显微图像个体细胞检测与分割的级联稀疏回归链模型

成果名称

显微图像个体细胞检测与分割的级联稀疏回归链模型

成果联系人

宋杰

职称

讲师

所在单位

自动化学院、人工智能学院

联系电话

Email

j.song0041@gmail.com

技术成熟度

应用方案

技术分类

信息应用

核心专利号

所属学科方向

一级学科

计算机科学与技术

二级学科

计算机科学与技术

应用行业

人工智能、生物医学

项目概况：

不同类型细胞（或细胞核）的自动检测与分割是显微图像分析中难以解决的核心问题之一。显微图像分析的关键步骤是分离各个细胞（或细胞核），激发应用是分子靶向癌症治疗。分子靶向癌症治疗需要对细胞生长、分化、迁移、凋亡等各阶段进行抽样检测。然而，一方面，对于不同类型的细胞图像而言，由于图像特性存在显著差异，完全自动分割是问题导向的，如何设计一个普适的分割方法是一个重要且具有挑战性的研究问题。另一方面，在已有方法中，检测与分割是两个相互独立的实现过程，如何设计一个统一框架，联立执行检测与分割是亟待解决的问题。

不同类型的显微图像呈现出在特定环境下不同尺寸和形状的颗粒状结构。其中，可变性受玻片标本制作过程和图像采集过程的影响，而复杂性是指目标形状、尺寸、自身灰度及纹理的变化。具体地，由于染色剂的不均匀吸收，细胞（或细胞核）内外会有灰度和纹理差异，从而降低了目标前景和图像背景间的对比度，使得细胞（或细胞核）的边缘模糊，导致过分割。此外，与体外培养的正常细胞不同，恶性肿瘤细胞的接触抑制特性降低或丧失，导致细胞重叠生长及异质性。细胞（或细胞核）间的重叠度越高，对比度就越低，遮挡边缘就越难察觉，从而导致欠分割。因此，显微数据的可变性和复杂性使得精确分割成为一个难题。

细胞（或细胞核）的检测与分割，是一个值得长期研究的课题。目前方法能够对组织病理图像中重叠细胞核进行检测，对RNAi荧光细胞图像中细胞核和细胞质进行提取，对DIC显微图像中低对比度血细胞进行分割以及对宫颈细胞涂片中重叠细胞进行分离。然而，由于各算法都是问题导向的，使其可迁移性较差，因此，临床和医学研究迫切需要能够应对各类型颗粒状目标的普适、统一检测与分割框架。

关键技术：

旨在设计一种多类型细胞显微图像的普适、统一分割学习框架，包括：

（1）统一框架：基于特征表示学习，将细胞（或细胞核）检测与分割任务建模为统一的监督回归学习问题，由此提出轮廓-种子对学习框架。通过在目标边缘上表现高精度定位和产生显著响应，从而实现联立检测与分割的目的。实验结果表明，该统一框架对于测试显微图像任意类型细胞具有精确目标检测和分割能力：

（2）级联稀疏回归链模型：虽然采用统一的框架对检测和分割任务进行建模，但使用不同的回归链模型对具体任务进行学习。引入稀疏卷积和回归器级联在线学习机制，构建一个级联稀疏回归链模型。该模型能够捕获细胞（或细胞核）目标的分层上下文特征，对细胞（或细胞核）边缘表现高精度定位和显著响应。进而基于MDL的轮廓推断方法，可分割和推断个体细胞（或细胞核）的完整形状轮廓。四类标注显微图像数据集上的大量实验验证了该方法相比于已有图像分析方法和深度学习技术的优越性。

应用领域和市场前景：

数字病理辅助诊断能够提供更快速、可重复、更一致的图像分析，不但大幅减轻了科研人员和临床医师的重复性劳动，而且能够有效避免观察者间的诊断差异；另一方面，数字病理辅助诊断能够提供可重复的、精确的疾病表征，不但可以减少诊断偏差，而且为患者的个性化治疗提供可能。例如治疗前后的疾病对比分析、潜在的预后治疗方案和个性化的用药策略等。因此，数字病理辅助诊断技术在临床疾病诊断决策中发挥着日益举足轻重的作用。近年来，美国和加拿大等数字病理强国一直致力于病理人工智能领域的研究，用以解决乳腺癌、前列腺癌等常见癌症组织病理学中的瓶颈。欧洲病理学会和日本病理学会也在极力推动数字病理的技术改进、平台更新、图像精准分割等方面的快速发展。2020年3月，我国国家卫健委印发了《新冠病毒肺炎诊疗方案（试行第七版）》，明确增加了病理改变，日前已获得大量数字病理图像集和病理报告，对于数字病理引导的突发公共卫生事件危害的有效预防、及时控制和消除具有重要的临床意义。

合作方式（技术转让，技术开发，技术服务，技术咨询，技术入股）：

技术开发

图片：（1-5张，文件大小不低于1MB，图片清晰，并标注图片说明）

多尺度数字病理辅助诊断技术