СПОСОБ РАСПОЗНАВАНИЯ И ИЗМЕРЕНИЯ ДИАГНОСТИЧЕСКИХ ХАРАКТЕРИСТИК ЦИТОЛОГИЧЕСКИХ ПРЕПАРАТОВ Российский патент 1997 года по МПК G01N33/48 G06K9/80 

Описание патента на изобретение RU2088922C1

Изобретение относится к области медицинской техники и может быть использовано для автоматического разпознавания и измерения характеристик клеток цитологических препаратов различных типов, таких как мазки крови и костного мозга, шейки матки и других. Измеряемые характеристики могут быть использованы при диагностике (прогнозе течения)онкологических и иных заболеваний.

Известен ряд способов распознавания, измерения и диагностики цитологических объектов по увеличенным изображениям цитологических препаратов ([1] [3] ). Недостатком известных способов являются высокие требования к производительности вычислительных средств, узкая специализация на заданный тип цитологического препарата, недостаточная информативность измеряемых признаков, недостаточная точность распознавания и измерения сложных сцен.

В качестве прототипа выбран способ, изложенный в [1] В указанном способе увеличенное оцифрованное изображение (ОИ) цитологического препарата мазка шейки матки с окраской по Папаниколау сканируют с помощью цветной телевизионной камеры, а полученный видеосигнал подвергают обработке, выделяя геометрические, цветояркостные и текстурные характеристики клеток.

Недостатком известного способа является низкая информативность используемых при распознавании признаков объектов, в связи с чем имеет место большая вероятность ошибок распознавания, особенно при наличии близко расположенных объектов и при наличии шума на изображении.

Задачей настоящего изобретения является повышение диагностической информативности измеряемых признаков цитологических препаратов с ориентацией на получение новой информации, недоступной при визуальном исследовании.

Указанная задача решается за счет использования нового способа распознавания, основного на контекстной кластеризации однородных по оптической плотности фрагментов изображения. Способ отличается тем, что помимо обычно применяемых общих приемов сегментации, не связанных с природой цитологических образцов, используется априорная модель механических свойств структур клеток. При этом исходят из того, что внутриклеточное давление, упругие свойства ядра и цитоплазмы могут поддерживаться только при определенных цветояркостных, геометрических и текстурных свойствах соседних фрагментов клеточных структур.

При этом способ распознавания и измерения диагностических характеристик цитологических препаратов включает в себя телевизионный съем увеличенного изображения цитологического препарата в поле зрения светового микроскопа, получение оцифрованного изображения (ОИ) и обработку ОИ. Новым является то, что при обработке ОИ получают первичные связные фрагменты изображения, однородные по оптической плотности или цветности, которые затем итерационно объединяют в образцы с применением семейства моделей механических свойств структур клетки. Полученные в результате процесса распознавания образы проверяют на соответствие критериям модели заданного типа клеток, а затем измеряют и запоминают геометрические, текстурные и другие характеристики клеток.

На фиг.1 изображено устройство для осуществления способа; на фиг.2 - кольцевое объединение цитоплазмы вокруг ядра с ядрышком. На чертеже изображены: 1 микроскоп, 2 манипулятор стекол, 3 телевизионная камера, 4 контроллер ввода телевизионного сигнала, 5 персональная ЭВМ или спецпроцессор.

Способ осуществляют следующим образом.

Изготавливают цитологический препарат, например препарат мазка косного мозга с окраской Фельген, Романовский-Гимза или Ag-NOR. Под микроскопом с объективом 100 x в препарате разыскивают интересные в диагностическом отношении кадры. Затем эти кадры с помощью телевизионной камеры преобразуют в телевизионный сигнал, который передают в контроллер ввода ТВ-сигнала, где его оцифровывают и далее передают в ПЭВМ для обработки. Обработку осуществляют следующим образом.

