R语言实现肿瘤细胞计数

一粒沙

发布于 2019-10-17 22:27:49

2K1

发布于 2019-10-17 22:27:49

今天给大家介绍一个病理图像中肿瘤细胞计数的图像处理包CRImage。此包对R语言的版本要求比较高，必须是不低于3.6版本的R语言才可以安装。安装需要的前期准备：

install.packages("e1071")
install.packages("sgeostat")
install.packages("jpeg")
install.packages("png")
install.packages("locfit")
install.packages("fftwtools")
BiocManager::install("EBImage")
BiocManager::install("CRImage")

如果不把以上的包安装完整，那么就会报下面的错误：

接下来我们看下如何使用：

首先是数据的载入，我们这里用到的图像是此包自带的图像数据，需要用到函数readImage。

此函数支持jpeg, png, 以及tiff格式的图像数据。

看下实例：

f = system.file("extdata","exImg2.jpg", package="CRImage")
img=readImage(f)

display(img)

然后图像各颜色空间（HSV，LAB）之间的转化，需要用到函数convertRGBToHSV，convertRGBToLAB，convertHSVToRGB，convertLABToRGB。通过函数名称我们可以直接看出对应的功能。那我们看下他们之间的区别：

imgHSV=convertRGBToHSV(img)

imgLAB=convertRGBToLAB(img)

接下来就是灰度图像的阈值设置，需要用到函数createBinaryImage对设置的阈值进行过滤，实例如下：

imgG=EBImage::channel(img,"gray")

whitePixelMask=img[,,1]>0.85 &img[,,2]>0.85 & img[,,3]>0.85
imgB=createBinaryImage(imgG,img,method="otsu",numWindows=4,whitePixelMask=whitePixelMask)

以上通过设置阈值会增大目标与噪音的色差。

接下来是图像的标记，需要用到函数segmentImage

segmentationValues=segmentImage(f,maxShape=800,minShape=40,failureRegion=2000,threshold="otsu",numWindows=4)
image=segmentationValues[[1]]#原始图像
segmentedImage=segmentationValues[[2]]#标记好的图像
imageFeatures=segmentationValues[[3]]#图像获取的一些特征值

当然，如果直接对病理图像中细胞进行分类，不一定靠谱，此刻此包还引进机器学习的算法，首先是创建训练集数据，我们可以先人工获取标注的数据，然后构建分类器，这里用到的算法是支持向量机：

f = system.file("extdata", "trainingData.txt",package="CRImage")
trainingData=read.table(f,header=TRUE)

classifierValues=createClassifier(trainingData)
classifier=classifierValues[[1]]

接下来我们看下我们构建的分类器的效果：

f = system.file("extdata","exImg2.jpg", package="CRImage")
classesValues=classifyCells(classifier,filename=f,KS=TRUE,maxShape=800,minShape=40,failureRegion=2000)

肿瘤细胞结构的标注：

exImg=readImage(f)
cellularity=calculateCellularity(classifier=classifier,filename=f,KS=TRUE,maxShape=800,minShape=40,failureRegion=2000,classifyStructures=FALSE,cancerIdentifier="c",numDensityWindows=2,colors=c("green","red"))