò)程中，細(xì)胞的特征提取是至關(guān)重要的一環(huán)。本文從形態(tài)學(xué)特征、顏色特征、紋理特征等幾個(gè)方面綜述了血細(xì)胞自動(dòng)識(shí)別中幾種細(xì)胞特征的提取方法。

血細(xì)胞；特征提??；紋理特征

1.引言

白血病是一種目前致病機(jī)理尚不明確的血液類疾病，俗稱“血癌”，嚴(yán)重危害患者生命健康。白血病細(xì)胞具有惡性、無(wú)限增生性，類似于癌細(xì)胞，可迅速的浸潤(rùn)到機(jī)體的各個(gè)組織器官，引發(fā)不良癥狀，甚至在外周血中發(fā)生質(zhì)變。目前白血病的臨床診斷主要采用人工顯微鏡的觀察與識(shí)別，但該方法不僅費(fèi)時(shí)費(fèi)力，且無(wú)標(biāo)準(zhǔn)化界定，受觀察者主觀影響較大，因而存在很多檢測(cè)上的不足。近些年來(lái)，隨著計(jì)算機(jī)軟硬件技術(shù)的不斷發(fā)展和創(chuàng)新，圖像處理以及模式識(shí)別等先進(jìn)技術(shù)已經(jīng)被廣泛應(yīng)用于醫(yī)療機(jī)構(gòu)，并為臨床診斷提供了更具有科學(xué)性和標(biāo)準(zhǔn)化的依據(jù)[1]。計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)可提供具有客觀性和準(zhǔn)確率的檢查結(jié)果，有利于臨床盡快診斷、盡早治療。然而要得到好的識(shí)別效果不僅依賴于原始圖像，還需要對(duì)細(xì)胞圖像中的特征進(jìn)行準(zhǔn)確和可靠的提取，它是細(xì)胞圖像識(shí)別很關(guān)鍵的一步。

白血細(xì)胞圖像有很多的特征。Landeweerd[2]等對(duì)外周血細(xì)胞進(jìn)行了識(shí)別分類，采用15個(gè)特征參數(shù)，包括：形態(tài)參數(shù)4個(gè)，光密度參數(shù)4個(gè)，色度參數(shù)5個(gè)，紋理參數(shù)2個(gè)。Seigneuri[3]認(rèn)為胞核面積，胞核凸度，平均胞漿色調(diào)，核輪廓的規(guī)則度，及平均胞漿亮度是對(duì)骨髓涂片的7類正常粒系細(xì)胞進(jìn)行分類的5個(gè)最有效參數(shù)。Beksac[4]則提出兩個(gè)新特征：胞漿中的顆粒數(shù)及胞核中的核仁數(shù)。Pavlova[5]進(jìn)一步證明了運(yùn)用HSV彩色空間系統(tǒng)對(duì)白細(xì)胞自動(dòng)識(shí)別的重要性，還提取出了兩種新的特征：外周血中各類細(xì)胞在色調(diào)，飽和度直方圖的分布特征。Danielal[6]基于灰度共生矩陣計(jì)算了細(xì)胞的5個(gè)紋理特征，例如：嫡、能量、慣性和局部同一性等。寧旭[7]提取了細(xì)胞的形貌指標(biāo)以及細(xì)胞的形態(tài)色度特征，主要對(duì)周長(zhǎng)、面積、等效直徑、平均灰度、平均光密度、積分光密度、平均色差、特征灰度等特征進(jìn)行了分析，對(duì)正常和異常皮膚淋巴細(xì)胞進(jìn)行了分類。根據(jù)這些已有的研究，本文對(duì)血細(xì)胞圖像的特征提取的方法進(jìn)行了分類綜述。

2.細(xì)胞特征的提取方法

由于細(xì)胞的種類很多，并且某些類別差別細(xì)微，要識(shí)別它們需要選取較多的特征，提取特征的方法各異。

現(xiàn)在對(duì)于細(xì)胞特征的提取根據(jù)圖像的特征可用作標(biāo)志的屬性，通常可分為形態(tài)學(xué)特征、顏色特征和紋理特征，其中顏色特征和紋理特征屬于內(nèi)部特征，需借助分割圖（掩模圖像）從原始彩色圖像上測(cè)量。形態(tài)特征屬于外部特征，可從分割圖像上直接測(cè)量。圖像的特征也常分為圖像的統(tǒng)計(jì)特征和圖像的視覺(jué)特征兩類。圖像的統(tǒng)計(jì)特征是指一些人為定義的特征，通過(guò)變換才能得到，如圖像的直方圖、矩、頻譜等。圖像的視覺(jué)特征是指人的視覺(jué)可直接感受到的自然特征，如區(qū)域亮度、紋理或輪廓等細(xì)胞圖像的特征。下面我們按第一種特征提取的分類方法進(jìn)行具體的綜述。

