顯微圖像中可變形物體動(dòng)態(tài)跟蹤方法的研究

1、    顯微圖像中可變形物體動(dòng)態(tài)跟蹤方法的研究        在體內(nèi)，正常紅細(xì)胞具有很強(qiáng)的變形能力，能夠擠過直徑比它小得多的毛細(xì)血管。紅細(xì)胞變形能力的好壞直接影響血液循環(huán)的外周阻力。對(duì)在體紅細(xì)胞運(yùn)動(dòng)變形的研究是病理生理學(xué)研究和臨床應(yīng)用的需要。本文應(yīng)用像序列分析技術(shù)，提出了一整套基于輪廓的“顯微像中可變形物體動(dòng)態(tài)跟蹤的方法”，并將這一方法應(yīng)用于紅細(xì)胞進(jìn)入毛細(xì)血管運(yùn)動(dòng)全過程的輪廓跟蹤。該方法目前還未見報(bào)道。關(guān)鍵詞:微循環(huán)；紅細(xì)胞變形；局部能量法；蛇行模型；輪廓分類號(hào):R318.0

2、4; R319 0概述血液循環(huán)系統(tǒng)是組成人體的重要系統(tǒng)之一。眾所周知，生命的維持離不開新陳代謝，血液循環(huán)系統(tǒng)在其中扮演著極其重要的角色。生命活動(dòng)所需的氧和養(yǎng)料的傳輸以及組織器官中的二氧化碳等代謝產(chǎn)物的運(yùn)送是由血液循環(huán)系統(tǒng)完成的。血液循環(huán)系統(tǒng)的最末梢血管稱為微血管。據(jù)統(tǒng)計(jì)，人體物質(zhì)交換的80%以上在微血管區(qū)域完成。因此，微循環(huán)的研究已發(fā)展成為病理生理學(xué)的重要分枝。微循環(huán)研究是一個(gè)涉及生物力學(xué)、病理學(xué)、生理學(xué)、病理生理學(xué)、解剖學(xué)、生物化學(xué)等多門學(xué)科的綜合性研究方向。微血管中血液的流動(dòng)受很多因素的影響，因而，有理由認(rèn)為，它是諸多因素綜合作用的結(jié)果；微血管區(qū)域存在大量物質(zhì)交換，因而也是一個(gè)熱力學(xué)開放系

3、統(tǒng)。人體血液主要由紅細(xì)胞、白細(xì)胞、血小板和血漿等部分組成。在體內(nèi)，正常紅細(xì)胞具有很強(qiáng)的變形能力，能夠擠過直徑比它小得多的毛細(xì)血管。而在某些病理?xiàng)l件下，紅細(xì)胞的變形能力則下降。因此，紅細(xì)胞變形能力的測(cè)定，已發(fā)展為許多疾病(特別是血液類疾病)的輔助診斷手段。另外,紅細(xì)胞變形能力的好壞還將直接影響血液循環(huán)的外周阻力。如果紅細(xì)胞變形能力差，不但使微循環(huán)不暢通，也會(huì)使組織器官供氧不足，特別是腦部，供氧不足會(huì)引起各種并發(fā)疾病。在體紅細(xì)胞運(yùn)動(dòng)以及變形的研究存在很大難度。單從生物力學(xué)角度來說，在大血管中，紅細(xì)胞相對(duì)于血管直徑較小，個(gè)性并不突出，可以把血液簡(jiǎn)化為粘性勻質(zhì)流體來研究；在微血管中，毛細(xì)血管直徑甚至比

4、紅細(xì)胞直徑還小，紅細(xì)胞個(gè)性十分突出，這時(shí)，血漿粘性也十分突出，再加上紅細(xì)胞可變形的特點(diǎn)，就不能把血液看作勻質(zhì)流體。另外，運(yùn)動(dòng)中紅細(xì)胞與血管壁、紅細(xì)胞之間等也存在相互作用。因而，這時(shí)應(yīng)將血液的流動(dòng)至少看作兩相流體。人體紅細(xì)胞的直徑一般為7m左右，應(yīng)用像分析技術(shù)研究紅細(xì)胞的運(yùn)動(dòng)需要借助顯微鏡。以往對(duì)紅細(xì)胞的研究和測(cè)量多為離體方法。而且對(duì)于變形的描述較為簡(jiǎn)單，多為長(zhǎng)短軸比例描述方法。另外，離體方法也無法研究在體運(yùn)動(dòng)的規(guī)律。正常的血流，血管壁內(nèi)側(cè)是血漿層，流速較慢，不含白細(xì)胞。在病理狀態(tài)下，白血球流速變慢，使紅血球、白血球分離，白細(xì)胞離開血管軸心線向血管壁遷移，出現(xiàn)白細(xì)胞附壁現(xiàn)像、貼壁滾動(dòng)現(xiàn)象。目前，

