專利名稱：用于分析對象聚群的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于處理并度量量化對象的圖像的方法和設(shè)備，
所述對象包含點(diǎn)/斑點(diǎn)的聚群(cluster)，例如包括細(xì)胞聚群的生物樣 本，特別是人類或動物源(origin)的細(xì)胞或者其圖像。
背景技術(shù)：
包含點(diǎn)/斑點(diǎn)聚群的對象或?qū)ο髨D像的例子可以由包含細(xì)胞組的 生物組織例如受到急性或慢性炎癥感染的組織來表示，也可以通過諸 如由衛(wèi)星等所獲取的城鎮(zhèn)或城市圖像的地形圖像來代表。
通常借助于顯微鏡來執(zhí)行對人類、動物或植物的組織的觀察和分 析。已知這樣一種工作站，其中顯微鏡可操作地與用于獲取圖像的照 相機(jī)或攝像機(jī)相連接并且與用于視覺分析和確立(elaboration)所獲取 的圖像的計(jì)算機(jī)相連接。
另一方面，當(dāng)病理診斷需要觀察身體部分或器官時(shí)，這種觀察可 以是直接的或通過間接的手段，例如射線照相術(shù)、計(jì)算機(jī)軸向斷層攝 影術(shù)(CAT)、描述生態(tài)學(xué)(ecography)分析等。而且，可以僅借助 于計(jì)算機(jī)或借助于計(jì)算機(jī)/照相機(jī)系統(tǒng)來獲取并分析圖像，即所觀察的
身體部分或器官的數(shù)字圖像。
然而在任何情況下，在已知的設(shè)備中存在幾個(gè)缺點(diǎn)。主要缺點(diǎn)涉 及計(jì)算機(jī)處理所獲取的圖像的方式。在一些情況下，實(shí)際上有必要估 計(jì)所觀察的身體部分或生物組織的物理和幾何特性，從而評估病理的 演變。在應(yīng)當(dāng)評估點(diǎn)/斑點(diǎn)聚群所覆蓋的面積時(shí)遇到了困難。在這種情 況下，已知的裝置不能夠?qū)λ鑵?shù)(周長、面積等)正確量化，因
此導(dǎo)致分析結(jié)果可能不正確甚至是誤導(dǎo)性的。特定的例子是對發(fā)炎組 織的范圍的度量量化，即由發(fā)炎細(xì)胞覆蓋的面積，所述發(fā)炎細(xì)胞可分 組到聚群中和/或在所分析的組織中隨機(jī)地分布。
因此需要一種改進(jìn)的設(shè)備，使得可對需要這種量化的任何項(xiàng)的形 態(tài)測量參數(shù)的正確量化。
本發(fā)明闡明了以上及其他問題并且利用權(quán)利要求書中所描述的方 法和設(shè)備來解決它們。


參照附圖通過非限制性例子給出的優(yōu)選實(shí)施例的下列描述，根據(jù) 本發(fā)明的用于分析對象的圖像的方法和設(shè)備的其他特性和優(yōu)點(diǎn)將變得 清楚，其中
圖1是根據(jù)本發(fā)明的設(shè)備的示意圖2是示出根據(jù)本發(fā)明的用于獲取圖像的方法的流程圖3是示出根據(jù)本發(fā)明的用于處理所獲取的圖像的方法的流程圖。
具體實(shí)施例方式
本發(fā)明的方法允許人們分析并度量量化對象的圖像，特別是包括 點(diǎn)/斑點(diǎn)聚群的對象的圖像。當(dāng)分析生物樣本時(shí)常常重復(fù)出現(xiàn)這類對象。 然而，本發(fā)明的方法不應(yīng)當(dāng)僅限于這種特定的應(yīng)用，而是可以有效地 用于任何應(yīng)用領(lǐng)域，其中有必要分析對象的圖像，無論通過顯微鏡觀 察還是通過直接的圖像觀察，例如在地形或地球物理測量的情況下。
術(shù)語"生物樣本(biological specimens)"這里指的是從人類、動 物或植物體(例如組織或細(xì)胞采樣)所獲取的任何種類的生物釆樣或 者人類、動物或植物體部分的任何圖像(例如射線照相術(shù)、描述生態(tài) 學(xué)、CAT等)。
下文中將描述的例子涉及用于獲取并處理圖像的系統(tǒng)1，其包括 顯微鏡2，該顯微鏡2具有能夠沿著笛卡爾軸x、 y、 z移動的電動掃描 鏡臺(stage) 3。顯微鏡2優(yōu)選為允許從25x直到1000x的放大倍數(shù)的類型。
顯微鏡2設(shè)置有至少一個(gè)物鏡8、至少一個(gè)目鏡4以及用于照相 機(jī)附件的至少一個(gè)圖像4見頻(photo-video)端口 5。對該后者來說，可 操作地連接電子圖像獲取裝置6，特別是圖像/視頻照相機(jī)。優(yōu)選地， 這種電子圖像獲取裝置6是數(shù)字照相機(jī)，更優(yōu)選地具有1.3兆像素的分 辨率。
電子圖像獲取裝置6可操作地與處理系統(tǒng)7連接。處理系統(tǒng)7可 以借助于包括總線的個(gè)人計(jì)算機(jī)(PC)來實(shí)現(xiàn)，該總線將例如中央處 理器(CPU)的處理裝置互連到存儲裝置，例如包括RAM工作存儲器、 包含用于啟動計(jì)算機(jī)的基本程序的只讀存儲器(ROM)、磁硬盤、可 選地還有用于讀取光盤(CD-ROM)的驅(qū)動器(DRV)、可選地還有 用于讀取/寫入軟盤的驅(qū)動器。此外，處理系統(tǒng)7可選地包括用于控制 與信息通信服務(wù)(telematics)網(wǎng)絡(luò)通信的MODEM或其它網(wǎng)絡(luò)裝置、 鍵盤控制器、鼠標(biāo)控制器和視頻控制器的通信。鍵盤、鼠標(biāo)和監(jiān)視器8 連接到各自的控制器。電子圖像獲取裝置6借助于接口端口 (ITF)連 接到總線。掃描鏡臺3也借助于控制接口端口 (CITF)連接到總線， 借此來控制該鏡臺沿著笛卡爾軸的移動。
在執(zhí)行階段期間被加載到工作存儲器中的程序(PRG)以及各自 的數(shù)據(jù)庫被存儲在硬盤上。典型地，程序(PRG)分布在一個(gè)或多個(gè) CD-ROM上，用于安裝在硬盤上。
如果處理系統(tǒng)7具有不同的結(jié)構(gòu)，例如如果所述處理系統(tǒng)7由連 接有各個(gè)終端的中央部件或由信息通信服務(wù)計(jì)算機(jī)網(wǎng)絡(luò)(例如因特網(wǎng)、
內(nèi)聯(lián)網(wǎng)、VPN)構(gòu)成，如果它具有其它部件(例如打印機(jī))等，那么 應(yīng)用類似的考慮。可替代地，所述程序在軟盤上提供，被預(yù)先加載到
硬盤上，或者存儲在可以由計(jì)算機(jī)讀取的任何其它基質(zhì)(substrate)上， 借助于信息通信服務(wù)網(wǎng)絡(luò)發(fā)送到用戶計(jì)算機(jī)，由無線電廣播或者更一 般地以可以直接加載到用戶計(jì)算機(jī)的工作存儲器中的任何形式提供。
現(xiàn)在開始描述根據(jù)本發(fā)明的用于獲取并處理生物樣本的圖像的方 法，樣本承載滑動片置于顯微鏡2的掃描鏡臺3上。
應(yīng)當(dāng)指出，本發(fā)明的方法的一些步驟可以由計(jì)算機(jī)系統(tǒng)7通過執(zhí) 行程序PRG來執(zhí)行。
本發(fā)明的方法的第一階段是其圖像應(yīng)當(dāng)被獲取并量化的對象識別 階段(ID階段)。
用于識別所關(guān)注對象的下列方法是基于以下假設(shè)的由于在所述 對象和背景之間亮度的高對比，所以可清楚地識別這種對象。如果在 所觀察的樣本中最初不存在這種高對比，則例如可以通過利用適當(dāng)?shù)?br> 著色對樣本進(jìn)行著色來增強(qiáng)所述高對比，其中所述著色標(biāo)記了對象或