2.1 形態(tài)學(xué)特征

某些白血病骨髓細(xì)胞間存差異不明顯等特性，給識(shí)別帶來(lái)了困難和阻礙，因此需要綜合選取多種形態(tài)或特征來(lái)全面分析，以免造成誤診。目前常見的主要選取的形態(tài)學(xué)特征包含一下幾種。

2.1.1 周長(zhǎng)

在細(xì)胞分割的數(shù)字圖像中，多利用歐式距離定義來(lái)計(jì)算細(xì)胞邊界曲線的長(zhǎng)度[8]。一般將水平或垂直方向上的相鄰兩個(gè)像素點(diǎn)的距離定義為1，則最小正方形的對(duì)角線距離為。在計(jì)算機(jī)分割圖像運(yùn)算中，細(xì)胞的曲線周長(zhǎng)實(shí)際上就是將細(xì)胞邊界所在像素點(diǎn)相連，并將每?jī)蓚€(gè)相鄰點(diǎn)的距離疊加，最終的總合即為周長(zhǎng)值。

2.1.2 面積

最簡(jiǎn)便和準(zhǔn)確的方式，是將細(xì)胞區(qū)域內(nèi)的所有像素點(diǎn)進(jìn)行計(jì)數(shù)累加來(lái)獲得細(xì)胞區(qū)域的面積特征，根據(jù)一些研究已經(jīng)證實(shí)[9]，訪方法可獲得與原始模擬區(qū)域面積基本一致的結(jié)果。

2.1.3 緊湊性

區(qū)域致密性又被稱為緊湊性，也是一種重要的表現(xiàn)細(xì)胞圖像形態(tài)學(xué)特征的指標(biāo)。當(dāng)圖像越接近圓形時(shí)，細(xì)胞圖像的致密性越高，當(dāng)然也要同時(shí)參考細(xì)胞邊緣的光滑程度，為此，可以用下式度量：

式中，A表示該細(xì)胞區(qū)域的面積；P表示該細(xì)胞區(qū)域的邊界周長(zhǎng)[10]。F為1，區(qū)域?yàn)閳A形，而邊界的彎曲頻率或程度越高，邊緣曲線越復(fù)雜，則F值在小于1的基礎(chǔ)上趨向于0。一般情況下，淋巴細(xì)胞多呈現(xiàn)為橢圓形，F(xiàn)值相對(duì)較大；中性桿狀細(xì)胞的細(xì)胞核圖像邊緣彎曲形態(tài)呈帶狀，致密性相對(duì)較??；單核細(xì)胞的細(xì)胞核圖像表現(xiàn)為明顯的不規(guī)則邊界，其致密性也相對(duì)較小。

2.1.4 矩形度

細(xì)胞矩形度反映物體對(duì)其外接矩形的填充程度，用物體的面積與其最小外接矩形的面積之比來(lái)描述，即

式中，A0是物體的面積，AMER是MER（物體最小外接矩形的面積）的面積。R的值在0和1之間，當(dāng)物體為矩形時(shí)，R取得最大值1，圓形物體的R取值為4∏；細(xì)長(zhǎng)的、彎曲的物體R的取值變小。

2.1.5 細(xì)胞核的分葉數(shù)

細(xì)胞核的分葉數(shù)是細(xì)胞分類的一個(gè)重要指標(biāo)，中性桿狀粒細(xì)胞、淋巴細(xì)胞、幼單核細(xì)胞、單核細(xì)胞的細(xì)胞核的分葉數(shù)為1，中性分葉核粒細(xì)胞的分葉數(shù)為2～5，嗜酸性粒細(xì)胞一般為兩葉，嗜堿性細(xì)胞可分3～4葉或分葉不明顯，常融合成堆集狀。

2.2 顏色特征的提取

顏色特征主要通過(guò)顏色直方圖表示，即對(duì)圖像中各顏色分布情況的一種數(shù)學(xué)統(tǒng)計(jì)值的表達(dá)。直方圖橫向軸為顏色值，縱向軸為同色值的像素點(diǎn)在整個(gè)細(xì)胞圖像范圍內(nèi)所占的數(shù)量比例。顏色直方圖在計(jì)算機(jī)操作及計(jì)算方面相對(duì)簡(jiǎn)單，其平移、尺度、旋轉(zhuǎn)等具有不變性，因而適用于大部分圖像數(shù)據(jù)處理類計(jì)算機(jī)系統(tǒng)。

除此以外，顏色矩也是一種較常見的顏色特征表達(dá)方法，利用矩來(lái)表示細(xì)胞圖像中各顏色分布情況。但目前細(xì)胞涂片的圖像處理中，多采用一階矩——均值、二階矩——方差、三階中心矩——偏斜度表示。這些低階矩的分辨能力相對(duì)較弱，因而常將其與其它細(xì)胞圖像特征結(jié)合應(yīng)用來(lái)應(yīng)用于臨床。