5、白細(xì)胞貼壁滾動(dòng)規(guī)律的研究已愈來愈引起人們的重視。白血球的主要作用是吞噬細(xì)菌。在吞噬過程中，白細(xì)胞如何變形穿過血管、它們的偽足如何延伸生長(zhǎng)以完成吞噬作用、以及白細(xì)胞在體內(nèi)如何變形等，都是白細(xì)胞研究所關(guān)心的內(nèi)容。微循環(huán)的以往研究中，涉及到在體紅細(xì)胞的運(yùn)動(dòng)及變形規(guī)律，白細(xì)胞的偽足生長(zhǎng)過程，白細(xì)胞在體變形運(yùn)動(dòng)等問題。這一類顯微像的共同特點(diǎn)是像中感興趣物體存在變形，物體運(yùn)動(dòng)規(guī)律復(fù)雜多變等。需要研究可變形物體的運(yùn)動(dòng)必須借助序列像，需要從中提取出(1)運(yùn)動(dòng)變化；(2)變形描述二類參數(shù)。因此，從像分析角度，需要解決這一類顯微像中可變形物體的動(dòng)態(tài)跟蹤問題，涉及像分析技術(shù)中的邊緣檢測(cè)，輪廓提取，動(dòng)態(tài)跟蹤等問題。依

6、據(jù)這二個(gè)要求，本文提出了基于輪廓的“顯微像中可變形物體動(dòng)態(tài)跟蹤”的一整套方法。目前，在國內(nèi)外還未見報(bào)道。本文第1節(jié)先簡(jiǎn)單敘述整個(gè)動(dòng)態(tài)跟蹤過程；第2、3節(jié)分別描述首幅像的輪廓提取、運(yùn)動(dòng)及變形的輪廓跟蹤；最后，在第4節(jié)將這一方法應(yīng)用于在體紅細(xì)胞進(jìn)入毛細(xì)血管的檢測(cè)。1基于輪廓的動(dòng)態(tài)跟蹤方法在體血細(xì)胞跟蹤這一類問題的顯微像的特點(diǎn),總的來說，存在信號(hào)弱、噪聲大、物體可變形等特點(diǎn)。為此,如何針對(duì)這一類序列像選擇較為適宜的跟蹤方法成了變形跟蹤技術(shù)的關(guān)鍵所在。本文的目的是要得到顯微序列像中變形及運(yùn)動(dòng)二種參數(shù)。在像處理技術(shù)中，對(duì)于物體變形的描述一般采用提取物體輪廓的方法。在物體運(yùn)動(dòng)測(cè)量上，本文所關(guān)心的只是細(xì)胞個(gè)

7、體的運(yùn)動(dòng)，因此，本文采用基于輪廓的跟蹤方法。針對(duì)顯微像序列的特點(diǎn)，本文提出的可變形物體輪廓跟蹤的整個(gè)過程如1所示。首先，對(duì)于序列像中首幅像的可變形物體先較精確地提取其輪廓；其次，利用已獲得的輪廓點(diǎn)，采用蛇點(diǎn)相關(guān)法獲取相鄰二幅像中物體的位移量；然后，利用蛇行模型的局部變形跟蹤能力跟蹤物體變形。如此反復(fù)，以完成整個(gè)像序列的跟蹤。1序列像輪廓跟蹤流程在整個(gè)跟蹤過程中，牢牢抓住物體的輪廓，充分利用蛇行模型有限的、局部的變形跟蹤能力?？梢哉f是一種以輪廓為線索，以灰度變化為基礎(chǔ)的動(dòng)態(tài)變形跟蹤方法。這種方法，既能獲取物體的運(yùn)動(dòng)信息，又能得到變形形態(tài)。滿足了第1節(jié)提出的要求。方法簡(jiǎn)單易行。2首幅像的輪廓提取顯

