細(xì)胞FISH圖像分割、計(jì)數(shù)和檢索研究.pdf

1、在計(jì)算機(jī)圖像處理和細(xì)胞遺傳學(xué)領(lǐng)域，如果能將圖像處理技術(shù)與細(xì)胞遺傳學(xué)有機(jī)結(jié)合，探索細(xì)胞級(jí)新的研究方法，對(duì)細(xì)胞的形態(tài)信息進(jìn)行定量分析，對(duì)于判別哺乳動(dòng)物生殖細(xì)胞質(zhì)量?jī)?yōu)劣十分關(guān)鍵。這項(xiàng)領(lǐng)域的研究有助于牲畜品種繁育、病情篩查診斷、染色體病變等細(xì)胞遺傳學(xué)的多個(gè)應(yīng)用方向，但由于傳統(tǒng)顯微鏡下細(xì)胞圖像像素低且尺寸不一，細(xì)胞形狀不同且易發(fā)生粘連等原因，造成細(xì)胞圖像處理存在諸多困難。目前，針對(duì)哺乳動(dòng)物生殖細(xì)胞圖像分割、計(jì)數(shù)和檢索等方面的應(yīng)用還未形成一套有效且

2、通用的方法。所以，尋找一種快速、準(zhǔn)確的細(xì)胞分割、計(jì)數(shù)和檢索方法十分有必要。
　　本文基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)模型和粒子群優(yōu)化算法(PSO)，對(duì)細(xì)胞熒光原位雜交(FISH)圖像分割、計(jì)數(shù)和檢索進(jìn)行了深入研究，主要貢獻(xiàn)有:
　　(1)熒光原位雜交技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用介紹
　　總結(jié)了熒光原位雜交技術(shù)的發(fā)展歷程和技術(shù)要點(diǎn)，詳細(xì)介紹了FISH技術(shù)在農(nóng)業(yè)領(lǐng)域尤其是畜牧領(lǐng)域的應(yīng)用，為后續(xù)研究奠定細(xì)胞遺傳學(xué)技術(shù)基礎(chǔ)。
　

3、　(2)基于PCNN實(shí)現(xiàn)對(duì)哺乳動(dòng)物精子細(xì)胞FISH圖像的分割和計(jì)數(shù)
　　提出了一種分水嶺和PCNN相結(jié)合的圖像分割以及標(biāo)記方法，最終實(shí)現(xiàn)了對(duì)細(xì)胞FISH圖像的準(zhǔn)確計(jì)數(shù)。首先，利用PCNN與局部中值濾波對(duì)細(xì)胞FISH圖像降噪;然后，利用分水嶺方法對(duì)無(wú)噪圖像進(jìn)行粗分割，并使粘連的細(xì)胞分隔開(kāi);再利用最小交叉熵PCNN進(jìn)行細(xì)分割;最終，通過(guò)標(biāo)記分割圖像，實(shí)現(xiàn)細(xì)胞計(jì)數(shù)。實(shí)驗(yàn)結(jié)果表明，細(xì)胞計(jì)數(shù)準(zhǔn)確率達(dá)到93.3％以上。
　　(3)基于改

4、進(jìn)粒子群分類(lèi)算法的FISH圖像檢索
　　為克服基于內(nèi)容的圖像檢索算法計(jì)算量大、準(zhǔn)確度低等缺點(diǎn)，并找到適合細(xì)胞FISH圖像的檢索方法，提出一種改進(jìn)粒子群的圖像分類(lèi)算法。首先，將模板圖像和數(shù)據(jù)庫(kù)圖像分區(qū)，并提取它們的灰度直方圖信息;然后，將尋找模板圖像最相似的問(wèn)題轉(zhuǎn)化成通過(guò)粒子群優(yōu)化進(jìn)行分類(lèi)問(wèn)題;最后，通過(guò)對(duì)相似度大的圖像進(jìn)行精確匹配得出最相似的圖像。實(shí)驗(yàn)結(jié)果表明，基于粒子群和新分類(lèi)算法的圖像檢索算法，能夠在公開(kāi)圖像數(shù)據(jù)庫(kù)中快速匹配出