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%。     

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。     

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HSI修正空间信息融合的彩色白细胞图像分割方法

本文提出一种基于HSI修正空间信息融合的白细胞自动分割方法。首先将细胞原图转换至HSI彩色空间,由于H分量分段函数变换公式的不连续,导致原图中视觉均匀的细胞浆区域在此通道中均匀性变差。对色调计算公式进行了修改,然后依据白细胞核、浆在H、S、I通道分布特点提取核、浆、红细胞和背景区域信息,利用信息融合理论和方法构造融合图像Ⅰ和只存在细胞浆和少量干扰的融合图像Ⅱ,分别提取细胞核和细胞浆。最后标记细胞核、浆,得到分割结果。实验结果表明:该算法对白细胞图像分割准确性高、鲁棒性强且具有普适性。     

神经元干细胞序列图像中分裂子细胞的精确分割算法

针对神经元干细胞序列图像中存在的细胞分裂现象,为了实现对于分裂子细胞的特征提取、识别和跟踪,对于分裂出的微小目标--子细胞,提出了一种能够精确保留其形状特征的分割算法.采用了基于最大熵的模糊阅值分割方法,应用遗传算法确定最大模糊熵准则下的最优参数.利用加权距离变换、区域标注和形态学运算,实现了对分割结果中的干扰区域的吞没,以及对于分割图中欠分割目标的分离.仿真结果通过与硬分割比较,表明该算法在序列图像的追踪处理中对于需要特征提取的特定目标,能够实现最大限度保留该目标形状特征的精确分割.     

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。     

基于几何活动轮廓的神经元干细胞序列图像的自动分割

一个快速稳定的分割系统是研究神经元干细胞变化的基础，为完善此系统，针对多连接边缘模糊的细胞分割提取问题，根据曲线进化原理，我们提出了一种基于水平集方法的改进的几何活动轮廓算法。此算法能自动解决图像的拓扑变化，并能获得更加真实的细胞轮廓边缘。将此方法应用于神经元干细胞的序列图像分割，实验结果证明了此算法的有效性与准确性。     

基于胸部CT图像的肺结节分割

目的提出一种从胸部CT图像中分割提取多种类型肺结节的算法,辅助肺癌诊断和疗效评估。方法首先由放射科医生确定种子点和目标容积区域,再根据初分割结果自动识别非肺壁粘连结节和肺壁粘连结节。然后采用多阈值结合距离变换的方法分割非肺壁粘连结节,光线投射和直线拟合分割肺壁粘连结节。最后,将算法应用于85组患者数据（232个肺结节）,并由高年资放射科医生评价分割结果的准确性。结果本文算法鲁棒性强,能准确判别肺壁粘连和非肺壁粘连结节,从而适用于孤立、血管粘连、毛玻璃和肺壁粘连结节的提取。测试的232个结节中无异常发生,且分割速度较快。经放射医生评价,平均准确率达90％。结论本文算法可以从胸部CT图像中分割提取4种类型肺结节,鲁棒性、准确性和速度均可满足实际临床需求,对肺癌筛查、诊断和疗效评估具有重要价值。     

一种基于三维约束的医学图像序列分割新方法

基于三维图像具有三维平滑、连续变化等特性,提出一种新的医学图像序列分割方法.该方法在计算过程中,只需手动设置第一幅图中主动形变模型的关键点位置.在其他图像中,首先采用预测和视频运动估计中常用的块匹配法优化主动轮廓模型的初始化位置,然后采用偏三维约束和梯度矢量流(GVF),从初始化位置开始在图像中进一步迭代收敛得到每幅图像中的最终轮廓位置.在一般的二维平滑基础上.达到三维平滑、三维分割的作用.与光流法、一般预测法等方法的实验结果相比,本方法可以显著提高分割的准确性及速度.     