Выбирают некоторое множество пороговых значений оптической плотности 0≅od1<.<odm. Оцифрованное изображение F, состоящее из множества пикселейpl} с оптической плотностью od(pl), разбивают на множество первичных связных фрагментов {f0n

} которые являются однородными в отношении оптической плотности od:

где No число получающихся фрагментов f0n
Такое разбиение можно получить при помощи любого из множества описанных в литературе алгоритмов. Далее итерационно объединяют те пары смежных фрагментов, для которых выполняется описываемое ниже условие объединения, отражающее механические свойства структур клетки, до тех пор, пока это возможно.

На k-й итерации, k 1. используют оператор Uob, объединяющий некоторые упорядоченные пары соседних фрагментов из числа Nk-1, полученных на (k-1)-й итерации фрагментов:
fkn

= Uob(fk-1i
,fk-1j
),i,j = 1,2,...,Nk-1, (2)
что дает новое разбиение При этом оператор (2) применяется при выполнении условий

где Hk-1i
значение вектора признаков (см. ниже) фрагмента fk-1i
,nbk-1ij
- доля общей границы между fk-1i
,fk-1j
в периметре fk-1i
, Ww1,w7} вектор параметров.

Геометрически условие (3) соответствует построению близких к выпуклым объектов с относительно малым значением отношения периметр/площадь. За счет изменения значений вектора параметров W можно менять условия объединения, получая тем самым различные операторы построения образцов с учетом класса цитологических препаратор. Например, при построении образа ядра можно подклеивать небольшие включения со значительными отличиями в оптической плотности путем усиления ограничений типа nbk-1ij

≥w6 в (4) и ослабления порогов в (3). Промежуточным критерием окончания процесса формирования объектов является локальная минимизация числа Nk областей в кадре.

В качестве признаков H используют оптическую плотность, цвет, площадь, периметр и некоторые другие признаки. Значения признаков H и величины общей границы вычисляют итерационно.

Используя типа (2) (4), строят объекты с простой структурой, такие как ядра и однородные области цитоплазмы. Для контекстного объединения фрагментов областей используют целое семейство моделей, учитывающих априорную информацию о структуре клетки. Одновременно используют возможность динамического "выращивания" образцов по естественному сценарию от формирования ядра к формированию ближней цитоплазмы и далее к полной клетке. Это особенно важно в случаях скопления клеток, когда границы клеток не являются однозначно определенными и необходимо использовать дополнительную информацию. Например, при построении окружающей ядро цитоплазмы используют информацию об окрестности ядра при помощи следующей схемы объединения. Пусть {fk-1,tn

} совокупность областей, соседних с ядром fk-1t
а области {fk-1,tνn
} являются соседними одновременно с ядрами fk-1t
и fk-1v
Область fk-1,tn
включают в "кольцо" fk,tr
окружающее ядро fk-1t
если

причем Hk,tr
-Hk,tr/kv
>w12 где Hk,tr/kv
значение признаков для неполного кольца с исключенной областью fk-1,t,vn

Сформированное кольцо рассматривается как новый первичный фасет для объемлющего объекта (ядра вокруг ядрышка, цитоплазмы вокруг ядра). Отметим также функцию формирования дескриптора клетки. В этой функции проверяются отношения вложенности сегментированных объектов заданных типов (ядрышек в ядра, ядер в цитоплазму). Сформированный дескриптор клетки содержит информацию о ее составе и используется в модуле измерений клеток.

