基于局部边缘密度估计的生物医学图像中斑块区域分割

我们提出了一种针对生物医学图像中斑块状结构的半自动化分割有效方法，该方法基于局部边缘密度估计。本方法无需预先学习或参数调优，仅需少数由最终用户直接控制的自由参数，分别调节分析的分辨率与灵敏度。我们明确展示了局部边缘密度与由领域专家通过人工评估获得的细胞单层密度之间具有极强的相关性，相关系数显著。结果表明，所提出的算法能够高效实现对多种生物医学显微图像中斑块区域的分割与定量分析。特别是在体外划痕实验图像中，该算法对细胞单层覆盖区域的分割中位准确率可达95%至99%。此外，该算法在组织切片显微图像中能有效区分原始组织与再生组织片段，表现为对应区域局部边缘密度存在近三倍的差异。我们认为，局部边缘密度估计可进一步作为表征图像斑块特征的替代或补充图像通道，在某些情况下可替代或减少对传统细胞或组织特异性荧光染色的依赖，从而避免或简化复杂的实验流程。为此，我们开发了一款简单、开源的软件工具，支持实时可视化，使领域专家无需具备图像分析技术背景即可进行直观反馈。该工具已免费开放获取，可通过以下链接在线访问：https://gitlab.com/digiratory/biomedimaging/bcanalyzer。