随着免疫组织化学技术的不断发展,免疫组化已经成为当今临床病理诊断和研究的重要辅助手段。计算机图像处理技术以其精确性、客观性、处理速度快等方面的优势,已经成为免疫组化显微图像分析技术的发展趋势。但是,目前很多学者在免疫组化图像自动分割方面的研究成果主要局限在对一些特征明显的组织结构进行自动分割,对免疫组化图像的分析方法也主要是基于单个参数和特定图像,这些方法都有其局限性,导致最终分析结果不够全面、客观、准确。因此,研究免疫组化显微图像相关的分割和分析技术,辅助医生准确观察和定量检测免疫组化显色反应强度,已经成为国内外学者当前和今后研究的热点。本课题以卵巢癌免疫组化显微图像为主要研究对象,重点研究了阳性细胞区域的分割技术和免疫组化阳性表达结果的分析技术,并且在分割和分析方法上都有所创新。论文的研究工作主要包括以下几个方面:(1)研究了免疫组化显微图像的相关病理学知识。包括免疫组化染色的方法、免疫组化图像的显微特征和免疫组化图像的分类等信息,为后续正确的分割和分析技术的研究奠定基础。(2)研究了图像预处理和颜色空间转换的相关理论和方法。在图像增强方法和颜色空间的选择上都做了大量的对比实验,最后选择比较适合免疫组化显微图像的图像增强方法和适合其分割的颜色空间。(3)研究了免疫组化显微图像的分割技术。主要采用了如下三种方法:方法1是基于色度学准则的ISODATA聚类分割方法。在RGB颜色空间下,利用色度学准则和ISODATA聚类方法分割提取阳性细胞区域。方法2是基于YUV颜色空间的OTSU阈值分割方法。把图像转换到YUV颜色空间下,提取三个分量图并结合OTSU算法得到阳性细胞区域。方法3是基于改进分水岭算法的重叠粘连细胞分割方法。分割提取后的阳性细胞区域可能存在重叠粘连情况,改进了基于分水岭的分割算法对图像进一步的分割。方法1和方法2是阳性细胞区域的分割提取方法,实验证明分割效果良好,最后分析比较了两种方法的优缺点和适用场合,可以相互补充,相互验证;方法3是阳性细胞区域中的重叠粘连细胞的分割方法,实验证明,能对大多数重叠粘连细胞进行分割,而且算法执行效率高。(4)研究了免疫组化显微图像的分析技术。综合考虑评价阳性表达的两个因素:阳性细胞百分率和阳性染色程度,提出了一种基于组合参数的分析技术。阳性细胞百分率采用平均阳性染色面积百分比法(APSAP)计算,即阳性染色面积与图像总面积的比值,阳性染色程度我们采用阳性细胞区域的平均光密度,即积分光密度和阳性染色面积的比值,推导出了阳性水平指数(positive level index,PLI)的计算公式,只需要计算积分光密度和图像总面积两个参数即可。实验证明,该方法计算简单,阳性表达分析结果更客观、更准确。