Mean Shift结合拓扑约束法进行高密度细胞追踪

摘要

在细胞学研究领域,细胞运动分析一直是其重要的研究方向,而对细胞运动进行分析,首先就要对细胞的运动轨迹进行有效的追踪。
　　 在神经干细胞的研究中,由于神经干细胞是一类尚未分化的母细胞,能够通过不对等的分裂方式产生各类神经组织,对神经系统疾病以及肿瘤的治疗有着积极的作用。研究神经干细胞的分裂、演化的规律,是当前生物医学工程领域的一个研究热点。
　　 在高密度神经干细胞的研究中,利用人工追踪细胞轨迹的方法,由于其费时大,易于产生错误,已经逐步被利用计算机对图像进行处理的方法所替代。因此,当前的细胞研究需要一种能够对高密度细胞图像进行自动追踪的系统。
　　 本文以高密度细胞追踪作为研究方向,针对不同图像序列的成像特点,采用了不同的分割方法,为细胞的全自动追踪奠定基础。在细胞追踪部分,根据高密度细胞图像中细胞运动的特点,将细胞分为惰性细胞和活跃细胞。由于Mean Shift算法对于活跃细胞的追踪效果不理想,本文采用了拓扑约束的方法对其追踪。在高密度细胞追踪过程中,针对由于细胞密集导致追踪错误的问题,本文在原有拓扑约束条件的基础上,进一步引入了周长差等新的条件,强化了拓扑约束方法对活跃细胞的追踪作用。另外,对细胞追踪中容易出现的细胞丢失、新细胞的出现等情况给出了相应的解决方法。
　　 最后,分别利用两组图像序列共150帧对本文方法进行了测试,实验结果表明本文的方法分别较Mean Shift算法和拓扑约束方法提高4％～17％和2％～7％的准确率,能够更加有效的实现对高密度细胞图像的追踪。