Похожие патенты RU2088922C1

название год авторы номер документа
СПОСОБ АДАПТИВНОЙ АВТОМАТИЧЕСКОЙ СЕГМЕНТАЦИИ И РАСПОЗНАВАНИЯ КЛЕТОК НА ИЗОБРАЖЕНИЯХ ЦИТОЛОГИЧЕСКИХ ПРЕПАРАТОВ 1997
  • Медовый В.С.
  • Медовый В.С.
  • Балабуткин В.А.
  • Иванов А.В.
  • Козинец Г.И.
RU2132061C1
СПОСОБ ОЦЕНКИ ФОТОМОРФОМЕТРИЧЕСКОЙ НЕОДНОРОДНОСТИ ПОПУЛЯЦИИ КЛЕТОК ЦИТОЛОГИЧЕСКОГО ПРЕПАРАТА 1997
  • Верденская Н.В.
  • Иванова И.А.
  • Балабуткин В.А.
  • Козинец Г.И.
  • Медовый В.С.
  • Погорелов В.М.
  • Иванов А.В.
RU2132060C1
СПОСОБ МИКРОСКОПИЧЕСКОГО ИССЛЕДОВАНИЯ ОБРАЗЦА, СОДЕРЖАЩЕГО МИКРООБЪЕКТЫ С РАЗНОРОДНЫМИ ЗОНАМИ 2006
  • Никитаев Валентин Григорьевич
  • Проничев Александр Николаевич
  • Чистов Кирилл Сергеевич
  • Зайцев Сергей Михайлович
  • Филиппенко Мария Владимировна
  • Воробьев Иван Андреевич
  • Харазишвили Дмитрий Викторович
  • Зубрихина Галина Николаевна
  • Блиндарь Валентина Николаевна
RU2308745C1
СПОСОБ АВТОМАТИЗИРОВАННОЙ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ ЦИТОЛОГИЧЕСКОГО ПРЕПАРАТА 1997
  • Медовый Виталий Семенович
  • Медовый Владимир Семенович
  • Балабуткин Владислав Анатольевич
  • Козинец Геннадий Иванович
  • Иванов Анатолий Витальевич
RU2121714C1
СПОСОБ АНАЛИЗА КЛЕТОЧНОГО СОСТАВА КРОВИ ПО МАЗКУ 1998
  • Боев С.Ф.
  • Верденская Н.В.
  • Виноградов А.Г.
  • Иванова И.А.
  • Козинец Г.И.
  • Масалов А.В.
  • Погорелов В.М.
  • Сазонов В.В.
RU2147123C1
СПОСОБ АНАЛИЗА КЛЕТОЧНОГО СОСТАВА КРОВИ ПО МАЗКУ 2000
  • Боев С.Ф.
  • Верденская Н.В.
  • Виноградов А.Г.
  • Гусев А.А.
  • Иванова И.А.
  • Козинец Г.И.
  • Погорелов В.М.
  • Сазонов В.В.
RU2184966C1
СПОСОБ РАСПОЗНАВАНИЯ И ПОДСЧЕТА КЛЕТОК В БИОЛОГИЧЕСКИХ СРЕДАХ ЧЕЛОВЕКА И ЖИВОТНЫХ И УСТРОЙСТВО ДЛЯ ЕГО ОСУЩЕСТВЛЕНИЯ 2004
  • Козлов Альберт Анатольевич
  • Голиков Эдуард Вячеславович
  • Сидоров Михаил Александрович
  • Ибрагимова Ирина Тагировна
RU2303812C2
Способ распознавания структуры ядер бластов крови и костного мозга с применением световой микроскопии в сочетании с компьютерной обработкой данных для определения В- и Т-линейных острых лимфобластных лейкозов 2017
  • Никитаев Валентин Григорьевич
  • Нагорнов Олег Викторович
  • Проничев Александр Николаевич
  • Поляков Евгений Валерьевич
  • Дмитриева Валентина Викторовна
  • Зайцев Сергей Михайлович
  • Сельчук Владимир Юрьевич
  • Тупицын Николай Николаевич
  • Френкель Марина Абрамовна
  • Моженкова Анна Васильевна
  • Безнос Ольга Алексеевна
RU2659217C1
СПОСОБ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ФИБРОАДЕНОМЫ И РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ 2020
  • Решетов Игорь Владимирович
  • Славнова Елена Николаевна
  • Кудрин Константин Геннадьевич
RU2730993C2
СПОСОБ ДИАГНОСТИКИ РАКА 2006
  • Чиссов Валерий Иванович
  • Решетов Игорь Владимирович
  • Волченко Надежда Николаевна
  • Славнова Елена Николаевна
  • Тычинский Владимир Павлович
  • Кретушев Александр Викторович
  • Клемяшов Иван Валериевич
RU2306868C1

