本發(fā)明涉及生物數(shù)據(jù)處理領(lǐng)域，具體涉及一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)。

背景技術(shù)：

基因測(cè)序已經(jīng)成為基因研究中越來(lái)越重要的領(lǐng)域，將來(lái)有希望用在診斷應(yīng)用和其他應(yīng)用中。一般來(lái)說(shuō)，基因測(cè)序涉及確定諸如RNA或DNA片段之類的核酸的核苷酸的順序。通常分析相對(duì)較短的序列，并且可以在各種生物信息學(xué)方法中使用所得到的序列信息，以在邏輯上將多個(gè)片段配合在一起以可靠地確定基因材料(這些片段來(lái)源于該基因材料)的更廣泛的長(zhǎng)度的序列。已經(jīng)開(kāi)發(fā)了特征片段的自動(dòng)化的、基于計(jì)算機(jī)的檢查，并且這些檢查最近已經(jīng)用在基因組作圖、基因及其功能的識(shí)別等中。然而，現(xiàn)有的技術(shù)極為耗費(fèi)時(shí)間，所得到的基因組信息也因而極其昂貴。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問(wèn)題，本發(fā)明旨在提供一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

本發(fā)明的有益效果為：創(chuàng)立云計(jì)算環(huán)境處理生物相關(guān)數(shù)據(jù)，提高了數(shù)據(jù)處理的效率和時(shí)效性。

附圖說(shuō)明

利用附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是共享系統(tǒng)的結(jié)構(gòu)示意圖；

圖2是細(xì)胞識(shí)別模塊的結(jié)構(gòu)示意圖。

附圖標(biāo)記：

細(xì)胞識(shí)別模塊1、細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13。

具體實(shí)施方式

結(jié)合以下應(yīng)用場(chǎng)景對(duì)本發(fā)明作進(jìn)一步描述。

應(yīng)用場(chǎng)景1

參見(jiàn)圖1、圖2，本應(yīng)用場(chǎng)景的一個(gè)實(shí)施例的一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

優(yōu)選地，所述至少一個(gè)服務(wù)器被構(gòu)造成接收樣品提取相關(guān)數(shù)據(jù)。

本優(yōu)選實(shí)施例提高了樣品共享速度。

優(yōu)選地，所述云計(jì)算環(huán)境包括至少一個(gè)處理器，該至少一個(gè)處理器被構(gòu)造成至少基于樣品提取相關(guān)數(shù)據(jù)生成樣品提取日志。

本優(yōu)選實(shí)施例有助于對(duì)數(shù)據(jù)進(jìn)行整理。

優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對(duì)細(xì)胞圖像的紋理特征進(jìn)行提?。凰龇诸愖R(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對(duì)細(xì)胞圖像分類識(shí)別。

本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。

優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：

(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；

(2)噪聲去除子單元，用于對(duì)灰度圖像進(jìn)行去噪處理，包括：

對(duì)于像素點(diǎn)(x,y)，選取其3×3的鄰域S_x,y和(2N+1)×(2N+1)的鄰域L_x,y，N為大于等于2的整數(shù)；

首先對(duì)像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域S_x,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；

若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域L_x,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；

若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域L_x,y內(nèi)點(diǎn)(i,j)對(duì)應(yīng)的高斯權(quán)重；

(3)粗分割子單元，用于對(duì)去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：

將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：

式中，h(x,y)代表(x,y)的灰度值，h_ave(x,y)代表其鄰域S_x,y灰度均值，h_med(x,y)代表其鄰域S_x,y灰度中值，h_sta(x,y)代表其鄰域S_x,y灰度方差；

采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；

(4)細(xì)胞核中心標(biāo)定子單元，用于對(duì)細(xì)胞核中心進(jìn)行標(biāo)定：

由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x₁,y₁),…,(x_n,y_n)，對(duì)該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(x_z,y_z)：

(5)精確分割子單元，用于對(duì)細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；

構(gòu)建從細(xì)胞核中心(x_z,y_z)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(x_p,y_p)的有向線段的距離表示向下取整；

