一种基于纹理特征的肺癌细胞识别方法

杨建　胡贞

摘 要：基于对国内外的图像特征提取方法以及细胞识别技术的分析和研究，该文提出一种基于灰度共生矩阵的肺癌细胞识别方法。该研究首先采用灰度共生矩阵的方法对正常肺细胞和肺癌细胞提取纹理特征。其次，采用MATLAB对提取的纹理特征进行了分析，获取灰度共生矩阵特征参数。最后，对比分析特征参数，实现肺癌细胞的识别。实验结果表明，肺癌细胞表面裂沟深，形貌高低起伏大，而正常肺细胞的表面形貌较光滑，并以此纹理特征进行的肺癌细胞识别方法，操作简单，精确度高。

关键词：肺癌细胞 纹理特征 灰度共生矩阵 细胞识别 MATLAB

中图分类号：TP242 文献标识码：A 文章编号：1674-098X（2015）11（b）-0255-02

目前，肺癌是发病率增长最快、对人类健康和生命威胁最大的恶性肿瘤之一。若能及时检测出肺部病变以及病变程度可以大大的减少发病率和死亡率。针对肺癌细胞的筛查，日常筛查工作量大容易产生人为误差，所以，利用图像处理和细胞图像识别方法进行肺癌细胞识别具有重大意义。对于细胞识别，通常癌细胞的辨别依据如：细胞的边缘不规则核质比明显增大；细胞核形状不规则等。这种识别方法的参数依据为细胞的周长、宽度和高度等参数，此方法的准确性易受分割结果的影响，因此，该文采用灰度共生矩阵提取细胞图像的纹理特征参数，并分析癌细胞图像和正常细胞图像纹理特征的不同之处，以此作为辨别正常细胞和癌细胞的依据。

1 灰度共生矩阵

简单来说，灰度共生矩阵是一个概率矩阵，矩阵中的每个元素P（i，j）表示图像中一个灰度级为i的点到达固定位置距离为d，灰度级为j的点的概率。其中，d可以理解为一个矢量，既决定两个像素间的距离又可以表示两个像素间的方向[1]。

当像素间d的属性确定时，即可确定对应的灰度共生矩阵P（i，j）。

为了更加直观的了解图像纹理的状况，推导出几个典型的灰度共生矩阵特征参数，具体情况如下[2-3]。

（1）角二阶矩（ASM）反映了图像灰度分布的均匀程度和纹理的粗细程度。

（2）对比度（CON）反映了纹理沟纹深浅的程度和视觉上的清晰度。

（3）相关性（COR）是指灰度共生矩阵中元素在水平或垂直方向上的相似度，该值反映了图像的局部相关性。

（4）熵（ENT）是指对图像中所包含的信息量的度量，熵的大小体现了图像所包含的信息量的多少。

2 材料和方法

该文中的肺癌细胞图像和正常肺细胞图像[4]均来自于原子力显微镜成像系统，接触模式成像，0.5 Hz扫描频率。该文中的纹理特征参数主要是角二阶矩、熵、相关性、对比度四个特征参数，取d=1，θ=0°，45°、90°和135°。对比分析肺癌细胞与正常肺细胞的纹理差异，采用曲线拟合的方法进行癌细胞的辨别。

3 实验结果

分别将5幅肺癌细胞图像和正常肺细胞的纹理特征取平均值，然后再进行对比分析。实验得出，肺癌细胞和肺细胞的角二阶矩、相关性、熵和对比度分别为：0.246、0.9872、1.8746、0.1324和0.1348、0.9810、2.7412、0.3367.由结果可知，肺癌细胞的对比度比较小，正常肺细胞的对比度较大，根据其定义，可知，正常肺细胞图像纹理的沟裂较浅，图像清晰度要比肺癌细胞的图像要清晰；从相关系数来讲，正常肺细胞的相关系数比较小。通过熵的计算可以看出肺癌细胞的值都比较小，正常肺细胞的熵值比较大，熵值越大说明图像中包含的信息量越丰富，图像的纹理特征也就越复杂，说明正常肺细胞图像纹理特征相对肺癌细胞图像纹理特征更复杂；对于角二阶矩，正常肺细胞的值比较小，从定义上说明正常肺细胞的纹理较细腻，而肺癌细胞的纹理粗糙。综上所述，这些参数都间接说明了癌细胞表面裂沟深，形貌高低起伏大，而正常细胞的表面形貌较光滑。

进行一组实验，细胞取自肺部，其特征参数分别为：CON=0.3829，ASM=0.1086，COR=0.9913，ENT=2.5759.由图1中待测细胞特征参数可知，特征参数几乎都落在红色曲线上，说明此细胞是肺细胞。多次实验证明，此识别方法的准确率可达92.5%。

4 结语

纹理特征作为图像的一个基本的生物特征，为癌细胞的识别提供了重要的辨别依据。目前，纹理特征在图像处理领域中成为非常重要的研究内容，但纹理特征代表研究物体表层的内容，无法获得较高层次的内容。因此，寻找更加可靠的生物特征是此方面工作的努力方向。

参考文献

[1] 黄亚丽，王兰勋，李彩霞.基于灰度共生矩阵的图像特征提取方法[D].河北大学，2007.

[2] Zilin Song，Zhibin Lu，“Algorithm research of Content based image feature extraction[C]//Paper presented at the tenth academic annual conference of the jiangsu Association for System engineering.2007

[3] Bingchun Li，“Feature extraction of image zoom edge shape[J].Journal of Kashgar teachers college，2007，28（3）：62-64.

[4] Leonenko Z，Finot E，Amrein M.Adhesive interaction measured between AFM probe and lung epithelial type II cells[J].Ultramicroscopy， 2007，107（10）：948-953.