一种贴壁细胞计数方法

技术领域

本发明涉及医疗视觉技术领域，特别是涉及一种贴壁细胞计数方法。

背景技术

目前现有的粘连贴壁细胞的计数技术主要是分为三个方向。传统的采用手工对细胞进行计数速度又慢，效果又差，准确性也不好。目前也有一部分技术采用深度学习模型预测的mask直接对细胞进行计数，但是该计数不容易对粘连到一起的细胞进行计数，从而导致计数的结果不准确，数量偏低等情况。还有一部分是采用模型后处理的方式对粘连细胞先去除粘连后进行计数的方式，比如单纯采用分水岭算法来进行性去除粘连粘连并计数，但是该种计数存在两个问题，一个是针对细胞粘连不严重的细胞图片没办法做到每张图片的效果都一致从而导致计数不准确，另外一个问题就是针对细胞在图片上占比较大的去除粘连效果特别差，导致计数不准。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种贴壁细胞计数方法。

为实现上述目的，本发明提供了如下方案：

一种贴壁细胞计数方法，包括：

采集待计数区域的细胞图片；

根据所述细胞图片计算细胞像素汇合度；

判断第一预设阈值是否大于所述细胞像素汇合度，若是，则将所述细胞图片划确定为高汇合度图片，若否，则将所述细胞图片确定为低汇合度图片；

根据所述低汇合度图片中的细胞轮廓面积进行细胞计数，得到计算结果；或

根据所述高汇合度图片的细胞面积进行细胞计数，得到计算结果。

优选地，根据所述低汇合度图片中的细胞轮廓面积进行细胞计数，得到计算结果，包括：

采集所述低汇合度图片中的所有的细胞轮廓，并计算所述细胞轮廓面积；

根据第二预设阈值与所述细胞轮廓面积将所述低汇合度图片划分为小面积细胞区域和大面积细胞区域；

根据所述大面积细胞区域的面积和单个细胞的面积对细胞进行计数，得到第一数量；

计算所述小面积细胞区域的细胞图上非零像素点到最近的零像素点之间的距离，并生成距离图；

将距离图进行自适应的阈值分割，得到二值图，并根据所述二值图对细胞进行计数，得到第二数量；

将所述第一数量和所述第二数量进行相加，得到所述计算结果。

优选地，根据所述大面积细胞区域的面积和单个细胞的面积对细胞进行计数，得到第一数量，包括：

将所有的大面积细胞区域的面积进行相加，得到大面积细胞区域的面积之和；

将大面积细胞区域的面积之和除以单个细胞的面积，得到所述第一数量。

优选地，所述单个细胞的面积是基于大量细胞面积统计得到的数据。

优选地，将距离图进行自适应的阈值分割，得到二值图，并根据所述二值图对细胞进行计数，得到第二数量，包括：

根据每张所述距离图上的最大距离的0.1倍到1这十个数值来选取最合适分割阈值，遍历这十个数值，根据这十个数值对应得到的二值图中轮廓数来选取具体的阈值，选取轮廓数最大所对应的阈值；

使用轮廓数最大所对应的阈值对所述距离图进行二值化处理，得到一张二值图，此二值图是前景区域也就是确定的细胞区域，然后将原始图与二值化之后的图进行相减得到可能存在细胞粘连的部分，并将所述可能存在细胞粘连的部分定义为未知区域；

将所述未知区域打标签，以得到标签图；不同的细胞被打上了不同的标签；打标签的过程中无细胞区域的标签被标记为0，将标签图统一加上1，这样无细胞的区域就被标记为1；

根据所述未知区域将标签图中同样位置的标签置为0；

根据标签图找到原图上的极小值点，并在原图上的极小值点周围4邻域或者8邻域范围内寻找领域中像素的最小值，当邻域中找到一个最小值接着在当前领域的下一个领域找最小值，依次迭代下去，在每个被打标签的极小值区域周围均得到一个包含最小值的队列，并且对每个队列进行区分，将每个队列的交集的位置的像素值置为-1，将数组中为-1的地方对应到原图上，并将原图为-1的位置置为0，最后将原图进行腐蚀，以将粘连细胞分开；

对分开的细胞进行计数，得到所述第二数量。

优选地，根据所述高汇合度图片的细胞面积进行细胞计数，得到计算结果，包括：

将所有细胞区域面积相加得到细胞面积总和，然后将细胞面积总和除于单个细胞面积，得到大面积细胞团中的细胞数量，并作为所述计算结果。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种贴壁细胞计数方法，包括：采集待计数区域的细胞图片；根据所述细胞图片计算细胞像素汇合度；判断第一预设阈值是否大于所述细胞像素汇合度，若是，则将所述细胞图片划确定为高汇合度图片，若否，则将所述细胞图片确定为低汇合度图片；根据所述低汇合度图片中的细胞轮廓面积进行细胞计数，得到计算结果；或根据所述高汇合度图片的细胞面积进行细胞计数，得到计算结果。本发明能够提高细胞计数的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的方法流程图；