8、微序列像中的血細(xì)胞具有可變形的特點(diǎn)，選擇像處理方法中蛇行模型比較適合。但是，蛇行模型不是解決物體輪廓提取的完全性模型，它需要先有一條較好的初始邊緣。為此，在輪廓提取上分為粗、細(xì)二步：(1)應(yīng)用局部能量法檢測(cè)出可變形物體的初始邊緣；(2)使用蛇行模型對(duì)所得到的初始邊緣進(jìn)行優(yōu)化，以得到較為精確的物體輪廓。有關(guān)局部能量法獲取初始邊緣及蛇行模型優(yōu)化的原理及處理結(jié)果，可以參看本文作者的文獻(xiàn)13；限于篇幅，此處只敘述其大意。1.采用局部能量法初步提取邊緣5，6方法的依據(jù)是：由視覺研究可知，人眼對(duì)邊緣的識(shí)別較好地對(duì)應(yīng)于“相位一致”原則，即：把邊緣區(qū)域作富氏級(jí)數(shù)分解后，各正弦分量相位參差最小之處往往正是人眼判

9、定的邊緣所在，而相位一致性又和像灰度的局部能量成正比，因此可以計(jì)算像各點(diǎn)的局部能量，取其局部極大能量各點(diǎn)組成邊緣。從計(jì)算方法上，局部能量可以通過Hilbert變換來求。即,以一維情況為例，設(shè)像沿x方向的灰度為I(x)，其Hilbert變換為(x)，則局部能量E(x)I(x)+(x)。2.采用蛇行模型取得精確輪廓9，10。方法的依據(jù)如下：形輪廓實(shí)際上反映著物體的界面。從物理概念上看，界面的位置受兩種能量函數(shù)的約束，即：輪廓內(nèi)部力產(chǎn)生的勢(shì)能，它與輪廓沿邊緣方向的一、二階導(dǎo)數(shù)的平方成正比，是一種抗拉伸、抗彎曲的約束；像灰度勢(shì)能：對(duì)邊緣而言，它表現(xiàn)為灰度在邊緣附近的梯度平方的負(fù)值。因此，沿輪廓的總能量

10、E為：式中，v代表輪廓曲線上各點(diǎn)，s為沿輪廓方向的弧長(zhǎng)(s)，k是權(quán)值。I是像灰度的梯度。在初始輪廓上選定一些關(guān)鍵點(diǎn)(稱為蛇點(diǎn))，以上式為約束條件，逐步調(diào)節(jié)蛇點(diǎn)位置，進(jìn)行迭代尋優(yōu)計(jì)算，使能量達(dá)到極小，從而進(jìn)一步確定更精確的蛇點(diǎn)位置及輪廓。這就是利用蛇行模型進(jìn)行優(yōu)化的含義。3運(yùn)動(dòng)及變形跟蹤在已有的跟蹤方法中，具有代表性的主要有以下幾類方法。(1)光流場(chǎng)方法24。它利用Gabor變換的方向性，獲得速度值。該方法的優(yōu)點(diǎn)是，它可以獲得像中一個(gè)或幾個(gè)像素點(diǎn)的速度(包括方向與大小)。但光流場(chǎng)方法不關(guān)心物體的整體運(yùn)動(dòng)變化；得到的速度場(chǎng)只能是像序列中幾幅像的平均速度場(chǎng)；而且運(yùn)算量較大。(2)相關(guān)方法。該方法的

11、特點(diǎn)是可以將像分割成若干個(gè)大的區(qū)域，選擇可變形物體所在區(qū)域在相鄰兩幅像間作二維相關(guān)運(yùn)算，通過相關(guān)函數(shù)的極大值可以檢測(cè)出整個(gè)物體運(yùn)動(dòng)的速度和方向。相關(guān)方法的關(guān)鍵是像區(qū)域的分割，以及相鄰像中物體灰度的相似性。如果像分割效果好，則可獲得較高的精度。對(duì)于可變形物體，像中物體形態(tài)隨時(shí)間而變，這是相關(guān)方法所不希望的，它會(huì)導(dǎo)致檢測(cè)精度的下降。如果像中物體面積較大，則相關(guān)方法比較費(fèi)時(shí)。(3)像輪廓逐次提取法。即利用前面敘述的局部能量法、蛇行模型相結(jié)合的方法，對(duì)像序列中的每幅像，提取其輪廓。顯然，這種方法沒有充分利用像序列之間的繼承性，比較費(fèi)事，費(fèi)時(shí)。眾所周知，蛇行模型的處理質(zhì)量與初始邊緣的選擇關(guān)系很大。當(dāng)相鄰

