基于機器視覺技術的動態“白帶”常規檢測系統的開發

肖威　金葉道　李衛國

【摘 要】陰道分泌物是由女性生殖系統分泌的，正常情況下為無色透明或乳白色。目前，以陰道分泌物增多、瘙癢等為主要表現的陰道炎發病率越來越高，嚴重影響廣大婦女的日常生活和工作。陰道分泌物的檢測結果可以有利指導后續治療。因此研發出一種不依靠人為判斷而給出客觀、真實、準確報告的分析檢測系統十分重要。

【關鍵詞】陰道分泌物；檢測；機器視覺

0 前言

陰道分泌物是由女性生殖系統分泌的，正常情況下為無色透明或乳白色。目前，以陰道分泌物增多、瘙癢等為主要表現的陰道炎發病率越來越高，嚴重影響廣大婦女的日常生活和工作。陰道分泌物俗稱“白帶”，“白帶”常規檢查是婦科診斷、上（取）環或人工流產術等手術和治療女性泌尿生殖系統疾病，如輸卵管炎、異位妊娠，泌尿系感染、術后感染和婦科腫瘤有關，某些妊娠不良和妊娠并發癥等的一種常規例行檢查。目前常用的檢查方法是將陰道分泌物生理鹽水涂片后鏡檢，或者用五聯卡作為鏡檢的輔助檢驗方法。由于很多感染都是多細菌混合感染，而且在實際檢測病例中由于某些病理特征不明顯等情況，這些都需要經驗豐富的檢驗員認真分析才能給患者以正確的檢查結果，指導后續治療。因此應用傳統的檢測方法來鑒定結果，受檢驗人員專業技術水平、經驗、疲勞度等多種主觀條件限制。所以能夠研發出一種不依靠人為判斷而給出客觀、真實、準確報告的分析檢測系統是十分必要的。

1 軟件設計

白帶常規檢查是婦科常見的一種檢查，通過陰道PH值，陰道清潔度，陰道微生物檢查、胺試驗、線索細胞、滴蟲、霉菌等檢查，來判斷女性是否白帶異常，是一項有關女性生理衛生的身體檢查。目前市場上研發的超高倍婦科白帶分析系統，利用視頻采集系統將載玻片下的視野放大到上千倍，以利于檢驗人員的觀察，此系統不能進行自動分析，需要人為的檢驗判斷。本研究以“白帶”常規檢查中提供的多參數為目標，利用MATLAB軟件成功開發了一套可以給出報告的全自動檢測系統。本系統主要有四大模塊構成。

1.1 圖像的采集

為了保證試樣在短時間內活性細胞信息的準確性，將采集的試樣放入載玻片后放入電子顯微鏡CCD攝像裝置下，定向移動載玻片中試樣，確保樣本全部視野都被錄制到動態試樣文件中，再通過軟件預設處理方法對動態文件進行抓圖、分析、統計、給出檢測報告。

1.2 圖像預處理

在電子顯微鏡下拍攝的原始細胞圖像包含噪聲、反射光等很多干擾因素，因此，在進行圖像的形態學特征提取之前，必須先對原始圖像進行預處理，以獲得清晰度高，信息量少的待處理圖像。圖像預處理包含噪聲去除和圖像分割兩部分內容。

1.2.1 圖像去噪增強

根據采集圖像的實際情況，先利用形態學開處理、形態學閉處理對原始圖像進行粗略去噪，然后用二維濾波器和小波算法對粗略去噪后的圖像進行平滑處理，得到清晰度較高的樣本二值圖像。

1.2.2 圖像分割

經過去噪增強后的圖像中包含有很多的樣本，對特征提取造成困難。所以，還需要對圖像進行分割處理。本系統圖像分割算法主要運用區域生長算法和分水嶺分割兩種算法。首先利用區域生長算法根據事先預定的生長準則，把像素或子區域集合成較大區域的處理方法，用來分離互不粘連圖像區域；再利用分水嶺分割算法將整幅灰度圖像看作是拓撲平面，按照預設閾值自動尋找圖像中的灰度值突變區域，并進行標記分割處理相互粘連的樣本圖像。

1.3 樣本特征的提取

本課題目的在于提高檢測系統的識別準確率，實現對多種細胞的種類判別。故此，在分割算法的基礎上，還需要進一步提取比對樣本圖像的特征參數。不同的細胞具有不同二維圓形度、三維球形度、形狀數、線性度、歐拉數、偏心率等形態學特征。對這些樣本參數進行提取，按實際重要性進行合理加權，并選擇適當的分類器做參數分類和相似度計算，即可得出樣本所屬類別。本系統采用基于不變矩特征匹配的檢測方法，利用二階和三階歸一化中心矩構造了7個不變矩M1-M7如下式（1）-（7）所示 ，成功實現樣本中多種細胞的準確檢測。

1.4 圖像參數信息提取求解模塊

經過處理后，已經得到比較合理的圖像，再對圖像分別進行上皮細胞、白細胞、滴蟲、霉菌、陰道桿菌五種細胞的提取以及數據的匯總，下圖1是霉菌檢測界面，圖2是樣本細胞全部檢測后匯總結果。

1.5 生成檢測報告

本細胞檢測系統編入自動生成檢測報告模塊，在樣本各種待檢測指標完全檢測后，操作者可選擇是否生成檢測報告界面如圖3所示，可生成樣本報告電子文檔，如圖4所示。

2 結論

本研究是在傳統檢驗分析方法基礎上，將機器視覺技術應用在醫學婦科“白帶”常規檢查方面，解決人為檢測中出現的諸多不足現象，大大降低檢驗人員的勞動強度，具有客觀、精確、快速反饋等功能，目前國內、外尚未見到將此技術應用在實際操作中的相關報道，因此該系統的開發具有較大的實際應用價值。

【參考文獻】

[1]劉美華.“機器視覺”做鏡檢在臨床中應用[J].中國中醫藥現代遠程教育，2009（10）：98-99.

[2]廖強，等.基于嵌入式機器視覺技術的血型自動識別系統[J].現代科學儀器， 2011（06）.

[3]陳琴.基于機器視覺的糞便白細胞自動檢測動態庫設計與實現[D].山東大學，2015，4.

[4]金勝航.AVE-763尿液有形成分分析儀“機器視覺”技術的評價[J].浙江檢驗醫學，2010（02 ）：93-96.

[5]叢玉隆.機器視覺識別法尿沉渣鏡檢的新“篩子”[J].健康報，2010-8-26.