沿線段以單位長(zhǎng)度進(jìn)行采樣可以得到dis_p個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過(guò)周圍像素線性插值得到；

點(diǎn)(x_i,y_i)處沿線段方向的灰度差：

hd(x_i,y_i)＝h(x_i-1,y_i-1)-h(x_i,y_i)

定義灰度差抑制函數(shù)：

點(diǎn)(x_i,y_i)處沿線段方向的梯度gra(x_i,y_i)：

選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。

本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來(lái)進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對(duì)灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對(duì)細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對(duì)邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。

優(yōu)選的，所述對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取，包括：

(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：

設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對(duì)應(yīng)的矩陣元素項(xiàng)目為X₁、X₂、X₃、X₄，則綜合灰度共生矩陣的計(jì)算公式為：

H(x,y,d)＝w₁h(x,y,d,0°)+w₂h(x,y,d,45°)+w₃h(x,y,d,90°)+w₄h(x,y,d,135°)

綜合灰度共生矩陣元素?cái)?shù)目為：

式中，d表示距離，d的取值范圍為[2,4]，w_i為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)分別為D_i，均值為i＝1,2,3,4，則加權(quán)系數(shù)w_i的計(jì)算公式為：

(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對(duì)比度、方差和、能量和均值；

(3)對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。

本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問(wèn)題，提高了細(xì)胞圖像紋理特征提取的精度；選定對(duì)比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。

在此應(yīng)用場(chǎng)景中，設(shè)定閾值T＝13，d＝2，圖像去噪效果相對(duì)提高了5％，細(xì)胞圖像特征的提取精度提高了8％。

應(yīng)用場(chǎng)景2

參見(jiàn)圖1、圖2，本應(yīng)用場(chǎng)景的一個(gè)實(shí)施例的一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

優(yōu)選地，所述至少一個(gè)服務(wù)器被構(gòu)造成接收樣品提取相關(guān)數(shù)據(jù)。

本優(yōu)選實(shí)施例提高了樣品共享速度。

優(yōu)選地，所述云計(jì)算環(huán)境包括至少一個(gè)處理器，該至少一個(gè)處理器被構(gòu)造成至少基于樣品提取相關(guān)數(shù)據(jù)生成樣品提取日志。

本優(yōu)選實(shí)施例有助于對(duì)數(shù)據(jù)進(jìn)行整理。

優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對(duì)細(xì)胞圖像的紋理特征進(jìn)行提??；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對(duì)細(xì)胞圖像分類識(shí)別。

本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。

優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：

(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；

(2)噪聲去除子單元，用于對(duì)灰度圖像進(jìn)行去噪處理，包括：

對(duì)于像素點(diǎn)(x,y)，選取其3×3的鄰域S_x,y和(2N+1)×(2N+1)的鄰域L_x,y，N為大于等于2的整數(shù)；

首先對(duì)像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域S_x,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；

若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域L_x,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；

若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域L_x,y內(nèi)點(diǎn)(i,j)對(duì)應(yīng)的高斯權(quán)重；

(3)粗分割子單元，用于對(duì)去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：

將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：

式中，h(x,y)代表(x,y)的灰度值，h_ave(x,y)代表其鄰域S_x,y灰度均值，h_med(x,y)代表其鄰域S_x,y灰度中值，h_sta(x,y)代表其鄰域S_x,y灰度方差；

采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；

(4)細(xì)胞核中心標(biāo)定子單元，用于對(duì)細(xì)胞核中心進(jìn)行標(biāo)定：

由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x₁,y₁),…,(x_n,y_n)，對(duì)該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(x_z,y_z)：

(5)精確分割子單元，用于對(duì)細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；

構(gòu)建從細(xì)胞核中心(x_z,y_z)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(x_p,y_p)的有向線段的距離表示向下取整；

沿線段以單位長(zhǎng)度進(jìn)行采樣可以得到dis_p個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過(guò)周圍像素線性插值得到；

點(diǎn)(x_i,y_i)處沿線段方向的灰度差：

hd(x_i,y_i)＝h(x_i-1,y_i-1)-h(x_i,y_i)

