计算机视觉:如何在计数细胞时清除碎片？

Question

我正在尝试使用python来计算图像中的一些细胞。我或多或少地遵循了教程here。在阈值步骤之后，我找到区域最大值并对它们进行计数。这对于计算细胞核非常有效，但是也有一些假阳性，包括死亡细胞和我不想计算的细胞碎片。我使用的代码如下：

import mahotas as mh
import numpy as np
from matplotlib import pyplot as plt

dna = mh.imread('img.jpg')
dna = dna[:,:,0]

dnaf = mh.gaussian_filter(dna.astype(float), 4)
maxima = mh.regmax(mh.stretch(dnaf))
maxima = mh.dilate(maxima, np.ones((5,5)))
plt.imshow(mh.as_rgb(np.maximum(255*maxima, dnaf), dnaf, dna > T_mean))
plt.show()

图片如下所示。死亡细胞在底部的右下角，就在中心的左边。假阳性是大的红色斑点

​

​

有没有什么办法可以过滤掉这些假阳性？我尝试过获取所有区域的大小，并根据大小进行过滤，但一旦我采用区域最大值，结果看起来就很奇怪。

dnaf = mh.gaussian_filter(dna.astype(float), 4)
sizes = mh.labeled.labeled_size(dnaf)
too_small = np.where(sizes < 800)
dnaf = mh.labeled.remove_regions(dnaf, too_small)
maxima = mh.regmax(mh.stretch(dnaf))
maxima = mh.dilate(maxima, np.ones((5,5)))
plt.imshow(mh.as_rgb(np.maximum(255*maxima, dnaf), dnaf, dna > T_mean))
plt.show()    

这只消除了其中一个假阳性，并在其他几个位置扭曲了图像(见下文)，使我认为我做错了什么。

​

同样，这张图片与第一张图片的位置不同，但与原始图片相比，它看起来失真了，死亡细胞碎片仍然存在，所以我确定我做得不对。

所以我的问题是，使用python从图像中去除小碎片/死细胞的最佳方法是什么，以便获得更好的细胞计数估计？

Answer 1

我认为你必须从原始图像开始，以识别假阳性。标记死细胞和其他假阳性的位置，并记录它们产生的斑点的几何属性。如果像大小这样的属性可以显示出明显的差异，那么您就可以很容易地区分它们。

另一种选择是更改参数，如高斯滤波器大小和膨胀操作符大小。

如果这些都不起作用，推荐的选择是使用大量的显微图像，并基于它们训练机器学习系统。