کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10326400 678070 2016 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic segmentation for cell images based on bottleneck detection and ellipse fitting
ترجمه فارسی عنوان
تقسیم بندی خودکار برای تصاویر سلولی بر اساس تشخیص تنگنا و اتصالات بیضی
کلمات کلیدی
تقسیم تصویر سلولی، تشخیص بطلمی، اتصالات اپیلاسیون، اصلاح لبه، تقریب چند ضلعی،
ترجمه چکیده
برای جداسازی سلولهای همپوشانی در تصاویر میکروسکوپی، یک روش اتوماتیک برای جداسازی تصویر سلولی بر اساس تشخیص تنگنا و اتصالات بیضی است. اولا، تصویر سلولی به روش آستانه تقسیم شده است و به دنبال تقریب چند ضلعی برای استخراج نقاط ویژگی لبه سلولی است. در مرحله دوم، جفت نقطه تقسیم نامزد با محاسبه نرخ تنگنا بین هر یک از جفت نقطه ویژگی، به دست می آید، و بیشتر با جابجایی جفت نقطه تقسیم صحیح، با جابجایی بیضی محاسبه می شود. سپس یک سلول از سلولهای همپوشانی جداگانه با توجه به جفت نقطه تقسیم جدا می شود و لبه باقی مانده تا تشکیل یک کانتور بسته جدید با یک روش مناسب بیضی شکل بهبود می یابد. در نهایت، گام های فوق را در کانتور بسته جدید تکرار کنید تا تمام سلول ها جدا شوند. عملکرد این روش در پایگاه های خون و سلول های فلورسنت بررسی می شود. نتایج تجربی نشان می دهد که روش پیشنهادی می تواند سلول های همپوشانی را با دقت بالا و زمان کمتری از بین ببرد، که بیشتر از بسیاری از روش های موجود است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
To segment the overlapping cells in microscopic images, an automatic method for cell image segmentation based on bottleneck detection and ellipse fitting is proposed. Firstly, cell image is segmented by threshold method, followed by a polygonal approximation to extract the feature points of cell edge. Secondly, candidate splitting point pairs are obtained by calculating the bottleneck rate between each feature point pair, and further judged by ellipse fitting to find the correct splitting point pair. Then, a cell is separated from the overlapping cells according to the splitting point pair, and the remaining edge is patched up to form a new closed contour by an improved ellipse fitting method. Finally, repeat the above steps on the new closed contour until all cells are separated. The performance of this method is evaluated on the blood and fluorescent cell databases. Experimental results show that the proposed method can effectively segment overlapping cells with high accuracy and less time, which is superior to many existing methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 173, Part 3, 15 January 2016, Pages 615-622
نویسندگان
, , , , , , ,