拓扑约束结合匈牙利算法在高密度神经干细胞追踪中的研究

神经干细胞(NSCs)的运动分析是细胞学和生物学研究中重要的组成部分之一,而对大量NSCs同时进行追踪是细胞运动研究的主要难点。为了进一步提高高密度NSCs追踪算法的准确性,本文提出了一种新的基于分割、结合拓扑约束和数据关联的细胞追踪方法。首先针对实验所用的两组细胞图像序列的特点,分别采用了不同的分割方法。然后利用拓扑约束完成相邻两帧中所有细胞的数据关联并建立系数矩阵,最后对该系数矩阵利用匈牙利算法实现细胞的最优匹配,以此模式从序列的前两帧到最后一帧完成细胞追踪。实验结果表明,本文算法与单独利用拓扑约束进行细胞追踪的方法相比,有更好的追踪效果,准确性更高,序列I和序列Ⅱ的最终追踪准确率分别提高了10.17%和4%。     

序列显微镜图像的细胞追踪算法

随着显微镜成像技术的成熟,细胞分析已经成为生物图像分析领域的重要内容之一。早期的研究主要集中在静态细胞图像信息如细胞计数和细胞形态特征等问题上。随着活细胞成像技术的发展,产生了大量延时细胞图像数据,人工处理这些数据费时费力,工作效率低下,引入细胞追踪算法可使数据处理的工作量大为减少。本文对已有的细胞追踪的算法进行分析,对算法的优缺点和追踪结果进行比较,并从提高细胞追踪算法的精确度与速度的角度提出设想与展望。     

基于局部图动态匹配的植物细胞追踪算法研究

植物细胞追踪算法的研究对建立细胞的生长发育模型并探索其基因的结构和功能至关重要。由于植物细胞拥有相似的形状和灰度分布,在空间上具有紧密相连的特殊结构,且在成像过程中存在严重的噪声干扰,细胞图像可能发生错位或者旋转,给植物细胞的追踪带来了巨大挑战。针对以上难点,提出一种基于局部图动态匹配的细胞追踪方法,细胞面积、相邻细胞之间的夹角与距离被用作匹配的基本特征。通过计算相邻两帧细胞图像中细胞上述特征的距离函数,寻找最相似的细胞对作为种子细胞对,然后通过种子细胞逐步匹配其邻域细胞。在细胞逐步匹配过程中,已匹配的细胞将作为新增加的种子细胞。在动态扩张的已匹配细胞邻域范围中,每次优先匹配特征距离最小的细胞对,通过这种动态匹配方法提高细胞匹配的准确率。算法对3组未配准植物顶端分生组织细胞图像序列及它们的配准图像序列进行追踪实验,结果显示与之前的植物细胞追踪算法相比,在配准图像序列中平均追踪准确率可提高4%,在未配准图像序列中平均追踪准确率可提高30%。实验结果表明,所提出的算法可有效提高细胞追踪的准确率,对显微图像数据中细胞群的追踪具有很好的应用价值。     

基于EKF-PF的序列图像中活跃细胞追踪算法的研究

在细胞序列图像中,由于活跃细胞非线性、非高斯的运动特点,对于它的准确预测和追踪是一个尚未解决的难题。本文利用扩展卡尔曼粒子滤波器(EKF-PF)来追踪该类细胞。算法先确定图像中的活跃细胞,再建立运动模型,并对运动模型进行了改进,加入了运动角度估计,对被追踪细胞所在区域中心位置的运动参数(位移、速度、加速度、运动角度)进行滤波预测,最后得到活跃细胞的运动轨迹。该算法对三个图像序列中的14个活跃细胞进行了轨迹的预测,预测结果与实测结果相比,误差在2.5个像素以内,基本能够实现对活跃细胞较准确地预测和追踪。     

神经元干细胞图像的全自动分割与追踪

基于显微细胞图像的全自动分割算法，建立了一种全自动追踪序列图像中的神经元干细胞的系统，序列图像的初始图结合了人机交互，干预分割结果。所有的细胞在追踪过程中将其分成惰性细胞，活跃细胞，分裂细胞和成串细胞。不同种类的细胞采用不同的追踪算法。一种特殊的后向追踪可以修改和纠正前向追踪里出现的错误，并以轨迹图的方式显示最后的追踪结果。     