Иллюстрации к изобретению RU 2 088 922 C1

Реферат патента 1997 года СПОСОБ РАСПОЗНАВАНИЯ И ИЗМЕРЕНИЯ ДИАГНОСТИЧЕСКИХ ХАРАКТЕРИСТИК ЦИТОЛОГИЧЕСКИХ ПРЕПАРАТОВ

Способ распознавания и измерения диагностических характеристик цитологического препарата относится к области медицинской техники. Способ позволяет распознавать, в частности увеличенные изображения клеток мазка периферической крови. Способ включает телевизионный съем, оцифровку и обработку оцифрованного изображения. Новым является то, что при обработке оцифрованного изображения первичные связанные фрагменты, однородные по оптической плотности, инерционно объединяют в образцы, соответствующие заданной модели распределения механической нагрузки в несущих структурах клетки. Полученные в результате процесса распознавания образцы измеряют и запоминают геометрические, текстурные, механические популяционные характеристики клеток. 2 ил.

Формула изобретения RU 2 088 922 C1

Способ распознавания и измерения диагностических характеристик цитологических препаратов, включающий телевизионный съем увеличенного изображения цитологического препарата мазка периферической крови с окраской, в частности по Крокеру, и обработку оцифрованного изображения, отличающийся тем, что при обработке оцифрованного изображения первичные сегментированные связные фрагменты, однородные по оптической плотности, итерационно объединяют в образцы, соответствующие заданной модели распределения механической нагрузки в несущих структурах клетки, при этом при несоответствии полученных результатов априорной модели удаляют образцы, не соответствующие этой модели, а удаленные фрагменты восстанавливают по контрольным точкам сегментированного изображения, затем полученные образцы измеряют и запоминают геометрические, текстурные, механические и популяционные характеристики клеток.

Документы, цитированные в отчете о поиске Патент 1997 года RU2088922C1

Печь для непрерывного получения сернистого натрия 1921
  • Настюков А.М.
  • Настюков К.И.
SU1A1
Hall T.H
Detection of Abnormal Cells in cervical smears using a newral nerwork-based pattern recognition system, Anal.Quant
Cytol
Hystol., v
Способ гальванического снятия позолоты с серебряных изделий без заметного изменения их формы 1923
  • Бердников М.И.
SU12A1
Кран машиниста для автоматических тормозов с сжатым воздухом 1921
  • Казанцев Ф.П.
SU194A1
Аппарат для очищения воды при помощи химических реактивов 1917
  • Гордон И.Д.
SU2A1
Mac Anlay C., Palcic B, An ed ge relocation segmentation algorithm, Anal, Quant
Cytol
Hystol, v
Способ гальванического снятия позолоты с серебряных изделий без заметного изменения их формы 1923
  • Бердников М.И.
SU12A1
Устройство для отыскания металлических предметов 1920
  • Миткевич В.Ф.
SU165A1
Переносная печь для варки пищи и отопления в окопах, походных помещениях и т.п. 1921
  • Богач Б.И.
SU3A1
Bartels P, graham A, Paplanus S, Dytch H, Wied G, Computer assessment of cells and tissuues: Classification procedurs and ehpert sistems
Quantitativ / Mage Analysis in Cancer Cytology and Histology, Mary J.I., 1986, p
ГОРИЗОНТАЛЬНЫЙ ВЕТРЯНОЙ ДВИГАТЕЛЬ 1925
  • Симонов Н.И.
SU3330A1

RU 2 088 922 C1

Авторы

Медовый В.С.

Иванов А.В.

Медовый В.С.

Погорелов В.М.

Даты

1997-08-27Публикация

1993-07-29Подача