细胞生长自动检测仪中的图像处理

摘要

在生物医药筛选和临床治疗中，特别是在研究单克隆抗体方面，研究人员首先将肿瘤细胞与抗原免疫细胞融合，然后筛选出稳定分泌特异抗体的杂交瘤细胞，最终培养出高特异性、高亲和力、高产量的单克隆抗体(单抗)，使疾病的诊断和治疗更加准确，快速，便捷。因此研究安全，可行的细胞生长自动检测技术，并分割出细胞克隆斑有助于观察细胞斑的细胞形态，生长面积大小和状况，测定其生长曲线，有利于特异性高的抗体制备，具有非常重要的科研意义以及应用价值。 我们研发了一套可重复对细胞培养板进行自动扫描观察和检测装置和方法，避免了人工显微镜观察的费时费力，且减少了人工频繁接触带来的污染机会。可以满足细胞图像的自动观察；可以快速准确的检测96孔细胞培养皿的细胞以及细胞克隆斑；可以将培养皿中的细胞克隆斑抓拍、存储至计算机以便后续处理。 通过细胞自动检测仪获取细胞图像后，结合科研需要，研究人员需要对细胞图像进行一系列的图像处理，如图像的边缘检测；将感兴趣的区域分割出来；计算感兴趣区域的面积大小；将处理结果与标准进行比较；将图像在不同的颜色空间进行处理，获取直方图信息等，于是本论文研发了细胞图像处理系统，可以满足这些方面的需求。 论文研究了一种新的图像分割算法应用于研发的细胞自动生长仪图像处理系统中。该算法将多种分割方法如K均值、分水岭方法以及形态学上的腐蚀、膨胀等方法进行有效结合，改进了传统的图分割方法。 结合实际需求，论文以骨髓瘤细胞克隆斑为研究对象，介绍了系统界面以及操作步骤。首先我们通过细胞生长自动检测仪获取克隆斑图像，然后应用研发的图像处理系统对骨髓瘤细胞克隆斑图像进行图像处理，如分割感兴趣的克隆斑部分，描述分割结果面积特征，同时从根据人的主观直觉建立的评价方法，以及采用修正的图像分割质量判断准则对分割结果进行评价。实验结果表明了该细胞生长自动检测仪以及图像处理系统的有效性，具有很强的应用价值。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究的目的和意义

1.2 国内外研究概况

1.3 论文的主要研究内容

第二章细胞生长自动检测仪硬件平台

2.1 硬件平台原理及组成

2.2 采集骨髓瘤细胞克隆斑图像

第三章图像处理系统的开发

3.1 系统功能介绍

3.1.1 系统总体界面

3.1.2 图像处理系统中的主要功能介绍

3.2 应用实例及操作步骤

第四章一种新的分割方法应用于图像处理系统

4.1 分水岭算法

4.2 K均值聚类

4.3 图分割方法

4.3.1 图分割理论概述

4.3.2 图理论的基本概念

4.4 最大流-最小割方法

4.4.1 算法引入

4.4.2 一些基本概念

4.4.3 找最大流的思路

4.5 改进的图分割算法应用于骨髓瘤细胞克隆斑分割

4.5.1 算法描述

4.5.2 结合分水岭方法进行改进

4.5.3 边界编辑

4.5.4 形态学后期处理

4.6 本章小结

第五章克隆斑分割结果及评价标准

5.1 分割处理结果

5.2 评价标准及处理结果评价

第六章结论与展望

6.1. 结论

6.2.展望

参考文献

作者在攻读硕士学位期间公开发表的论文

致 谢