基于分水岭算法的交互式三维分割方法

背景：在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割。 目的：为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法。 方法：提取CT序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割。首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域。 结果与结论：基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像。利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征。     

彩色血液细胞图像的自动分割方法研究

提出基于自适应多尺度阈值和种子点增长的混合方法自动分割彩色血液细胞图像。首先对原始图像直方图进行多尺度滤波，根据它的尺度空间图特性，确定合理的阈值，完成对胞核的分割和白细胞的检出。其次，利用局部颜色特征及全局形态特性控制种子点增长，完成对白细胞浆区域的分割。该方法对白细胞的检出率为98％，分割效果主观评价为好的占93％，它能有效地分割白细胞区域。     

基于3D体素增强和3D alpha背景分离的多发性硬化症病灶分割方法

目的:提出一种用于T1加权像、T2加权像和流体衰减反演恢复（Flair）磁共振图像的多发性硬化症（MS）病变分割方法。方法:首先基于3D图像增强技术,将高强度MS病变区域与其他组织区域区分开来。然后利用假阳性降低方法,去除一些强度和密度不均匀的假阳性目标区域（VOI）,并利用颜色分割法去除白质之外的VOI。最后利用彩色MR技术生成3个区域,以便细化分割MS病变。结果:在CHB数据集上进行测试,得到真阳率均值为0.48,Dice相似系数均值为0.52。结论:该方法能够有效去除噪声及其他无关非病变组织,并能准确识别并分割MS病变,该方法的有效性、准确性能为后续的MS分割技术分析提供依据。同时为MS病变的预防治疗、病情跟踪提供客观、方便的诊疗方法。 【关键词】多发性硬化症;病灶分割;3D体素增强;3D alpha背景分离;颜色分割技术     

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。     

基于Random-Walk算法的DR图像分割方法

本文算法对原图像进行快速Mallat小波分解得到骨干图后,利用其高频子带梯度信息优化边的权重,并在概率阈值的准则下对争议区域做进一步划分,最后把最大到达概率所在类的标签赋予未标定顶点,并扩展到原图像,得到分割边界。用微软GrabCut分割数据库图像和实际DR图像对该算法进行了验证,该算法能快速而有效地分割出特定的图像,适用于DR图像的分割,为进行组织增强和进一步提高DR图像质量打下基础。     

Single Particle Tracking Across Sequences of Microscopical Images: Application to Platelet Adhesion Under Flow

A versatile and automated image processing technique and data extraction procedure from videomicroscopic data is presented. The motivation is a detailed quantification of blood platelet adhesion from laminar flow onto a surface. The characteristics of the system under observation (type of cells, their speed of movement, and the quality of the optical image to analyze) provided the criteria for developing a new procedure enabling tracking for long image sequences. Specific features of the novel method include: automatic segmentation methodology which removes operator bias; platelet recognition across the series of images based on a probability density function (two-dimensional, Gaussian-like) tailored to the physics of platelet motion on the surface; options to automatically tune the procedure parameters to explore different applications; integrated analysis of the results (platelet trajectories) to obtain relevant information, such as deposition and removal rates, displacement distributions, pause times and rolling velocities. Synthetic images, providing known reference conditions, are used to test the method. The algorithm operation is illustrated by application to images obtained by fluorescence microscopy of the interaction between platelets and von Willebrand factor-coated surfaces in parallel-plate flow chambers. Potentials and limits are discussed, together with evaluation of errors resulting from an inaccurate tracking.     

基于三重注意力的脑肿瘤图像分割网络

脑肿瘤图像分割问题是脑肿瘤临床诊断和治疗脑肿瘤疾病计算机辅助诊断的基础.针对脑肿瘤MRI图像分割网络深度过深和局部与全局特征信息联系匮乏导致图像分割精度降低等问题,提出一种基于三重注意力的脑肿瘤图像分割网络.首先,借鉴残差结构,将原始图像分割网络结构的编码层和解码层中的卷积模块替换为深度残差模块,解决网络加深带来的梯度...