基于数字图像处理的初级纤毛定量分析

摘要：

初级纤毛是一种由微管构成并突起于细胞表面的细胞器.初级纤毛的结构在某些疾病中会发生改变,特别对肿瘤的发生发展具有重要的影响.基于显微影响,分析初级纤毛的形态结构,有助于相关疾病的研究和诊断.传统分析方法主要采用Photoshop软件画线量取其长度指标,因此存在准确度低、重复性差、分析效率低等问题.本研究结合数字图像处理技术,应用色彩分离技术,将细胞与初级纤毛有效分离;并对比分析中值滤波、均值滤波、Sobel、Roberts、Prewitt、Log算子多种算法对初级纤毛形态边缘的保持效果,选取Prewitt、Log算子,改进并提升边界提取效果;再利用最大类间方差法去除杂质;最后通过连通域标记获得每个初级纤毛的周长与面积参数.与传统方法对比,本研究方法测量初级纤毛结构参数的时间由50～80 min减少为2 s,相对误差ω提高了19.08％以上,达到了快速精确测量的目的.

关键词：初级纤毛、数字图像处理、滤波、连通域、特征提取

所属期刊栏目：41

分类号：R318(医用一般科学)

资助基金：国家自然科学基金;甘肃省自然科学基金;中国科学院青年创新促进会项目

在线出版日期：2022-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：247-251