基于特征提取量化分析的体外活细胞追踪算法研究

目的:提高显微镜下序列图像细胞追踪的效率及准确度。方法:提出双阈值形态学与拓扑约束图论法相结合的 自动细胞追踪算法,用来分析体外活细胞定向迁移轨迹及参数,并从细胞数目及细胞特征两方面分析追踪算法的准确 性。在特征分析方面,从运动速度、运动距离、趋化速度、趋化指数和方向持续性5个指标与手动采样数据进行对比。结 果:该算法可以分别识别在毛细管针部灰度较高区域的细胞及其他区域灰度较低的细胞,细胞数目准确度平均达到 91.8%,分析得到的5个特征指标与手动采样分析结果基本一致,误差不超过5%。结论:双阈值形态学与拓扑约束图论法 相结合的自动细胞追踪算法可以有效提高细胞追踪的准确度。     

蜂窝划分的多帧及原图反馈法的细胞追踪方法

在追踪序列图像中大量疏密不均的细胞时,由于细胞存在粘连、分裂、移入与移出等问题,影响其分割与追踪的准确性。为了进一步提高追踪的准确性,提出一种蜂窝划分的多帧及原图反馈修正的细胞追踪方法。首先把分割好的图像进行蜂窝状区域划分,然后引入Delaunay三角网建立细胞邻域图,再应用拓扑约束实现细胞匹配,最后把细胞共分为欠分割、过分割、粘连、分裂、移入、移出和未处理细胞共七大类,并提出多帧反馈和原图反馈法对匹配结果和分割错误进行修正。实验结果表明,本方法能够有效追踪细胞分布疏密不均、团簇问题严重及细胞于帧间游动速度快的图像序列,不但大幅度地修正分割错误以降低追踪对分割的依赖性,而且可拓宽拓扑约束法的适用性,最终使追踪准确率有很大的提高。算法测试了3个细胞图像序列,比拓扑约束法的追踪准确率分别提高25.61%、77.14%和45.83%。     

改进的小波域医学图像序列的运动估计

医学图像序列压缩是远程医疗系统中的重要技术，而运动估计在视频序列压缩中起着关键作用。我们提出了一种改进的正方形-菱形搜索算法来实现医学图像序列的运动估计。这种改进的正方形-菱形算法减少了搜索点数。我们将其应用于小波域的医学图像序列的运动估计，并对数字减影血管造影图像序列（DSA）进行实验。结果表明，改进后的小波域正方形-菱形算法较其他算法精度高。     

融合块匹配和插值法的膈肌应变估计及分析

为了准确评估膈肌收缩功能，提出一种融合块匹配法和插值法的膈肌运动位移和应变估计方法。首先利用基于归一化互相关的块匹配法结合膈肌生理约束特性估计出膈肌感兴趣区域的互相关函数，对膈肌运动的整数位移进行估计；然后利用9点抛物线插值算法对互相关函数进行插值处理，进一步计算膈肌感兴趣区域二维亚像素位移；接下来根据估计出的位移计算应变；最后利用反追踪的思想选取最佳窗口的大小，以降低位移追踪误差。按照上述方法，分别针对吸气相超声膈肌全序列图像以及含吸气开始和吸气结束的首尾两张膈肌图像进行追踪，观察不同大小感兴趣区域窗口设置对膈肌运动位移和应变估计的影响。实验结果表明块匹配算法的窗口大小选择中，5×10和10×15窗口存在匹配错误，15×20、20×25、25×30、30×35窗口追踪得到的水平位移和竖直位移均无显著差异，而固定窗口大小为25×30最佳；选择使用全序列图像和首尾两张图像对膈肌全局应变计算不存在显著差异。     

基于形态学的均值平移算法的神经元干细胞图像的自动分割

在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础。为了准确地分割低对比度的灰度神经元干细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元干细胞分割方法,称其为形态学的均值平移算法。此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞。将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比。实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目。此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础。