CC BY
133
В.Я. Спорыхин, Е.В. Адамова
ПРИМЕНЕНИЕ СРЕДСТВ МЛТЬЛБ ДЛЯ РАСПОЗНАВАНИЯ НЕЙТРОФИЛОВ ПРИ АВТОМАТИЗАЦИИ ПРОЦЕССА ИССЛЕДОВАНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ КЛЕТОК
Определение функционального состояния клеток ткани - одна из распространенных и трудоемких задач медицины, требующая специальной подготовки персонала. Компьютеризация этого процесса, основанная на анализе изображения клетки, решает многие сложные проблемы медицины.
Универсальным тестом, используемым для решения задач определения состояния человека, таких как, например, наличие острых бактериальных или вирусных инфекций, является тест по реакции восстановления нитросинего тетразо-лия (НСТ-тест) [1]. Методика НСТ теста состоит в следующем: в свежевзятую кровь человека добавляют нитросиний тетразолий, а также некоторые другие вспомогательные вещества. Пробу инкубируют на водяной бане, делают мазки, которые затем просушивают на воздухе и подкрашивают нейтральным красным цветом и изучают под микроскопом. Учет реакции проводят на основании анализа нейтрофилов с темно-синими отложениями диформазана, который является восстановленной нерастворимой формой нитросинего тетразолия.
Для автоматизации процесса исследования клеток нейтрофилов необходимо получить компьютерное изображение клеток, чтобы в дальнейшем его обработать и проанализировать. С этой целью оптическое изображение необходимо преобразовать в электрические сигналы, оцифровать эти сигналы и занести в память компьютера. Подробное описание установки для съема и оцифровки входной информации приведено в [2].
Различным объектам на изображениях клеток соответствуют области с более или менее одинаковыми значениями яркости. На границах же яркость существенно меняется. Мерой изменения некоторой величины является ее производная. На изображении величина яркости изменяется в пространстве. Пространственная производная - это градиент, который кроме величины имеет еще и направление, т.е. представляет собой вектор [3]. Величина или модуль вектора градиента определяет "силу" границы, т.е. насколько в данной точке границы отличаются яркости объекта и его окружения. Направление вектора градиента показывает направление наибольшего изменения яркости, т.е. этот вектор направлен перпендикулярно границе. Зачастую направление границы не имеет значения, и в таких случаях достаточно определить только величину модуля градиента. Когда же это направление представляет интерес, необходимо вычислять полный вектор градиента.
С помощью средств МЛТЬЛБ были проведены эксперименты по оконтуриванию клеток нейтрофилов и были использованы градиентные методы контурного анализа: Кенни, Собела, Превитта, Робертса, Лапласа-Гаусса и порогового нуля. Проведенные машинные эксперименты показали, что наиболее удачные результаты были получены с помощью методов Собеля и Кенни. Другие методы имеют более прерывистые или резкие оконтуренные границы, что дает большую погрешность при сравнении с истинным контуром. Метод Собеля отличается наименьшим количеством помех, но контур клетки нейтрофила во многих случаях получается незамкнутым. Методом Кенни контур получается мягким, более близким к реальному, однако картинка получается с большим
количеством помех. Если наряду с данным методом использовать фильтр, получается наиболее приемлемый результат.
Алгоритм детектора границ Кенни не ограничивается вычислением градиента сглаженного изображения. В контуре границы оставляются только точки максимума градиента изображения, а немаксимальные точки, лежащие рядом с границей, удаляются [4]. Здесь также используется информация о направлении границы для того, чтобы удалять точки именно рядом с границей и не разрывать саму границу вблизи локальных максимумов градиента. Затем с помощью двух порогов удаляются слабые границы. Фрагмент границы при этом обрабатывается как целое. Если значение градиента где-нибудь на прослеживаемом фрагменте превысит верхний порог, то этот фрагмент остается также "допустимой" границей и в тех местах, где значение градиента падает ниже этого порога, до тех пор пока она не станет ниже нижнего порога. Если же на всем фрагменте нет ни одной точки со значением большим верхнего порога, то он удаляется. Такой гистерезис позволяет снизить число разрывов в выходных границах. Однако это же влияет и на работу метода, чувствительность которого достаточно велика. Для снижения чувствительности в алгоритм вводятся шумоподавляющие фильтры, но это, с одной стороны, повышает устойчивость результатов, а с другой - увеличивает вычислительные затраты и приводит к искажению и даже потере подробностей границ. Так, например, такими алгоритмами скругляются углы объектов и разрушаются границы в точках соединений. Достижение же полной связности в соединениях бывает необходимым для правильного представления сцены, поэтому были предложены эвристические дополнения к алгоритму Кенни, которые позволяют соединять незамкнутый конец контура с близлежащими контурами. Однако в некоторых случаях это приводит к появлению ложных границ.
На рис. 1 приведен снимок клетки нейтрофила. На рис. 2 приведены результаты, полученные при обработке этого снимка с помощью средств МЛТЬЛБ.
Варьирование с помощью МЛТЬЛБ пороговых величин (нижней и верхней), а также среднеквадратичного отклонения гаусовского фильтра, используемого методом Кенни, предоставляет возможность подобрать оптимальный для конкретной задачи результат. Кроме подбора пороговых величин и СКО гаусовского фильтра целесообразно применение дополнительной фильтрации для улучшения точности определения границ клетки, а также для уменьшения количества появляющихся ложных границ.
Рис. 1
Рис. 2 ЛИТЕРАТУРА
1. Спорыхин В. Я., Адамова Е. Автоматизация процесса исследования функционального
состояния клеток. // Наукові праці Донецького державного технічного університету. Серія: Обчислювальна техніка та автоматизація, випуск 25: - Донецьк: ДонДТУ, 2001р.
2. Prewitt J.M.S. Object enhancement and extraction. // In B.S. Lipkin and A. Rosenfeld,
editors, Picture Processing and Psychopictorics: - Academic Press, 1970.
3. Canny J.F. Finding edges and lines in images. // Master's thesis, MIT, Cambridge, USA, 1983.