12、兩幅像中物體的變形量不太大時(shí)，可以利用前一幅已取得的最終輪廓作為后一幅蛇行模型的初始邊緣。為此，需要先找到兩幅像中變形物體在平移條件下的最優(yōu)匹配位移量。為了確定此最優(yōu)位移量，本文提出一種“蛇點(diǎn)相關(guān)法”。其具體步驟如下：1.預(yù)處理取得邊緣增強(qiáng)。假定已經(jīng)獲得了第n幅像的最優(yōu)蛇形輪廓。將第n幅像先經(jīng) Hilbert濾波器組作卷積，再計(jì)算像每點(diǎn)的能量。由于能量的局部極大較好地對(duì)應(yīng)于物體邊緣，所以，所得結(jié)果中邊緣得到了增強(qiáng)，稱為邊緣增強(qiáng)。對(duì)第n+1幅像同樣應(yīng)用局部能量法取得其邊緣增強(qiáng)。2.蛇點(diǎn)相關(guān)計(jì)算。(1) 利用已經(jīng)獲得的最優(yōu)蛇點(diǎn)輪廓，在第n幅像的邊緣增強(qiáng)像中，讀取每一蛇點(diǎn)位置上像的灰度值組成相關(guān)所用

13、的第一個(gè)集合；(2) 應(yīng)用局部能量法計(jì)算出第n+1幅像的邊緣增強(qiáng)像；(3) 將第n幅像的最優(yōu)蛇點(diǎn)輪廓移到第n+1幅邊緣增強(qiáng)像的左上角。移動(dòng)過程中蛇點(diǎn)之間的相對(duì)位置關(guān)系保持不變。在第n+1幅像的邊緣增強(qiáng)像中，讀取每一蛇點(diǎn)位置上像的灰度值組成相關(guān)用的第二個(gè)集合，并與第一個(gè)集合中每個(gè)對(duì)應(yīng)蛇點(diǎn)的灰度作相減運(yùn)算，取絕對(duì)值，然后求和，保存運(yùn)算結(jié)果；(4) 將第n幅像的最優(yōu)蛇點(diǎn)輪廓在第n+1幅邊緣增強(qiáng)像上自左向右、自上而下的每一個(gè)位置執(zhí)行與(3)相同的運(yùn)算，保存運(yùn)算結(jié)果；(5) 運(yùn)算結(jié)果中極小值所對(duì)應(yīng)的位置與原最優(yōu)蛇點(diǎn)輪廓在第n幅邊緣增強(qiáng)像中的位置之差即為物體的平移量。上述步驟的數(shù)學(xué)表達(dá)是：其中，(x，y0

14、)，算子E表示對(duì)原像In(x,y)或In+1(x,y)執(zhí)行邊緣增強(qiáng)運(yùn)算以得到邊緣增強(qiáng)像EIn(x,y)或EIn+1(x,y)；(x0,y0)代表兩幅像中物體運(yùn)動(dòng)的位移量；為像坐標(biāo)空間；v(s)代表上一幅像的蛇點(diǎn)位置集合；n表示像序列中某一幅像的序號(hào)。這種方法具有以下優(yōu)點(diǎn)。第一，只利用蛇點(diǎn)所在位置的像像素參與相關(guān)運(yùn)算，與原有相關(guān)方法相比可大大減小運(yùn)算量；第二，紅細(xì)胞在20ms內(nèi)變形較小，使得相關(guān)精度得以保證。經(jīng)過蛇點(diǎn)灰度相關(guān)運(yùn)算后，即得第n+1幅像的初始蛇點(diǎn)輪廓。vn+1(s,0)=vn(s+(x0,y0),Mn)(3)其中，Mn代表第n幅像經(jīng)過蛇形模型優(yōu)化的總迭代次數(shù)。至此，已經(jīng)獲得了第n+1

15、幅像的初始輪廓vn+1(s,0)。以此輪廓為初始輪廓，對(duì)第n+1幅像運(yùn)用蛇行模型優(yōu)化輪廓，就可得第n+1幅像中物體的精確輪廓。如此反復(fù)，就可完成整個(gè)像序列的物體的跟蹤。4在體紅細(xì)胞運(yùn)動(dòng)及變形的跟蹤2為放大倍數(shù)7000倍的像序列，中所列順序從上到下，從左到右排列，共25幅像，時(shí)間間隔為20ms。該所示為一個(gè)紅細(xì)胞進(jìn)入毛細(xì)血管入口處的全過程。首先，對(duì)第一幅像使用局部能量法和蛇行模型二個(gè)步驟較精確地提取出其輪廓；然后，應(yīng)用1的處理過程完成整個(gè)像序列的輪廓跟蹤。中圍繞紅細(xì)胞的白色封閉曲線就是提取出的紅細(xì)胞的輪廓。3為對(duì)應(yīng)于2的紅細(xì)胞輪廓變化，每個(gè)輪廓中心的“+”字代表相應(yīng)輪廓的幾何中心點(diǎn)。在 2中像的