定義灰度差抑制函數(shù)：

點(diǎn)(x_i,y_i)處沿線段方向的梯度gra(x_i,y_i)：

選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。

本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來(lái)進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對(duì)灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對(duì)細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對(duì)邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。

優(yōu)選的，所述對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取，包括：

(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：

設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對(duì)應(yīng)的矩陣元素項(xiàng)目為X₁、X₂、X₃、X₄，則綜合灰度共生矩陣的計(jì)算公式為：

H(x,y,d)＝w₁h(x,y,d,0°)+w₂h(x,y,d,45°)+w₃h(x,y,d,90°)+w₄h(x,y,d,135°)

綜合灰度共生矩陣元素?cái)?shù)目為：

式中，d表示距離，d的取值范圍為[2,4]，w_i為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)分別為D_i，均值為i＝1，2，3，4，則加權(quán)系數(shù)w_i的計(jì)算公式為：

(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對(duì)比度、方差和、能量和均值；

(3)對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。

本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問(wèn)題，提高了細(xì)胞圖像紋理特征提取的精度；選定對(duì)比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。

在此應(yīng)用場(chǎng)景中，設(shè)定閾值T＝15，d＝2，圖像去噪效果相對(duì)提高了6％，細(xì)胞圖像特征的提取精度提高了8％。

應(yīng)用場(chǎng)景3

參見(jiàn)圖1、圖2，本應(yīng)用場(chǎng)景的一個(gè)實(shí)施例的一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

優(yōu)選地，所述至少一個(gè)服務(wù)器被構(gòu)造成接收樣品提取相關(guān)數(shù)據(jù)。

本優(yōu)選實(shí)施例提高了樣品共享速度。

優(yōu)選地，所述云計(jì)算環(huán)境包括至少一個(gè)處理器，該至少一個(gè)處理器被構(gòu)造成至少基于樣品提取相關(guān)數(shù)據(jù)生成樣品提取日志。

本優(yōu)選實(shí)施例有助于對(duì)數(shù)據(jù)進(jìn)行整理。

優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對(duì)細(xì)胞圖像分類識(shí)別。

本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。

優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：

(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；

(2)噪聲去除子單元，用于對(duì)灰度圖像進(jìn)行去噪處理，包括：

對(duì)于像素點(diǎn)(x,y)，選取其3×3的鄰域S_x,y和(2N+1)×(2N+1)的鄰域L_x,y，N為大于等于2的整數(shù)；

首先對(duì)像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域S_x,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；

若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域L_x,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；

若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域L_x,y內(nèi)點(diǎn)(i,j)對(duì)應(yīng)的高斯權(quán)重；

(3)粗分割子單元，用于對(duì)去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：

將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：

式中，h(x,y)代表(x,y)的灰度值，h_ave(x,y)代表其鄰域S_x,y灰度均值，h_med(x,y)代表其鄰域S_x,y灰度中值，h_sta(x,y)代表其鄰域S_x,y灰度方差；

采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；

(4)細(xì)胞核中心標(biāo)定子單元，用于對(duì)細(xì)胞核中心進(jìn)行標(biāo)定：

由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x₁,y₁),…,(x_n,y_n)，對(duì)該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(x_z,y_z)：

(5)精確分割子單元，用于對(duì)細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；

構(gòu)建從細(xì)胞核中心(x_z,y_z)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(x_p,y_p)的有向線段的距離表示向下取整；

沿線段以單位長(zhǎng)度進(jìn)行采樣可以得到dis_p個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過(guò)周圍像素線性插值得到；

點(diǎn)(x_i,y_i)處沿線段方向的灰度差：

hd(x_i,y_i)＝h(x_i-1,y_i-1)-h(x_i,y_i)

定義灰度差抑制函數(shù)：

點(diǎn)(x_i,y_i)處沿線段方向的梯度gra(x_i,y_i)：

選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。

本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來(lái)進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對(duì)灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對(duì)細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對(duì)邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。