些旦 冃爾。
在ID階段的開始，按所想要的值來設(shè)置放大倍數(shù)，在該例子中放 大倍數(shù)為200x。所述方法通過下列步驟開始
la)產(chǎn)生由多個(gè)框形成的網(wǎng)格(grid)以在圖像上重疊；然后
2a)由CPU向電動掃描鏡臺3發(fā)送命令，使得在軸x、 y上定位 在對應(yīng)于顯微鏡物鏡與圖像必須被獲取的網(wǎng)格的第一框的對準(zhǔn)位置的 第一位置(開始位置)并且向電子圖像獲取裝置6發(fā)送命令用于獲取 此第一框的數(shù)字圖像，所述圖像臨時(shí)保存在RAM存儲器中。 一旦已經(jīng) 獲取一個(gè)框的圖像，就
3a)由所述CPU評估在所述第一框中單個(gè)像素的亮度，將它與預(yù) 設(shè)值相比較并且確定在所述框內(nèi)的亮度對比。然后所述方法通過下列 步驟繼續(xù)
4a)向電動掃描鏡臺3發(fā)送命令，使得在軸x、 y上定位在對應(yīng)于 網(wǎng)格的第二框的下一位置(第二位置)，向電子圖像獲取裝置6發(fā)送 命令用于獲取此第二框的數(shù)字圖像并且將它臨時(shí)保存在所述RAM存 儲器上并且對這種圖像重復(fù)步驟3)的操作。
所述方法通過下列步驟繼續(xù)
5a)重復(fù)步驟4)的例程直到掃描完整個(gè)承載滑動片并且處理了網(wǎng) 格的每個(gè)框的圖像。在整個(gè)例程的執(zhí)行期間，將具有在預(yù)定義的值以 上的亮度對比的網(wǎng)格框的x、 y位置保存在硬盤存儲器中。
優(yōu)選地，根據(jù)下列方法來執(zhí)行用于處理網(wǎng)格框的圖像的步驟3a)， 所述圖像已經(jīng)臨時(shí)保存在RAM存儲器中。
i) 構(gòu)建所分析框的像素的亮度強(qiáng)度的直方圖，
ii) 根據(jù)直方圖的平均值來計(jì)算標(biāo)準(zhǔn)偏差，并且
iii) 將標(biāo)準(zhǔn)偏差的計(jì)算值與預(yù)定義值相比較。
將具有在這種預(yù)定義值以上的標(biāo)準(zhǔn)偏差的框的位置保存在硬盤 上。標(biāo)準(zhǔn)偏差的這種預(yù)定義值取決于應(yīng)當(dāng)檢測的對象種類，其依次取 決于肌體組織的種類、怎樣著色等。
在點(diǎn)i) 、 ii)和iii)所描述的過程并不是用于執(zhí)行步驟3)的唯 一可能，其它已知的方法也是適用的，而且具有即使在模糊圖像的情 況下也允許可靠結(jié)果的優(yōu)點(diǎn)。這里，實(shí)際上應(yīng)當(dāng)注意，在此階段通常 尚未對圖像進(jìn)行聚焦。在識別出要被觀察的對象之前的聚焦可能導(dǎo)致 整個(gè)過程所花費(fèi)時(shí)間的不可接受的增加。
更優(yōu)選地，由其中執(zhí)行相同的步驟1)到5)但通過以較低放大倍 數(shù)(例如，25x到100x)來設(shè)置顯微鏡2的識別預(yù)覽階段(ID-PREV
階段)來代替以上ID階段或置于所述ID階段之前。由于要反復(fù)迭代
(iterate)的網(wǎng)格框數(shù)將更少，因此該過程使得較快地執(zhí)行ID階段。 在ID-PREV階段在ID階段之前而不代替ID階段的情況下，將只在整 個(gè)圖像的區(qū)域上執(zhí)行此ID階段，在該區(qū)域中已經(jīng)通過ID-PREV檢測 到了對象的存在。
應(yīng)當(dāng)理解，上述對象識別階段對于本發(fā)明的方法的執(zhí)行不是嚴(yán)格 必須的，即使它允許所述方法自動化并且使其更快地執(zhí)行。在缺少ID 階段和/或ID-PREV階段的情況下，可以手動地識別采樣。另一方面， 由于可能會捕獲整個(gè)承載滑動片圖像，缺少人工識別階段可能導(dǎo)致進(jìn) 一步的圖像獲取階段過長。
本發(fā)明的方法的第二階段是聚焦設(shè)置階段(FCS階段)。根據(jù)此 第二階段
lb)在要獲取的對象圖像上選擇多個(gè)聚焦點(diǎn)； 2b) CPU向掃描鏡臺3發(fā)送命令以在顯微鏡的物鏡下定位第一聚 焦點(diǎn)；
3b)對所述第一聚焦點(diǎn)調(diào)節(jié)焦距并且將其聚焦參數(shù)自動地保存在 處理系統(tǒng)7的存儲裝置中；
4b)對于每個(gè)點(diǎn)重復(fù)步驟2b)和3b)的例程。
優(yōu)選通過下列過程自動地執(zhí)行步驟3b):
3bi)沿著z驅(qū)動軸選擇多個(gè)，優(yōu)選為五個(gè)，聚焦位置；
3bii)對于每個(gè)聚焦位置，計(jì)算亮度對比，比較這樣獲得的亮度對
比值并且選擇具有最高亮度對比值的聚焦位置；
3biii)分別在所選擇的聚焦位置以及在步驟3bi)的之前和之后較
近的聚焦位置之間選擇另外兩個(gè)聚焦位置；
3biv)重復(fù)步驟3bi) 、 3bii)和3biii)達(dá)預(yù)設(shè)的次數(shù)，優(yōu)選不超
過五次；
3bv)將所找到的聚焦位置保存在處理系統(tǒng)7的存儲裝置中。
根據(jù)上述過程(步驟3a)來獲得亮度對比。
在步驟lb)中所選擇的聚焦點(diǎn)可以彼此相等地間隔開或者在任何 情況下均勻地分布在對象表面上。更優(yōu)選地，選擇九個(gè)聚焦點(diǎn)并且其 位于在所檢査對象中內(nèi)接的最大平行六面體的四個(gè)角、中心以及各邊 的中點(diǎn)。
所述方法的第三階段是白校準(zhǔn)階段(WCAL階段)。此階段通過 下列過程執(zhí)行
lc)通過電子圖像獲取裝置6獲取承載滑動片的非樣本區(qū)域(空 白圖像)并且將它保存在處理系統(tǒng)7的存儲裝置中。
在隨后的圖像獲取階段中，由每個(gè)圖像區(qū)域的所獲取的圖像減去 此空白圖像。這允許在所獲取的圖像中消除任何邊界陰影效應(yīng) (borderline shadow effect)。
本發(fā)明的方法的第四階段是圖像獲取階段(IM-ACQ階段)，所 述階段根據(jù)下列步驟實(shí)現(xiàn)
Id) CPU向掃描鏡臺3發(fā)送命令，以便對準(zhǔn)顯微鏡的物鏡將它移 動到根據(jù)先前步驟5a)所選擇的網(wǎng)格的第一保存框位置；
2d)對最接近所述第一框的至少兩個(gè)聚焦點(diǎn)，通過從根據(jù)先前步 驟lb)到4b)所計(jì)算的聚焦參數(shù)進(jìn)行內(nèi)插來計(jì)算所述第一框圖像的聚 焦參數(shù)；
3d)通過所述圖像獲取裝置6來獲取所述第一框的圖像； 4d)從所獲取的第一框的圖像減去根據(jù)上面步驟lc)所獲取的空 白圖像；
5d)將源于步驟4d)的圖像保存在處理系統(tǒng)7的存儲裝置中； 6d)重復(fù)步驟ld)到5d)，直到已經(jīng)掃描了要獲取的整個(gè)對象； 7d)通過將單個(gè)框的圖像相對于它們的初始位置對準(zhǔn)來重新組合
所述對象的整個(gè)圖像并且將所述整個(gè)圖像保存在所述處理系統(tǒng)7的存 儲裝置中。
優(yōu)選地，重新組合對象的整個(gè)圖像的所述步驟7d)通過下列過程 來實(shí)現(xiàn)
