基于共聚焦顯微鏡圖像的亞細(xì)胞結(jié)構(gòu)檢測(cè)與跟蹤算法研究.pdf

1、數(shù)字化熒光成像技術(shù)和分子級(jí)生物著色技術(shù)的不斷發(fā)展,極大地推動(dòng)了研究者對(duì)亞細(xì)胞結(jié)構(gòu)的直接觀察和相關(guān)研究。研究人員通過(guò)綠色熒光蛋白質(zhì)來(lái)標(biāo)記亞細(xì)胞分子結(jié)構(gòu),實(shí)現(xiàn)了活細(xì)胞的動(dòng)態(tài)分子生物學(xué)研究。然而,在亞細(xì)胞結(jié)構(gòu)的數(shù)字化顯微鏡技術(shù)迅速發(fā)展的同時(shí),研究亞細(xì)胞結(jié)構(gòu)所產(chǎn)生的數(shù)字化圖像數(shù)據(jù)也變得非常龐大。因此,自動(dòng)分析和處理這些圖像數(shù)據(jù),并對(duì)亞細(xì)胞結(jié)構(gòu)的運(yùn)動(dòng)進(jìn)行定量分析十分必要。
　　針對(duì)亞細(xì)胞結(jié)構(gòu)的運(yùn)動(dòng)定量分析問(wèn)題,本文基于共聚焦顯微鏡的亞細(xì)胞結(jié)

2、構(gòu)圖像序列,研究細(xì)胞內(nèi)被綠色熒光蛋白質(zhì)所標(biāo)記的亞細(xì)胞結(jié)構(gòu)的檢測(cè)和跟蹤算法。主要研究?jī)?nèi)容如下:
　　(1)本文研究了常用的圖像去噪與分割方法,分析和總結(jié)了現(xiàn)有方法的優(yōu)缺點(diǎn),針對(duì)亞細(xì)胞結(jié)構(gòu)圖像分析和目標(biāo)跟蹤的特點(diǎn),提出了一種基于標(biāo)記圖像模型的亞細(xì)胞結(jié)構(gòu)檢測(cè)方法。
　　(2)完成了亞細(xì)胞結(jié)構(gòu)的多目標(biāo)跟蹤算法建模。利用最小包圍盒(Minimun Bounding Box, MBB)描述單個(gè)亞細(xì)胞結(jié)構(gòu),并基于序貫蒙特卡洛算法(Sequ

3、ential Monte Carlo,SMC)形成聯(lián)合狀態(tài)對(duì)多個(gè)亞細(xì)胞結(jié)構(gòu)進(jìn)行表示,最后設(shè)計(jì)了包含五種跳轉(zhuǎn)的可逆跳馬爾可夫鏈蒙特卡洛( Reversible Jump Markov chain Monte Carlo,RJMCMC)算法,對(duì)多個(gè)亞細(xì)胞結(jié)構(gòu)的聯(lián)合狀態(tài)空間模型進(jìn)行采樣,實(shí)現(xiàn)了高效的多個(gè)亞細(xì)胞結(jié)構(gòu)的跟蹤算法。
　　(3)完成了多個(gè)亞細(xì)胞結(jié)構(gòu)之間相互作用的建模。通過(guò)引入“輔助高度變量”和基于RJMCMC采樣的“高度互換跳轉(zhuǎn)

4、”,實(shí)現(xiàn)了對(duì)亞細(xì)胞結(jié)構(gòu)相互遮擋的建模。
　　(4)本文提出標(biāo)記殘留圖像算法,完成了亞細(xì)胞結(jié)構(gòu)在圖像場(chǎng)景中任意時(shí)間和任意位置出現(xiàn)和消失現(xiàn)象的算法建模。通過(guò)比較前后兩幀亞細(xì)胞結(jié)構(gòu)的二值圖像,檢測(cè)可能新出現(xiàn)的亞細(xì)胞結(jié)構(gòu),利用基于RJMCMC采樣的“出現(xiàn)跳轉(zhuǎn)”引入新出現(xiàn)的亞細(xì)胞結(jié)構(gòu)。通過(guò) RJMCMC采樣的“消失跳轉(zhuǎn)”,刪除消失的亞細(xì)胞結(jié)構(gòu)。從而實(shí)現(xiàn)了對(duì)數(shù)目變化的多個(gè)亞細(xì)胞結(jié)構(gòu)的跟蹤。
　　(5)為驗(yàn)證本文所提出的亞細(xì)胞結(jié)構(gòu)檢測(cè)和跟