臺灣博碩士論文加值系統

本研究的目的是建立一套以PC為架構的細胞顯微影像分析系統，結合影像處理及分析的方法，客觀量化細胞之動靜態特徴，對序列影像進行細胞識別、計數及追蹤。系統建立包括兩大部份，(1)微流體細胞計數:首先依據影像特性進行不同的影像前處理，辨識每張影像中細胞的顆粒數，並發展一自動計數演算法計數流動細胞的總數目；(2)細胞追縱:建立兩種追蹤演算法，包括k-means叢集法(k-means clustering method)及近鄰法(Nearest neighbor method)。
為了分析系統可行性及正確率，進行系統實驗測試與驗證，包括微流體細胞序列影像及大腸桿菌序列影像。 (1)微流體細胞計數方面：使用兩種不同的微流體影像，分別為酵母菌及乳膠微粒影像(2)細胞追蹤方面，使用大腸桿菌影像，及理想模擬細胞影像做實驗，分別利用兩種追蹤演算法進行分析。本研究採用的自動計數演法，針對微流體細胞計數，能有效地降低誤差率，提高計數總數的正確率。針對大腸桿菌及模擬細胞影像序列分析，運用追蹤演算法能進行良好的軌跡追蹤。

The purpose of this research was to develop a PC-based microscopic image analysis system for quantifying static and dynamic characteristics of cells. The image analysis system was constructed by two parts of cell counting of microfluidics and cell tracing. An automatic counting algorithm based on image processing and analysis was developed for cell counting of microfluidics. Image preprocessing techniques including color model transformation, image enhancement, image negative transformation, adaptive method for thresholding, and morphological processing were applied to eliminate background noise, enhance intensity of targets and complete entire configuration of targets. Two types of microfluidics images, saccharomycete cerevisiae and Latex corpuscular, were used to experimentally verify the feasibility of the microscopic image analysis system in the part of cell counting of microfluidics. Both k-means clustering method and nearest neighbor method were applied to build algorithms of cell tracing. The verification for algorithms of cell tracing was implemented by sequential images with simulated movements of straight lines and curve lines. E. coli. sequential images were used to test the feasibility of the microscopic image analysis system in the part of cell tracing.
The results show the accuracy of automatic cell counting in this research is statistically better than that of manual cell counting by chi-square test. The consumed time of cell tracing by nearest neighbor method has been reduced as compared with k-means clustering method. According to experimental testing and verification, the microscopic image analysis system in this research is feasible for automatic cell counting and cell tracing. In the future, algorithms for cell counting and tracing need to be modified for improving the accuracy of the system.

目 錄
摘要 v
英文摘要 vi
致謝 vii
目次 viii
表目錄 x
圖目錄 xi
第一章 緒論 1
1.1 研究動機與背景 1
1.2 研究目的及特定目標 2
1.3 背景及文獻探討 2
1.3.1 微生物特性及臨床應用 2
1.3.2 細胞之顯微鏡成像 4
1.3.3 細胞影像處理及運動分析 6
第二章 材料與方法 8
2.1 系統架構 8
2.2 微流體序列影像細胞計數 9
2.2.1 微流體序列影像處理部份 9
2.2.2 微流體細胞計數演算法 32
2.2.2 實驗測試與驗證 36
2.3 大腸桿菌序列影像動態軌跡追蹤 43
2.3.1 影像前處理 43
2.3.2 動態影像分析與處理 49
2.3.3 細胞軌跡追蹤實驗方法測試與驗證 55
第三章 實驗結果與討論 58
3.1 微流體影像細胞計數 58
3.1.1 乳膠微粒微流體影像 58
3.1.2 酵母菌微流體影像 65
3.2 大腸桿菌序列影像細胞追蹤 66
3.3.1 對模擬理想細胞圖做軌跡追蹤 66
3.3.2 對大腸桿菌序列影像做軌跡追蹤 68
3.3 使用者介面 70
3.4 研究限制及解決方法 71
第四章 結論及未來研究方向 72
4.1 結論 72
4.2 未來研究方向 72
參考文獻 73
附錄 74
附錄一：影像強化前後，影像序列中每張影像細胞數目統計表 74
附錄二：人工計數與程式分析酵母菌100張序列影像細胞顆粒數 78