16、坐標(biāo)原點(diǎn)均位于左上角，而3原點(diǎn)位于左下角。2放大7000倍紅細(xì)胞入口運(yùn)動(dòng)全過程檢測(cè)32中紅細(xì)胞運(yùn)動(dòng)輪廓5小結(jié)本文主要敘述了基于像序列的可變形物體的變形跟蹤。在體紅細(xì)胞平移速度快。本文提出了蛇點(diǎn)灰度相關(guān)方法，節(jié)約了大量時(shí)間。對(duì)于紅細(xì)胞的變形，充分利用了蛇行模型的局部變形跟蹤能力。蛇點(diǎn)灰度相關(guān)方法，與光流場(chǎng)方法相比，計(jì)算量小；消除了孔徑效應(yīng)；解決了大位移問題；可以準(zhǔn)確測(cè)出相鄰二幅像中物體的運(yùn)動(dòng)。與相關(guān)方法相比，可以檢測(cè)物體的變形，減小了運(yùn)算量。與像輪廓逐次提取方法相比，充分利用了像序列之間的相互繼承性。實(shí)際使用中，除了可以得到平移，變形兩類運(yùn)動(dòng)變化以外，輪廓經(jīng)過蛇行模型優(yōu)化。保證了輪廓提取的精度。

17、能夠滿足顯微像序列中可變形物體動(dòng)態(tài)跟蹤的要求。本文完整地?cái)⑹隽孙@微像中可變形物體的動(dòng)態(tài)跟蹤問題。結(jié)合文獻(xiàn)13提出了一整套變形跟蹤的方法。該方法充分利用了像中非常重要的像輪廓信息，是一種以輪廓為線索、以灰度變化為基礎(chǔ)的方法。(致謝：感謝中日友好醫(yī)院臨床研究所莊逢源教授、胡青華大夫。感謝他們無私提供了動(dòng)物實(shí)驗(yàn)條件。感謝田牛教授、嚴(yán)宗毅教授、宗孔德教授、李貴山教授等，在百忙之中，抽出時(shí)間共同討論，并給予了富有建設(shè)性的建議。)6參考文獻(xiàn)1Darry W, Yang YH. Experiment Evaluation of Motion Constraint Equations. CVGIP: Imag

18、e Understanding, 1991,54(2):2062142Barron JL, Fleet DJ, Beauchemin SS. System and Experiment: Performance of Optical Flow. Int J Comp Vis, 1994,12(1):43773Hana-Hellmut N. Optical Flow Estimation and the Interaction Between Measurement Errors at Adjacent Pixel Positions. Int J Comp Vis, 1995,15:27128

19、84Simoncelli EP, Adelson EH, Heeger DJ. Probability Distributions of Optical Flow. 1991,3103155Morrone MC, Owens RA. Feature Detection from Local Energy. Pattern Recongnition Letters, 1987,6:3033136Morrone MC, Burr DC. Feature Detection in Human Vision: A Phase-Dependent Energy Model. Proc R Soc Lon

20、d, 1988,B235,2212457林強(qiáng).左心室輪廓光流場(chǎng)檢測(cè)及其臨床應(yīng)用.福州大學(xué)學(xué)報(bào)，1995，23(5)：28328Secomb TW, Skalak R, et al. Flow of Axisymmetric Red Blood Cells in Narrow Capillaries. J Fluid Mech, 1986,163:4054239Michael K, Andrew W, Demetri T. Snakes: Active Contour Models, in Proc 1st Int Conf Comp Vis, London, 1987,25926810Fred

21、eric L, Levine MD. Tracking Deformable Objects in the Plane Using an Active Contour Model. IEEE Trans. on PAMI, 1993,15(6):61763411Mark A, Dyer CR. Long-Range Spatiotemporal Motion Understanding Using Spatiotemporal Flow Curves, 1991,30330912Freeman WT, Adelson EH. The Design and Use of Steerable Fi

22、lters, IEEE Trans on PAMI, 1991,13(9):89190613周彥博，張志廣.可變形物體的輪廓的提取.電子學(xué)報(bào)(已接受,待發(fā)表)STUDY ON DYNAMIC TRACKING METHODOF DEFORMABLE OBJECTS IN MICROSCOPIC IMAGESZhou Yanbo, Zhang Zhiguang, Yang Fusheng(Biomedical Engineering and Instrument, Tsinghua University, Beijing 100084)ABSTRACTNormal red blood cells are highly deformable in vivo. They can