显微镜视频中细胞检测与跟踪算法研究

摘要

显微镜下细胞的跟踪是多目标检测跟踪的重要分支和研究方向，也是计算机视觉与生命科学工程相结合的热点。精确地跟踪细胞的运动轨迹对于定量地分析血细胞的定向移动、组织器官的修复过程、药物作用下细胞周期变化都有着重要的意义。与自然场景下的多目标跟踪不同，细胞种类具有多样性，外形相似度高，以及运动情况复杂等特点，增加了跟踪任务的难度。如何提高细胞跟踪的精度，同时定量地分析出细胞活性的变化成为近年来研究的焦点。
　　本文对细胞成像的工具以及图像数据特征进行分析，通过研究对比现有细胞检测和跟踪算法，提出了一种具有鲁棒性和普适性的分层次跟踪框架，并在多个不同细胞类型和成像工具的细胞图像序列上进行实验，具体工作如下：
　　一、分析了细胞形态特征及显微镜图像特点，并探索出相应的图像预处理的算法和参数设定，解决由成像带来的噪声和细胞光晕问题，提高图像质量；
　　二、对现有的分割和跟踪方法进行分类，对比了基于检测的关联框架，基于模型的演化框架，基于概率的贝叶斯框架优缺点，在先检测后关联的基础上，应用分层次的思想，先全局后局部处进行检测和跟踪，提高系统鲁棒性；
　　三、在细胞检测阶段，针对细胞形态和粘连特性，提出使用椭圆拟合识别欠分割的方法，先全局后局部的解决分割问题。首先进行全局分割，经过形态学处理和区域标注后，使用椭圆对每一个区域进行拟合，筛选出欠分割区域。最后通过小波变换的分割方法对局部进行再次分割，提取质心作为跟踪依据；
　　四、在跟踪阶段，提出适用于细胞跟踪的分层次跟踪框架，在不同阶段分类解决细胞事件。在第一阶段帧间关联中引入二分图模型，使用细胞密度估计保守的距离阈值，建立可信度较高的轨迹段，识别出细胞分裂、融合、移入移出事件并关联到轨迹段中；第二阶段，基于建立的轨迹段进行细胞事件的识别分类，结合生物特性和先验知识，纠正由于检测错误带来的跟踪中断和细胞分裂的问题；第三阶段，对每一段轨迹计算再次关联的时间空间约束条件，基于局部最优的方法，对轨迹段进行关联，在不需要初始化和人工干预的纠错下实现轨迹跟踪；
　　五、通过细胞分裂中母细胞和子细胞的正确匹配，得到细胞增殖中的谱系关系，并通过三维空间轨迹的形式展示。

目录

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3当前研究的困难与不足

1.4研究内容与组织结构

第二章 细胞数据介绍及跟踪算法概述

2.1成像工具及图像特征

2.2经典细胞分割算法

2.3当前细胞跟踪算法的分类

2.4检测和跟踪算法性能指标

2.5分层次跟踪框架介绍

2.6本章小结

第三章 细胞分割与检测

3.1数据集介绍

3.2图像预处理

3.3阈值法的全局分割

3.4欠分割识别

3.5小波变换的分割方法

3.6检测结果

3.7本章小结

第四章 基于全局和局部最优的分层次跟踪

4.1跟踪先验假设

4.2第一层跟踪：帧间关联

4.3第二层跟踪：纠错识别

4.4第三层跟踪：轨迹段的关联

4.5跟踪结果与谱系建立

4.6本章小结

第五章 总结和展望

5.1工作总结和创新点

5.2工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

声明