優(yōu)選的，所述對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取，包括：

(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：

設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對(duì)應(yīng)的矩陣元素項(xiàng)目為X₁、X₂、X₃、X₄，則綜合灰度共生矩陣的計(jì)算公式為：

H(x,y,d)＝w₁h(x,y,d,0°)+w₂h(x,y,d,45°)+w₃h(x,y,d,90°)+w₄h(x,y,d,135°)

綜合灰度共生矩陣元素?cái)?shù)目為：

式中，d表示距離，d的取值范圍為[2,4]，w_i為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)分別為D_i，均值為i＝1，2，3，4，則加權(quán)系數(shù)w_i的計(jì)算公式為：

(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對(duì)比度、方差和、能量和均值；

(3)對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。

本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問(wèn)題，提高了細(xì)胞圖像紋理特征提取的精度；選定對(duì)比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。

在此應(yīng)用場(chǎng)景中，設(shè)定閾值T＝18，d＝3，圖像去噪效果相對(duì)提高了7％，細(xì)胞圖像特征的提取精度提高了7％。

應(yīng)用場(chǎng)景4

參見(jiàn)圖1、圖2，本應(yīng)用場(chǎng)景的一個(gè)實(shí)施例的一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

優(yōu)選地，所述至少一個(gè)服務(wù)器被構(gòu)造成接收樣品提取相關(guān)數(shù)據(jù)。

本優(yōu)選實(shí)施例提高了樣品共享速度。

優(yōu)選地，所述云計(jì)算環(huán)境包括至少一個(gè)處理器，該至少一個(gè)處理器被構(gòu)造成至少基于樣品提取相關(guān)數(shù)據(jù)生成樣品提取日志。

本優(yōu)選實(shí)施例有助于對(duì)數(shù)據(jù)進(jìn)行整理。

優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對(duì)細(xì)胞圖像的紋理特征進(jìn)行提??；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對(duì)細(xì)胞圖像分類識(shí)別。

本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。

優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：

(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；

(2)噪聲去除子單元，用于對(duì)灰度圖像進(jìn)行去噪處理，包括：

對(duì)于像素點(diǎn)(x,y)，選取其3×3的鄰域S_x,y和(2N+1)×(2N+1)的鄰域L_x,y，N為大于等于2的整數(shù)；

首先對(duì)像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域S_x,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；

若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域L_x,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；

若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域L_x,y內(nèi)點(diǎn)(i,j)對(duì)應(yīng)的高斯權(quán)重；

(3)粗分割子單元，用于對(duì)去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：

將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：

式中，h(x,y)代表(x,y)的灰度值，h_ave(x,y)代表其鄰域S_x,y灰度均值，h_med(x,y)代表其鄰域S_x,y灰度中值，h_sta(x,y)代表其鄰域S_x,y灰度方差；

采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；

(4)細(xì)胞核中心標(biāo)定子單元，用于對(duì)細(xì)胞核中心進(jìn)行標(biāo)定：

由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x₁,y₁),…,(x_n,y_n)，對(duì)該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(x_z,y_z)：

(5)精確分割子單元，用于對(duì)細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；

構(gòu)建從細(xì)胞核中心(x_z,y_z)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(x_p,y_p)的有向線段的距離表示向下取整；

沿線段以單位長(zhǎng)度進(jìn)行采樣可以得到dis_p個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過(guò)周圍像素線性插值得到；

點(diǎn)(x_i,y_i)處沿線段方向的灰度差：

hd(x_i,y_i)＝h(x_i-1,y_i-1)-h(x_i,y_i)

定義灰度差抑制函數(shù)：

點(diǎn)(x_i,y_i)處沿線段方向的梯度gra(x_i,y_i)：

選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。

本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來(lái)進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對(duì)灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對(duì)細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對(duì)邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。

優(yōu)選的，所述對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取，包括：

(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：

設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對(duì)應(yīng)的矩陣元素項(xiàng)目為X₁、X₂、X₃、X₄，則綜合灰度共生矩陣的計(jì)算公式為：

