基于U-Net的T細(xì)胞斑點(diǎn)檢測(cè)方法研究

裴瀟倜，呂琳，黃鵬杰，陳兆學(xué)，林勇

上海理工大學(xué)醫(yī)療器械與食品學(xué)院，上海200093

前言

結(jié)核病一直以來(lái)都是嚴(yán)重威脅人類生命健康的高發(fā)傳染病之一，臨床癥狀不明顯，容易漏檢。我國(guó)每年因結(jié)核病死亡的人數(shù)高達(dá)13 萬(wàn)［1］，因此對(duì)結(jié)核病的早期預(yù)防和治療工作非常重要。ELISPOT 是一種檢測(cè)患者體內(nèi)是否存在釋放結(jié)核特異性γ干擾素的T 淋巴細(xì)胞，來(lái)判斷患者是否感染結(jié)核病的技術(shù)，具有較高的特異性和靈敏度［2］。斑點(diǎn)檢測(cè)實(shí)驗(yàn)中，含有γ干擾素的T 淋巴細(xì)胞被臺(tái)酚藍(lán)染色，形成斑點(diǎn)圖像。通過檢測(cè)圖像中斑點(diǎn)的數(shù)量來(lái)判斷對(duì)象是否感染結(jié)核。

圖像分割是T 細(xì)胞斑點(diǎn)檢測(cè)的核心算法。基于區(qū)域生長(zhǎng)的傳統(tǒng)圖像分割算法，根據(jù)圖像的局部空間信息，連通一些具有某種相似性質(zhì)的像素，構(gòu)成分割區(qū)域［3］。屈彬等［4］提出基于區(qū)域生長(zhǎng)的快速邊緣跟蹤算法，將傳統(tǒng)區(qū)域生長(zhǎng)算法中對(duì)整個(gè)目標(biāo)區(qū)域像素的處理轉(zhuǎn)為對(duì)目標(biāo)邊緣像素的處理。不影響分割結(jié)果的同時(shí)，降低算法的時(shí)間復(fù)雜度和空間復(fù)雜度。但該方法受圖像背景因素影響較大，導(dǎo)致分割結(jié)果不精確。魏寶剛等［5］提出的基于區(qū)域生長(zhǎng)的零碎區(qū)域全并算法和多度量準(zhǔn)則聚類算法，降低了區(qū)域生長(zhǎng)分割結(jié)果的好壞受種子選取和區(qū)域生長(zhǎng)次序的影響。但仍然無(wú)法解決受噪音因素影響的問題。張博［6］將邊緣檢測(cè)算法運(yùn)用到細(xì)胞圖像分割，使用插值的方法平滑處理分塊閾值矩陣，依照形態(tài)學(xué)提取邊緣特征，消除圖像的塊狀效應(yīng)，保證細(xì)胞邊緣的精確性。……