表目錄
表2.1 高斯曲線下面積分佈表 20
表2.2 平均值加上不同標準差下辨識正確率 24
表2.3 強化處理後影像、B色版直方圖、臨界值二值化圖 25
表2.4 AOI計數狀態表 35
表2.5 人工計數原始影像之統計表 40
表2.6 自動細胞計數之統計表 40
表2.7 人工計數與自動計數之2 2列聯表 42
表3.1 影像強化前後，影像序列中每張影像細胞數目 60
表3.2 人工計數原始影像之細胞數 61
表3.3 程式自動分析之細胞數 62
表3.4 AC與MC之Screen Test(靈敏度、特異性、偽陽性、偽陰性及正確率)結果 62
表3.5 AC與MC細胞計數之正確與錯誤之觀察值和期望值 63
表3.6 微流體乳膠微粒序列影像計數分析 63
表3.7 酵母菌序列影像細胞總數計數 ….65












圖目錄
圖1.1 各種微生物大小 3
圖1.2 大腸桿菌之顯微影像 4
圖1.3 細菌結構圖 4
圖1.4 大腸桿菌原始影像 5
圖1.5 細胞序列影像分析架構 6
圖2.1 系統架構圖 9
圖2.2 微流體影像前處理流程圖 10
圖2.3 HSL色版轉換影像 12
圖2.4 影像強化處理影像流程圖 13
圖2.5 原始影像L色版直方圖 14
圖2.6 強化後影像L色版直方圖 15
圖2.7 取出影像B色版示意圖 16
圖2.8 強化後影像與抽取之B色版影像 16
圖2.9 B色版直方圖 16
圖2.10 酵母菌色版轉換 17
圖2.11 原始酵母菌二值化圖 17
圖2.12 酵母菌微流體影像之影像負片轉換結果圖與直方圖 18
圖2.13 酵母菌影像 18
圖2.14常態分佈曲線 19
圖2.15 微流體強化影像B色版直方圖 21
圖2.16 基本整體臨界值法流程圖 23
圖2.17 直方圖峰值所在 23
圖2.18形態學OPEN運算 28
圖2.19原始圖與取臨界值影像雜點比較 28
圖2.20使用粒子分析去除雜點 29
圖2.21 Convex Hull示意圖 31
圖2.22經過convex hull 運算後影像 32
圖2.23通道中微粒移動情形示意圖 33
圖2.24影像AOI選取範圍 34
圖2.25將AOI分三區域示意圖 34
圖2.26細胞中位置對照圖 36
圖2.27通微流體影像計數演算流程圖 37
圖2.28細胞前影像處理流程圖 44
圖2.29大腸桿菌色版分離影像 45
圖2.30求二值化影像方法示意圖 44
圖2.31取臨界值二值化影像 46
圖2.32影像中雜質與雜點對應圖 47
圖2.33二值化影像 47
圖2.34去除小面慣雜點影像 48
圖2.35 convex hull運算後圖形 48
圖2.36影像前處理後影像 49
圖2.37細胞標定流程圖 50
圖2.38細胞軌跡流程圖 51
圖2.39大腸桿菌形心座標 52
圖2.40 近鄰法流程圖 53
圖2.41二值化影像比較圖 53
圖2.42 k-means叢集法作細胞分群流程圖 56
圖2.43模擬細胞軌跡追蹤序列影像 57
圖3.1序列影像處理前後，細胞顆數比較 59
圖3.2影像強化前後顆粒數比較 60
圖3.3影像強化前後顆粒數比較 61
圖3.4情況(2)誤差示意圖 64
圖3.5情況(3)誤差示意圖 65
圖3.6近鄰法追蹤直線移動之細胞影像軌跡 66
圖3.7近鄰法追蹤曲線移動之細胞影像軌跡 67
圖3.8 k-means追蹤直線移動之細胞影像軌跡 67
圖3.9 k-means法追蹤曲線移動之細胞影像軌跡 68
圖3.10大腸桿菌近鄰法軌跡追蹤圖 69
圖3.11大腸桿菌k-means叢集法追蹤圖 69
圖3.12功能選擇介面圖 70
圖3.13微流體影像細胞計數介面圖 70
圖3.12序列影像細胞追蹤介面圖 71

參考文獻
[1] 媽媽的城堡: http://www.mommyhouse.com/classroom_pregnant3.htm
[2] 張宗興:http://www.libertytimes.com.tw/2001/new/mar/9/today-m1.htm#m03
[3] 林良平編譯,“微生物顯微鏡學”,藝軒圖書出版社, 2002
[4] 李國賓著,”下一波生物晶片，微流體生醫晶片,”科學發展,385期, 2005年1月
[5] C. H. Lin, G. B. Lee, and G. L. Chang, “Micro Flow Cytometers Integrated with Buried SU-8/SOG Optical Waveguides for On-line Cell Detection,” The International Journal of Non-line r Sciences and Numerical Simulations 3, vol. 3-4,pp. 215-218, 2002
[6] 張碧芬等編譯,“微生物學的世界”,天下遠見出版, 2004
[7] Y. M. Chen, K. B. dell, P. A. Relue, and J. D. Johnson, “An automatic cell counting method for optical images,” In Proceeding of the first DMES/EMBS conference, pp. 819. Atlanta, GA, USA. 1999.
[8] 胡志承,利用機器視覺於水產精子之活動性分析,碩士論文, 國立台灣大學生物產業機電工程學研究所, 2002.
[9] H. Refai, L. L. Teague, T. K. Naukam, , “Automatic count of hepatocytes in microscopic images” ICIP Proceedings, International Conference, 2003
[10] 張勝傑, 利用數位影像處理技術之微型多管道流式細胞儀之研究, 碩士論文, 國立成功大學工程科學所, June 2004

[11] B. King, “Step-wise clustering procedures”. J. Am. Stat. Assoc. pp. 86–101. 1967
[12] Vance Faber, “Clustering and the continuous k-means algorithm,” Los Alamos Science, pp. 138-144, 1994
[13] H.Frigui, R. Krishnapuram, "A Robust Competitive Clustering Algorithm with Applications in Computer Vision", IEEE Transactions on PatternAnalysis and Machine Intelligence, Volume: 21 Issue:5, pages450-465. , May 1999
[14] L. Kaufman and P. J. Rousseeuw.” Finding Groups in Data: an Introduction to Cluster Analysis”, John Wiley & Sons, 1990.
[15] L. X. Wang, “Training of fuzzy logic systems using nearest neighborhood clustering,” IEEE International Conf. Fuzzy Systems, vol. 1, pp. 13 – 17, 1993.
[16] Rafael, G. et, “Digital Image Processing,”Second Edition, Prentice Hall, 2001.
[17] A. P. Dhawan, Medical Image Analysis, Wiley-IEEE Press, NJ, 2003.
[18] J. A. Cen, and V. H. Tel, ”An adaptive Image Enhancement Algorithm pattern Recog.,” vol.30,no.7pp.1183-1189
[20]M.S. Drew, J. Wei,and Z.N. Li,” Illumination Invariant Image Retrieval and Videw Segmentation,”vol.32, no.8,pp. 1369-1388
[21]W. S. Lu and A. A. Niou, “Two-Dimensional Digital Filters,” Marcel Dekker, New York,1992
[22] N.Otsu,”A threshold selection method from gray-level histogram,” IEEE Transaction on Systems, Man and Cybernetics, vol9, pp62 - 66, 1979
[23]紹成麟, 唇形影像辨識之簡易家電控制及文書輸入系統, 碩士論文, 南台科技大學”, 2002
[24] 陳順宇, 統計學, 華泰文化事業, 2004.
[25] 張雲景、賴礽仰, SPSS統計軟體的應用, 華騰文化, 2004
[26] 張紹評、林秀娟、張紹勳, spss for windows統計分析、初等統計與高等統計, 2004