顯微視頻細(xì)胞分割與跟蹤方法研究.pdf

1、醫(yī)學(xué)中的大部分疾病都和細(xì)胞行為有關(guān)。細(xì)胞圖像分割與細(xì)胞跟蹤是研究細(xì)胞行為的重要手段。傳統(tǒng)細(xì)胞行為的研究往往是基于人工的方式，不但需要大量的人力，而且在跟蹤細(xì)胞過程中涉及細(xì)胞染色等化學(xué)操作，影響細(xì)胞的生理運(yùn)動(dòng)，從而影響跟蹤結(jié)果。因此借助計(jì)算機(jī)視覺相關(guān)理論完成細(xì)胞圖像分割與細(xì)胞跟蹤對(duì)于研究細(xì)胞行為具有重要的意義。
　　由于細(xì)胞場景中存在細(xì)胞聚集、消失與分裂等復(fù)雜狀態(tài)，使得一些經(jīng)典的圖像分割方法和目標(biāo)跟蹤方法不能直接應(yīng)用于細(xì)胞場景中。本

2、文正是基于此對(duì)細(xì)胞圖像分割和細(xì)胞跟蹤方法進(jìn)行研究。
　　本文主要完成了以下工作:
　　1）針對(duì)黏連細(xì)胞問題提出了一種基于多尺度log-filter（Laplace of Gaussian filter）的四階段細(xì)胞圖像分割方法。該方法主要涉及閾值法提取細(xì)胞區(qū)域；基于多尺度log-filter檢測(cè)細(xì)胞中心；基于城市距離定位黏連細(xì)胞連接處，之后通過移除低灰度像素或者最近鄰方法得到粗分割結(jié)果；最后,通過增加梯度約束項(xiàng)改進(jìn)主動(dòng)輪廓模

3、型調(diào)整分割結(jié)果，使得分割結(jié)果更加接近細(xì)胞的真實(shí)邊界。該方法在MCF-10A數(shù)據(jù)集上進(jìn)行驗(yàn)證,能夠得到較好的分割結(jié)果。
　　2）為應(yīng)對(duì)細(xì)胞分裂、消失、新生等復(fù)雜情況，將細(xì)胞跟蹤問題轉(zhuǎn)化為分類問題，分別實(shí)現(xiàn)了基于有監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)的細(xì)胞跟蹤。該方法通過挖掘細(xì)胞特征，基于GBDT有監(jiān)督學(xué)習(xí)訓(xùn)練，可以對(duì)未知樣本取得很好的跟蹤效果。針對(duì)目前細(xì)胞視頻標(biāo)記樣本缺乏問題，采用主動(dòng)學(xué)習(xí)的思想解決，通過制定篩選樣本策略使得標(biāo)記很少的樣本就可以得到很

4、高的正確率。
　　3）PHD（Probability Hypothesis Density）濾波方法是基于隨機(jī)有限集統(tǒng)計(jì)的濾波方法，能夠跟蹤數(shù)目變化的目標(biāo)，因此適合應(yīng)用于細(xì)胞場景中。本文通過分析顯微視頻圖像中細(xì)胞的多個(gè)特征，提取細(xì)胞中心位置、灰度均值和局部場景圖像熵三種特征，在狀態(tài)空間中表征細(xì)胞的運(yùn)動(dòng)學(xué)特征和圖像特征，用于自動(dòng)化細(xì)胞跟蹤。實(shí)驗(yàn)結(jié)果表明本文方法可以有效的同時(shí)跟蹤多個(gè)細(xì)胞，與采用單獨(dú)動(dòng)力學(xué)特征的細(xì)胞跟蹤相比具有更高的跟