H(x,y,d)＝w₁h(x,y,d,0°)+w₂h(x,y,d,45°)+w₃h(x,y,d,90°)+w₄h(x,y,d,135°)

綜合灰度共生矩陣元素?cái)?shù)目為：

式中，d表示距離，d的取值范圍為[2,4]，w_i為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)分別為D_i，均值為i＝1，2，3，4，則加權(quán)系數(shù)w_i的計(jì)算公式為：

(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對(duì)比度、方差和、能量和均值；

(3)對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。

本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問(wèn)題，提高了細(xì)胞圖像紋理特征提取的精度；選定對(duì)比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。

在此應(yīng)用場(chǎng)景中，設(shè)定閾值T＝20，d＝4，圖像去噪效果相對(duì)提高了8％，細(xì)胞圖像特征的提取精度提高了6％。

應(yīng)用場(chǎng)景5

參見(jiàn)圖1、圖2，本應(yīng)用場(chǎng)景的一個(gè)實(shí)施例的一種利用云計(jì)算環(huán)境來(lái)共享生物相關(guān)數(shù)據(jù)的系統(tǒng)，包括細(xì)胞識(shí)別模塊和共享系統(tǒng)，所述細(xì)胞識(shí)別模塊用來(lái)確定共享生物種類，所述共享系統(tǒng)包括云計(jì)算環(huán)境，該云計(jì)算環(huán)境與多個(gè)樣品制備裝置、多個(gè)測(cè)序裝置和多個(gè)計(jì)算裝置通信，其中云計(jì)算環(huán)境包括至少一個(gè)服務(wù)器，至少一個(gè)服務(wù)器被構(gòu)造成與遠(yuǎn)離至少一個(gè)服務(wù)器的樣品制備裝置中的至少一個(gè)樣品制備裝置、測(cè)序裝置中的至少一個(gè)測(cè)序裝置和計(jì)算裝置中的至少一個(gè)計(jì)算裝置通信，以在樣品制備數(shù)據(jù)和測(cè)序數(shù)據(jù)生成的同時(shí)從所述至少一個(gè)樣品制備裝置接收和存儲(chǔ)樣品制備數(shù)據(jù)并從所述至少一個(gè)測(cè)序裝置接收和存儲(chǔ)序列數(shù)據(jù)。

優(yōu)選地，所述至少一個(gè)服務(wù)器被構(gòu)造成接收樣品提取相關(guān)數(shù)據(jù)。

本優(yōu)選實(shí)施例提高了樣品共享速度。

優(yōu)選地，所述云計(jì)算環(huán)境包括至少一個(gè)處理器，該至少一個(gè)處理器被構(gòu)造成至少基于樣品提取相關(guān)數(shù)據(jù)生成樣品提取日志。

本優(yōu)選實(shí)施例有助于對(duì)數(shù)據(jù)進(jìn)行整理。

優(yōu)選的，所述細(xì)胞識(shí)別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識(shí)別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對(duì)細(xì)胞圖像的紋理特征進(jìn)行提??；所述分類識(shí)別單元13用于根據(jù)紋理特征利用分類器實(shí)現(xiàn)對(duì)細(xì)胞圖像分類識(shí)別。

本優(yōu)選實(shí)施例構(gòu)建了細(xì)胞識(shí)別模塊1的單元架構(gòu)。

優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：

(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；

(2)噪聲去除子單元，用于對(duì)灰度圖像進(jìn)行去噪處理，包括：

對(duì)于像素點(diǎn)(x,y)，選取其3×3的鄰域S_x,y和(2N+1)×(2N+1)的鄰域L_x,y，N為大于等于2的整數(shù)；

首先對(duì)像素點(diǎn)是否為邊界點(diǎn)進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計(jì)算像素點(diǎn)(x,y)與其鄰域S_x,y中每個(gè)像素點(diǎn)的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個(gè)數(shù)大于等于6，則像素點(diǎn)(x,y)為邊界點(diǎn)，否則，像素點(diǎn)(x,y)為非邊界點(diǎn)；

