通过显微镜图像自动分析确定利什曼原虫感染水平

显微镜图像分析是生物医学研究许多领域中的重要工具，因为它允许在细胞水平上对众多参数进行量化。然而，对这些图像进行人工计数既繁琐又不可靠，并且最终对生物医学研究人员来说非常耗时。这不仅减缓了整个研究进程，还因研究人员自身人性中固有的客观性和一致性的缺乏而引入了计数误差。本论文通过使用计算机视觉和模式识别方法自动确定显微镜图像中巨噬细胞被利什曼原虫寄生的感染指数，来解决这一问题。首先，图像经过一个预处理阶段，包括光照条件的归一化。然后，对每张图像并行应用三种算法。算法A旨在检测巨噬细胞核，包括通过自适应多阈值进行分割，以及使用一组收集的特征对所得区域进行分类。算法B旨在检测寄生虫，与算法A类似，但自适应多阈值使用不同的约束向量进行参数化。算法C旨在检测巨噬细胞和寄生虫的细胞质，是前两种算法的简化版本，其中跳过了分类步骤。包含多个细胞核或寄生虫的区域由一个投票系统处理，该系统同时使用支持向量机和一组区域特征来确定每个区域中存在的对象数量。然后，将之前的投票结果作为高斯混合模型中要使用的混合成分数量，以对该区域进行去聚类。最后，每个寄生虫通过到细胞核的最小欧几里得距离被分配给至多一个巨噬细胞，从而量化利什曼原虫的感染水平。