2.3 紋理特征的提取

紋理指的是細(xì)胞圖像中具有不規(guī)則性、但整體宏觀方面又存在一定關(guān)聯(lián)性和關(guān)系的一種分割圖像特征，它的優(yōu)點(diǎn)在于不依賴于顏色和亮度的影響，可直接反映出細(xì)胞分割圖像的同質(zhì)屬性。也就是說(shuō)，紋理特征其實(shí)是細(xì)胞本身的內(nèi)在共通特性。紋理特征含有細(xì)胞本身的表面結(jié)構(gòu)組織信息，同時(shí)關(guān)注細(xì)胞周圍的環(huán)境影響，因而常被應(yīng)用于圖像的檢索處理當(dāng)中。紋理特征的提取多通過(guò)將細(xì)胞圖像像素點(diǎn)間的方向性以及距離性共生矩陣處理后，再由矩陣中將具有含義的統(tǒng)計(jì)量提取出來(lái)?；叶裙铂F(xiàn)矩陣法是目前涂片圖像紋理特征提取的重要方法之一[11]，對(duì)于更加清晰的顯示出紋理的粗糙程度具有較好的表現(xiàn)力，同時(shí)可更精細(xì)的反映出紋理的重復(fù)方向。相對(duì)于粗紋理的區(qū)域，近點(diǎn)像素間存在相近的灰度值，而細(xì)紋理區(qū)域內(nèi)，各陣元值相對(duì)均勻。

3.總結(jié)

血液細(xì)胞識(shí)別中，細(xì)胞的特征提取對(duì)血液病診斷有至關(guān)重要的作用。因?yàn)榧?xì)胞的特征很多，所以采用的方法也很多。本文從圖像處理識(shí)別領(lǐng)域出發(fā)，綜述了提取細(xì)胞涂片圖像的幾類特征，著重描述了細(xì)胞圖片的形態(tài)學(xué)特征的提取，如：周長(zhǎng)、面積、緊湊性、矩形度、細(xì)胞核的分葉數(shù)；同時(shí)還對(duì)細(xì)胞的顏色特征和紋理特征的提取進(jìn)行了一些描述。

[1]黃曉偉.白血病細(xì)胞圖像的分割與特征提取[D].福建師范大學(xué)碩士學(xué)位論文,2007,4:3-12.

[2]Landeweerd GH,Gelsema BS Brener JF,etal.Patern recognition of Nucleated cells from the peripheral blood[J].Patern Recognltion.1983,16(2):131-140.

[3]Seigneurin D,Gauvain C,Brugal G.A semiquantitative analysis of human bone marrow granulocytic linage using the SAMBA 200 cell image processor[J].The normal maturation sequence.Analyt Quant Cytol,1984,6(3):168-178.

[4]Beksac M,Beksac MS,TiPi VB,etal.An artifi cial intelligent diagnostic system on differential recognition ofHematoPoietic cells from micro-scopic images[J].Communications in Clinical Cytometry,1998,30(3):145-150.

[5]Pavlova PE,Cyrrilov KP,Moumdjiev IN.Application of HSV colour system in identi fi cation by colour of biological objects Computerized medical imaging on the basis of microscopic images[J].257-264.and Graphics 1996,20(5).

[6]Daniela Mayumi Ushizima Sabino,Luciano da Fontoura Costa,Rizzatti,Marco Antonio Zago.Imaging.A texture approach to Edgar Gil leukocyte recognition[J].Real-Time 2004,10(4):205-216.

[7]寧旭,唐建民.細(xì)胞形貌特征提取與分類識(shí)別技術(shù)研究[J].激光雜志2005,26(4):95-97.

[8]蔣英,李暉,黃曉偉.白血病圖像分割方法的適應(yīng)性分析與改進(jìn)算法[J].激光生物學(xué)報(bào),2007,6(6):28-29.

[9]T.Markiewicz S,Osowski B,Marianska,etal.Automatic recognition of the blood cells of myelogenous leukemia using SVM[C].Proceedings of International Joint Conference on Neural Networks,Canada,2005:2496-2501.

[10]張麗霞,陳金寶.實(shí)驗(yàn)診斷學(xué)彩色圖譜[J].上海:科學(xué)技術(shù)出版社,2002:133-137.

[11]Nilsson B,Heyden A.Segmentation of complex cell clusters in microscopic images application to bone marrow samples [J].Cytometry part A,2008,66(1):24-31.

[12]Park J,Keller J M.Snakes on the watershed.IEEE Transactions on pattern analysis and machine intelligence,2010,23(10):1201-1204.

[13]周穎穎,周振宇,孫寧,鮑旭東.基于改進(jìn)LBP特征的白細(xì)胞識(shí)別[J].生物學(xué)工程研究,2009,24(4):242-246.

湖南省科技計(jì)劃項(xiàng)目（編號(hào)：2010FJ3139）。

黃溆（1986—），男，碩士研究生，主要研究方向：圖像處理。

陳愛(ài)斌（1971—），男，博士，教授，主要研究方向：圖像處理、模式識(shí)別。