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。
作者
李金
杨鹏飞
王菊芳
何进鹏
马伟
周珩
Li Jin;Yang Pengfei;Wang Jufang;He Jinpeng;Ma Wei;Zhou Heng(Schood of Nuclear Science and Technology,Eanzhou Unicerity,Lanzhou 730000,China;Key laboratory of Space Radiobiology of Gansu Proince&Key Laboratory of Heaey lon Radiation Biology and Melicine,Instiuse of Modern Physics,Chinese Aodemy of Seiences,Lanshou 730000,China;School of Nuclear Science and Technology,Unienity of Chinese Academy of Sciences,Beijig 00049,China)
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022年第2期247-251,共5页
Chinese Journal of Biomedical Engineering
基金
国家自然科学基金(11905264)
甘肃省自然科学基金(17JR5RA307)
中国科学院青促会基金(E129231Y)。
关键词
初级纤毛
数字图像处理
滤波
连通域
特征提取
primary cilia
digital image processing
filter
connected domain
feature extraction
