一种基于特征提取和图像处理的细胞培养生长检测方法与流程

1.本发明涉及一种基于特征提取和图像处理的细胞培养生长检测方法。


背景技术：

2.细胞医疗是人类疾病治疗和健康维护的最新医学技术，但细胞医疗面临着标准化难以及成本高的问题。根据市场的调查结果得到，目前开展细胞治疗技术研究与应用的单位较少，年市场量达到数百亿。
3.细胞培养的结果需要人工进行分析细胞的整体情况，在对细胞进行人工培养的过程中，需要对细胞是否污染、细胞是否贴壁进行判断，现有的方式都是通过人工来进行判断，这样的人工成本比较高，并且人工判断的误差性也比较大。


技术实现要素：

4.为了解决上述技术问题，本发明提供一种算法简单、准确率高的基于特征提取和图像处理的细胞培养生长检测方法。
5.本发明解决上述技术问题的技术方案是：一种基于特征提取和图像处理的细胞培养生长检测方法，包括以下步骤：
6.步骤一：拍摄细胞培养数据的图片并转为灰底图src，计算灰底图中细胞培养数据结构清晰度nrss，得到无参考图像清晰度的评价标准dpollute；
7.步骤二：计算灰底图的平均灰度meangray1；
8.步骤三：通过观察，对细胞培养数据不同灰度的情况进行阈值分割，得到二值图th，计算二值图th的白色占整张图的面积比arearatio；
9.步骤四：对二值图th灰度化，得到灰度图grayth，即感兴趣区域的灰度化，并计算灰度图grayth非黑色区域的平均灰度meangray2；根据meangray2与meangray1得到灰度差值meangray；
10.步骤五：通过对细胞培养数据的观察发现细胞培养数据存在反光，因此分别计算细胞培养数据的左半部分的平均灰度partgray1与右半部分的平均灰度partgray2，通过partgray1和partgray2得到平均灰度差值partgray；
11.步骤六：根据meangray1对灰底图src做阈值处理得到二值图thimg；对二值图thimg进行膨胀、腐蚀、去噪操作得到新的thimg；对新的thimg进行面积比计算得到面积值arearatio1，采用轮廓法计算得到新的thimg连通域的个数num；
12.步骤七：根据以上得到的dpollute、meangray1、arearatio判断细胞是否污染，若污染，则细胞不可用，细胞培养终止，若没有污染，则进入步骤八；
13.步骤八：根据以上得到的dpollute、meangray1、meangray2、meangray、arearatio判断细胞是否贴壁，若不贴壁，则代表细胞活性不可用，细胞培养终止，若贴壁，则进入步骤九；
14.步骤九：根据以上得到的arearatio1、num、partgray得到细胞占整个数据的面积
比值areaper，根据面积比值areaper的结果判断细胞活性。
15.上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤二中，平均灰度meangray1的计算公式为：
[0016][0017]
其中src(i,j)为灰度图src第i行第j列个像素的灰度值；src.rows为灰度图的行数，src.cols为灰度图的列数。
[0018]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤三中，阈值分割的公式为：
[0019][0020]
th4、th5均为图像的灰度值，th4的灰度范围为130～140；th5的灰度范围为160～180；
[0021]
而当细胞培养数据的平均灰度大于th5时则通过公式(3)与公式(4)得到阈值分割的最终结果图th，其他情况结果图th通过公式(5)得到；
[0022]
dst(i,j)＝src(i,j)《th1
ꢀꢀꢀꢀꢀ
(3)
[0023][0024]
th(i,j)＝src(i,j)《meangray1
ꢀꢀꢀꢀꢀ
(5)
[0025]
th1为灰度值，th2与th3均为连通域的大小，th1的范围为80～110；th2的范围为400～600；th3的范围为5～15；contours[i]为图像的第i个连通域的像素个数；dst(i,j)、th(i,j)均为二值化的图像，i,j均分别表示图像的行与列，dst(i,j)是输入的灰底图src(i,j)通过阈值th1进行阈值分割得到的二值图，公式(4)中的th(i,j)则是dst(i,j)去除轮廓面积小于阈值th3且轮廓面积大于阈值th2的二值结果图；公式(5)的th(i,j)是输入的灰底图src(i,j)通过阈值meangray1进行阈值分割得到的二值图；
[0026]
面积比arearatio的计算公式为：
[0027][0028]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤四中，感兴趣区域的灰度化计算公式为：
[0029][0030]
grayth(i，j)为感兴趣区域的灰度化图像；i表示行，j表示列；
[0031]
非黑色区域的平均灰度meangray2的计算公式为：
[0032]
[0033]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤五中，左半部分的平均灰度partgray1的计算公式为：
[0034][0035]
右半部分的平均灰度partgray2的计算公式为：
[0036][0037]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤六中，根据meangray1对灰底图src做阈值处理的计算公式为：
[0038][0039]
thimg(i，j)为二值图thimg第i行第j列个像素的灰度值。
[0040]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤七中，判断细胞是否污染的公式为：
[0041][0042]
th6、th7、th9分别为通过nrss梯度结构相似度方法得到的梯度结构相似值，th6取值为0.9～0.95；th7取值为0.9～0.95；th9取值为0.92～0.95；th8为感兴趣区域的像素和即面积，其取值为0.001～0.01；p为0表示未污染，1表示细胞受到污染。
[0043]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤八中，判断细胞是否贴壁的公式为：
[0044][0045]
th10、th11为通过nrss梯度结构相似度方法得到的梯度结构相似值，th10取值为0.005～0.015，th11取值为0.8～0.9；p1为0表示未贴壁，1表示细胞贴壁。
[0046]
上述基于特征提取和图像处理的细胞培养生长检测方法，所述步骤九中，根据面积比值areaper的结果判断细胞活性的方式为：
[0047][0048]
th12为图像连通域的个数，th12值的范围为200～400；th13为partgray1与partgray2的差值，其范围为10～30；a,b,c则是对百分比的改进数值，a＝0.1～0.5，b＝0.1
～0.3，c＝0.05～0.15；由于不同时间培养下的细胞受到杂质跟细胞灰度的影响不同，此公式根据数据研究以及经验得到，细胞百分比的计算是为了了解细胞是否停止生长，细胞是否属于正常生长的一个过程。
[0049]
本发明的有益效果在于：本发明根据观察细胞培养的数据对数据进行特征分析，再通过特征提取、去噪、图像分割等技术处理得到细胞的特征值，最后通过提取得到的特征值来判断细胞是否污染、判断细胞是否贴壁以及计算面积比值；判断细胞如果污染，证明实验就要终止，细胞不可用了，这样就大大的节约了时间成本；如果需要判断细胞是否开始生长繁殖，就看细胞是否贴壁，细胞贴壁表示细胞生长繁殖，若是细胞一直不贴壁代表细胞活性不可用；计算细胞面积比是为了用来计算细胞密度，为了观察细胞的生长情况。本发明未污染的准确率为99.2％，贴壁的准确率为99.6％，污染以及贴壁的准确率为100％，面积比值准确率为100％。
附图说明
[0050]
图1为本发明的流程图。
[0051]
图2为灰底图的示意图。
[0052]
图3为对灰底图进行阈值分割的示意图。
[0053]
图4为对阈值分割的二值图进行膨胀和腐蚀操作的示意图。
[0054]
图5为对阈值分割的二值图灰度化的示意图。
[0055]
图6为对灰底图做阈值处理得到二值图thimg的示意图。
[0056]
图7为对二值图thimg进行膨胀和腐蚀操作的示意图。
[0057]
图8为对二值图thimg进行去噪操作的示意图。
具体实施方式
[0058]
下面结合附图和实施例对本发明作进一步的说明。
[0059]
如图1所示，一种基于特征提取和图像处理的细胞培养生长检测方法，包括以下步骤：
[0060]
步骤一：拍摄细胞培养数据的图片并转为灰底图src，计算灰底图中细胞培养数据结构清晰度nrss，得到无参考图像清晰度的评价标准dpollute，dpollute为根据亮度比较、对比度比较、结构信息比较结合人烟视觉系统的相关特点计算得到的值，参考文献《无参考图像的清晰度评价方法》。
[0061]
步骤二：计算灰底图的平均灰度meangray1，如图2所示。
[0062]
平均灰度meangray1的计算公式为：
[0063][0064]
其中src(i,j)为灰度图src第i行第j列个像素的灰度值；src.rows为灰度图的行数，src.cols为灰度图的列数。
[0065]
步骤三：通过观察，对细胞培养数据不同灰度的情况进行阈值分割，如图3所示，得到二值图th，计算二值图th的白色占整张图的面积比arearatio。
[0066]
阈值分割的公式为：
[0067][0068]
th4、th5均为图像的灰度值，th4的灰度范围为130～140；th5的灰度范围为160～180；
[0069]
而当细胞培养数据的平均灰度大于th5时则通过公式(3)与公式(4)得到阈值分割的最终结果图th，其他情况结果图th通过公式(5)得到；
[0070]
dst(i,j)＝src(i,j)《th1
ꢀꢀꢀꢀꢀꢀ
(3)
[0071][0072]
th(i,j)＝src(i,j)《meangray1
ꢀꢀꢀꢀꢀ
(5)
[0073]
th1为灰度值，th2与th3均为连通域的大小，th1的范围为80～110；th2的范围为400～600；th3的范围为5～15；contours[i]为图像的第i个连通域的像素个数；dst(i,j)、th(i,j)均为二值化的图像，i,j均分别表示图像的行与列，dst(i,j)是输入的灰底图src(i,j)通过阈值th1进行阈值分割得到的二值图，公式(4)中的th(i,j)则是dst(i,j)去除轮廓面积小于阈值th3且轮廓面积大于阈值th2的二值结果图；公式(5)的th(i,j)是输入的灰底图src(i,j)通过阈值meangray1进行阈值分割得到的二值图；
[0074]
面积比arearatio的计算公式为：
[0075][0076]
步骤四：对二值图th灰度化，得到灰度图grayth，即感兴趣区域的灰度化，如图5所示，计算灰度图grayth非黑色区域的平均灰度meangray2；根据meangray2与meangray1得到灰度差值meangray。
[0077]
感兴趣区域的灰度化计算公式为：
[0078][0079]
grayth(i，j)为感兴趣区域的灰度化图像；i表示行，j表示列；
[0080]
非黑色区域的平均灰度meangray2的计算公式为：
[0081][0082]
步骤五：通过对细胞培养数据的观察发现细胞培养数据存在反光，因此分别计算细胞培养数据的左半部分的平均灰度partgray1与右半部分的平均灰度partgray2，通过partgray1和partgray2得到平均灰度差值partgray。
[0083]
左半部分的平均灰度partgray1的计算公式为：
[0084]
[0085]
右半部分的平均灰度partgray2的计算公式为：
[0086][0087]
步骤六：根据meangray1对灰底图src做阈值处理得到二值图thimg，如图6所示；如图7、图8所示。对二值图thimg进行膨胀、腐蚀、去噪操作得到新的thimg；对新的thimg进行面积比计算得到特征值arearatio1，采用轮廓法计算得到新的thimg连通域的个数num。
[0088]
根据meangray1对灰底图src做阈值处理的计算公式为：
[0089][0090]
thimg(i，j)为二值图thimg第i行第j列个像素的灰度值。
[0091]
步骤七：根据以上得到的dpollute、meangray1、arearatio判断细胞是否污染，若污染，则细胞不可用，细胞培养终止，若没有污染，则进入步骤八。
[0092]
判断细胞是否污染的公式为：
[0093][0094]
th6、th7、th9分别为通过nrss梯度结构相似度方法得到的梯度结构相似值，th6取值为0.9～0.95；th7取值为0.9～0.95；th9取值为0.92～0.95；th8为感兴趣区域的像素和即面积，其取值为0.001～0.01；p为0表示未污染，1表示细胞受到污染。
[0095]
步骤八：根据以上得到的dpollute、meangray1、meangray2、meangray、arearatio判断细胞是否贴壁，若不贴壁，则代表细胞活性不可用，细胞培养终止，若贴壁，则进入步骤九。
[0096]
判断细胞是否贴壁的公式为：
[0097][0098]
th10、th11为通过nrss梯度结构相似度方法得到的梯度结构相似值，th10取值为0.005～0.015，th11取值为0.8～0.9；p1为0表示未贴壁，1表示细胞贴壁。
[0099]
步骤九：根据以上得到的arearatio1、num、partgray得到细胞占整个数据的面积比值areaper，根据面积比值areaper的结果判断细胞活性。
[0100]
根据面积比值areaper的结果判断细胞活性的方式为：
[0101][0102]
th12为图像连通域的个数，th12值的范围为200～400；th13为partgray1与
partgray2的差值，其范围为10～30；a,b,c则是对百分比的改进数值，a＝0.1～0.5，b＝0.1～0.3，c＝0.05～0.15；由于不同时间培养下的细胞受到杂质跟细胞灰度的影响不同，此公式根据数据研究以及经验得到，细胞百分比的计算是为了了解细胞是否停止生长，细胞是否属于正常生长的一个过程。