1)通過在對準(zhǔn)的方向上重疊圖像邊的邊緣來將每個(gè)框的圖像與鄰 近框的圖像對準(zhǔn)；
m)在重疊區(qū)域中，通過彼此相對地移位所述框的圖像來使在重 疊像素之間的亮度和/或顏色強(qiáng)度差最小化；
n)對于每對鄰近的框，重復(fù)步驟l)和m)。
本發(fā)明的方法的下一階段是圖像確立階段(IMA-EL階段)。此階 段通過將圖像量化為"1比特"來執(zhí)行，以便選擇圖像的區(qū)域，在該區(qū) 域上執(zhí)行進(jìn)一步的計(jì)算。根據(jù)下列步驟來實(shí)現(xiàn)IMA-EL階段
le)考慮每個(gè)像素的參數(shù)；
2e)將所述像素的參數(shù)與所述參數(shù)的預(yù)設(shè)閾值或閾值范圍相比較； 3e)根據(jù)所述比較來選擇有效像素聚群和無效像素聚群。
所述像素的參數(shù)優(yōu)選為亮度強(qiáng)度(黑白圖像)或數(shù)字顏色值。所 述參數(shù)的預(yù)設(shè)閾值或范圍將取決于應(yīng)當(dāng)檢測的對象的種類，其依次取 決于肌體組織的種類、怎樣著色等或者取決于所述圖像是黑白圖像(例 如射線照相術(shù))還是任何種類或來源的彩色圖象。在任何情況下都可 以由技術(shù)人員選擇這種閾值或范圍，對于特定情況，其不必練習(xí)任何 發(fā)明技能。例如，如果其圖像必須被獲取的對象是由免疫組織化學(xué) (immunohistochemistry)治療的發(fā)炎細(xì)胞，那么有效像素可以是對于 紅色具有在0和255之間的數(shù)字值、對于藍(lán)色具有在60和255內(nèi)的數(shù) 字值并且對于綠色具有在0和160之間的數(shù)字值的那些像素。
一旦數(shù)字圖像已經(jīng)量化為1比特，本發(fā)明的方法就提供用于度量 處理所述圖像的階段，所述階段依次包括下面將要描述的不同階段。
本發(fā)明的方法的下一階段是對象的量化階段(OUANT階段)。
QUANT階段的第一步驟是計(jì)算所檢查的對象的面積。測量單位可 以是/^2或像素。從而通過計(jì)數(shù)屬于根據(jù)先前IMA-EL階段所選擇的有 效像素聚群的像素?cái)?shù)目并且乘以像素面積的結(jié)果來計(jì)算所檢查對象的 面積A。像素的面積是取決于幾個(gè)因素的已知參數(shù)，例如數(shù)字?jǐn)z像機(jī) 參數(shù)、放大倍數(shù)等。
依照這種方式，計(jì)算聚于群的和非聚于群的點(diǎn)/斑點(diǎn)(隨機(jī)分布) 集的總面積AT。在包含細(xì)胞集(即，發(fā)炎細(xì)胞等)的生物組織的情況 下，每個(gè)點(diǎn)/斑點(diǎn)對應(yīng)于其中細(xì)胞無法單獨(dú)挑出的細(xì)胞或細(xì)胞子集?？?以通過求和每個(gè)點(diǎn)/斑點(diǎn)的面積來計(jì)算聚于群和非聚于群的細(xì)胞的總面 積ATINF。
已知所檢査細(xì)胞子集中的細(xì)胞周長相當(dāng)不規(guī)則并且為了能夠用良 好的逼近性計(jì)量其面積，估計(jì)其分形維數(shù)DA?？梢允褂靡阎?計(jì)盒 (box-counting)"算法來自動地確定此分形維數(shù)。
根據(jù)"計(jì)盒"方法，由以下數(shù)學(xué)公式來給出分形維數(shù)D "-lim一)[log,/log,]
其中e是網(wǎng)格的框的邊的長度，其中對象的圖像已經(jīng)被劃分并且 W(f)是完全覆蓋所測量對象的面積(DA)所需的框數(shù)。長度e以像素 或/zm來表示并且在本計(jì)算方法中，e趨向于l個(gè)像素。
從而本發(fā)明的方法的下一階段是維數(shù)計(jì)算階段(DIM-CLC階段)。
為了避免在這種計(jì)算中的困難，分形維數(shù)DA被近似為通過在笛卡 爾軸系中加入?yún)?shù)log 比log(l一)所獲得的直線斜率。
在實(shí)踐中，用來確定DA的方法包括由處理系統(tǒng)7的CPU執(zhí)行的 下列步驟
a) 將對象的圖像劃分為具有邊長e的框的多個(gè)網(wǎng)格，其中e從第
一值以及作為所述第一值一小部分的預(yù)定義值改變，所述第一值基本 上對應(yīng)于所述對象在其中內(nèi)接的框的邊，
b) 對步驟a)的每個(gè)e值，計(jì)算iV(s)的對數(shù)函數(shù)值和l/s的對數(shù)函 數(shù)值，其中7V(s)是完全覆蓋對象(細(xì)胞或細(xì)胞子集)的面積(A)所需 的框數(shù)，從而獲得iV(s)的所述對數(shù)函數(shù)的第一組值和l/s的所述對數(shù)函 數(shù)的第二組值，
c) 將分形維數(shù)DA計(jì)算成在步驟b)的所述第一組值對照所述第 二組值做內(nèi)插的的直線的斜率。
如先前所述，通過對根據(jù)上述IMA-EL階段所選擇的有效像素進(jìn) 行標(biāo)準(zhǔn)形態(tài)定量估計(jì)，即通過計(jì)數(shù)屬于相同區(qū)域的有效像素的數(shù)目， 來計(jì)算面積At或Atinf。為了這樣做，必須首先識別屬于相同區(qū)域即 屬于相同小對象的有效像素，然后計(jì)算每個(gè)區(qū)域的面積。因此，本發(fā) 明的方法包括對象的分類階段(SORT階段)，包括下列步驟
lf)在x、 y軸系上沿著預(yù)定義的方向掃描被量化為"1比特"的圖像；
2f)沿著所述掃描方向選擇第一有效像素，所述有效像素由第一 組x、 y值來識別，所述第一有效像素屬于第一對象的圖像；
3f)在方向線上，在緊挨著所述選擇的像素位置處，對所述第一 選擇的有效像素執(zhí)行搜索例程；
4f)反復(fù)執(zhí)行步驟3f)直到找到無效像素；
5f)向根據(jù)這種步驟3f)和4f)所選擇的每個(gè)有效像素分配一組 x、 y值，將它們保存在處理系統(tǒng)7的存儲裝置中(所有這種像素按漸 進(jìn)順序具有相同的y值和x值)并且在對象的圖像中將所述像素從有效切換為無效；
6f)在垂直于所述掃描方向的方向上，對根據(jù)步驟3f) 、 4f)和 5f)所選擇的每個(gè)像素評估兩個(gè)接下來的像素并且選擇有效像素；
7f)對根據(jù)步驟6f)所選擇的每個(gè)有效像素執(zhí)行步驟3f)到5f) 的例程；
8f)反復(fù)執(zhí)行步驟6f)和7f)直到已經(jīng)保存屬于相同對象的所有 連接像素；
9f)重復(fù)步驟lf)和2f)直到找到另一對象的圖像的第一有效像
素；
10f)重復(fù)步驟3f)到9f)直到已經(jīng)掃描整個(gè)圖像。
步驟lf)中的預(yù)定義方向優(yōu)選從左至右從上到下開始。
在上面步驟lf)到10f)中所描繪的過程允許識別由4連接像素所 組成的對象，即其中所述像素具有共同的一邊。
為了分類8連接像素對象，如下地修改上面過程的步驟6f): 6f)在垂直于所述掃描方向的方向上，對根據(jù)步驟3f) 、 4f)和 5f)所選擇的每個(gè)像素評估兩個(gè)接下來的像素以及在鄰近方向線的平行 線上評估與這兩個(gè)像素中的每個(gè)相鄰近的兩個(gè)像素并且選擇有效像
素。 .
然后根據(jù)步驟7f)到10f)進(jìn)行該過程。
上面所描繪的過程是半遞歸方法，相對于現(xiàn)有技術(shù)的標(biāo)準(zhǔn)遞歸方 法，它允許更短的執(zhí)行時(shí)間和更少的存儲器需求。實(shí)際上，考慮由MxiV 個(gè)有效像素所組成的圖像，只需要M次遞歸調(diào)用，而根據(jù)現(xiàn)有技術(shù)方 法，遞歸調(diào)用的數(shù)目可能為WxM-l。
根據(jù)下列步驟由對象單一化(OBJ-SNG)階段來完成SORT階段 lg)將具有長度或?qū)挾鹊闹辽僖粋€(gè)大于10微米的對象細(xì)分為10 微米邊的對象；
2g)通過計(jì)數(shù)屬于所述對象的圖像的像素?cái)?shù)目并且將它乘以每個(gè)
像素的面積來計(jì)算根據(jù)SORT階段和步驟lg)所識別的對象的面積； 3g)刪除源于細(xì)分步驟lg)所產(chǎn)生的具有面積<5微米2的對象； 4g)將根據(jù)SORT階段和步驟lg)至3g)所識別的每個(gè)對象與具
有IO微米邊的框的網(wǎng)格相重疊；
5g)計(jì)算對應(yīng)于步驟4g)的每個(gè)框的有效像素的一組xp y,值， 并且將它單獨(dú)地保存在處理系統(tǒng)7的存儲裝置中，使得每個(gè)框識別單 個(gè)對象。
所述細(xì)分步驟lg)包括下列步驟
lgi)對每個(gè)對象，找到外接該對象的、具有最小尺寸nx、 my的 多邊形；
lgii)檢査nx或my中的至少一個(gè)是否>10微米；
lgiii)如果檢査步驟lgii)是肯定的，那么將所述多邊形與具有
IO微米邊的框的網(wǎng)格相重疊；
lgiv)將所述對象細(xì)分為部分，每個(gè)所述部分內(nèi)接在網(wǎng)格的框中
并且忽略空的框。
在SORT和OBJ-SNG階段之后，執(zhí)行三角化階段(TRIANG階段)。 在本發(fā)明中，使用根據(jù)Ddaunay算法的三角化方法。
通常，對點(diǎn)的聚群進(jìn)行Delaimay三角化提供了用于連接每對點(diǎn)并 且滿足所謂的"空圓"屬性的線段(segment)集合。即對于每個(gè)線段 來說，必須可以找到只包含該線段的頂點(diǎn)而不包含該聚群的其它點(diǎn)的 一個(gè)圓。此算法是公知的并且在以下幾個(gè)出版物中有所描述GuibasL. 等人的"Primitives for the Manipulation of General Subdivision and the Computation of Voronoi Diagrams" ， ACT TOG， 4(2)， 1985年4月； Fortune S.的 "A Sweepline Algorithm for Voronoi Diagrams"， Algorithmica， 2:153-174， 1987年；Leach G.的"Improving Worst-Case Optimal Delaunay Triangulation Algorithms"， 第4屆關(guān)于計(jì)算幾何學(xué) 的加拿大會議，1992年。
24 因此，在組織樣本表面上的每個(gè)發(fā)炎細(xì)胞被認(rèn)為是連續(xù)架構(gòu)的節(jié) 點(diǎn)，其覆蓋由非常不規(guī)則的三角形部分所組成的整個(gè)部分，其中每個(gè) 三角形與一個(gè)鄰近的三角形具有共同的邊。利用由最外部的三角形邊 所形成的連續(xù)線來任意地識別聚群的邊界，所述三角形邊具有《20;/m 的長度，大約對應(yīng)于淋巴細(xì)胞直徑(7~12/^)的二倍。由此邊界所界 定的所有點(diǎn)(細(xì)胞)被認(rèn)為屬于聚于群的細(xì)胞的子集I，而由較長線段 所連接的點(diǎn)被認(rèn)為是非聚于群的發(fā)炎細(xì)胞(子集II)。
從而，為了執(zhí)行所述TRIANG階段，根據(jù)上面步驟lgv)所保存 的對象/框必須變換為點(diǎn)。因此，TRIANG階段提供了用于
lh)計(jì)算根據(jù)步驟5g)所保存的每個(gè)框的中心點(diǎn)，其具有坐標(biāo) A+X2/2和少,+^/2，其中Xl， y1; xP y2; x2， y1; x2， y2分別是每個(gè) 框的頂點(diǎn)的坐標(biāo)；
2h)將對應(yīng)于框的每個(gè)中心點(diǎn)的x、 y值保存在處理系統(tǒng)7的存儲 裝置中作為點(diǎn)集。
然后TRIANG階段執(zhí)行下列步驟 3h)考慮根據(jù)步驟2h)所獲得的點(diǎn)集中的一對點(diǎn)； 4h)繪制其周邊包含所述兩個(gè)點(diǎn)的圓并且檢查所述圓是否包含點(diǎn) 集的其它點(diǎn)；
5h)只有在所述檢查為否定的并且所述兩個(gè)點(diǎn)的距離小于或等于 20微米時(shí)，才在兩個(gè)點(diǎn)之間繪制線段；
6h)對點(diǎn)集中的每對點(diǎn)重復(fù)步驟3h) 、 4h)和5h)，從而獲得三 角形網(wǎng)格；
7h)在處理系統(tǒng)7的存儲裝置中，保存在三角形網(wǎng)格中所包括的 點(diǎn)的第一子集(子集I)作為聚于群的點(diǎn)，并且保存點(diǎn)的第二子集(子 集II)作為非聚于群的點(diǎn)，非聚于群的點(diǎn)與每個(gè)最接近的點(diǎn)的距離大于 20微米。
本發(fā)明的方法的下一階段是參數(shù)計(jì)算階段(PAR-CLC階段)。
要計(jì)算的第一參數(shù)是由TRIANG階段(PERI-CLC)所獲得的三角 形網(wǎng)格的外周長。根據(jù)下列步驟執(zhí)行此計(jì)算
li)在三角形網(wǎng)格中為每個(gè)三角形的每個(gè)線段編索引并且保存三 角形網(wǎng)格的線段的識別索引集；
2i)為用于將聚于群的點(diǎn)的任何邊界點(diǎn)與最近的非聚于群的點(diǎn)連 接的每個(gè)線段編索引，并且保存用于非聚于群線段的識別索引集；
3i)求和線段的長度，所述線段的識別索引在所述三角形網(wǎng)格的 識別索引集中僅重復(fù)出現(xiàn)一次；
4i)雙重求和所述非聚于群的線段的識別索引集中線段的長度。
要計(jì)算的第二參數(shù)是聚群的面積Ar (AC-CLC)，對應(yīng)于三角形 網(wǎng)格的面積。此計(jì)算包括下列步驟
11)計(jì)算三角形網(wǎng)格的每個(gè)三角形的面積； 21)求和三角形網(wǎng)格的所有三角形的面積。
要計(jì)算的第三參數(shù)是聚于群對象(在該具體例子中，為聚于群的
發(fā)炎細(xì)胞)的面積A「T^ (ACINF-CLC)。如上所述，在QUANT階段 以及在OBJ-SNG階段的步驟2g)中進(jìn)行此計(jì)算，即通過求和聚群內(nèi)(即 在三角形網(wǎng)格的周長內(nèi))的有效像素并且將產(chǎn)生的數(shù)目乘以每個(gè)像素 的面積。
然后由下列表達(dá)式獲得非聚于群對象(即發(fā)炎細(xì)胞)的面積ApT^ (APINF隱CLC):
ApiNF = A頂F AciNF