图2为本发明实施例提供的步骤示意图；

图3为本发明实施例提供的低汇合度图片示意图；

图4为本发明实施例提供的高汇合度细胞图片示意图；

图5为本发明实施例提供的细胞数量随汇合度变化示意图；

图6为本发明实施例提供的细胞粘连优化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。

本发明的目的是提供一种贴壁细胞计数方法，能够提高细胞计数的准确性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例提供的方法流程图，如图1所示，本发明提供了一种贴壁细胞计数方法，包括：

步骤100：采集待计数区域的细胞图片；

步骤200：根据所述细胞图片计算细胞像素汇合度；

步骤300：判断第一预设阈值是否大于所述细胞像素汇合度，若是，则将所述细胞图片划确定为高汇合度图片，若否，则将所述细胞图片确定为低汇合度图片；

步骤401：根据所述低汇合度图片中的细胞轮廓面积进行细胞计数，得到计算结果；或

步骤402：根据所述高汇合度图片的细胞面积进行细胞计数，得到计算结果。

如图2所示，本发明首先对细胞图片计算细胞像素汇合度（细胞密度），然后将得到的汇合度结果与提前设置好的汇合度阈值做对比，以此来判断采用什么样的技术对不同汇合度的图片进行细胞计数。对于低于该阈值的，会被认为是汇合度比较小的图片如图3所示。对于大于该阈值的会被认为是汇合度比较大的图片，如图4所示。不同汇合度的细胞图片我们会采用不同的处理手段来对细胞进行计数，如图5所示。

首先针对汇合度较小（低密度）的细胞图片，首先找到图片上所有的细胞轮廓，其次计算所有细胞的轮廓面积。待计算完成后通过过滤面积较大的细胞区域，留下被认为面积较小的细胞区域，将面积较大的细胞区域送到一个特有的计数分支，将小面积的细胞区域送到另外一个特有的分支进行计数。

对于面积较大的细胞区域来讲，通过将所有大面积细胞区域面积相加得到大面积细胞区域面积之和，然后将大面积细胞区域面积总和除以单个细胞面积，得到大面积细胞区域中的细胞数量num_0，单个细胞面积是基于大量细胞面积统计得到的数据（提前设置完成）。对于小面积的细胞区域采用另外一种去除粘连计数的方式，首先计算细胞图上非零像素点到最近的零像素点之间的距离会得到一个距离图，再将距离图进行阈值分割变成只包含0和255的二值图，现有的技术方案均采用固定阈值的方式生成二值图，经过测试发现该种根据固定阈值生成二值图的方式并不是对于所有细胞图都有效，所以此处阈值采用自适应的阈值设置而摒弃固定阈值设置。具体的做法就是根据每张距离图上的最大距离的0.1倍到1这十个数值来选取最合适分割阈值，遍历这十个数值，根据这十个数值对应得到的二值图中轮廓数来选取具体的阈值，选取轮廓数最大所对应的阈值。然后使用上述得到的阈值对距离图进行二值化并得到一张二值图，此二值图是前景区域也就是确定的细胞区域，然后将原始图与二值化之后的图进行相减得到可能存在细胞粘连的部分，暂时把这部分看成未知区域。接着将可能存在粘连的细胞部分打标签以得到标签图，不同的细胞被打上了不同的标签。

由于图片中存在无细胞区域，之前打标签的过程中无细胞区域的标签被标记为0，然后将标签图统一加上1，这样无细胞区域就被标记为1。根据之前确定好的可能存在细胞粘连的区域（也就是未知区域），将标签图中同样位置的标签置为0。通过上述打标签就相当于人为标记了图片中的极小值点，根据标签图找到原图上的极小值点，在原图上的极小值点周围4邻域或者8邻域范围内寻找领域中像素的最小值，当邻域中找到一个最小值接着在当前领域的下一个领域找最小值，依次迭代下去。最终的结果就是每个被打标签的极小值区域周围都会得到一个包含最小值的队列，并且要对每个队列进行区分，因为在领域中寻找最小值是在全图范围内进行寻找的，这就相当于所有的队列都会有交集，这些交集的位置本实施例把其像素值置为-1，这就相当于把细胞粘连的部分置为-1。随后就将数组中为-1的地方对应到原图上，并将原图为-1的位置置为0，最后将原图进行腐蚀，如图6所示。经过以上的操作就将粘连细胞分开，然后进行计数得到num_1，然后将num_0与num_1进行相加得到低细胞汇合度（低密度）图片上细胞的数量。

接着是针对高汇合度（高密度）的细胞计数，高汇合度的图片进行细胞计数时已经不能够采用上面的计数方式了，由于高汇合度细胞图片上细胞密度过大，将所有细胞区域面积相加得到细胞面积总和，然后将细胞面积总和除于单个细胞面积，得到大面积细胞团中的细胞数量num，单个细胞面积是基于大量细胞面积统计得到的数据。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。