Обзор существующего программного обеспечения

В настоящее время для обработки изображений активно используется коммерческое программное обеспечение (ПО) и бесплатное открытое ПО.

К достоинствам коммерческого ПО можно отнести: 1) надежность – алгоритмы разработаны под конкретный вид решаемых задач, 2) высокую точность результатов – достигается вследствие внедрения коммерческих патентов на методы сегментации, 3) простоту в использовании – дружественный интерфейс для работы. Недостатками коммерческого ПО являются высокая стоимость, отсутствие универсальности: в случае изменения технологии, необходимо менять программное обеспечение, отсутствие доступа к коду со стороны пользователя, использование специальных форматов данных [15].

Альтернативой к коммерческому программному обеспечению выступает открытое бесплатное программное обеспечение, в основном предназначенное для академического использования. Для бесплатного ПО характерны: универсальность, общедоступность, возможность модификации кода под специализированную задачу. Большинство бесплатных пакетов не обладает интерфейсом и рассчитано на пользователей имеющих навыки программирования. Наиболее распространенные пакеты бесплатного программного обеспечения представлены в таблице 1 [16].

Таблица 1 – Пакеты бесплатного программного обеспечения

Пакет	Описание	Интернет ресурс
ImageJ	Обработка изображений	http: //rsbweb.nih.gov/ij
OME	Базы данных изображений	www.openmicroscopy.org
Bio-Formats	Библиотека обмена метаданными	www.loci.wisc.edu/omel
CellProfiler	Автоматическое вычисление характеристик клеток	www.cellprofiler.org
VisBio	Многофакторный анализ изображений	www.loci.wisc.edu/visbio
Bisque	База данных для семантического анализа	www.bioimage.ucsb.edu

Раздел 2 Разработка алгоритмов анализа изображений и моделирования

Сегментация изображения

Общие этапы алгоритмов сегментации объектов на изображении

Построение трёх масок изображения имеет общие этапы (Рисунок 1).

Рисунок 1 – Этапы построения масок

При построении монохромного изображения используются цветовые компоненты, соответствующие цвету испускаемому красителем, маркирующего исследуемый объект. Пороговое значение находиться по необработанному монохромному изображению. Построение бинарного изображения осуществляется на необработанном или на сглаженном гауссовским фильтром монохромном изображении и если необходимо, оно наращивается, используя метод распространения. Размер фильтра определялся как минимальный диаметр исследуемого объекта, умноженный на 3.5/3.   На заключительном этапе происходит морфологическая обработка изображения.

Входные параметры необходимые для сегментации изображения: image – файл обрабатываемого изображения; TumorMinDiameter – минимальный размер области опухоли; TumorMaxDiameter – максимальный размер области опухоли; NucleuMinDiameter – минимальный размер ядра; NucleuMaxDiameter  – максимальный размер ядра; CellMinDiameter – минимальный размер клетки; CellMaxDiameter– максимальный размер клетки.

Построение маски опухоли

Так как информация о цитоплазме содержится в зелёной компоненте, то для построения монохромного изображения использовалась только зелёная компонента. Пороговое значение находилось по методу Оцу. Построение маски опухоли строилась на неслаженном изображении. Затем на полученном бинарном изображении заполнялись пустоты меньшие размеров ядер, так как эти пустоты соответствуют областям, не содержащим красителя цитоплазмы, из-за наличия ядра клетки в них.   

Построение маски ядер

Информация об интенсивности красителей ядер содержится в красной и синей компонентах, поэтому для построения полутонового изображения использовалась сумма двух этих компонент. Затем находилось пороговое значение по методу суммирования нормальных распределений. Оценки части изображения занятой ядрами (nuclei_part) строилась как отношение:

nuclei_part=N*π * R_{среднее}²/ image_square,

где N– количество локальных максимумов на изображении,

Rсреднее=0.5*(NucleuMaxDiameter+NucleuMinDiameter), image_square – площадь изображения.

Затем найденный порог применялся к сглаженному изображению. На бинарном изображении слившиеся ядра разделялись водораздельным методом на основе интенсивностей. И с разделённого бинарного изображения удалялись объекты, площадь которых меньше минимальной площади ядер[17].

Построение маски клеток

Информация об интенсивности красителей цитоплазмы содержится в зелёной компоненте, которая использовалась как полутоновое изображение. Пороговое значение находилось по методу суммирования нормальных распределений, где часть изображения занятая цитоплазмой считалась, как 0.8 части изображения занятой ядрами. Найденный порог применялся к сглаженному изображению. Полученное изображение наращивалось по методу распространения, используя маску ядер. На бинарном изображении слившиеся клетки разделялись водораздельным методом на основе интенсивностей. И с разделённого бинарного изображения удалялись объекты, площадь которых меньше минимальной площади клеток.

⇐ Предыдущая1234Следующая ⇒

Поделиться: