微陣列圖像自動(dòng)分析方法的研究.pdf

1、微陣列技術(shù)已經(jīng)廣泛應(yīng)用于生物信息的同步檢測(cè)，掃描得到的微陣列圖像包含大量的生物信息，因此對(duì)微陣列圖像進(jìn)行自動(dòng)分析和處理是生物芯片數(shù)據(jù)分析至關(guān)重要的部分。微陣列圖像處理目的是定位圖像中的微陣列點(diǎn)(樣點(diǎn))，將每個(gè)樣點(diǎn)對(duì)應(yīng)的形狀和強(qiáng)度量化。本文研究了微陣列圖像的全自動(dòng)分析方法，主要包括傾斜圖像的自動(dòng)校正，網(wǎng)格劃分，樣點(diǎn)分割和信息提取四大部分。 圖像的傾斜校正主要基于Radon變換的原理，但是對(duì)于16位的灰度圖像，Radon變換后的數(shù)值

2、很大，容易產(chǎn)生溢出。本文提出首先對(duì)微陣列圖像采用Sobel算子進(jìn)行邊界提取，再進(jìn)行Radon變換來(lái)計(jì)算圖像的傾斜角度，能夠減少原始圖像的信息，提高運(yùn)行效率，而且并不影響傾斜角度的計(jì)算精度。 網(wǎng)格劃分采用投影算法的原理，對(duì)陣列中的樣點(diǎn)進(jìn)行定位。投影算法的自動(dòng)化程度較高，但容易產(chǎn)生網(wǎng)格線的缺失和冗余。本文提出了將投影算法結(jié)合數(shù)學(xué)統(tǒng)計(jì)學(xué)的優(yōu)化算法，使投影算法對(duì)于含有大量呈陰性反應(yīng)樣點(diǎn)的微陣列圖像也有很好的定位效果，而且能夠確定很重要的

3、陣列參數(shù)，樣點(diǎn)半徑，行列數(shù)等等。將優(yōu)化算法應(yīng)用于不同種類的微陣列圖像，不同陣列，不同反應(yīng)強(qiáng)度，均能得到較好的定位效果。 樣點(diǎn)分割部分采用局部動(dòng)態(tài)閾值的方法，使用Otsu算法自動(dòng)計(jì)算每個(gè)樣點(diǎn)所在的子區(qū)域的灰度閾值，按照該值進(jìn)行二值化。為防止噪聲雜質(zhì)的影響，采用開(kāi)閉級(jí)聯(lián)的形態(tài)學(xué)操作對(duì)子區(qū)域進(jìn)行濾波。再經(jīng)過(guò)固定圓模板匹配的方法獲取較為準(zhǔn)確的樣點(diǎn)目標(biāo)區(qū)域。與區(qū)域增長(zhǎng)法相比較，圓形模板匹配法獲得的樣點(diǎn)形狀相同，利于比較不同樣點(diǎn)間的平均灰度

4、。 將分割后的二值圖像與原始圖像相交，就能獲得在原始圖像中目標(biāo)樣點(diǎn)的熒光強(qiáng)度，但是該強(qiáng)度也包含一定的背景噪聲信息。本文首先確定每個(gè)局部子區(qū)域內(nèi)的平均背景灰度值，再將樣點(diǎn)內(nèi)部相應(yīng)的背景信息去除。將獲得的樣點(diǎn)的平均灰度值存儲(chǔ)到一個(gè)二維矩陣中，矩陣的大小與圖像陣列的大小一致，能夠直觀的反映微陣列圖像中樣點(diǎn)的強(qiáng)弱，對(duì)樣點(diǎn)所反映的生物信息進(jìn)行量化。 本文采用的圖像分析方法自動(dòng)化程度很高，無(wú)需用戶的參與，而且通用性較好，不僅對(duì)于樣點(diǎn)