FISH图像基因扩增状态判别算法研究

论文摘要

荧光原位杂交（FISH）是一种检测细胞基因扩增状态的方法,具有高稳定、高准确性和高灵敏性的特点,近年来,FISH技术被越来越多的用于肿瘤细胞原癌基因HER2的检测。细胞组织切片被FISH技术染色后可分为细胞内区、细胞外区和红绿色信号点三个组成部分。目前病理科医师通过显微镜统计FISH图像中红色和绿色信号点的个数比值,从而判断HER2基因是否扩增,该方法基于人工方式,容易受到人为因素的影响,而且检测过程较为繁琐。因此,研究FISH细胞的自动识别检出和肿瘤病变程度的自动判决有着重要的社会意义和应用价值。FISH细胞存在粘连和重叠的情况,并且粘连重叠的细胞边界模糊,加上细胞内红色和绿色信号点的干扰,使得细胞检出困难。本文提出一种基于自动随机游走的FISH细胞检出方法,它首先使用基于RGB颜色模型的自动阈值方法来分割细胞区域和信号点区域,结合孔洞填充和滤波去噪实现细胞区域的检出,然后利用改进的极限腐蚀方法自动获取细胞种子区域,再提取细胞种子区域的有效种子点对图像进行随机游走分割,较好的实现了FISH细胞的检出和粘连、重叠细胞的分离。FISH图像基因扩增状态与细胞内信号点类型及颗粒个数息息相关,因此信号点的分类识别非常重要。本文在对信号点进行特征提取的基础上,提出了一种自适应邻域参数的拉普拉斯特征（S-LE）算法,该算法针对传统拉普拉斯特征映射不适用于处理不均匀平坦流形的问题,提出根据流形弯曲度自适应调整邻域参数,实验证明了S-LE算法的有效性。然后应用S-LE算法对信号点形态学特征进行有效降维,将降维后的特征属性作为BP神经网络的输入对信号点进行分类,在节省时间的同时也提高了分类器的识别率。肿瘤病变程度的判决是FISH图像检测过程的最后一个步骤,如何根据红绿信号点的颗粒个数得到正确的结果评估非常关键。本文分析了当前基于人工方式的全局Ratio值判决方法的不足,设计了一种基于细胞Ratio值的判决方法,该方法通过对细胞内红绿信号点的比值进行计算,将细胞分为正常细胞和异常细胞两种,再根据细胞类别个数的统计值判断HER2基因扩增状态。本文通过对比实验表明了基于细胞Ratio值判决方法的有效性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 研究现状
• 1.3 本文的主要工作
• 1.4 论文的组织结构
• 1.5 本章小结
• 第二章 图像处理技术
• 2.1 引言
• 2.2 颜色模型
• 2.3 数学形态学
• 2.4 图像分割的基本方法
• 2.4.1 基于边缘检测的方法
• 2.4.2 阈值分割
• 2.4.3 区域生长法
• 2.5 结合特殊技术的图像处理
• 2.5.1 基于图论的图像处理
• 2.5.2 基于神经网络的图像处理
• 2.5.3 其他技术的图像处理
• 2.6 图像的滤波
• 2.6.1 线性滤波
• 2.6.2 非线性滤波
• 2.7 本章小结
• 第三章 FISH细胞检出
• 3.1 FISH图像染色特点分析
• 3.2 FISH图像分割
• 3.2.1 RGB颜色模型
• 3.2.2 Otsu阈值法
• 3.2.3 细胞区域和信号点分割
• 3.3 基于自动随机游走的FISH细胞检出
• 3.3.1 随机游走算法
• 3.3.1.1 随机游走相关知识
• 3.3.1.2 随机游走算法
• 3.3.2 细胞区域预处理
• 3.3.3 获取细胞种子区域
• 3.3.4 有效种子点的提取
• 3.3.5 随机游走算法实现细胞检出
• 3.3.6 实验与结果分析
• 3.4 本章小结
• 第四章 FISH信号点分类
• 4.1 信号点特点分析
• 4.2 信号点的类别
• 4.3 信号点特征提取
• 4.4 信号点特征降维方法
• 4.4.1 流形学习
• 4.4.2 拉普拉斯特征映射
• 4.4.3 自适应邻域参数的拉普拉斯特征映射（S-LE）
• 4.4.3.1 基于流形弯曲度自适应邻域参数
• 4.4.3.2 S-LE算法
• 4.4.3.3 仿真实验与结果分析
• 4.5 信号点的分类
• 4.5.1 BP神经网络分类器
• 4.5.1.1 输入层和输出层
• 4.5.2.2 隐含层
• 4.5.2 实验设置与结果分析
• 4.6 本章小结
• 第五章 肿瘤病变程度判决
• 5.1 引言
• 5.2 基于全局Ratio值的判决
• 5.3 基于细胞Ratio值的判决
• 5.4 两种方法的实验结果对比
• 5.5 本章小结
• 总结与展望
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果及发表的学术论文