其中根據(jù)QUANT階段計(jì)算Ato^并且上面只是示出了 Acinf。
要計(jì)算的下一參數(shù)是聚于群對象的密度Dc (DC-CLC)，其由下 式獲得<formula>formula see original document page 27</formula>
要計(jì)算的最后一個(gè)參數(shù)是Hurst指數(shù)(H-CLC)，根據(jù)下列表達(dá)式
H = E + (1-DA)
其中E是歐幾里得維數(shù)(在這種情況下E-1)并且Da是分形維 數(shù)(參見DIM-CLC階段)。
顯然以上參數(shù)可以用于各個(gè)目的。特別地，在分析發(fā)炎組織的情 況下，這些參數(shù)可以給出關(guān)于疾病狀態(tài)以及疾病進(jìn)展程度的有用指示。
從上述內(nèi)容，如果與己知方法相比較，顯然本發(fā)明的計(jì)算方法體 現(xiàn)了改進(jìn)。分形幾何提供了源自微積分的數(shù)理模型，當(dāng)其應(yīng)用于歐幾 里得幾何學(xué)時(shí)，結(jié)合自然的和不規(guī)則對象的形態(tài)定量測量圖，從而使 它們更接近于實(shí)際值。
即使上述方法被解釋為借助于顯微鏡來檢查組織樣本，如前所述， 顯然它還可以應(yīng)用于人類或動物體或其部分的圖像，例如射線照相術(shù) 圖像、計(jì)算機(jī)軸向斷層攝影術(shù)(CAT)、描述生態(tài)學(xué)分析等。在這種 情況下，不必使用顯微鏡，這是因?yàn)閳D像可以由攝像機(jī)直接數(shù)字化并 且由計(jì)算機(jī)軟件獲取。因此，所述方法的相同的階段基本上還可以應(yīng) 用于這種圖像，唯一差異在于圖像獲取裝置6在不插入顯微鏡的情況 下直接讀取所述圖像。
在這種情況下，其中要求識別小對象或具有模糊輪廓的對象，(例 如射線照相術(shù))，上述的ID階段不允許高效的識別，使得應(yīng)當(dāng)使用不 同的方法。
對象識別的可能過程利用被稱作四叉樹(QuadTree)的圖像表示 方法。根據(jù)這種已知的方法，圖像首先被劃分為四個(gè)四分塊。每個(gè)四 分塊又依次被劃分為四個(gè)子四分塊，等等，直到得到1像素邊的四分
塊。圖像信息被報(bào)告到4度樹，其中雙親節(jié)點(diǎn)包含所有子女節(jié)點(diǎn)(從 每個(gè)雙親節(jié)點(diǎn)產(chǎn)生四個(gè)子女節(jié)點(diǎn))共同的信息，所述子女節(jié)點(diǎn)是指所 述雙親四分塊被劃分成的四個(gè)四分塊。
適于本發(fā)明的方法的第一候選識別過程是包括下列步驟的圖像減 去技術(shù)
lm)產(chǎn)生要檢査的對象的模糊圖像；
2m)從所述對象的圖像中減去所述模糊圖像以便獲得這樣的圖
像，其中亮色區(qū)域?qū)?yīng)于具有較高對比的圖像區(qū)域并且暗色區(qū)域?qū)?yīng) 于具有較低對比的圖像區(qū)域；
3m)將其顏色或亮度值在預(yù)定義閾值以上的區(qū)域的圖像保存在處 理系統(tǒng)7的存儲裝置中。
優(yōu)選地，產(chǎn)生模糊圖像的步驟lm)通過以下過程執(zhí)行
-根據(jù)四叉樹方法將所述圖像反復(fù)地劃分為四分塊，直到四分塊具 有預(yù)定義的邊長(優(yōu)選地，l像素邊長的四分塊)；
-以每個(gè)劃分標(biāo)度為每個(gè)四分塊計(jì)算所述像素的平均值，以便使每 個(gè)四分塊與一組值相關(guān)聯(lián)；
-產(chǎn)生彩色圖(RGB圖像)或強(qiáng)度圖(灰度圖像)，其中每個(gè)點(diǎn)值 是每個(gè)四分塊的該組值的平均值，所述顏色或強(qiáng)度圖是原始圖像的模 糊圖像。
在此上面所描述的過程特別適合于小對象檢測的情況，或者適于 將前景中的對象與背景區(qū)分開。
此外，通過調(diào)節(jié)模糊度，例如通過只選擇在預(yù)定大小以下的對象 可以區(qū)分不同尺寸的對象。實(shí)際上，如果一旦到達(dá)例如IO像素的最小 四分塊大小(而不是最小1像素大小)就停止四叉樹過程，那么模糊 度更高，這意味著獲得更模糊的圖像。如果根據(jù)上面步驟2h)從對象 的圖像中減去這種更模糊的圖像，那么排除了所有具有IO像素以上大
小的對象并且所產(chǎn)生的圖像只示出較小的對象。
適于本發(fā)明的方法的ID階段的第二種替換識別過程包括根據(jù)下 列步驟產(chǎn)生均勻圖
In)根據(jù)四叉樹方法反復(fù)地將圖像劃分為四分塊，直到所述四分 塊具有預(yù)定義的邊長(優(yōu)選地，l像素邊的四分塊)；
2n)以每個(gè)劃分標(biāo)度為每個(gè)四分塊計(jì)算作為標(biāo)準(zhǔn)偏差除以像素平 均值所獲得的相對離散度(RD)，以便使每個(gè)四分塊與一組RD值相 關(guān)聯(lián)；
3n)產(chǎn)生均勻圖作為灰度圖像，每個(gè)點(diǎn)的亮度由每個(gè)四分塊的該 組RD值的平均值給出，其中具有高亮度的圖像區(qū)域?qū)?yīng)于均勻區(qū)域；
4n)選擇具有在預(yù)定義閾值以上的亮度強(qiáng)度的均勻圖的像素，并 且將它們的位置保存在處理系統(tǒng)7的存儲裝置中。
當(dāng)然，只是描述了根據(jù)本發(fā)明的用于分析生物組織樣本的方法和 設(shè)備的一些具體實(shí)施例，并且本領(lǐng)域技術(shù)人員將能夠?qū)ζ溥M(jìn)行適合特 定應(yīng)用所需的任何修改，而并不偏離本發(fā)明的保護(hù)范圍。
權(quán)利要求
1. 用于處理不規(guī)則形對象的圖像的方法，所述對象呈點(diǎn)狀或斑點(diǎn)形對象的至少一個(gè)聚群的形態(tài)，所述方法包括獲取所述對象的數(shù)字圖像的階段，用于把所述數(shù)字圖像量化為1比特的圖像確立(IMA-EL)階段，以及用于度量處理所述1比特量化圖像的階段，其中所述度量處理階段包括對象的度量量化(QUANT)階段，該度量量化階段又依次包括三角化(TRIANG)階段，用于把所述點(diǎn)狀或斑點(diǎn)形對象的至少一個(gè)聚群變換為三角形的網(wǎng)格，其中三角形的頂點(diǎn)對應(yīng)于所述點(diǎn)狀或斑點(diǎn)形對象的中心；參數(shù)計(jì)算(PAR-CLC)階段，用于計(jì)算下列參數(shù)中的至少一個(gè)-所述三角形網(wǎng)格的外周長；-所述三角形網(wǎng)格的面積(AC)；-在所述三角形的網(wǎng)格內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的面積(ACINF)；-在所述至少一個(gè)聚群之外的孤立的點(diǎn)狀或斑點(diǎn)形對象的面積(APINF)；-在所述至少一個(gè)聚群之內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的密度(DC)。
