单个细胞的几何特征就是各连通区域的几何特征,各特征量之间存在着密切的联系和影响, 样片中各细胞的分布和统计就是图像中各连通区域的分布和统计.细胞各特征量的计算是统计与分析的基础, 而正确的判断和统计还需经过数理统计、均值聚类等进一步计算和分析而获得.各连通域的计算包括对几何特征如周长、面积、重心的运算和形态特征如圆度、矩形度、矩的应用、边缘复杂度的运算。[2]
形态特征的计算首先涉及到细胞连通区域的标记, 区域标记是指将连在一起的同一区域像素赋上相同的标记的过程.不同细胞的连接部分赋上不同的标记.为了能更好地区分不同的细胞体, 可采用颜色差值区域标记法, 给不同的连通体赋上不同的像素值, 而且其颜色差值比较大, 这样我们就可以很清楚地区分每个独立的细胞区域.连通区域的面积通过连通区域的总像素的求和得到, 而连通区域的周长通过获得连通域的外轮廓, 然后求取累积边界的长而获得, 对于边界对角线上的点, 其长度应计为√2。
对于面积一定的图形, 一般周长越小, 圆形外轮廓表面越光滑, 越接近圆;反之, 周长越大, 则图形外轮廓表面褶皱越多, 形状也就越复杂.由此可采用圆度C 来衡量图形的复杂程度, 其最常用的计算公式如下： 。其中, P 为图形周长, A 为周长所围面积。[2]
考虑到排除图像噪音的需要, 在对细胞的几何与形态特征量的运算中, 通过对细胞特征中周长、面积、圆度、长短半轴等量的数学期望以及它们的方差的计算, 可以排除掉过小的噪声点而使有效的连通域进入进一步的计算.统计量期望的计算公式为: 。其中, n 为细胞图像中细胞的个数, xn 为第n个细胞的特征量(如:周长、面积等).
根据连通域特征的定义和数学模型, 各特征量的单独计算很容易得到, 为了全面分析它们, 需综合分析这些特征量.细胞大小、细胞的圆度、细胞的长宽、细胞的矩等在不同目标判别中, 其占有的权重不同, 系统而全面的分析还可通过各特征的期望与方差, 可区分或筛选出图像中有效的连通区域.同时, 用K 一均值聚类和FCM 算法可从宏观上进一步过滤掉连通域噪声并给出更为全面准确的细胞分类和判断分析结果, 得到精确的分析统计结果。[2]
医学显微图像是进行医疗诊断的重要参考依据,也是医疗手段现代化和计算机化的重要一环.传统的医学显微图像的分析过程一般是在病人送来检样后,在光学显微镜下由检测员用肉眼观看并计数和分析,并对照显微例图样本而给出诊断结论. 这样的操作过程使得检测员的工作强度较大,对检测员的技术水平要求较高,且检测的结果是以文字方式记录下来的,不利于主治医师和住院部医师对显微图像的进一步分析.
如果采用计算机技术将显微图像以数字图象的方式摄入和记录下来就将大大提高这个医疗信息的使用效益. 由于检测员在大屏幕上观测显微图像,工作强度将大大减少. 同时,显微图像将被打印在诊断报告单上,为其他医师和病人家属提供一个作进一步分析的图像样本,这也是医院医疗信息网上的共享资源,这还是基于Internet的远距离医疗诊断系统的一部分. 由于计算机上已储存有标准的显微例图样本,检测员可在计算机上对照被测图例而进行分析判别. 同时在软件系统上增加DNS和其它医疗显微图像的分析判断模块,系统将提供更为可靠和快捷的分析结果.[3]