若(x,y)為邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(x,y)為降噪前像素點(diǎn)(x,y)的灰度值，σ為像素點(diǎn)(x,y)鄰域L_x,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)，k表示鄰域L_x,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點(diǎn)的數(shù)量；

若(x,y)為非邊界點(diǎn)，則進(jìn)行如下降噪處理：

式中，h(x,y)為降噪后像素點(diǎn)(x,y)的灰度值，q(i,j)代表圖像中點(diǎn)(i,j)處的灰度值，w(i,j)為鄰域L_x,y內(nèi)點(diǎn)(i,j)對(duì)應(yīng)的高斯權(quán)重；

(3)粗分割子單元，用于對(duì)去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：

將每個(gè)像素(x,y)用一個(gè)四維特征向量表示：

式中，h(x,y)代表(x,y)的灰度值，h_ave(x,y)代表其鄰域S_x,y灰度均值，h_med(x,y)代表其鄰域S_x,y灰度中值，h_sta(x,y)代表其鄰域S_x,y灰度方差；

采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；

(4)細(xì)胞核中心標(biāo)定子單元，用于對(duì)細(xì)胞核中心進(jìn)行標(biāo)定：

由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個(gè)點(diǎn)：(x₁,y₁),…,(x_n,y_n)，對(duì)該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(x_z,y_z)：

(5)精確分割子單元，用于對(duì)細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；

構(gòu)建從細(xì)胞核中心(x_z,y_z)到細(xì)胞核和細(xì)胞質(zhì)邊界點(diǎn)(x_p,y_p)的有向線段的距離表示向下取整；

沿線段以單位長(zhǎng)度進(jìn)行采樣可以得到dis_p個(gè)點(diǎn)若采樣點(diǎn)的坐標(biāo)不是整數(shù)，其灰度值通過(guò)周圍像素線性插值得到；

點(diǎn)(x_i,y_i)處沿線段方向的灰度差：

hd(x_i,y_i)＝h(x_i-1,y_i-1)-h(x_i,y_i)

定義灰度差抑制函數(shù)：

點(diǎn)(x_i,y_i)處沿線段方向的梯度gra(x_i,y_i)：

選取梯度最大的值點(diǎn)作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。

本優(yōu)選實(shí)施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來(lái)進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對(duì)灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對(duì)細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對(duì)邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。

優(yōu)選的，所述對(duì)細(xì)胞圖像的紋理特征進(jìn)行提取，包括：

(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：

設(shè)在0°、45°、90°、135°四個(gè)方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對(duì)應(yīng)的矩陣元素項(xiàng)目為X₁、X₂、X₃、X₄，則綜合灰度共生矩陣的計(jì)算公式為：

H(x,y,d)＝w₁h(x,y,d,0°)+w₂h(x,y,d,45°)+w₃h(x,y,d,90°)+w₄h(x,y,d,135°)

綜合灰度共生矩陣元素?cái)?shù)目為：

式中，d表示距離，d的取值范圍為[2,4]，w_i為加權(quán)系數(shù),i＝1,2,3,4，其由四個(gè)方向中的每個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)計(jì)算，設(shè)四個(gè)方向上的灰度共生矩陣對(duì)應(yīng)的對(duì)比度參數(shù)分別為D_i，均值為i＝1，2，3，4，則加權(quán)系數(shù)w_i的計(jì)算公式為：

(2)利用所述綜合灰度共生矩陣和矩陣元素項(xiàng)目獲取所需的四個(gè)紋理特征參數(shù)：對(duì)比度、方差和、能量和均值；

(3)對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。

本優(yōu)選實(shí)施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個(gè)方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時(shí)光照角度造成的影響、氣體的流動(dòng)干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問(wèn)題，提高了細(xì)胞圖像紋理特征提取的精度；選定對(duì)比度、方差和、能量和均值四個(gè)紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對(duì)所述四個(gè)紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識(shí)別處理。

在此應(yīng)用場(chǎng)景中，設(shè)定閾值T＝26，d＝2，圖像去噪效果相對(duì)提高了7.5％，細(xì)胞圖像特征的提取精度提高了8％。

最后應(yīng)當(dāng)說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。