2. 如權(quán)利要求1所述的方法，進(jìn)一步包括對象分類(SORT)階 段，用于識別由4連接像素組成的對象，該階段包括下列步驟lf)在x、 y軸系上沿著預(yù)定義方向掃描被量化為"1比特"的圖像；2f)沿著所述掃描方向選擇第一有效像素，所述有效像素由第一 組x、 y值來識別，所述第一有效像素屬于第一對象的圖像；3f)在該方向線上，在所述選擇的像素的緊接著的各位置，對所 述第一選擇的有效像素執(zhí)行搜索例程；4f)反復(fù)執(zhí)行步驟3f)直到找到無效像素；5f)向根據(jù)這樣的步驟3f)和4f)選擇的每個(gè)有效像素分配一組 x、 y值，將它們保存在處理系統(tǒng)7的存儲裝置中，并且在對象的圖像 中把所述像素從有效切換為無效；6f)在垂直于所述掃描方向的方向上，對根據(jù)步驟3f) 、 4f)和 5f)選擇的每個(gè)像素評估兩個(gè)緊接著的像素并且選擇有效像素；7f)對根據(jù)步驟6f)選擇的每個(gè)有效像素執(zhí)行步驟3f)至5f)的 例程；8f)反復(fù)執(zhí)行步驟6f)和7f)直到已經(jīng)保存了屬于相同對象的所 有連接像素；9f)重復(fù)步驟lf)和2f)直到找到另一對象的圖像的第一有效像素；10f)重復(fù)步驟3f)到9f)直到已經(jīng)掃描了整個(gè)圖像。
3. 如權(quán)利要求2所述的方法，其中步驟lf)中的所述預(yù)定義方向 優(yōu)選從左至右從上到下開始。
4. 如權(quán)利要求2或3所述的方法，其中還執(zhí)行根據(jù)權(quán)利要求2的 步驟lf)到10f)的對象分類階段，用于識別由8連接像素所組成的對 象，所述階段中的步驟6f)修改如下6f)在垂直于所述掃描方向的方向上，對根據(jù)步驟3f) 、 4f)和 5f)所選擇的每個(gè)像素評估緊接著的兩個(gè)像素以及在鄰近該方向線的平 行線上評估與這兩個(gè)像素中的每個(gè)相鄰近的兩個(gè)像素并且選擇有效像 素。
5. 如權(quán)利要求1到4中任意一項(xiàng)所述的方法，進(jìn)一步包括對象單 一化(OBJ-SNG)階段，該階段包括下列步驟lg)把長度或?qū)挾鹊闹辽僖粋€(gè)大于IO微米的對象細(xì)分為10微米 邊的對象；2g)通過計(jì)數(shù)屬于所述對象的圖像的像素?cái)?shù)目并且把該數(shù)目乘以 每個(gè)像素的面積來計(jì)算根據(jù)所述SORT階段和步驟lg)所識別的對象 的面積；3g)刪除細(xì)分步驟lg)所產(chǎn)生的面積小于5微米2的對象；4g)把根據(jù)所述SORT階段和步驟lg)至3g)所識別的每個(gè)對象 與具有IO微米邊的框的網(wǎng)格相重疊；5g)計(jì)算對應(yīng)于步驟4g)的每個(gè)框的有效像素的一組x,、 yi值， 并且把所述值獨(dú)立地保存在處理系統(tǒng)(7)的存儲裝置中，從而使得每 個(gè)框識別單個(gè)對象。
6. 如權(quán)利要求5所述的方法，其中所述細(xì)分步驟lg)包括下列步驟lgi)對每個(gè)對象，找到外接該對象的、具有最小尺寸nx、 my的矩形；lgii)檢查nx或my中的至少一個(gè)是否大于IO微米；lgiii)如果檢查步驟lgii)的結(jié)果是肯定的，則把所述對象與具有IO微米邊的框的對象相重疊；lgiv)把所述對象細(xì)分為各部分，每個(gè)所述部分內(nèi)接在所述網(wǎng)格的框中，并且忽略空的框。
7. 如權(quán)利要求2到6中任意一項(xiàng)所述的方法，其中所述三角化 (TRIANG)階段包括下列步驟1h)計(jì)算根據(jù)步驟5g)所保存的每個(gè)框的中心點(diǎn)，具有坐標(biāo)x,+;^/2 和少,+h/2，其中xp y1; Xl， y2; x2， y1; x2， y2分別是每個(gè)框的頂點(diǎn) 的坐標(biāo)；2h)把對應(yīng)于每個(gè)框的中心點(diǎn)的x、 y值保存在處理系統(tǒng)(7)的 存儲裝置中作為點(diǎn)集；3h)考慮根據(jù)步驟2h)所獲得的所述點(diǎn)集中的一對點(diǎn)；4h)繪制圓周包含所述兩個(gè)點(diǎn)的圓，并且檢查所述圓是否包含所 述點(diǎn)集中的其它點(diǎn)；5h)僅當(dāng)所述檢査的結(jié)果為否定的并且所述兩個(gè)點(diǎn)的距離小于或 等于20微米時(shí)，才在所述兩個(gè)點(diǎn)之間繪制線段；6h)對所述點(diǎn)集中的每對點(diǎn)重復(fù)步驟3h) 、 4h)和5h)，從而獲 得三角形網(wǎng)格；7h)在處理系統(tǒng)7的存儲裝置中，保存在所述三角形網(wǎng)格中所包 括的點(diǎn)的第一子集(子集I)作為聚于群的點(diǎn)，并且保存點(diǎn)的第二子集 (子集II)作為非聚于群的點(diǎn)，非聚于群的點(diǎn)與每一個(gè)最接近的點(diǎn)的距 離大于20微米。
8. 如權(quán)利要求1到7中任意一項(xiàng)所述的方法，其中所述三角形網(wǎng) 格的外周長的所述計(jì)算包括下列步驟li)為三角形網(wǎng)格中每個(gè)三角形的每個(gè)線段編索引，并且保存所 述三角形網(wǎng)格的線段的識別索引集；2i)為用來把聚于群的點(diǎn)的任何邊界點(diǎn)與最近的非聚于群的點(diǎn)連 接的每個(gè)線段編索引，并且保存用于非聚于群的線段的識別索引集；3i)對那些識別索引在所述三角形網(wǎng)格的識別索引集中僅重復(fù)出 現(xiàn)一次的線段求和；40雙重求和所述非聚于群的線段的識別索引集中的線段的長度。
9. 如權(quán)利要求1到8中任意一項(xiàng)所述的方法，其中所述的三角形 網(wǎng)格的所述面積(Ac)的計(jì)算包括11)計(jì)算所述三角形網(wǎng)格的每個(gè)三角形的面積； 21)求和所述三角形網(wǎng)格的所有三角形的面積。
10. 如權(quán)利要求1到9中任意一項(xiàng)所述的方法，其中所述三角形 網(wǎng)格內(nèi)的點(diǎn)狀或斑點(diǎn)形對象的所述面積(ACINF)的計(jì)算包括對所述三 角形網(wǎng)格內(nèi)的有效像素求和并且將所產(chǎn)生的結(jié)果乘以每個(gè)像素的面 積。
11. 如權(quán)利要求1到10中任意一項(xiàng)所述的方法，其中所述的在所 述至少一個(gè)聚群之外的孤立的點(diǎn)狀或斑點(diǎn)形對象的所述面積的計(jì)算包 括應(yīng)用下列表達(dá)式<formula>formula see original document page 5</formula>其中ATINF是通過求和所述圖像的所有有效像素并且把所產(chǎn)生的 數(shù)目乘以每個(gè)像素的面積所計(jì)算的對象總面積，并且AdOT是根據(jù)權(quán)利 要求10所計(jì)算的在所述三角形網(wǎng)格內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的面 積。
12. 如權(quán)利要求1到11中任意一項(xiàng)所述的方法，其中所述的在所 述至少一個(gè)聚群之內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的密度(Dc)的計(jì)算包括應(yīng)用下列表達(dá)式DC = ACINF/AC。
13. 如權(quán)利要求1到12中任意一項(xiàng)所述的方法，進(jìn)一步包括根據(jù) 下列表達(dá)式計(jì)算Hurst指數(shù)(H-CLC)的階段H = E + (1-DA)其中E是歐幾里得維數(shù)并且Da是分形維數(shù)，其中在維數(shù)計(jì)算 (DIM-CLC)階段計(jì)算所述分形維數(shù)DA，所述維數(shù)計(jì)算階段包括a) 把對象的圖像劃分為多個(gè)邊長為e的框的網(wǎng)格，其中e從第一 值和作為所述第一值一小部分的預(yù)定義值改變，所述第一值基本上對 應(yīng)于把所述對象內(nèi)接于其中的框的邊，b) 對步驟a)的每個(gè)e值，計(jì)算W(s)的對數(shù)函數(shù)值和l/s的對數(shù)函 數(shù)值，其中iV(《是為了完全覆蓋對象(細(xì)胞或細(xì)胞子集)的面積(A) 所需的框數(shù)，從而獲得所述W(《的對數(shù)函數(shù)的第一組值和所述1/s的對 數(shù)函數(shù)的第二組值，c) 把分形維數(shù)DA計(jì)算成在步驟b)的所述第一組值對照所述第 二組值做內(nèi)插的直線的斜率。
14. 如權(quán)利要求1到13中任意一項(xiàng)所述的方法，其中根據(jù)下列步 驟執(zhí)行所述圖像確立(IMA-EL)階段le)考慮每個(gè)像素的參數(shù)；2e)把所述像素的參數(shù)與所述參數(shù)的預(yù)設(shè)閾值或閾值范圍相比較； 3e)根據(jù)所述比較來選擇有效像素聚群和無效像素聚群。
15. 如權(quán)利要求14所述的方法，其中所述像素的參數(shù)是亮度強(qiáng)度 (黑白圖像)或數(shù)字顏色值。
16. 如權(quán)利要求1到15中任意一項(xiàng)所述的方法，其中所述的獲取所述對象的數(shù)字圖像的所述階段包括下列階段-)提供用于獲取并處理圖像的系統(tǒng)(1)的階段，所述系統(tǒng)(1) 包括具有能夠沿著笛卡爾軸X、 y、 z移動的電動掃描鏡臺(3)的顯微鏡(2)，可操作地連接到所述顯微鏡(2)的電子圖像獲取裝置(6),， 所述電動掃描鏡臺(3)和電子圖像獲取裝置(6)可操作地連接到處 理系統(tǒng)(7)，所述處理系統(tǒng)(7)包括處理部件(CPU)以及存儲裝置， 所述存儲裝置包括RAM工作存儲器和硬盤；-)用于保存所述對象的圖像的笛卡爾參數(shù)的對象識別階段(ID)，以及-)所述識別對象的圖像獲取(IM-ACQ)階段。
17. 如權(quán)利要求16所述的方法，其中所述對象識別階段(ID)包 括下列步驟la)按所述顯微鏡(2)的預(yù)設(shè)放大倍數(shù)產(chǎn)生由多個(gè)框所形成的網(wǎng) 格，以重疊在圖像上；2a)向電動掃描鏡臺(3)發(fā)送命令，使得在軸x、 y上定位在對 應(yīng)于顯微鏡物鏡與圖像必須被獲取的網(wǎng)格的第一框的對準(zhǔn)位置的第一 位置(開始位置)，并且向所述電子圖像獲取裝置(6)發(fā)送命令以用 于獲取此第一框的數(shù)字圖像，所述圖像臨時(shí)保存在工作存儲器(RAM) 中；3a)評估在所述第一框中單個(gè)像素的亮度，將它與預(yù)設(shè)值相比較 并且確定在所述框內(nèi)的亮度對比；4a)向電動掃描鏡臺(3)發(fā)送命令，使得在軸x、 y上定位在對 應(yīng)于所述網(wǎng)格的第二框的下一位置(第二位置)，向電子圖像獲取裝 置(6)發(fā)送命令以獲取此第二框的數(shù)字圖像并且將它臨時(shí)保存在所述 工作存儲器(RAM)上并且對該圖像重復(fù)步驟3)的操作；5a)反復(fù)執(zhí)行步驟4)的例程直到掃描完整個(gè)承載滑動片并且處理 了所述網(wǎng)格的每個(gè)框的圖像，其中在整個(gè)例程的執(zhí)行期間，把具有在預(yù)定義的值以上的亮度對比的網(wǎng)格框的x、y位置保存在硬盤存儲器中， 其中所述顯微鏡(2)的所述預(yù)設(shè)放大倍數(shù)優(yōu)選為200x放大倍數(shù)。
18. 如權(quán)利要求17所述的方法，其中根據(jù)下列方法執(zhí)行用于處理 網(wǎng)格的框的圖像的所述步驟3a),其中所述圖像已經(jīng)臨時(shí)保存在所述 工作存儲器(RAM)中i)構(gòu)建所分析框的像素的亮度強(qiáng)度的直方圖，ii)根據(jù)所述直方 圖的平均值計(jì)算標(biāo)準(zhǔn)偏差，并且iii)把標(biāo)準(zhǔn)偏差的計(jì)算值與預(yù)定義的 值相比較，其中把具有在這種預(yù)定義值以上的標(biāo)準(zhǔn)偏差的框的位置保 存在硬盤上。
19. 如權(quán)利要求1到18中任意一項(xiàng)所述的方法，其中由識別預(yù)覽 階段(ID-PREV)代替所述ID階段或置于所述ID階段之前，所述識 別預(yù)覽階段包括如權(quán)利要求17中所述的步驟la)到5a)，并且其中在 25x和100x之間選擇所述顯微鏡(2)的放大倍數(shù)。
20. 如權(quán)利要求16到19中任意一項(xiàng)所述的方法，進(jìn)一步包括聚 焦設(shè)置階段(FCS)，包括下列步驟lb)在待獲取的對象圖像上選擇多個(gè)聚焦點(diǎn)；2b)所述CPU向掃描鏡臺(3)發(fā)送命令使得在顯微鏡的物鏡下 定位第一聚焦點(diǎn)；3b)對所述第一聚焦點(diǎn)調(diào)節(jié)焦距并且將其焦點(diǎn)參數(shù)自動地保存在 處理系統(tǒng)(7)的存儲裝置中；4b)對于每個(gè)點(diǎn)重復(fù)步驟2b)和3b)的例程。
21. 如權(quán)利要求20所述的方法，其中優(yōu)選按照下列過程自動地執(zhí) 行步驟3b):3bi)沿著z驅(qū)動軸選擇多個(gè)，優(yōu)選為五個(gè)，聚焦位置；3bii)對每個(gè)聚焦位置，計(jì)算亮度對比，比較這樣獲得的各亮度對 比值并且選擇具有最高亮度對比值的聚焦位置；3biii)分別在所選擇的聚焦位置與在步驟3bi)的之前和之后的較 近的聚焦位置之間選擇另外兩個(gè)聚焦位置；3biv)反復(fù)執(zhí)行步驟3bi) 、 3bii)和3biii)達(dá)預(yù)設(shè)的次數(shù)，優(yōu)選 不超過五次；3bv)把所找到的聚焦位置保存在處理系統(tǒng)(7)的存儲裝置中。
22. 如權(quán)利要求20或21所述的方法，其中所述選擇的各聚焦點(diǎn) 彼此等距地間隔開或者均勻分布在對象表面上。
23. 如權(quán)利要求22所述的方法，其中選擇九個(gè)聚焦點(diǎn)并且置于所 檢查對象中內(nèi)接的最大平行六面體的四個(gè)角、中心以及各邊的中點(diǎn)。
24. 如權(quán)利要求16到23中任意一項(xiàng)所述的方法，進(jìn)一步包括白 校準(zhǔn)(WCAL)階段，包括lc)通過電子圖像獲取裝置(6)獲取非樣本區(qū)域的圖像(空白圖 像)并且將它保存在處理系統(tǒng)(7)的存儲裝置中。
25. 如權(quán)利要求16到24中任意一項(xiàng)所述的方法，其中所述圖像 獲取(IM-ACQ)階段包括下列步驟ld)向所述掃描鏡臺(3)發(fā)送命令，使得將它移動到根據(jù)權(quán)利要 求17的先前步驟5a)所選擇的網(wǎng)格的第一保存框位置，對準(zhǔn)顯微鏡的 物鏡；2d)對接近所述第一框的至少兩個(gè)聚焦點(diǎn)，通過從根據(jù)先前步驟 lb)到4b所計(jì)算的聚焦參數(shù)進(jìn)行內(nèi)插來計(jì)算所述第一框圖像的聚焦參 數(shù)；3d)通過所述圖像獲取裝置(6)來獲取所述第一框的圖像； 4d)從所獲取的第一框的圖像減去根據(jù)上面步驟lc)所獲取的空 白圖像；5d)把步驟4d)產(chǎn)生的圖像保存在處理系統(tǒng)(7)的存儲裝置中；6d)重復(fù)步驟ld)到5d)，直到已經(jīng)掃描了要獲取的整個(gè)對象； 7d)通過將單個(gè)框的圖像相對于它們的初始位置對準(zhǔn)來重新組合 所述對象的整個(gè)圖像并且將所述整個(gè)圖像保存在所述處理系統(tǒng)(7)的存儲裝置中。
26. 如權(quán)利要求25所述的方法，其中用于重新組合所述對象的整 個(gè)圖像的所述步驟7d)包括1)通過在對準(zhǔn)的方向上重疊圖像邊的邊緣來把每個(gè)框的圖像與鄰 近框的圖像對準(zhǔn)；m)在重疊區(qū)域中，彼此相對地移位所述框的圖像，使得在重疊 像素之間的亮度和/或顏色強(qiáng)度差最小化；n)對于每對鄰近的框，重復(fù)步驟l)和m)。
27. 如權(quán)利要求16到26中任意一項(xiàng)所述的方法，其中通過下列 過程執(zhí)行所述ID階段lm)產(chǎn)生待檢查的對象的模糊圖像；2m)從所述對象的圖像中減去所述模糊圖像以獲得這樣的圖像， 其中亮色區(qū)域?qū)?yīng)于具有較高對比的圖像區(qū)域并且暗色區(qū)域?qū)?yīng)于具 有較低對比的圖像區(qū)域；3m)把顏色或亮度值在預(yù)定義閾值以上的區(qū)域的圖像保存在處理 系統(tǒng)(7)的存儲裝置中。
28. 如權(quán)利要求27所述的方法，其中產(chǎn)生模糊圖像的所述步驟 lm)包括-)根據(jù)四叉樹方法反復(fù)地將所述圖像劃分為四分塊，直到四分塊 具有預(yù)定義邊長；-)按每個(gè)劃分標(biāo)度為每個(gè)四分塊計(jì)算像素的平均值，使得每個(gè)四 分塊與一組值相關(guān)聯(lián)；-)產(chǎn)生彩色圖(RGB圖像)或強(qiáng)度圖(灰度圖像)，其中每個(gè)點(diǎn) 值是每個(gè)四分塊的所述一組值的平均值，所述顏色或強(qiáng)度圖是原始圖像的模糊圖像。
29. 如權(quán)利要求16到26中任意一項(xiàng)所述的方法，其中按照下列過程執(zhí)行所述ID階段In)根據(jù)四叉樹方法把所述圖像反復(fù)地劃分為四分塊，直到四分塊具有預(yù)定義的邊長；2n)按每個(gè)劃分標(biāo)度為每個(gè)四分塊計(jì)算作為標(biāo)準(zhǔn)偏差除以像素平 均值而獲得的相對離散度(RD),使得每個(gè)四分塊與一組RD值相關(guān) 聯(lián)；3n)產(chǎn)生作為灰度圖像的均勻圖，每個(gè)點(diǎn)的亮度由每個(gè)四分塊的 所述一組RD值的平均值給出，其中具有高亮度的圖像區(qū)域?qū)?yīng)于均勻 區(qū)域；4n)選擇具有在預(yù)定義閾值以上的亮度強(qiáng)度的均勻圖的像素，并 且將它們的位置保存在處理系統(tǒng)(7)的存儲裝置中。
30. 如權(quán)利要求16到29中任意一項(xiàng)所述的方法，其中所述系統(tǒng) (1)包括能夠沿著笛卡爾軸x、 y、 z移動的電動掃描鏡臺(3)，可操作地與所述電動掃描鏡臺(3)對準(zhǔn)的電子圖像獲取裝置(6)，所述 電動掃描鏡臺(3)和所述電子圖像獲取裝置(6)可操作地連接到處 理系統(tǒng)(7)，所述處理系統(tǒng)(7)包括處理部件(CPU)以及存儲裝置， 所述存儲裝置包括RAM工作存儲器和硬盤。
31. —種用于獲取并處理圖像的系統(tǒng)(1)，包括能夠沿著笛卡爾 軸x、 y、 z移動的電動掃描鏡臺(3)，可操作地與所述電動掃描鏡臺(3)對準(zhǔn)的電子圖像獲取裝置(6)，所述電動掃描鏡臺(3)和所述 電子圖像獲取裝置(6)可操作地連接到處理系統(tǒng)(7)，所述處理系 統(tǒng)(7)包括處理部件(CPU)以及存儲裝置，所述存儲裝置包括RAM 工作存儲器和硬盤，所述處理系統(tǒng)(7)運(yùn)行程序(PRG)以執(zhí)行如權(quán) 利要求1到30中任意一項(xiàng)所述的方法。
32. —種用于執(zhí)行如權(quán)利要求1到30中任意一項(xiàng)所述的方法的軟 件程序(PRG)。
33. —種計(jì)算機(jī)可讀載體，包括用于執(zhí)行如權(quán)利要求1到30中任 意一項(xiàng)所述的方法的程序(PRG)。
34. 如權(quán)利要求31所述的系統(tǒng)(1)的使用，用于執(zhí)行如權(quán)利要 求1到30中任意一項(xiàng)所述的方法。
全文摘要
本發(fā)明涉及一種用于處理并度量量化對象的圖像的方法和設(shè)備，所述對象包含點(diǎn)/斑點(diǎn)的聚群，諸如包括細(xì)胞聚群的生物樣本，特別是人類或動物源的細(xì)胞或者其圖像。特別地，本發(fā)明涉及一種用于處理呈點(diǎn)狀或斑點(diǎn)形對象的至少一個(gè)聚群形態(tài)的不規(guī)則形對象的圖像的方法，包括獲取所述對象的數(shù)字圖像的階段、用于將所述數(shù)字圖像量化為1比特的圖像確立(IMA-EL)階段以及用于度量處理所述1比特量化圖像的階段，其中所述度量處理階段包括對象的度量量化(QUANT)階段，其依次包括-用于將所述點(diǎn)狀或斑點(diǎn)形對象的至少一個(gè)聚群變換為三角形網(wǎng)格的三角化(TRIANG)階段，其中所述三角形的頂點(diǎn)對應(yīng)于所述點(diǎn)狀或斑點(diǎn)形對象的中心；-用于計(jì)算下列參數(shù)的至少一個(gè)的參數(shù)計(jì)算(PAR-CLC)階段-所述三角形網(wǎng)格的外周長；-所述三角形網(wǎng)格的面積(AC)；-在所述三角形網(wǎng)格內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的面積(ACINF)；-在所述至少一個(gè)聚群外的孤立的點(diǎn)狀或斑點(diǎn)形對象的面積(APINF)；-在所述至少一個(gè)聚群內(nèi)的所述點(diǎn)狀或斑點(diǎn)形對象的密度(DC)。
文檔編號G06T7/00GK101390129SQ200680053562
公開日2009年3月18日 申請日期2006年2月28日 優(yōu)先權(quán)日2006年2月28日
發(fā)明者卡洛·魯索, 尼古拉·迪奧瓜爾迪, 巴爾巴拉·弗蘭切斯基尼, 法比奧·格里齊 申請人:仁愛米拉索萊有限公司